空洞结论具体化
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 安装 @mayishebao/mayishebao-906-906
技能介绍
要解决的具体问题
使用 AI 辅助写作时,中文内容很容易染上"模板腔":满屏"在当今社会""随着时代发展""值得注意的是",结构靠"首先、其次、最后"机械排比,结论往往是同义反复。这类文字读起来不自然,因为句子之间缺少真实判断和具体证据——要么缺乏信息,要么在最该下判断的地方用套话滑过去,有时甚至出现"百分百爆""一定涨粉""绝对能过审"这类无法验证的承诺。对于需要自然表达的读者,这不是文采问题,而是内容是否可信的问题。
核心能力
技能把"去除空洞"拆成了几个可执行的维度:
- 区分修改类型:先判断任务属于哪一类(改写、优化、规划或风险核验),再选择对应的处理方式。
- 事实与素材分离:把用户原文、数据、真实经历、品牌口径和待验证假设分开摆放,避免把假设当成事实写进正文。
- 移除套话与机械排比:删掉无信息量的过渡句、整句重复和空洞形容,在有真东西的位置保留判断。
- 恢复自然节奏:允许短句、停顿和具体动作,但不制造错别字和低质量口语。
- 边界检查:核对事实、版权、肖像、隐私、商业标识、平台规则和风格模仿风险。
- 结构化输出:交付问题摘要、改写成稿、关键改动、备选版本、发布前核验清单五项内容。
脚本支持:运行 python3 scripts/content_metrics.py --input,可定位套话、句长和重复片段。脚本输出只作为编辑线索,不据此断言内容由 AI 生成,也不为"降低指标"制造病句。
关键步骤
- 先确认任务:复述平台、受众、内容目标、发布形态和必须保留的事实。
- 读取方法:读取
references/method.md,选择与当前任务有关的框架。 - 整理证据:把用户原文、数据、真实经历、品牌口径和待验证假设分开。
- 完成核心工作:按选定任务类型进行拆解、规划、改写、创作或风险核验。
- 去除模板感:删除无信息套话,调整句长与节奏,用真实细节和判断替代空泛形容。
- 检查边界:复核事实、版权、肖像、隐私、商业标识、平台规则和模仿风险。
- 交付下一步:提供可直接发布的内容,或明确需要补充的材料、测试和复盘动作。
边界与注意点
- 信息不足时先给出可执行骨架,再用
[ ]占位标出缺口,不替用户编造经历、数据、案例或授权。 - 爆款拆解只提炼受众需求、证据、结构和表达机制,不复刻原文;对在世作者或公众人物只能提炼高层特征并转化为原创表达。
- 不提供洗稿、规避原创检测、伪造阅读量、隐性广告欺骗或绕过平台审核的方法。
- 医疗、金融、法律、教育、功效宣传等高风险内容,需核验当前有效官方来源并保留限定。
- 交付前参考
references/quality.md逐项确认:是否解决"假大空结论具体化"、是否有事实依据或占位、是否可直接发布、是否自然但未刻意伪装、是否守住版权与平台边界。
适用群体
普通用户、编辑、创作者、市场人员、学生,以及需要自然中文表达并希望保留真实经历与事实依据的人。
使用场景
- 处理小红书文案时,需将套话结论替换为真实细节,保留待验证事实
- 优化公众号长文时,需调整机械排比,用用户真实经历替代空泛形容
- 撰写产品说明时,需核验医疗功效表述,补充当前官方来源标注
- 修改广告脚本时,需删去无法验证的爆火承诺,替换为可落地功能描述
适合人员
- 需要自然中文表达的创作者,希望去除AI写作的模板腔
- 想要保留真实经历的普通用户,避免编造案例
- 需核验内容边界的编辑,确保发布内容合规
- 需规避合规风险的市场人员,避免夸大宣传