关于 manuscript-engagement-analytics
Manuscript Engagement Analytics 是一项技能,通过结构、字数和读者评论等信号,定位稿件中可能让读者流失或困惑的部分。它结合确定性的 Markdown 分析脚本与编辑判断,生成按优先级排列的修改建议。
主要功能
- 01绘制标题层级字数图
- 02标记开篇迟缓和冗长章节
- 03评估标题是否承诺读者收获
- 04解读测试读者评论与流失
- 05排列结构性修改优先级
- 06使用脚本分析 Markdown
适用场景
- 01查找稿件首次提供收获前的冗长部分
- 02识别读者价值薄弱或不清晰的章节
- 03根据评论模式确定修改目标
- 04生成按优先级排列的参与度审查
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ lvtd-llc/ skills --skill manuscript-engagement-analytics安装后在 Claude Code 中输入/manuscript-engagement-analytics确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
agents/openai.yamlreferences/core/checklist.mdexamples.mdknowledge.mdrules.mdscripts/analyze_manuscript.pyworkflows/audit-engagement.md详细介绍
手稿读者参与度分析
核心视角
可以通过描绘阅读时间内的价值变化,近似衡量读者参与度。手稿中有用内容迟迟不出现、主题标题含糊,或读者评论逐渐减少,都表明读者可能会感到无聊、困惑或受阻。
使用此技能可:
- 生成标题级别的字数分布图。
- 找出开篇缓慢和冗长乏味的部分。
- 检查标题是否承诺了读者能获得的收获。
- 解读 Beta 读者的评论位置和弃读情况。
- 为价值节奏调整生成修订队列。
参考资料导航
| 需求 | 阅读 |
|---|---|
| 读者参与度分析概念 | references/core/knowledge.md |
| 分析规则和阈值 | references/core/rules.md |
| 示例图表和发现 | references/core/examples.md |
| 快速审查清单 | references/core/checklist.md |
| 逐步进行读者参与度审查 | workflows/audit-engagement.md |
脚本
使用 scripts/analyze_manuscript.py 对 Markdown 结构进行确定性分析:
python3 skills/manuscript-engagement-analytics/scripts/analyze_manuscript.py manuscript.md
该脚本会输出标题、行号、字数、累计字数和启发式标记组成的表格。将脚本输出作为依据,再结合参考资料作出判断。
工作流
1. 明确读者承诺
确定目标读者、图书承诺和第一个有意义的收获。如果这些内容不明确,请先使用 book-toc-lab。
2. 生成结构图
运行脚本或手动创建表格:
Section | Line | Words | Cumulative words | Reader takeaway | Risk
3. 标记价值事件
标记读者获得以下内容的位置:
- 可用的想法。
- 决策框架。
- 清单。
- 完整示例。
- 实验或练习。
- 故障排查解答。
4. 诊断参与度风险
检查以下情况:
- 首次获得收获前的文字过多。
- 篇幅很长但收获有限的章节。
- 连续出现多个铺垫章节。
- 标题含糊,未能体现读者能获得的价值。
- Beta 读者的评论在同一章节附近停止。
5. 建议修订措施
优先考虑结构性调整:
- 提前呈现有价值的内容。
- 删除或压缩收获有限的铺垫内容。
- 围绕读者所得重命名标题。
- 拆分过长的章节。
- 将理论转化为示例、清单、实验或决策内容。
输出格式
审查读者参与度时,请返回:
- 读者承诺和首次收获诊断。
- 价值图或脚本输出摘要。
- 风险最高的章节。
- 按预期参与度影响排序的修订建议。
- 有数据时,对 Beta 读者评论和弃读情况的解读。
- 修订后的后续检查。
质量标准
将指标视为信号,而非定论。字数和评论减少情况可指出需要检查的位置;最终建议应说明缺失、延迟或不明确的读者价值。
评论
支持 Markdown