关于 x-impact-checker
用于发布前评估 X 帖子或分析表现不佳内容的技能，采用 19 项启发式评分。它提供分项得分、改进建议和改写版本；分析基于文本，并非机器学习预测。
主要功能
- 0119 项帖子评分
- 02互动与风险评估
- 03按类别拆分得分
- 04优先级改进建议
- 05优化版本改写
适用场景
- 01发布前评估帖子草稿
- 02分析表现不佳的帖子
- 03改写文案以促进互动
- 04在细分领域建立主题影响力
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/x-impact-checker确认已加载。
附带文件references/algorithm-weights.md
详细介绍
X 影响力检查器
工作区上下文
提问前先阅读引导上下文：strategy/brand.md 了解品牌、受众、产品、渠道、工具、限制和指标；about/me.md 了解个人语气；content/ideas.md 和 content/calendar.md 了解内容规划。仅在必要时将旧版产品营销上下文文件用作备用。将生成的草稿保存到 content/<platform>/drafts/YYYY-MM-DD_short-topic-slug.md，并将长期有效的经验反馈到 strategy/brand.md、about/me.md 或 content/ideas.md。
工作约定
此技能在其前置内容所界定的范围内独立运行：将本地说明、参考资料、脚本和资源用作操作手册；只询问缺失的任务特定输入；将超出范围的事项交接给相关技能；并返回可执行的成果、决策、计划、草稿或诊断。
使用受 X 已发布推荐架构启发的 19 项评分系统和启发式规则，分析 X 帖子的病毒式传播潜力。
适用场景
- 发布前为推文草稿打分
- 了解推文表现不佳的原因
- 重写推文，使其符合 Twitter 的排名机制
- 在特定细分领域建立主题权威性
- 排查互动率不稳定的问题
评分系统（100 分）
第 1 层：核心互动（60 分）
| 因素 | 最高分 | 评分指南 |
|---|---|---|
| 回复潜力 | 22 | 22：直接提问／可辩论的观点；12：鼓励回应；4：仅陈述观点 |
| 转发潜力 | 16 | 16：可操作的见解／令人惊讶的事实；8：有趣但小众；0：没有分享价值 |
| 喜欢潜力 | 12 | 12：能引发共鸣／个人故事；6：实用参考；0：吸引力低 |
| 引用潜力 | 10 | 10：引发评论的鲜明观点；5：发人深省；0：没有引用价值 |
第 2 层：延伸互动（25 分）
| 因素 | 最高分 | 评分指南 |
|---|---|---|
| 停留时间 | 6 | 6：长篇／内容详尽；3：深度适中；0：可快速浏览 |
| 连续停留时间 | 4 | 4：需要持续关注的串文／故事脉络；2：复杂度适中；0：阅读很快 |
| 点击潜力 | 5 | 5：吸引人的链接，附有明确的行动号召；3：附带上下文的链接；1：裸 URL；0：没有链接 |
| 展开照片潜力 | 4 | 4：多张图片／视觉叙事；2：提及单张图片；0：没有视觉内容 |
| 视频观看潜力 | 3 | 3：有钩子的长视频（>5s）；2：短片；0：没有视频 |
| 引用后点击潜力 | 3 | 3：引人核实的大胆观点；2：有趣的观点；0：内容自成一体 |
第 3 层：关系建立（15 分）
| 因素 | 最高分 | 评分指南 |
|---|---|---|
| 个人资料点击 | 5 | 5：引发对作者的好奇；3：展现专业知识；0：表达泛泛 |
| 关注潜力 | 4 | 4：展现持续价值；2：展现潜力；0：一次性内容 |
| 分享潜力 | 2 | 2：普遍具有分享价值；1：吸引力有限；0：没有价值 |
| 通过 DM 分享 | 2 | 2：个人化／引发共鸣的“发给朋友”类内容；1：有一定共鸣；0：内容泛泛 |
| 通过复制链接分享 | 2 | 2：值得作为参考／收藏；1：有用但不具长期价值；0：时效性内容 |
扣分项（从总分中扣除）
| 风险 | 范围 | 触发条件 |
|---|---|---|
| 不感兴趣 | -5 到 -15 | 标题党、内容无关 |
| 静音风险 | -5 到 -15 | 重复、恼人的模式 |
| 屏蔽风险 | -10 到 -25 | 冒犯性、攻击性语气 |
| 举报风险 | -15 到 -30 | 违反政策、具有垃圾信息特征 |
等级
