x-create

X 创作

根据用户的人设和发帖模式，创作容易传播的 X 帖子（短推文、串文、回复）。

首次设置

创作内容前先检查用户资料：

1. 读取 references/user-profile.md
2. 如果 initialized: false 或文件不存在 → 运行引导流程
3. 如果 initialized: true → 开始创作内容

引导问题

使用 AskUserQuestion 工具询问用户以下问题：

1. 账号定位（领域）：你的 X 账号主要分享什么内容？

   • 选项：AI/科技、创业/商业、个人成长、投资理财、其他

2. 目标受众：你的目标读者是谁？

   • 选项：中文用户、英文用户、双语用户

3. 人设风格：你希望塑造什么样的人设？

   • 选项：专业严肃、轻松幽默、犀利观点、温暖亲和、其他

收集答案后，将 references/user-profile.md 中的 initialized: true 更新为 true。

帖子类型

5 大类别

类型	风格	适用场景	意图信号（路由线索）
高价值干货	信息密度高，可收藏	教程、工具推荐、方法论	目标是收藏/转发；强调可执行清单、工具、步骤
犀利观点	有态度、有立场	行业评论、反常识观点	目标是讨论/对立；需要鲜明立场、对比、反常识
热点评论	快速反应	新闻评论、事件点评	目标是蹭热度/抢时效；围绕刚发生的事件快速解读
故事洞察	个人经历+洞察	案例分析、经验复盘	目标是引发共鸣/获得关注；用具体场景+转折+金句
技术解析	深度技术	原理讲解、源码分析	目标是建立专业度；解释原理、机制、影响与建议

输出格式

1. 短推文（≤280 个字符）——单条推文
2. 串文（多条串联）——3-10 条相连的推文
3. 评论回复——用于回复热门帖子

创作工作流

Step 1：加载上下文

1. Read references/user-profile.md → Get persona, style
2. (Optional) Read state from ~/.claude/skills/x-create/state/
   - liked_topics.json (positive samples)
   - rejected_topics.json (negative samples)
   - events.jsonl (optional)
3. Check assets/templates/{type}/ → Look for user reference posts
4. If no references → Use default patterns from references/post-patterns.md

Step 2：基于意图进行路由

先确定意图，再选择风格和格式：

1. 意图 → 风格（5 大类别）

   • 以收藏/转发为导向 → 高价值干货
   • 以讨论/对立为导向 → 犀利观点
   • 以时效/热点为导向 → 热点评论
   • 以共鸣/关注为导向 → 故事洞察
   • 以专业/技术为导向 → 技术解析

2. 风格 → 输出格式

   • 短推文：单个洞察、快速观点、一句话
   • 串文：多点分析、循序渐进、详细拆解
   • 回复：针对特定帖子/话题撰写

如果用户明确提供 --type，则按其指定类型创作；否则自动路由。

Step 3：应用模式

读取 references/post-patterns.md，了解对应帖子类型的模式。

Step 4：生成内容（A/B 变体）

默认创作两个变体：

• 变体 A：表达更直接，开头更有冲击力，对比更鲜明
• 变体 B：结构更清晰，证据更充分，语气稍微中性

遵循：

1. 用户的人设风格
2. 选定的帖子风格模式
3. 参考示例（如有）

Step 4.5：自然化润色（去 AI 味，默认必做）

对每个变体改写，使其听起来像真人在 X 上发帖，同时保持原意和论点不变：

• 删除填充语和聊天机器人式客套话：避免使用“当然/希望这对你有帮助/让我们来深入探讨”
• 去掉浮夸或营销腔：避免使用“标志着/至关重要/不断演变的格局/彰显/赋能/令人叹为观止”
• 不要模糊归因：除非提供具体来源，否则避免使用“专家认为/行业报告显示”；改写为“我观察到/我的判断是……”
• 减少连接语：避免过度使用“此外/然而/因此”；尽量使用简单句和换行
• 打破固定套路：不要硬套“三段式”；两点也可以，长短句交错使用
• 避免滥用破折号：不要连续堆叠“——”
• 用具体细节替代空洞结论；如果不确定，就直白简短地说明

串文限制：

• 每条推文不得超过 280 个字符
• 不要让每条推文结构都一样；允许有 1-2 条简短的“停顿”句

Step 5：评审（自我评估）+ 重写一次

以目标读者的视角，对自然化润色后的变体 A/B 评分（0-10）：

• 开头的吸引力
• 信息密度/价值
• 清晰度和可读性
• 可信度（不夸大/不编造事实）
• 人设契合度
• 促进行动的可能性：点赞/转发/收藏/回复
• “AI 味”控制：没有空洞宏大的表述、模板化结尾或模糊权威来源

规则：

• 如果变体 A 和 B 都低于 7 分，则重写一次（生成 A2/B2），然后再次进行相同的自然化润色并重新评分。
• 选择最佳变体作为最终输出，但仍须展示两个草稿。

输出格式

# 推文创作

## 选题
{topic}

## 推文类型
{short_tweet/thread/reply}

## 风格
{post_style}

---

## Drafts

### Variant A

{For short tweet: single tweet content}

{For thread:}
### 1/N
{first tweet}

### 2/N
{second tweet}

...

