content-engine

内容引擎

脚本位置。 如果宿主未设置 ${CLAUDE_PLUGIN_ROOT}，脚本位于此插件的 scripts/ 文件夹中，与 skills/ 同级。请使用 Python 3.10 或更高版本运行：python；如果找不到 python，则使用 python3（macOS 和许多 Linux 系统）。

何时使用此技能

当用户的请求涉及以下任一内容时，启用此模块：

• SEO 内容：博客文章、支柱页面、主题集群，或任何针对搜索优化的内容
• 广告文案：面向任何付费平台（Google、Meta、LinkedIn、TikTok 等）的标题、描述和创意内容
• 电子邮件营销：电子邮件序列、滴灌营销活动、新闻简报、事务性电子邮件或冷启动外联
• 社交媒体内容：社交平台的自然内容帖子、配文、话题标签策略或内容日历
• 落地页：以转化为目标的页面文案、首屏内容、CTA 和页面结构
• 内容日历：编辑规划、内容排期和主题映射
• 品牌声音：声音和语调指南、信息传达框架及品牌语言体系
• 内容衰退检测：识别排名、流量或相关性随时间下降的内容
• AI 内容质量管理：确保 AI 生成的内容符合质量、原创性和品牌标准
• 无障碍合规：让内容更易访问（WCAG 标准、替代文本、可读性、屏幕阅读器兼容性）
• 多语言/本地化：针对不同语言、文化和区域市场调整内容
• 电子邮件基础设施：送达率、身份验证（SPF、DKIM、DMARC）、域名预热和发件人信誉

触发短语：“写一篇博客文章”、“广告文案”、“电子邮件序列”、“社交媒体日历”、“落地页”、“内容日历”、“品牌声音”、“内容审计”、“内容衰退”、“AI 内容”、“无障碍”、“翻译”、“本地化”、“电子邮件送达率”、“主题行”、“标题”、“CTA”、“新闻简报”

品牌背景（自动应用）

使用此模块生成任何营销内容之前：

1. 检查会话上下文 — 会话开始时已输出当前品牌摘要。请使用其中显示的品牌名称、行业、声音设置、渠道、目标、合规要求和竞争对手。
2. 如果需要完整档案，请读取：~/.claude-marketing/brands/{slug}/profile.json
3. 应用品牌声音 — 正式程度、活力、幽默感和权威性必须影响所有内容的语气和用词
4. 检查合规性 — 使用 skills/context-engine/compliance-rules.md，根据品牌的 target_markets 和行业自动应用规则
5. 参考行业基准 — 查阅品牌所属行业的 skills/context-engine/industry-profiles.md
6. 使用平台规范 — 参考 skills/context-engine/platform-specs.md 中的字符限制和格式要求
7. 检查营销活动历史 — 规划新工作前，运行 python "${CLAUDE_PLUGIN_ROOT}/scripts/campaign-tracker.py" --brand {slug} --action list-campaigns
8. 如果没有品牌档案，请说：“未找到品牌档案。请使用 /digital-marketing-pro:brand-setup 创建档案，或者我可以根据通用最佳实践继续。”
9. 检查品牌指南 — 如果 ~/.claude-marketing/brands/{slug}/guidelines/_manifest.json 存在，请加载并遵循以下文件：restrictions.md，了解禁用词、限制性声明和强制免责声明；channel-styles.md，了解特定渠道的语气调整规则（可能与基础声音不同）；messaging.md，了解已批准的核心信息、标语和定位用语；voice-and-tone.md，了解 4 项数值评分之外的详细声音规则。如果内容面向特定渠道，则渠道风格规则优先于基础声音设置。

不要向用户询问其品牌档案中已有的信息。

所需背景

开始内容工作前，请先收集以下信息：

1. 内容类型：需要哪种具体的内容格式？
2. 受众：这项内容面向谁？（如有，可关联 Audience Intelligence 中的用户画像）
3. 目标：这项内容需要实现什么目标？（流量、转化、互动、教育、留存）
4. 品牌语气：是否有品牌语气指南？语气如何？（专业、随意、权威、活泼等）
5. 关键词／主题：对于 SEO 内容，需要了解目标关键词、搜索意图和竞争格局
6. 平台：这项内容将发布在哪里？（平台特定要求很重要）
7. 转化漏斗阶段：这项内容处于客户旅程的哪个阶段？
8. 现有内容：有哪些相关内容已经存在？（避免内容蚕食）
9. 限制条件：字数限制、字符限制、法规免责声明、品牌指南
10. 效果基准：对于这种内容类型，怎样才算成功？