| 分数 | 等级 |
|---|---|
| 90-100 | S（卓越） |
| 75-89 | A（强） |
| 60-74 | B（良好） |
| 45-59 | C（一般） |
| 30-44 | D（低于平均水平） |
| 0-29 | F（潜力低） |
输出格式
进度跟踪
当宿主环境支持任务跟踪时，显示分析进度：
- 分析帖子内容（进行中 → 已完成）
- 计算所有元素的分数（进行中 → 已完成）
- 生成排名前 5 的优先改进建议（进行中 → 已完成）
- 创建优化版本（进行中 → 已完成）
报告结构
-
分数：
🎯 XX/100 (Grade: X) -
细分表格：
| Category | Factor | Score | Max | Assessment |
|----------|--------|-------|-----|------------|
| **💬 Core Engagement** | | | 60 | |
| | 💭 Reply Potential | X/22 | 22 | [reason] |
| | 🔄 Retweet Potential | X/16 | 16 | [reason] |
| | ❤️ Favorite Potential | X/12 | 12 | [reason] |
| | 💬 Quote Potential | X/10 | 10 | [reason] |
| **⏱️ Extended Engagement** | | | 25 | |
| | 👀 Dwell Time | X/6 | 6 | [reason] |
| | ⏳ Continuous Dwell Time | X/4 | 4 | [reason] |
| | 🔗 Click Potential | X/5 | 5 | [reason] |
| | 🖼️ Photo Expand | X/4 | 4 | [reason] |
| | 🎥 Video View | X/3 | 3 | [reason] |
| | 🔍 Quoted Click | X/3 | 3 | [reason] |
| **🤝 Relationship Building** | | | 15 | |
| | 👤 Profile Click | X/5 | 5 | [reason] |
| | ➕ Follow Potential | X/4 | 4 | [reason] |
| | 📤 Share Potential | X/2 | 2 | [reason] |
| | 💌 Share via DM | X/2 | 2 | [reason] |
| | 📋 Share via Link | X/2 | 2 | [reason] |
| **⚠️ Negative Signals** | | | | |
| | 😐 Not Interested Risk | -X | 0 to -15 | [reason] |
| | 🔇 Mute Risk | -X | 0 to -15 | [reason] |
| | 🚫 Block Risk | -X | 0 to -25 | [reason] |
| | 🚨 Report Risk | -X | 0 to -30 | [reason] |
| **🏆 TOTAL** | | **XX/100** | | **Grade: X** |
-
📈 排名前 5 的优先改进建议：涵盖不同类别的具体、可操作建议
-
✨ 优化版本：应用改进后重写的帖子（使用原文语言）
算法架构
了解底层模型有助于解释评分机制的原理。
核心排名模型
Real-graph — 预测用户之间互动的可能性
- 判断你的关注者是否会与你的内容互动
- 策略：创作能吸引特定关注者群体互动的内容
SimClusters — 使用稀疏嵌入进行社区检测
- 识别兴趣相似的社区；你的推文会在这些社群中引起共鸣
- 策略：选择一个明确的主题，深入服务紧密的社群
TwHIN — 将用户和内容主题映射到知识图谱嵌入
- 帮助 Twitter 判断你的推文是否符合你既有的身份定位
- 策略：深耕你的细分领域，或清晰地表明主题转变
Tweepcred — 用户声誉／权威性评分
- 你过往的互动记录会影响当前推文的触达范围
- 策略：通过持续提供优质内容建立声誉，而不是诱导互动
互动信号
显式信号（权重高）： 点赞、回复、转推、引用推文
