mcpField
P
post-scorer

post-scorer

github.com/charlie947营销与增长4.4k1.4k 次安装1 周前更新
代码仓库

关于 post-scorer

post-scorer 是面向 Codex 和 Claude 的 LinkedIn 帖子评审技能。它在数据可用时结合经核实的作者表现数据与编辑评分,并明确标记无法比较的部分,不虚构指标。

主要功能

  1. 01按五项标准评分
  2. 02可选的语气档案评审
  3. 03分析经核实的帖子数据
  4. 04仅编辑评审的备用方式
  5. 05基于证据提出修改建议

适用场景

  1. 01发布前评审 LinkedIn 帖子草稿
  2. 02将草稿与经核实的历史帖子比较
  3. 03寻找改善帖子结构的修改方向

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/charlie947/social-media-skills --skill post-scorer

安装后在 Claude Code 中输入/post-scorer确认已加载。

详细介绍

帖子评分器

Codex 和 Claude 运行环境

  • 在 Codex 或 Claude 中使用此技能,并使用当前任务中实际可用的工具。AskUserQuestion 示例描述的是问题,而不是必须使用的 API:请在能力范围内使用可用的提问工具,或直接在聊天中提问。重复使用已提供的答案和源材料。
  • 在用户选定的项目中工作。进行个性化处理前,先阅读其中的 about-me.md、voice.md 和相关品牌文件。如果文件内容冲突或包含初始默认值,请确认目标作者。询问缺失的信息,或运行 voice-builder;绝不要沿用维护者的身份、账号或私有文件。
  • 相对于此技能文件夹解析捆绑的 references/。如果用户明确要求刷新个人资料,请就地读取并更新规范的 about-me.md、voice.md 或 newsletter-voice.md,保留无关的用户事实和规则。使用方必须重新读取这些规范文件。只有在新交付内容会与现有无关文件重名时,才使用新文件名。仅安装技能绝不会启动访谈或写入文件。除非用户要求,否则不要写入持久化经验。
  • 优先使用已提供的证据。必要时,通过可用的搜索或来源工具核实外部声明。如果来源或集成不可用,请说明缺少的能力,并提供使用已提供文本或导出文件的选项。绝不要捏造事实、第一人称经历、指标或成功的工具运行结果。
  • 仅通过用户现有账号连接所选工作流程所需的服务。绝不要输出凭据或覆盖现有连接。起草、保存和审核都不代表授权发布内容、发送消息或更改账号。

重要:加载时自动启动

此技能触发时,直接进入第 1 步。不要总结,也不要解释评分方法。立即开始。

第 1 步:获取帖子

如果用户已在同一条消息中粘贴帖子,请直接使用。否则请说:

请粘贴你想评分的 LinkedIn 帖子。

等待用户提供帖子。

第 2 步:加载评分数据

评分器需要两项内容:用户的风格体系和真实的表现数据。

风格体系

如果项目中存在 about-me.md 和 voice.md,请读取。如果缺失,请注明,并在不匹配用户风格的情况下进行评分。

表现数据

检查用户选定项目中是否有用户提供的导出文件或缓存的帖子数据。使用数据前,核实作者、收集日期和覆盖范围。绝不要搜索其他用户的文件夹,也不要改用维护者的基准数据。

如果缺少数据,请提供以下选项:

  1. 使用已上传的用户帖子导出文件和汇总互动数据。
  2. 使用用户已授权的 Apify 连接获取用户的帖子正文和汇总数据。付费运行前,确认账号、范围和当前费用。调用前核实 Actor 当前文档中的输入架构;不要猜测备用 Actor 输入。
  3. 现在进行编辑审核,并将表现对比标记为不可用。

对于 Apify 运行,apimaestro/linkedin-profile-posts 是现有的服务提供方路线。使用较小的请求批次(最多 100 条帖子)。仅请求帖子正文和汇总数据。绝不要抓取评论或回复,包括通过 deepScrape 或 numComments 抓取。如果该 Actor 无法排除评论正文,请改用经核实的仅抓取帖子路线,或请求用户提供导出文件。不要先抓取评论再事后将其丢弃。

将允许使用的帖子数据连同作者和收集日期保存到项目中的 outputs/post-scorer/。如果 Apify 不可用,请保留草稿,并提供导出或编辑审核选项。不要声称已获取帖子历史。

第 3 步:分析表现最佳的帖子

有可用的表现数据时,请在评分前进行以下分析:

  1. 计算每篇帖子的互动得分:总反应数 +(评论总数 x 3)。这是编辑层面的权重,而非私有的触达分析数据
  2. 按互动得分找出排名前 10% 的帖子
  3. 从这些帖子中提取:
    • 最常见的开场类型(反直觉、数字引入、鲜明主张、个人故事、提问、新闻)
    • 帖子平均长度(词数)
    • 格式分布(纯文本、图片、轮播、视频)
    • CTA 模式(提及新闻简报、评论门槛、请求转发、提问、无)
    • 互动表现突出的主题集群
    • 句子节奏(平均句长、每篇帖子的段落换行数)
  4. 同时记录排名后 10% 帖子的模式,以识别哪些做法效果不佳

