linkedin-post-writer

LinkedIn 帖子写作

使用在 2025-2026 年实际表现出色的钩子公式发布 LinkedIn 长文（已验证互动倍数）。

适用场景

• 用户说“帮我写一篇关于 X 的 LinkedIn 帖子”
• 用户有主题和大致角度，需要钩子和结构
• 用户想从已知的高效格式中挑选，并融入自己的表达风格
• 用户想在一个流程中完成审核和排期

此技能可使用的公式

代码	公式	参考互动量	适用场景
F1	平台风险排比	4,240	品类／平台类帖子、以产品作为解决方案
F2	R.I.P. 悼词式	3,822	宣告一个时代终结、行业转向
F3	年同比转折	494, 3.74x	身份转变、创始人反思
F4	时间锚点式坦白	1,519+	展现脆弱、重塑表达风格、重新定位 ICP（2026 年谨慎使用，参见注意事项）
F5	自我验证式元叙事	1,082 / 435 条评论	基于承诺的帖子、公开测试
F6	评论解锁式引流资源	717-3,008	扩大邮件名单（2026 年谨慎使用，必须提供真实资源，参见注意事项）
F7	精确到零头的资金账本	1,755, 9.4x	创始人构建日志、成本拆解（2026 年最强开场，数字置前）
F8	付费与免费反转	550, 19.64x	免费分享框架
F9	好奇心缺口式预告	306, 4.25x	新兴行为、幕后故事（2026 年谨慎使用，两行内给出答案）
F10	反主流观点 + 历史依据	3,083	挑战不可质疑的观点、AI／技术周期
F11	情绪式冷开场	高触达*	有情感利害关系的真实故事（点赞）
F12	许可式鼓励	评论较多*	鼓励、安慰（评论；2026 年谨慎使用，需要一个有日期的事实）
F13	偷换式反转	高触达*	升级式的政策／流程变更（点赞）
F14	点名致谢／致敬	转发较多*	感谢导师／团队／离职同事（转发）
F15	讲给孩子听	收藏较多*	解释术语、消除晦涩感（收藏）
F16	放下身份光环式谦逊	点赞较多*	资深人士希望展现亲和力，而非距离感（点赞）
F17	可控的 A/B 轶事	结构型†	单变量对比、委派／AI 观点（评论）
F18	化解虚假二选一	结构型†	“两个显而易见的答案都不成立”的治理／战略议题（评论／转发；2026 年：这是帖子的唯一对比）
F19	轶事与证据衔接	结构型†	个人观察 + 数据堆栈（评论／收藏）
F20	分岔曲线式收尾	结构型†	两条走向不同的轨迹、可引用的格言（转发）

* F11-F16 的触达量是 2026 年语料中的绝对触达量（通常受来源影响：转发或知名作者），而不是像 F1-F10 数字那样的基准倍数。两列衡量的是不同指标，不能直接比较：F11 的“256k”是原始触达量，F8 的“550, 19.64x”是格式倍数。不要将这些数字并列来给公式排序。各公式的真实参考数据和注意事项见 ../../references/hook-formulas.md。

† F17-F20 是结构型公式：它们塑造帖子的逻辑（可控对比、虚假二选一、证据衔接、两条分岔曲线），而不是主题。它们没有参考数字，应根据主要目标来选择。这些公式最初为创始人版打造，若干创始人主题会明确指定它们的名称。

完整框架见 ../../references/hook-formulas.md。F1-F10 是长篇思想领导力系列；F11-F16 经 2026 年高于平均表现的语料验证，风格偏短、偏情绪化，且各自对应一个主要互动目标。

2026 年触达率注意事项（2026 年 9 月审计）

上面的参考数字没有变化；变化的是 2026 年的信息流如何看待每种公式所依赖的手法。../../references/hook-formulas.md 中的每种公式现在都附有“2026 年触达率说明”；挑选时需要注意的有：

