mcpField
C
compression-and-iteration

compression-and-iteration

github.com/arthurzakirov营销与增长0164 次安装4 周前更新
代码仓库

关于 compression-and-iteration

用于压缩超出字符限制或显得冗长的文案的写作技能。它提供删减优先级与迭代方法，帮助保留证据、机制和读者收益。

主要功能

  1. 01统计字数并评估删减需求
  2. 02保留文案的核心论点
  3. 03优先删去低信息量内容
  4. 04修改时保留事实细节

适用场景

  1. 01压缩 LinkedIn 个人资料以符合字数限制
  2. 02精简简历要点或社交媒体帖子
  3. 03缩短图像提示词并保留限制条件

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/arthurzakirov/proofstack --skill compression-and-iteration

安装后在 Claude Code 中输入/compression-and-iteration确认已加载。

详细介绍

压缩与迭代技能

适用场景

当文案超出字符限制或显得过于密集时，使用此技能。

常见限制：

  • LinkedIn 标题
  • LinkedIn「关于」部分
  • LinkedIn 工作经历描述
  • GitHub 个人简介
  • 简历单页限制
  • 社交媒体帖子
  • 图像提示词长度限制

核心原则

压缩不应删掉读者继续阅读的理由。

保留以下要素：

  1. 吸引点
  2. 证明
  3. 鲜明对比
  4. 机制
  5. 读者收益
  6. 行动号召

优先删掉其他所有内容。

步骤 1 — 统计并分类

确定：

  • 当前字符数
  • 目标字符数
  • 需要减少的字符数
  • 信号最强的句子
  • 信号较弱或重复的部分

步骤 2 — 保留核心脉络

对于个人简介／档案，保留：

proof → unusual starting point → curiosity question → mechanism → reader benefit → CTA

对于简历要点，保留：

metric → outcome → mechanism → scope

对于视觉提示词，保留：

layout → emotional contrast → mechanism → aspect ratio → text constraints

步骤 3 — 按正确顺序删减

按以下顺序删减：

  1. 填充短语
  2. 重复词语
  3. 不必要的形容词
  4. 冗长的背景说明
  5. 重复的示例
  6. 过于详细的起点描述
  7. 冗长技术栈列表中的次要工具
  8. 不易衡量的主张
  9. 可选的行动号召修饰语

不要优先删掉：

  • 数字
  • 时间范围
  • 前后对比指标
  • 有力的机制短语
  • 读者收益句
  • 采用情况的证明

常见压缩替换

"in order to" → "to"
"the reason why" → "why"
"was able to" → "could" or direct verb
"helped to secure" → "helped secure"
"a very high amount of" → "high"
"the people closest to the work" → "operators/users"
"with the goal of" → "to"
"made it possible for" → "enabled"
"used operational data to see the bigger picture" → "used operational data"

压缩起点差距

不佳：

Before this role, most of my coding experience came from many different internships where I mainly wrote Jupyter notebooks and scripts, and I had little experience with Java, AWS, Databricks, Spark, CI/CD, production testing, and large legacy services.

更好：

Before this, my coding was mostly ML notebooks and scripts. I had to ramp up on production engineering, cloud, CI/CD, testing, and legacy services almost from scratch.

压缩机制描述

冗长：

I use active listening, operational data, and direct manual exposure to uncover the real bottleneck, risk, deadline, or hidden constraint.

更简短：

Use active listening, data, and hands-on exposure to uncover the real bottleneck, risk, or constraint.

压缩输出格式

返回：

## Current estimate
- Characters: [count]
- Limit: [limit]
- Need to cut: [number]

## Revised version
[text]

## What I cut
- [cut]
- [cut]

## What I protected
- [protected]
- [protected]

迭代规则

根据反馈修订时：

  • 保留用户在概念层面的修正，而不只是表面措辞。
  • 如果用户否定某个短语，要推断其背后的原则。
  • 不要重新引入先前被否定的主张。
  • 区分事实修正和风格偏好。
  • 保留一份精简的受保护短语列表。

质量标准

压缩后的版本符合以下条件，即为成功：

  • 符合长度限制
  • 吸引点仍然有效
  • 证明依然具体
  • 机制依然鲜明
  • 读者收益依然清晰
  • 没有颠倒任何事实细节

评论

支持 Markdown