cheat-on-content
给所有想把"感觉"变成可校准预测的内容创作者。**方法论通用**——打分 → 盲预测 → T+3d 复盘 → 进化 rubric 的循环适用任何能被量化(播放 / 阅读 / 收听 / 点击)的内容。**rubric 是循环的内容,不是循环本身**——当前内置一份观点视频 rubric(参考博主 25+…
从 candidates.md 里按当前 rubric 排序推荐 top N 选题,每条带 composite + 一句 rationale + 锚点对比。**candidates 不存在时给引导而非报错**。触发词:"推荐选题"/"next topic"/"下一篇做什么"/"recommend topics"/"挑一个选题"。
$ npx -y skills add LiHongwei-cn/lihongwei-cn --skill cheat-recommend --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
/cheat-recommendContext preview
The summary Claude sees to decide when to auto-load this skill.
从 candidates.md 里按当前 rubric 排序推荐 top N 选题,每条带 composite + 一句 rationale + 锚点对比。**candidates 不存在时给引导而非报错**。触发词:"推荐选题"/"next topic"/"下一篇做什么"/"recommend topics"/"挑一个选题"。
name: cheat-recommend description: 从 candidates.md 里按当前 rubric 排序推荐 top N 选题,每条带 composite + 一句 rationale + 锚点对比。**candidates 不存在时给引导而非报错**。触发词:"推荐选题"/"next topic"/"下一篇做什么"/"recommend topics"/"挑一个选题"。 argument-hint: [— top: N] [— filter: tier1|all|safe|risky] allowed-tools: Read, Glob, Grep
读 candidates.md → 按 composite 排序 → 输出 top N 推荐,每条带评分细节 + 锚点对比 + 推荐理由。
[用户:推荐选题] ↓ [Phase 0: 检查 candidates.md 存在性] ← 不存在则引导,不报错 ↓ [Phase 1: 解析 candidates 列表] ↓ [Phase 2: 过滤(tier / 安全性 / 已发过)] ↓ [Phase 3: 排序 by composite + 找锚点] ↓ [Phase 4: 输出 top N + 每条的 rationale + 锚点对比]
> 💡 调用时覆盖:`/cheat-recommend — top: 3 — filter: safe`
| 必填 | 来源 | |---|---| | `candidates.md` | 用户项目根 | | `predictions/*.md` | 用于去重 | | `.cheat-state.json` | 当前 rubric_version |
读 `candidates.md`:
| 状态 | 处理 | |---|---| | 文件不存在 | **不报错**。输出引导:见下方"无候选池引导" | | 文件存在但空(< 1 个 entry) | 同上 | | 文件存在且非空 | 进入 Phase 1 |
**无候选池引导**(核心:不让用户第一次遇到 cheat-recommend 时被劝退):
你目前没有候选池(candidates.md 不存在或为空)。 绝大部分人没有候选池——这很正常。四个建立方式,挑一个: 1. 🌱 [推荐] 跑 /cheat-seed 一次性的种子动作:3 个问题(兴趣 / 调性 / 红线)→ 拉公开热点 + Claude brainstorm → 输出 15 候选让你挑 5 → 默认顺带写 5 个 draft。5 分钟搞定。 - 没发过历史的:纯 brainstorm(兴趣 × 热点) - 发过历史的(init 时已 import):brainstorm 会基于"你过去做过什么"给推荐 说:"找选题" 或 "seed" 2. 🔥 [日常补充] 用 /cheat-trends 抓 20 条带打分的候选 说:"抓热点" — 从 weibo-hot / zhihu-hot / b站热门 / HN / 你配的源各拉 N 条 适合已经跑过 /cheat-seed、想日常补充候选池的用户 3. ✍️ 手动建:把候选标题贴进 candidates.md,每行一条 我会自动给每条粗打分 4. 📋 从 Notion / RSS 导入:跑 /cheat-init --mode add-pool 配置 adapter 你也可以跳过候选池,直接给我具体稿子说"启动预测"。 > /cheat-seed vs /cheat-trends 的区别: > - seed 是种子动作(含 brainstorm + 可选 draft),适合"我从零开始没选题" > - trends 是日常多 adapter 抓取(不 brainstorm 不写 draft),适合"日常补充候选池"
完成引导 → 退出,不继续后续 phase。
按 [candidate-schema.md](../../shared-references/candidate-schema.md) 的"Markdown 表示"格式解析每个 H3 entry:
### [tier1] 标题 - **id**: a3f2c1d4e5b6 - **composite (v2)**: 8.47 — ER=4 HP=4 QL=5 NA=3 AB=5 SR=3 SAT=3 - **predicted bucket**: 5-30w ...