对于简单请求（例如“帮我写一篇 LinkedIn 帖子”），请推断合理的默认设置并立即交付。对于战略性内容工作，请收集完整背景信息。

能力

• SEO 内容创作：关键词优化的博客文章、支柱页面、主题集群设计、元标题／描述、内部链接策略和精选摘要优化
• 广告文案（所有平台）：Google Ads（响应式搜索广告、标题、描述）、Meta Ads（主要文案、标题、描述）、LinkedIn Ads、TikTok Ads、Twitter/X Ads——提供平台专属格式并遵循字符限制
• 邮件序列：欢迎序列、培育邮件、购物车弃购邮件、重新互动邮件、引导邮件、追加销售／交叉销售邮件和挽回邮件序列，包含主题行、预览文本、正文文案和 CTA
• 社交内容：适用于 LinkedIn、Twitter/X、Instagram、TikTok、Facebook、YouTube、Pinterest 的原生内容，包括说明文字、标签、吸引点和帖子结构
• 落地页文案：主视觉标题／副标题、价值主张模块、社会认同、功能／优势版块、常见问题和 CTA 优化
• 内容日历：编辑日历，包含主题规划、内容支柱、发布频率和渠道分发计划
• 品牌语气体系：语气特征、语气变化范围（语气如何随情境调整）、词汇指南、应做／不应做示例和品牌专属术语
• 内容衰退检测：通过流量、排名、互动和新鲜度识别表现下滑内容的方法，并确定更新优先级
• AI 内容质量管理：AI 生成内容的质量检查清单、原创性验证方法、品牌一致性审核、事实核查流程和人在回路指南
• 无障碍合规：WCAG 2.2 AA 内容指南、替代文本撰写、可读性评分、标题结构、链接文本、色彩对比度指导和屏幕阅读器优化
• 多语言／本地化：便于翻译的内容结构、文化适配框架、区域专属信息指南和 RTL 语言注意事项
• 邮件基础设施：SPF/DKIM/DMARC 设置指南、域名预热计划、邮件列表清理实践、送达率监控和发件人信誉管理

流程

主要工作流：内容创作

1. 内容策略对齐

   • 确认内容类型、受众、目标和漏斗阶段
   • 检查是否存在可能重叠的现有内容（避免内容蚕食）
   • 明确核心信息和关键要点
   • 为任务选择合适的内容框架

2. 研究与准备

   • 对于 SEO 内容：分析目标关键词、搜索意图、SERP 特性和排名靠前的内容
   • 对于广告文案：查看平台规范、竞品广告和受众痛点
   • 对于电子邮件：确定序列触发条件、期望采取的行动和订阅者细分群体
   • 对于社交内容：查看平台趋势、最佳格式和受众行为模式
   • 对于着陆页：确定流量来源、访客意图和转化目标

3. 内容创作

   • 遵循品牌语调指南（如果没有，则建立指南）
   • 按照具体格式要求撰写（字符限制、结构、平台规范）
   • 构建说服架构：
     • 注意：用能让人停下滑动或愿意点击的钩子／标题吸引注意
     • 兴趣：围绕受众已意识到的问题展开，展现理解
     • 渴望：定位解决方案，明确阐述收益并提供社会认同
     • 行动：提供清晰、具体且能降低行动阻力的 CTA
   • 适用时加入 SEO 要素（关键词、标题、内部链接、元数据）
   • 在格式允许的情况下撰写多个版本以供测试（广告文案、主题行、CTA）

4. 质量保证

   • 检查是否符合品牌语调
   • 评估可读性分数（面向大众的内容力求达到 8 年级或以下）。对草稿运行分析器：

     python "${CLAUDE_PLUGIN_ROOT}/scripts/readability-analyzer.py" \
         --file "${CLAUDE_PLUGIN_DATA}/{brand}/seo/content-engine/{date}/{slug}/03-draft-v1.md" \
         --target b2c_general
     