隐式信号（同样计入权重）： 个人资料访问、链接点击、停留时间、收藏／书签
负面信号： 拉黑／举报（会受到重罚）、静音／取消关注、快速划过
按算法层优化
| 层级 | 策略 |
|---|---|
| Real-graph | 提出问题；引发讨论；在关注者活跃时发布 |
| SimClusters | 聚焦一个明确主题；使用社群语言；提供细分领域价值 |
| TwHIN | 展现领域专业知识；保持一致；建立主题权威性 |
| Tweepcred | 回复优质账号；避免诱导互动；深入互动 |
详细评分标准
回复潜力（22 分）
- 直接提问、有争议的观点、邀请他人表达意见
- ❌ “刚发布了一个新功能。” → ✅ “功能应该快速上线但存在缺陷，还是慢点上线但更稳定？我们选择了速度——你觉得这样做对吗？”
转推潜力（16 分）
- 可付诸行动的见解、令人惊讶的事实、编号列表、数据驱动的内容
- ❌ “我今天学到了东西。” → ✅ “🧵 3 个能将我的 React 包体积缩小 30% 的模式：1. 延迟加载钩子 2. 按路由拆分代码 3. 摇树优化未使用的导出”
收藏潜力（12 分）
- 情感共鸣、个人故事、令人感同身受的瞬间、坦诚表达
- ❌ “调试很难。” → ✅ “花了 3 个小时调试一个生产环境问题。修复方法？凌晨 2 点‘快速清理’时加上的一个分号。午夜之后再也不碰能正常运行的代码了 😅”
引用潜力（10 分）
- 鲜明观点、挑战传统观念、立场明确
- ❌ “TypeScript 很有用。” → ✅ “TypeScript 最大的价值不是发现错误，而是提供文档。类型错误只是额外收获。不服来辩。”
停留时间（6 分）
- 需要时间阅读的长文内容；详细解释；技术深度
持续停留时间（4 分）
- 串文标记（🧵、“1/”）、叙事结构、需要反复阅读的复杂内容
- ❌ “这是我构建 X 的方法。” → ✅ “🧵 我如何在 30 天内从一个点子做到每月经常性收入 1 万美元（1/8）\n\n第 1–7 天：验证……”
个人资料点击（5 分）
- 激发读者对作者的好奇；展现专业知识；体现可信度
- ❌ “我觉得 React 很好。” → ✅ “在为 Airbnb、Netflix 和 50 多家初创公司设计 React 应用架构之后，以下是我希望自己第一天就知道的事：”
关注潜力（4 分）
- 展现持续价值；建立内容发布节奏
- ❌ “来分享一个 React 技巧。” → ✅ “React 技巧 #47：[见解]\n\n我每周一都会拆解高级 React 模式。”
分数归一化
Final Score = Base Score (0-100) + Penalties (-75 to 0)
Normalized Score = max(0, min(100, Final Score))
惩罚封顶：总惩罚超过 -20 时会逐步减弱；硬性上限为 -75。
文本分析的局限性
此技能执行的是基于文本的启发式分析，而非机器学习预测。它无法检测实际媒体是否存在、真实互动指标、作者粉丝数或社交网络关系图。最适合用于发布前优化，而非发布后的分析。
语言处理
检测输入语言。使用相同语言回复。优化后的版本保持原语言。
当输入为日语时，类别和因素名称显示为：日本語訳（English Original）
日语译名：
- 💬 核心互动 → コアエンゲージメント
- ⏱️ 扩展互动 → 拡張エンゲージメント
- 🤝 关系构建 → 関係構築
- ⚠️ 负面信号 → ネガティブシグナル
- 💭 回复潜力 → 返信潜在力
- 🔄 转发潜力 → リツイート潜在力
- ❤️ 喜欢潜力 → いいね潜在力
- 💬 引用潜力 → 引用潜在力
- 👀 停留时间 → 滞在時間
- ⏳ 持续停留时间 → 継続滞在時間
- 🔗 点击潜力 → クリック潜在力
- 🖼️ 照片展开潜力 → 写真展開潜在力
- 🎥 视频观看潜力 → 動画視聴潜在力
- 🔍 引用点击 → 引用クリック潜在力
- 👤 个人资料点击 → プロフィールクリック
- ➕ 关注潜力 → フォロー潜在力
- 📤 分享潜力 → 共有潜在力
- 💌 通过私信分享 → DM経由共有
- 📋 通过链接分享 → リンクコピー共有
- 😐 不感兴趣风险 → 興味なしリスク
- 🔇 静音风险 → ミュートリスク
- 🚫 屏蔽风险 → ブロックリスク
- 🚨 举报风险 → 報告リスク
算法参考
完整权重详情请参阅 X 的开源算法（19 元素系统）：references/algorithm-weights.md。