skill-post-scorer
GitHub对社媒帖子草稿进行互动潜力评分，基于历史数据输出结构化评分卡。支持文本或文件输入，通过脚本分析高表现帖子特征，从钩子、声音匹配等五维度打分，并提供改进建议及改写服务。
Trigger Scenarios
Install
npx skills add ZJU-REAL/Easel --skill skill-post-scorer -g -y
SKILL.md
Frontmatter
{
"name": "skill-post-scorer",
"layer": "attribute",
"description": "对社媒帖子草稿进行互动潜力评分，基于历史表现数据输出结构化评分卡。 当用户说\"帖子打分\"\"评分\"\"这条能火吗\"\"发布前评估\"\"内容质量分\"\"评分卡\"\"草稿评估\"时使用。 和 skill-topic-evaluator 的区别：evaluator 评还没做的选题潜力，本 SKILL 评已写好的草稿质量； 和 skill-social-performance-review 的区别：本 SKILL 评单条草稿（发布前），review 做月度组合复盘（发布后）。"
}
帖子表现评分
对社媒帖子草稿进行互动潜力评分，基于历史表现数据输出结构化评分卡。
加载后立即开始评分流程，不做摘要或等待确认。
输入
用户 prompt 中提供待评分的帖子草稿，支持以下形式：
- 文本内容：直接粘贴帖子文案
- 文件路径：指向
outputs/中的草稿文件 - 平台指定：可选，指定目标平台（小红书、抖音、微博、知乎、公众号、B站等）
示例 prompt：
Execute /skill-post-scorer
帖子：
我花了3年时间才明白一个道理：
最好的内容不是"写"出来的，而是"提炼"出来的。
以下是我总结的5个内容提炼方法...
输出
输出代码块格式的评分卡：
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
帖子表现评分卡
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
钩子强度 ██████████ 8/10
声音匹配度 ███████░░░ 7/10
价值密度 ████████░░ 8/10
结构与格式 ███████░░░ 7/10
发布就绪度 ██████░░░░ 6/10
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
总分 36/50
判定 值得发布，建议优化钩子
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
改进建议：
1. [最弱维度] 具体修改建议
2. ...
执行步骤
第一步：获取帖子
读取用户粘贴的帖子内容。如果 prompt 中没有帖子文本，主动询问用户提供。
第二步：加载评分数据
按优先级获取表现数据：
- Profile 中的历史数据：检查
=== EASEL ACCOUNT PROFILE ===标记，读取performance_data路径指向的历史帖子数据 - 用户提供数据：询问用户是否有历史帖子导出数据（各平台创作者中心/后台可导出 CSV/Excel，或整理成 JSON 数组）
- 通用基准：以上都没有时，使用
references/fallback-benchmarks.md中的基准数据
第三步：分析高表现帖子
互动分与 Top 10% 筛选交给脚本，LLM 只做特征提炼。 由
scripts/score.py完成（复用../../shared/scripts/social_stats.py的engagement_score）。
有历史/用户数据时，把帖子整理成 JSON 数组（每条含点赞与评论字段），调用：
python3 skills/openclaw/skill-post-scorer/scripts/score.py top --input history.json
python3 skills/openclaw/skill-post-scorer/scripts/score.py top --input history.json --top-pct 5
脚本自动：按 互动分 = 点赞 + 评论×3 逐条计算（字段兼容 likes/reactions/点赞、
comments/评论）、按互动分降序、算出 Top N% 门槛与分布（均值/中位数/最高/最低）、
样本量不足警告。LLM 拿到脚本输出的 Top 帖子后，提取其共性特征：
- 开头钩子类型（提问、数据、故事、反常识）
- 文本长度和段落节奏
- 格式特征（列表、分隔、emoji 使用）
- 行动号召（CTA）类型
- 主题分类
- 句式节奏（长短交替、断句频率）
无历史数据时跳过本步，直接用 references/fallback-benchmarks.md 的通用模式特征。
第四步：五维评分
按 5 个维度打分，每项 1-10 分，总分 50 分。
评分标准详见 references/scoring-criteria.md。
| 维度 | 评判重点 |
|---|---|
| 钩子强度 | 前两句是否能阻止滑动，制造好奇或共鸣 |
| 声音匹配度 | 是否契合账号一贯的语气、人设和表达习惯 |
| 价值密度 | 每段是否提供具体洞察，而非空泛陈述 |
| 结构与格式 | 排版是否适配目标平台的阅读习惯 |
| 发布就绪度 | 能否直接发布，还是需要润色或补充 |
评分纪律：
- 诚实评分，不做讨好
- 除非帖子确实匹配 Top 10% 的模式特征，否则不给 8 分以上
- 有真实数据时用数据说话，没有时明确标注"基于通用基准"
第五步：输出评分卡
按照上方「输出」部分的格式输出评分卡，包含：
- 五维分数（含进度条可视化）
- 总分和判定结论
- 针对最弱维度的具体改进建议
判定标准：
- 40-50：优秀，直接发布
- 30-39：值得发布，建议优化标注的弱项
- 20-29：需要修改，重点改进最弱的 1-2 个维度
- < 20：建议重写
更细分档（含各边界档的判定措辞）见
references/fallback-benchmarks.md，两处口径一致。
第六步：提供改写服务
输出评分卡后，主动提出：
是否需要我改写得分最低的部分？
如果用户同意，针对最弱维度进行定向改写，保留其他部分不变，改写后重新评分对比。
Profile 感知
有 Profile
- 读取
voice/tone字段，作为「声音匹配度」的评判标准 - 读取
platform字段，调整「结构与格式」的平台适配规则 - 读取
performance_data字段指向的历史数据文件，用真实数据替代通用基准 - 读取
topics/niche字段，评估内容是否在账号定位范围内
无 Profile
- 「声音匹配度」退化为通用可读性评估
- 「结构与格式」使用通用社媒最佳实践
- 使用
references/fallback-benchmarks.md中的基准数据 - 评分卡末尾附注："如提供账号 Profile（含历史表现数据），评分将更精准"
Version History
- 69c5928 Current 2026-09-08 17:38