     （--text 内联文本和 --file 路径二选一，且必须提供其中一个；--target 可选值为 b2c_general、b2b_professional、b2b_technical、children、academic。）
   • 进行无障碍审核（标题层级、替代文本指引、链接文本清晰度）
   • 核查任何主张、统计数据或参考资料
   • 检查是否符合平台规范（广告政策、字符限制、格式要求）
   • 对搜索内容进行 SEO 页面审核（关键词位置、元数据、内部链接）
   • 如果借助 AI，则检查 AI 内容质量（原创性、品牌契合度、事实准确性）

5. 优化与测试计划

   • 确定要进行 A/B 测试的内容（标题、CTA、电子邮件主题行、广告创意）
   • 根据内容类型和渠道设定效果基准
   • 安排内容审核日期，以监测效果衰减
   • 规划跨格式和渠道的内容再利用

次要工作流：内容审计与更新

1. 提取内容清单（URL、发布日期、当前流量／排名）
2. 根据新鲜度、效果趋势和相关性为每项内容评分
3. 分类：保留（表现良好）、更新（表现下滑但可修复）、整合（内容单薄／重叠）、移除（无关／有害）
4. 根据流量恢复潜力确定待更新内容的优先级
5. 创建更新简报，列出具体的更新说明

参考文件

• seo-content.md — 关键词优化、主题集群设计、精选摘要策略和页面 SEO 检查清单
• ad-copy.md — 平台专属广告文案框架、字符数限制、政策指南和 A/B 测试方法
• email-sequences.md — 序列模板（欢迎、培育、弃购等）、主题行公式和电子邮件文案框架
• social-content.md — 各平台内容指南、吸引注意力的开场公式、话题标签策略和最佳发布实践
• landing-pages.md — 着陆页结构模板、CTA 优化、首屏框架和转化文案公式
• content-calendar.md — 编辑日历模板、内容支柱框架、发布频率建议和主题映射
• brand-voice.md — 品牌语调开发方法、语气范围设计、用词指南和品牌语调审查流程
• content-decay.md — 内容衰退检测方法、内容评分标准、更新优先级框架和更新跟踪
• ai-content-quality.md — AI 内容质量检查清单、原创性验证、品牌契合度审查和人工审核工作流
• accessibility.md — WCAG 2.2 AA 内容检查清单、替代文本撰写指南、易读性标准和包容性语言指南
• multilingual.md — 本地化准备情况检查清单、文化适配框架、翻译管理和 RTL 注意事项
• email-infrastructure.md — 身份验证设置（SPF/DKIM/DMARC）、域名预热计划、送达率最佳实践和列表卫生
• email-automation.md — 自动化触发条件设计、工作流映射、动态内容规则和行为邮件逻辑
• case-studies.md — 挑战-解决方案-成果框架、以客户为主角的叙事结构和案例研究创作最佳实践
• personalization.md — 个性化成熟度模型、基于细分群体/规则/行为的策略和实施指南
• video-scripting.md — 平台专属视频格式与时长、脚本结构，以及吸引注意力和提高留存率的技巧
• draft-deliverables.md — 各类交付物的最低组成部分（包括新闻稿）、起草后的后续选项，以及一份简报产出多种格式时的并行分发规则

输出格式

交付物	格式	说明
博客文章 / 文章	文档	完整的 SEO 优化内容，包含元数据、标题和内部链接建议
广告文案集	文档 / 电子表格	为各平台提供多种版本，包含标题、描述和 CTA
电子邮件序列	文档	完整序列，包含主题行、预览文本、正文文案、CTA 和发送时间
社交媒体内容	电子表格 / 日历	按平台、日期、文案、话题标签和视觉方向整理的帖子
着陆页文案	文档	按版块编写的文案，包含标题、副标题、正文、项目符号、CTA 和表单文案
内容日历	电子表格	按月/季度制定的编辑计划，包含主题、话题、格式、渠道和负责人
品牌语调指南	文档	完整的语调体系，包含特征、语气范围、用词和示例
内容审计报告	电子表格 + 文档	内容清单及评分、分类和优先级排序后的更新建议
无障碍报告	清单文档	内容层面的无障碍评估，包含具体的整改步骤