在这次审查中记录来源、日期、样本量和模式。除非收到请求,否则不要写入持久记忆。未知数量应视为缺失,而不是 0;如果样本太小或经过筛选,无法支持表现比较,请明确说明。

第 4 步:为帖子评分

从 5 个标准评分,每项 1 到 10 分。将编辑判断与历史数据的实测比较分开。如果既没有语气档案,也没有确认的作者样本,则将语气匹配标为不可用,并报告总分(满分 40);否则总分为 50。总分不代表对表现的预测。

开场吸引力(1 到 10 分)

将草稿的首句与排名前 10% 帖子的开场类型进行比较。

  • 是否采用了该作者历史表现良好的开场类型?
  • 是否包含数字、姓名或具体细节,足够明确?
  • 根据其数据中实际能吸引读者停下浏览的内容,这句话能否让读者停下来?
  • 有历史数据时,引用相关模式;没有时,将开场评分标为编辑判断,并将历史匹配度留空
语气匹配(1 到 10 分)

如果存在 voice.md:

  • 帖子是否符合 voice.md 中的语气、节奏和句长?
  • 是否违反了 voice.md 的缺失模式部分中的规则(这种语气绝不会采用的做法)?
  • 句长是否符合其表现最佳帖子的平均水平? 如果没有语气文件,则使用帖子数据中确认的作者样本。如果两者都不可用,则将此项标为不可用。
价值密度(1 到 10 分)

与用户表现最佳的帖子进行比较:

  • 他们表现最好的帖子是否会传授知识、提供步骤、分享数据或讲述故事?
  • 这篇草稿是否符合这些价值模式?
  • 读者能否从中获得足够具体、值得收藏或分享的内容?
  • 将词数与排名前 10% 帖子的平均值进行比较。如果明显过长或过短,请指出。
结构与格式(1 到 10 分)

基于其数据:

  • 哪种格式(文本、图片、轮播)为其带来了最多互动?
  • 草稿的结构是否符合表现最佳帖子中的换行和段落节奏?
  • 帖子是否便于在手机上浏览?
  • CTA 是否符合表现最佳帖子中的模式?
发布就绪度(1 到 10 分)
  • 所有主张是否都有依据、必需内容是否齐全、编辑工作是否完成?不要根据文风推断作者身份。
  • 根据其发帖历史,这篇帖子是否能自然融入其动态?
  • 是否存在风险信号:voice.md 缺失模式中列出的禁用词、泛泛的表达、企业腔?
  • 与其表现最佳的帖子相比,篇幅是否合适?

第 5 步:输出评分卡

在代码块中输出:

LINKEDIN POST SCORE

Data source: [verified author export / verified Apify results / editorial only]
Posts analysed: [number or unavailable]
Top 10% avg engagement: [measured number or unavailable]

Hook strength:         [X] / 10  [hook type detected]
Voice match:           [X] / 10
Value density:         [X] / 10
Structure and format:  [X] / 10  [format: text/image/carousel]
Publish readiness:     [X] / 10
----------------------------------------
TOTAL:                 [XX] / [50 or 40, excluding unavailable voice]

VERDICT: [One sentence referencing specific data]

TOP PERFORMER COMPARISON:
Your top posts average [X] words, use [hook type] hooks,
and include [CTA pattern]. This draft [matches/differs] because [specific reason].

FIXES:
1. [Specific fix backed by data, e.g. "Your top 10% posts open with numbers. This opens with a question. Switch to a stat."]
2. [Second fix backed by data]
3. [Third fix if needed]

为历史比较引用实际依据。仅进行编辑审查时,省略与表现最佳帖子的比较,并提供具体的文案或结构修改建议,标注为编辑建议。切勿编造数据来填充模板。评分前,请逐项对照准确的草稿,检查所有必需的名单项或步骤。

第 6 步:提供后续选项

在评分卡后:

想让我参考你表现最佳帖子的模式,重写最薄弱的部分,还是直接发布?

如果用户要求重写,请进行修改,并在代码块中输出修订后的帖子。

规则

  • 始终优先使用真实数据,再考虑提供通用建议。
  • 将每项发现标记为基于来源/历史数据,或编辑判断。
  • 编辑评分较高并不能证明其符合历史情况,也不能预测其传播范围。
  • 务必诚实。过于慷慨的评分毫无用处。
  • 如果数据已过时(14 天或更久),请建议先刷新数据,再进行评分。
  • 运行 Apify 抓取前,先告知用户(此操作需要付费)。
  • 任何输出中都不得使用 em dash。
  • 全文使用英式英语。
  • 评分卡应保持简洁。它需要在活动现场的大屏幕上看起来赏心悦目。

评论

支持 Markdown