• 开头绝不要用问题。 首行是问题时，所有粉丝量级的平均获赞数中位数都会下降 34%（MagicPost，120 万篇帖子；供应商数据，专有 AI 评分）。把问题移到结尾，那里能提升 3%。
• 优先把数字放在开头。 第 1 行中使用精度不常见的数字，平均获赞数中位数会提升 34%（同一来源）。F7 是 2026 年最强的开场方式；F3、F5、F17 天生就是数字开头。
• F4 坦白式开场，谨慎使用： 给出具体、有日期且令人不安的事实，不要用“让我坦诚相告”/“坦白说：”来铺垫；实质内容要出现在前 3 行。刻意制造坦诚会被视为“虚假脆弱”的信号；真诚的脆弱表达能提升 7% 至 10%（供应商数据）。
• F6 评论门槛，谨慎使用： 评论门槛式 CTA 是 LinkedIn 2026 年 3 月真实性更新明确针对的对象；2026 年 7 月的“AI 垃圾内容”举报按钮会使被标记帖子的浏览量减少约 40%。只有确实有明确命名的交付内容时才使用，而且绝不要用“评论 X 获取 Y”这种措辞。
• F9 好奇心缺口，谨慎使用： 预告式短语（“没人告诉你的事”“大多数人忽略的事”“真正的问题是”）都出现在 2026 年 AI 特征共识清单中。缺口必须具体，并在 2 行内、折叠线之前揭晓答案。
• F12 许可式开场和 F18 虚假二分法，谨慎使用： 两者都是通用框架手法（“停止做 X，开始做 Y”下降 6.7%，“这不是 X，而是 Y”下降 4.9%；供应商数据）。只有搭配有日期的事实，且作为帖子中唯一的对比时，才仍然有效。
• 密度规则： 每篇帖子使用一个对比和一个三段式表达；不要使用“The result?” / “Plot twist:” / “Here's what”过渡句。顶尖创作者中仍有 98% 至 100% 的人使用这些手法；真正暴露问题的是重复使用和内容空洞，而不是手法本身。
• 仍能提升触达率： 数字开头的首行、结尾的问题、P.S. 署名（+7.5%）、1,000 个以上字符（1.18 倍）和 20 句以上（1.14 倍，AuthoredUp，300 万篇帖子）；每段 1 至 2 句并以空行分隔（推荐的版式，不是特征信号）。

先按目标挑选

如果用户知道希望帖子带来什么效果，就从这里开始，再根据主题缩小范围。标准映射：../../references/hook-formulas.md → 互动目标分类。

目标	选择
评论	F17、F10、F4、F12、F9（使用 F4/F12/F9 时注意其 2026 年注意事项）
转发	F14、F2、F8
点赞	F11、F13、F16
收藏	F15、F7、F8

步骤

先确定语气档案（适用于所有草稿）。 如果 ../../references/voice-profile.md 中的 filled: yes，就加载它，并在全文中匹配用户的语气特征、硬性规则以及 CTA/链接风格。如果尚未填写，就提一次 linkedin-humanizer --mode profile 可以从几篇帖子中学习用户的语气，然后继续采用通用语气规则。如果 ../../references/story-bank.md 中的 filled: yes，也要加载它，并从中提取具体细节（数字、日期、命名项目），不要在起草过程中再询问。绝不要编造其中没有的数字；如果故事库中没有合适内容，就询问用户或提供 linkedin-interviewer。

创始人模式（作者是创始人时）。 在选择公式之前，打开 ../../references/founder-topics.md，并提供一个符合其目标的创始人切入角度（A1-A10）。角度决定领域（重新定价品类、稀缺机会的计算、授权界限等）；有些角度会直接指定公式（A9 使用 F17，A10 使用 F18+F20）。创始人角度通过面向投资者、招聘对象和设计合作伙伴的细分受众积累信任，而不是追求广泛触达。用创始人的真实数字填好角度中的方括号占位内容，然后从步骤 3 继续。 来自访谈的骨架（跳过提问）。 如果 linkedin-interviewer --mode post 交付了一个五行骨架（Moment、Number、Correction、Opposition、Ask），那么这个骨架就是帖子的结构：Moment 用来开篇，Number 用来提供证据，Correction 用来转折，Opposition 用来明确受众，Ask 用来收尾。不要重新询问骨架中已有的信息，也不要填补访谈中特意留空的行。选择适合这个骨架的公式，而不是硬把骨架套进某个公式；如果没有合适的公式，就指出哪一行是障碍。