### N/N
{final tweet with call to action}

**Critic score (0-10)**: {critic_score_a}

### Variant B

{For short tweet: single tweet content}

{For thread:}
### 1/N
{first tweet}

### 2/N
{second tweet}

...

### N/N
{final tweet with call to action}

**Critic score (0-10)**: {critic_score_b}

---

## Selected

Selected variant: {A|B|A2|B2}
Reason: {one-sentence reason}

---

## 发布建议
- 最佳发布时间: {suggestion}
- 配图建议: {image suggestion if applicable}
- 预期互动: {engagement prediction}

下一步：运行 /x-publish 发布到草稿箱

附加供钩子/状态采集使用的机器可读代码块：

CREATE_JSON
{
  "schema_version": "x_skills.create.v1",
  "topic": "{topic}",
  "post_type": "short|thread|reply",
  "post_style": "high-value|sharp-opinion|trending-comment|story-insight|tech-analysis",
  "variants": [
    {"id":"A","critic_score_0_10":0,"text":"..."},
    {"id":"B","critic_score_0_10":0,"text":"..."}
  ],
  "selected": "A|B|A2|B2",
  "rewrite_once": true
}

HOOKS_JSON
{
  "schema_version": "x_skills.hooks.v1",
  "topic": "{topic}",
  "hooks": [
    {"text":"...","source":"variant.A","tags":["数字|反常识|痛点|悬念|类比"],"score_0_10":0}
  ]
}

模板优先级

1. 优先使用用户模板：检查 assets/templates/{type}/
2. 默认模式：使用 references/post-patterns.md

示例：

Creating 高价值干货 post:
1. Check assets/templates/high-value/
2. If files exist → Learn style from examples
3. If empty → Use default pattern from post-patterns.md

资源

references/user-profile.md

用户自定义信息（由所有 x-skills 共享）

references/post-patterns.md

适用于 5 类内容的默认爆款帖子模式

assets/templates/

用户提供的参考帖子，按类型整理：

• high-value/ - 高价值干货类参考
• sharp-opinion/ - 犀利观点类参考
• trending-comment/ - 热点评论类参考
• story-insight/ - 故事洞察类参考
• tech-analysis/ - 技术解析类参考

示例

用户：/x-create Claude 4.5 Opus发布 --type thread

1. 阅读 user-profile.md → 人设：专业严肃、观点犀利
2. 检查 assets/templates/tech-analysis/ → 为空
3. 阅读 post-patterns.md → 获取 tech-analysis 模式
4. 生成帖子串：

### 1/5
Claude 4.5 Opus 上线了。我先说结论：它更像“慢一点，但更稳”的那类模型。

我用 3 个小任务试了下，写个线程记录👇

### 2/5
我最直观的感受不是“更聪明”，而是更会停下来检查自己。

同一个问题，它更少给“听起来对”的答案。

### 3/5
三个场景（都不算大项目）：
1) 重构一个旧模块：更愿意先问清边界，再动手改
2) 复杂推理题：会把关键假设写出来（这点很救命）
3) 长文档梳理：更少漏掉前后矛盾的地方

### 4/5
代价也很现实：
- 反应慢一点
- 成本可能更高（看你用的套餐/调用方式）
- 你得给它更明确的上下文

### 5/5
如果你做的是“错一次就很麻烦”的任务（代码、决策、长文整理），值得试。

只是日常闲聊，感知没那么强。你们试过了吗？

集成

创建完成后，建议：

推文创作完成！

- 类型: {thread/short/reply}
- 字数: {word_count}
- 预计阅读: {read_time}

下一步：运行 /x-publish 发布到X草稿箱

（反馈闭环，可选）
- 采纳并进入正样本：
  python ~/.claude/skills/x-create/scripts/x_state.py like --topic-json '{"title":"{topic}","selected":"{A|B}","critic_score":8}'
- 否决并进入负样本：
  python ~/.claude/skills/x-create/scripts/x_state.py reject --topic-json '{"title":"{topic}","reason":"low_value"}'
- 写入事件（hooks 自动收集也可用）：
  python ~/.claude/skills/x-create/scripts/x_state.py event --event create.generated --payload-json '{"topic":"{topic}","variants":["A","B"],"selected":"{A|B}"}'