边缘情况

受监管行业内容（必须包含免责声明）

• 情境：医疗保健、金融服务、法律、保险、大麻、赌博或其他要求强制添加免责声明、披露信息或合规措辞的行业
• 方法：在开始创建内容时就标明监管要求。加入免责声明占位文本，并建议发布前进行法律审核。对于广告平台，注明具体政策限制（例如，Facebook 金融服务免责声明、Google 医疗保健广告政策）。未经法律审核，绝不可将营销内容说成符合规定——始终建议进行专业合规核验。让营销文案与合规措辞在视觉上清晰区分。

多语言营销活动

• 情境：内容需要适用于多种语言和文化背景
• 方法：撰写源内容时考虑本地化（避免使用难以翻译的习语、文化典故和幽默）。随内容提供本地化说明，标出文化敏感元素。最终交付内容不得使用机器翻译——建议聘请具备营销专业知识的专业译者。对于 RTL 语言（阿拉伯语、希伯来语、波斯语），提醒设计团队注意版式影响。对于字符数受限的格式，预留文本扩展空间（德语文本比英语长约 30%）。

内容蚕食

• 情境：多个页面争夺同一关键词或涉及相同主题
• 方法：创建新内容前先审核现有内容。如果存在内容蚕食，建议整合内容（将表现较弱的页面合并为一个优质页面），而不是再创建一篇竞争内容。使用规范标签、内部链接和内容差异化来解决现有的内容蚕食。创建新内容时，检查关键词和主题是否与现有内容库重叠。

AI 生成内容披露

• 情境：用户希望发布 AI 生成的内容，并需要披露方面的指导
• 方法：建议保持透明。说明平台政策仍在变化（Google 不会因 AI 内容而处罚，但重视质量；一些社交平台要求披露 AI 内容）。始终建议由人工审核和编辑 AI 生成的草稿。提醒用户，完全由 AI 生成且未经人工监督的内容存在事实错误、品牌不一致和受众信任问题等风险。提供 AI 辅助内容的质量保证检查清单。

视频／音频内容的无障碍处理

• 情境：内容包含需要无障碍处理的视频、音频或交互元素
• 方法：建议为所有视频内容添加字幕（不要使用自动生成的字幕——准确性很重要）。为视频中仅以视觉形式呈现的信息提供音频描述。为播客和音频内容创建文字稿。确保交互元素可通过键盘操作。使用屏幕阅读器进行测试。至少遵循 WCAG 2.2 AA 标准；对于面向公众的内容，可将 AAA 作为更高目标。

RTL 语言

• 情境：内容使用阿拉伯语、希伯来语、波斯语、乌尔都语或其他从右向左书写的语言
• 方法：尽早标明 RTL 带来的影响。内容结构、CTA 位置和视觉层级都需要反转。在 RTL 语境中，数字和嵌入的拉丁文本仍保持 LTR 方向（双向文本）。建议所有 RTL 内容都由母语人士审核。设计模板必须支持 RTL 布局。专门在 RTL 模式下测试电子邮件模板，因为许多电子邮件客户端对 RTL 的处理并不一致。

编号输出约定

所有内容引擎输出均保存至 ${CLAUDE_PLUGIN_DATA}/{brand}/seo/content-engine/{YYYY-MM-DD}/{slug}/：

00-input.md                topic, target keyword, intent, format, source brief (from keyword-cluster?)
01-research.md             source list, key data points, expert quotes, competitor references
02-outline.md              H1, H2/H3 structure with target word counts per section
03-draft-v1.md             first complete draft
04-fact-check.md           per-claim verification + citations
00-source-draft.md         the author's own words, verbatim (ONLY when --source-draft was given)
05-humanize.md             AI-pattern detection + rewrite log (flags from scripts/ai-tell-scan.py)
05-scans.json              Surface + structural scan output, keyed {"surface":…, "structure":…}
05-authorship.json         author-sentence provenance (ONLY when 00-source-draft.md exists)
06-brand-voice-check.md    voice score (formality/energy/humor/authority) vs brand profile
07-seo-checklist.md        title, meta, schema, internal links, image alt text
08-quality-scorecard.md    the gates below
09-publish-ready.md        final clean copy + handoff metadata
PLAN.md                    summary + publish instructions