1. 收集输入。 主题、角度、用户已有的草稿想法、目标受众（创始人 / 运营人员 / 营销人员）、期望长度（短篇 300-500 / 中篇 900-1300 / 长篇 1500-1900 字符）。
2. 选择公式。 首先询问（或推断）目标：评论、转发、点赞还是收藏。使用“先按目标选择”表格缩小范围，然后推荐 2-3 个也适合该主题的公式，让用户挑选。在每个公式旁注明参考互动数据，以及该公式是否有 2026 年注意事项。无论使用哪种公式，都适用两条钩子规则：开头绝不使用问句（点赞数中位数 -34%；把问题放在结尾则 +3%），并且优先使用数字开头的句子（点赞数中位数 +34%；这两项数据均来自 MagicPost 的供应商数据，基于专有 AI 评分）。如果你能想到的最佳钩子是问句，就把它改写成回答该问题的数字。
3. 起草帖子。 根据用户的语气填入公式框架。遵守 2026 年算法规则：
   • 在前 210 个字符内放入钩子（位于“……查看更多”之前）；第 1 行应是陈述句或数字，绝不能是问句，不能使用“这是……/如何……”，也不能使用“停止做 X，开始做 Y”
   • 长度：以用户在第 1 步选择的目标为准。 用户没有表达偏好时，默认采用 900-1,300 个字符；这不是高于用户所选长度上限的限制。如果用户要求长篇（1,500-1,900 个字符），就写长篇，不要为了贴合最佳长度而删减：超过 1,000 个字符且包含 20 句以上可带来 1.18 倍 / 1.14 倍的触达提升（AuthoredUp，300 万篇帖子），因此这些证据支持用户的选择，而非与之相悖。唯一的硬性限制是 LinkedIn 的 3,000 个字符。
   • 不同观点之间空两行，而不是一行；建议每段写 1-2 句
   • 每篇帖子最多使用一组对比和一组三项并列；不要使用“结果呢？”/“反转来了：”这类揭晓过渡句（参见 ../../references/hook-formulas.md 中的 Density 规则）
   • 以一个具体问题收尾；如果确实有后续内容，再加一行 P.S.（+7.5%）
   • 使用 0-2 个主题标签，放在末尾
   • 正文中不要放外部链接（移至第一条评论）
4. 进行 Humanizer 检查。 按密度清理 2026 年 AI 词汇，控制破折号的使用量（大约每 100 个单词一个），拆开层叠的三项并列、泛泛的开场白和揭晓过渡句。每 100 个单词至少加入 1 个具体数字、1 个专有名称、1 个第一人称的具体细节。
5. 运行审核。 向用户展示之前，可选择调用 linkedin-humanizer --mode audit 检查算法适配度和语气。
6. 可选配图。 如果配图能让帖子效果更好（或用户提出要求），就提供配图：起草图像提示词，并使用 lib.illustrate(prompt, kind="wide") 生成图片；从 Voice & Brand Profile §6 中提取品牌账号名 / 颜色，用于叠加层。在审批卡片中显示返回的 url + cost，并在发布时通过 media_urls 附上。对于多图网格（一条帖子中包含 2-10 张图片），使用 lib.illustrate_set([p1, p2, ...], kind="wide", overlay=brand)，并将所有 url 传入 media_urls=[...]。对于钩子语录卡，跳过模型，直接排版：lib.quote_card("<hook line>", handle="@handle", style="brand") — 文字清晰，使用相同的 url 流程。完整工作流：../linkedin-humanizer/sub-skills/illustration.md。如果没有 Pixfaro 密钥，就为用户起草提示词，让用户手动生成。
7. 审批卡片。 显示：使用的公式、完整草稿、字符数、建议发布时间（当地时间周二 / 周三 / 周四上午 7:30-9:00）、可能发表评论的对象以及针对他们的互动目标，还有配图（如有）。
8. 获批后。 调用 lib.publish(kind="post", draft_text=<approved>, target_url="https://www.linkedin.com/post/new/", platforms=[{"platform":"linkedin","platformId":<id>}], scheduled_time=<iso_or_None>, media_urls=<list_or_None>)。包装器会处理 Publora / 手动 / diy 路由。如果用户批准后改变主意，就调用 lib.unpublish(post_group_id=<postGroupId from the response>)，在帖子发出前取消。对于 publora 层级，帖子已经进入队列，因此除此之外只能通过控制面板撤回。

硬性规则（来自用户反馈）

全局语气规则：参见根目录 SKILL.md §Voice rules。其他特定于技能的规则：

• 在 LinkedIn 帖子中，绝不要把 LinkedIn 描述得不如其他平台（算法会降权）。
• 不要以明显带有自我推销意味的方式提及用户的产品。最多提及一次，而且只能作为自然结论，不能像推销。
• 至少包含一个真正脆弱的时刻或具体利害关系。2026 年，纯粹分享见解的帖子很难引起共鸣。
• 节奏自然，不要刻意制造变化：每段中有一个真正的长句和一个短句即可；绝不要在整篇帖子中交替长短句，也不要连续堆叠片段句（每篇最多 2 个独立片段句）。只有当段落中的每个句子读起来都同样平淡时，才调整该段。

反模式（技能会拒绝）

• 首行全大写（“THIS CHANGED EVERYTHING.”）。即使是 F11 情绪冷开场也不例外；用措辞传递强烈情绪，绝不要全大写。
• 以问题作为首行（“Ever wondered why...?”）。改为用数字开头，或把问题移到结尾。
• 以“Here's what / here's how”或“Stop X, start Y”开头；用“The result?” / “Plot twist:”作为揭晓过渡
• 没有具体日期事实支撑的宣告式坦白（“Let me be honest”“Confession:”）
• “Comment X to get Y”这类评论门槛话术
• 破折号超过限额（每 100 个词大约最多一个）
• 以“In today's fast-paced world”开头
• 没有证据支撑的三项并列列表
• “Game-changer”“deep dive”“leverage”“fundamentally”
• 正文中包含外部链接
• 重复使用诱导互动式结尾（“tag someone who needs this”）

资源

• ../../references/hook-formulas.md — 全部 20 种公式框架及示例、每种公式在 2026 年的触达率说明、“What still lifts reach in 2026”和密度规则
• ../../references/founder-topics.md — 创始人版主题库，包含 10 个创始人角度（A1-A10）及填空模板
• ../../references/algorithm-heuristics.md — 2026 年发布规则（发布时间、格式、长度）
• references/humanizer-checklist.md — 完整的清理清单

相关技能

• linkedin-humanizer — 强力清除 AI 痕迹的工具，另有用于发布前审核的 --mode audit
• linkedin-hook-extractor — 从你欣赏的热门帖子中逆向提取开场钩子