质量评分卡

门槛	检查内容
brand_voice_match	06-brand-voice-check.md 显示每个维度的 distance ≤ 0.15（正式程度／活力／幽默感／权威性）。单位是评分器的 0–1 刻度，而不是档案的 1–10 刻度。 此门槛之前写的是“偏差 ≤ 1.5 分”，但 brand-voice-scorer.py 输出的 distance 上限为 1.0——因此按字面理解，它永远不会失败，这与没有测量依据的门槛一样形同虚设。0.15 是评分器已经用于标记偏差的阈值。请注意，这项检查衡量什么、不衡量什么：目标维度值来自 brand-setup 将声音描述映射为数字的结果，而它没有针对未见过的描述制定评分标准——因此，FAIL 提示你检查档案的目标值，也要检查文案
fact_check_clean	04-fact-check.md 显示未核实的声明为 0，且每条事实陈述至少有 1 个引用
humanize_passed	python "${CLAUDE_PLUGIN_ROOT}/scripts/ai-tell-scan.py" --file 05-humanize.md 报告 humanize_passed: true——也就是说，flagged_paragraph_pct ≤ 品牌阈值（默认 10%）。请运行脚本；不要凭目测判断。 哪些情况会被标记，详见下文的“Humanize 步骤”
seo_complete	07-seo-checklist.md 显示标题 ≤ 60 个字符，元描述为 150–160 个字符，至少有 1 种 schema 类型、至少有 3 个站内链接，且所有图片均有替代文本。其中两项标准应明确标为 N/A，而非通过： 品牌没有已发布的网站时，站内链接不适用（预发布品牌的首篇文章无法链接到站内任何内容——记录为 N/A (no site)，门槛会忽略此项，但绝不能将其记录为已满足）；文章没有图片时，替代文本不适用（0 张图片中有 0 张图片带替代文本，这种通过结果无法验证任何内容——记录为 N/A (no images)）。N/A 必须注明原因；仅写 N/A 即为 FAIL
eu_disclosure_if_ai	如果品牌的 target_markets 包含 EU，且内容由 AI 生成，09-publish-ready.md 必须包含所需的第 50 条披露（机器可读 + 可见）

status: ready 要求全部五项门槛通过，并由运行审计重新推导结果：

python "${CLAUDE_PLUGIN_ROOT}/scripts/run-audit.py" --run-dir "${CLAUDE_PLUGIN_DATA}/{brand}/seo/content-engine/{date}/{slug}"

请在写完 08-quality-scorecard.md 后、声明 status: ready 前运行此项。它会根据产物本身重新推导评分卡的声明：每个编号产物均已存在；通过重新运行 ai-tell-scan.py 测量人性化处理结论（绝不从评分卡读取）；authorship.py 测量的文件中未嵌入扫描 JSON；存在源草稿时，记录的作者身份与重新测量的结果一致；记录的声音距离确实在 0.15 门槛以内；以及已准备发布的文案中不含生产占位符。退出码 1 表示评分卡声称的内容缺乏产物支持——请修正审计发现的问题，绝不要修改措辞。 审计结论会写入与产物放在一起的 run-audit.json，让后续读者能够确认此次运行经过验证，而非仅凭信任。

AI 协助披露（适用于所有运行，不仅限于欧盟）

除上述欧盟门槛外，每份可发布的草稿都会应用品牌在 profile.json 中的 ai_disclosure 区块——{"mode": "claude-surfaces"|"always"|"off", "text": null|custom, "author": null|name}（缺少该区块时的默认值：claude-surfaces、无自定义文本、无作者）。

1. 运行 python "${CLAUDE_PLUGIN_ROOT}/scripts/detect_surface.py" --mode {mode}——其 disclosure_applies 字段就是判定结果。此处特意采用故障安全策略：在 claude-surfaces 模式下，如果界面判定为 uncertain，则应用披露（只有明确检测到非 Claude 特征，才能跳过）。切勿凭猜测覆盖脚本的判定。
2. 如果适用，将该区块作为 09-publish-ready.md 的最后一个正文段落追加——放在正文内，确保它能保留在 /digital-marketing-pro:publish-blog 的处理结果中——使用以下规则：无自定义文本且无作者 → *Created with AI assistance and reviewed by our editorial team.*；已设置作者 → *Created with AI assistance; researched, fact-checked, and edited by {author}.*；自定义文本 → 原样使用。默认措辞不涉及特定供应商（不包含模型或供应商名称），且只声明此工作流执行的审核。作者字段为可选项——切勿捏造姓名，也绝不要因其为空而阻塞流程。
3. 无论是否应用披露，都要在交接元数据中记录判定结果：disclosure: {applied, mode, surface}——未应用披露也是一项有记录的选择，而非遗漏。

Humanize 步骤（05-humanize.md）——标记究竟是什么

humanize_passed 门槛由 scripts/ai-tell-scan.py 衡量，而不是凭印象判断。运行它，并处理它返回的标记。

05-scans.json 会在命名键下保存两次扫描结果——绝不能在同一个文件中放两个 JSON 文档。 将其写成 {"surface": {...ai-tell-scan output...}, "structure": {...structural-tell-scan output...}}。对同一路径执行两次 > 重定向，会生成一个 json.load 无法解析的文件；正是一次这样运行时发现了这个问题。在 Windows 上，重定向时请设置 PYTHONIOENCODING=utf-8——默认的 cp1252 会将建议说明中的 em dash 编码为字节 0x97，随后文件便无法解析。

05-humanize.md 只保留文章正文。 scripts/authorship.py --draft 05-humanize.md 会对该文件中的每个句子进行分类，因此放在其中的扫描 JSON 或报告文字会被计作机器添加文本，从而影响作者占比。在一次真实运行中的测量结果是：附加扫描 JSON 和一份简短报告后，author_word_share 从 0.253 降至 0.206，may_claim_authored 也从 true 变为 false——仅仅因为文件布局，就剥夺了作者对其实际完成工作的署名资格。报告放在 05-scans.json 中；草稿文件就只保留草稿。

python "${CLAUDE_PLUGIN_ROOT}/scripts/ai-tell-scan.py" --file 05-humanize.md [--max-flagged-pct N]

两种语言特征会计入门槛，因为它们足够明确，可以作为门槛依据：

• significance_marker——某个句子唯一的作用，就是告诉读者相邻句子的含义：“重点来了”“这就是让我印象深刻的地方”“这正是问题所在”“仔细想想”。→ 删除这个句子。不要改写它。 它所指的具体内容本身已经发挥了作用；把标记弱化成更温和的标记并不能解决问题。如果这一刻很重要，就回到具体内容，而不是特意宣布它。
• soft_adverb_cluster——同一个句子中出现两个或更多 honestly / genuinely / truly / literally / actually / basically / quietly → 删除它们。需要力量的句子需要的是具体内容，而不是副词。

扫描报告中的其他所有内容都是参考信息，不属于门槛判定——llm_favored_word、连接词开头（“So,”、“However,”）、分词开头、em dash 密度，以及缺乏具体依据的短句。这些也会出现在普通人类写作中，以它们作为门槛依据会误判优秀文案，并让流水线陷入毫无意义的反复改写。扫描指出的问题确实存在时就修正；不要一味追逐数值。

• llm_favored_word（自 2026-08-15 起仅作参考）——delve、leverage、seamless、tapestry、testament、pivotal、myriad……→ 仍值得修改：换成你平时会说的简单词，或者更好，用文章主题中的具体名词代替。经过测量后，它不再计入门槛：在 ChatGPT 问世前发布的 272 段散文中，这些词有 23 次触发，而且每一次都只出现在人类写作中，没有一次出现在模型写作中。技术和新闻英语通常会使用 “robust”、“facilitate” 和 “leverage”，而当前模型的训练语料基本不再使用这些词——因此，它作为门槛信号只会造成误报。

通过这道关卡意味着什么，不意味着什么

通过意味着没有密集出现这两种明确特征。这是底线，不是定论。在 39 篇 ChatGPT 出现前发布的文档上进行测量时，这道关卡一篇也没拦下；在 18 篇未经编辑的模型生成文本上进行测量时，它一篇也没识别出来。因此，通过并不能证明这篇文章读起来像是人写的，也无法识别出完全没有起作用的 humanize 步骤。请将 advisory_rating 和结构扫描视为面向编辑的信号——它们确实能区分这两类文本（未经编辑的模型生成文本有 83% 被评为 HIGH，已发布的人类作品则为 9%）——并将两者都视为供人处理的待办事项，而非作者身份的证明。

**处理任何标记的方式，都是使用 04-fact-check.md 中经过核实的具体信息，而不是替换同义词，更不是捏造事实。**如果某句话没有依据，就删掉这句话，或补充站得住脚的限定说明——不要为了让文字听起来像人写的而捏造数字、日期、来源或示例。

使用你自己的文字（--source-draft）

当用户提供自己的粗略草稿时——例如语音备忘录转录、要点或意识流文字——请将其原样保存为 00-source-draft.md，并围绕他们的句子来写，而不是覆盖他们的句子。不要在引入时整理润色；杂乱本身就是信号。

• 将他们的句子原样保留在 03-draft-v1.md 中——包括错别字、连写、全小写等。绝不要改述、压缩、合并或修正语法；“改善”他们的表达方式，正是抹去作者身份的做法。
• **humanize 步骤的特征不适用于他们的句子。**如果作者写了 “here's the thing”，就保留原样。某种模式描述的是模型未经提示时会写什么，而不是一个人选择说什么。
• 在他们的句子之间加入你的内容：研究、带来源的具体信息、结构，以及他们只是一带而过的部分。
• **他们的主张体现的是他们的表达，不是经核实的事实。**你新增的任何事实内容仍须来自 04-fact-check.md。如果他们的某项主张与研究相矛盾，请标记出来交给人工编辑，并保留原句——由他们决定，而不是由你决定。
• 完成 humanize 后，验证是否兑现了这一承诺：

python "${CLAUDE_PLUGIN_ROOT}/scripts/authorship.py" \
  --source 00-source-draft.md --draft 05-humanize.md --out 05-authorship.json

退出代码 3 表示作者的句子被改写或删除了。**请逐字恢复这些句子，并重新运行，直到退出代码为 0。**这一项不是建议：这里所有 AI 特征扫描都只是建议，因为检测信号是概率性的判断；但“作者写了这句话，而它现在不在这里了”是可以核实的事实，关系到这条流水线是否兑现了承诺。

• **如实披露来源。**当 05-authorship.json 报告 may_claim_authored: true 时——这要求成稿中至少 25% 的词语是作者原样写下的，而且他们的句子没有任何一句被改写或删除——09-publish-ready.md 中的披露语应改为 *由 {author} 撰写，AI 协助进行了研究、结构安排和事实核查。*（若未注明作者，则改为 *根据作者自己的草稿撰写，在 AI 协助下完善，并在发布前经过审核。*）。否则使用上文的标准措辞。**绝不要根据这条记录以外的任何信息推断作者身份。**这一设计是单向的：作者身份记录只能让披露更具体地说明确实发生过的人类参与。过度宣称人类作者身份，是读者无法核实的唯一一种此类表述。
• 没有目标比例。author_word_share 的存在是为了确保披露准确；任何数字都不能让文本变得“足够像人写的”，这里也没有任何内容是为了迎合检测器而设计的。

结构特征检查（仅供参考，绝不作为门槛）

完成 05-humanize.md 后，运行 python "${CLAUDE_PLUGIN_ROOT}/scripts/structural-tell-scan.py" --file {draft}——这是 Tier-2 STRUCTURAL 层（基于 StoryScope：即使表层处理完美，AI 文本的结构仍然容易被识别）。如果报告 NOTE/ATTENTION（说教式结尾、模板化对称、具体性不足、缺乏立场、节奏单一、实体展开），请依据事实核查文件进行结构调整：删去直白点明的结论，打破内容本身支撑不起的对称结构，补充具体且经核实的事实（绝不编造），并表明有依据的立场。

entity_development 值得单独说明，因为很容易用错方法修复。NOTE/ATTENTION 级别意味着文章不断引入新名称、新数字，却都只提一次便不再提及——这像是机器在构建场景，而非专家在论证。**修复方式是展开，而不是删除：**为论点已经依托的具体内容，依据 04-fact-check.md 增加第二处有实质意义的提及——说明它意味着什么、谁对此有异议、它付出了什么代价。删减具体内容来降低这个数值，会让同一扫描中的 specificity 检查结果变差，而后者更重要；编造提及内容则完全不允许。如果文章少于 600 个单词，或涉及的不同实体少于 12 个，代理指标不会给出提示，因为短文受篇幅所限，通常只会提及事物一次。将扫描 JSON 添加到 05-scans.json 的 "structure" 键下，与表层扫描的 "surface" 键并列（绝不要添加到 05-humanize.md——参见 humanize 步骤：authorship.py 会逐句测量该文件），并在 08-quality-scorecard.md 中记录总体级别为 ADVISORY——它绝不会影响 status: ready，且只衡量可见结构（它无法检测统计水印，也与任何统计水印无关）。

链路交接

• 上游： /digital-marketing-pro:content-brief（首选——已完成前期研究），或 /digital-marketing-pro:keyword-cluster（06-pillar-pages.md 会成为内容简报）
• 下游：
  • /digital-marketing-pro:publish-blog——将可发布的草稿推送到 CMS
  • /digital-marketing-pro:content-repurpose + /digital-marketing-pro:social-strategy——将文章改编并发布到各个平台
  • /digital-marketing-pro:check——发布前的最终门槛
  • /digital-marketing-pro:c2pa-metadata——如果文章配有 AI 生成的图片且目标市场包含欧盟，则使用此项

提示与注意事项

• 品牌语气的偏差容忍度按单项计算，而非按总分计算。 每个维度都偏差 1 分的文章，不等于仅幽默这一项偏差 4 分——即使平均分看起来没问题，后者仍然不合格。
• Humanize 步骤不能保证通过 AI 检测工具的检测——它只是提高概率，且此处的扫描都无法检测或去除任何统计水印。ai-tell-scan.py 只衡量可见文本。对于必须尽量减少 AI 风格特征的文章，请额外运行 humanize 步骤，并使用 /digital-marketing-pro:eval-content 重新评分，反复迭代，直到标记的特征消除；最终由人工编辑仍是最强信号——而其中最强的信号，是作者自己写的句子，这正是 --source-draft 保留的内容。
• 事实核查是内容流程中最常被跳过的门槛。 不要仅仅因为没人检查，就让文章带着“0 unverified”上线。如果没有事实核查人员参与，请针对草稿运行 /digital-marketing-pro:verify-claims。
• **对于支柱内容，**目标字数应达到上限（SaaS 为 3000+，B2B 研究为 5000+）——支柱页面需要足够深入，才能建立主题权威性。对于辐射内容，达到字数下限即可。
• 不要最后才写元描述。 应当先写元描述，再写文章——它要回答“这个页面承诺提供什么？”最后才写，会变成事后总结，无法激发点击意愿。

相关技能

• 受众洞察 — 用于针对特定用户画像的内容定向，以及打造能引起既定细分受众共鸣的信息
• AEO/GEO 洞察 — 用于优化内容，使其被 AI 答案引擎引用，并保持实体一致性
• 营销活动协调器 — 用于将内容映射到营销活动渠道，并确保各触点的信息一致
• 漏斗架构师 — 用于使内容与漏斗阶段相匹配，并确保每个阶段都有适当的内容支持
• 数字公关与权威建设 — 用于思想领导力内容、新闻稿，以及通过内容建立 E-E-A-T 权威性
• 分析与洞察 — 用于衡量内容表现、发现效果衰退，并根据数据进行优化

上下文效率

此技能的参考文档（skills/<this-skill>/*.md）总计约 30–50 KB。不要急于全部加载，而应选择所需章节：

• 先用 Grep，再用 Read。 先查找关键词或章节标题，然后使用 offset + limit 只读取相应范围。
• 只遍历一次 ${CLAUDE_SKILL_DIR}。 使用一次目录列表查看其中的内容，然后只读取与当前步骤匹配的文件。
• 一次处理一个来源。 如果工作流要求“查阅三个参考文件”，先确定每个文件需要查看的内容，再依次读取。一次性全部加载会耗尽自动压缩为每项技能预留的 5K token 预算。
• 清理 CSV 输入中的冗余内容。 如果输入是大型 CSV，先用 grep 查看标题行以选出所需列，再逐行处理；不要将整个文件读入上下文。