提取每条的 `id` / `title` / `tier` / `composite` / `dimension_scores` / `note`。
容错:`candidates.md` 格式被用户手改过 → 询问用户 schema,**不要静默忽略不识别的 entry**。
1. EXCLUDE_PUBLISHED=true → 扫 predictions/*.md 的 header,提取所有 id;从候选池过滤掉 2. EXCLUDE_REJECTED=true → 过滤 tier=skip 3. REQUIRE_SCORED=true → 过滤 composite=null(未打分的不推荐) 4. filter 参数: - tier1: 只保留 tier=tier1 - all: 不过滤(tier1+2+3) - safe: 排除 tier=risky - risky: 仅显示 tier=risky(用于"我今天就想发风险议题")
读 `state.shoots` + `state.target_publish_cadence_days` 算 buffer 颜色([cadence-protocol.md](../../shared-references/cadence-protocol.md)):
| Buffer 颜色 | 推荐策略覆盖 | |---|---| | 🔴 红 | **只推 top 1 稳分**——不推实验性。回:"buffer 已 0/1 篇,下个发布日断更风险高,今天必须拍 ≥1 条稳分。下面是 top 1 稳分(不推实验性)" | | 🟠 橙 | 标准 1 稳 + 1 实验,但提示"建议优先拍稳分" | | 🟢 绿 | 标准 1+1(默认) | | 🔵 蓝 | **拒绝推荐**。回:"你 buffer 已 N 条,cadence-protocol 规定积压时暂停拍摄。先发存货 + 复盘。手动覆盖请说 '我就要拍'" | | 灵活模式 (`target_publish_cadence_days=null`) | 不应用 buffer 覆盖,标准策略 |
1. 按 `composite` 降序排 2. 过滤掉 `tier=risky`(稳分要安全议题) 3. 过滤掉 `category` 与最近 `DUPLICATE_CATEGORY_LOOKBACK` 天已发/已推过的重复(避免审美疲劳) 4. 取 top 1
1. 在 candidates.md 中找:
2. composite 不一定 top——但有"信息价值" 3. 如 candidates 池里没有合适的实验性候选 → 回:"候选池里没有明显的实验性样本,给你 2 条稳分"
按 composite 降序补满,标 "(备选)"。
对每条找 1-2 个 composite 接近的**已发布**作品作为锚点(从 `predictions/*.md` 读)。优先**同时长**锚点(按 `state.typical_duration_seconds` ±20%)。
🎯 候选池推荐(rubric: v2 / buffer: 🟢 绿 / cadence: 隔日更) 📌 第 1 条 — **稳分**(推荐立即拍): **[tier1] [👍 9.18] "为你好"高密体系** - 维度:ER=5 HP=5 QL=4 NA=4 AB=5 SR=5 SAT=4 - 粗预测桶:30-100w(中枢 ~60w) - rationale:ER+SR 双 5 顶配,"高密度家庭议题"普适且分享安全 - 锚点:仓鼠 (composite 9.41, 实绩 124w) — 同走"理论框架+具象样本"路线 - 风险:议题厚重,不适合连续 2 篇都打这种 🧪 第 2 条 — **实验性**(验证特定假设): **[tier1] [👍 8.71] 哈哈长度** - 维度:ER=3 HP=5 QL=5 NA=4 AB=5 SR=4 SAT=5 - 粗预测桶:30-100w(中枢 ~55w) - **测试目标**:v2.1 候选维度 MS+TS 双 5 vs 谁问你了同 ER/HP/QL/SR 但 MS+TS 低 3 - 信息价值:拍这条能强证据/弱推翻 v2.1 升正 - 锚点:谁问你了 (composite 8.24, 实绩 11.7w) (备选 top 3): 3. …… 4. …… 5. …… 下一步: - 选稳分 + 实验性各拍 1 条 → 改写 script → "启动预测" - 只拍 1 条 → 选稳分(buffer 颜色越红,越应该选稳分) - 想抓更多候选 → 说"抓热点" - 都不满意 → 说"过滤改 all"看其他 tier 或 "regen"
如 buffer 颜色为 🔴:
🔴 buffer 警戒:你 buffer 已 0/1 篇,**下个发布日可能断更**。 按节奏协议,只推 top 1 稳分(不推实验性): **[tier1] [👍 9.18] "为你好"高密体系** - ...(同上稳分格式) 今天必须拍这条。挑 5 条候选 → "抓热点"。
如 buffer 颜色为 🔵:
🔵 buffer 积压:你 buffer 已 N 条,**暂停推荐**。 按节奏协议,先发存货 + 复盘。 - 已拍未发:N 条(最早一条 X 天前拍的) - 待复盘:N 条 说 "已发布 ..." 出队,或 "复盘" 处理待复盘项。 如果你坚持要拍新的,回 "我就要拍",我会推 top 1 稳分。
每条必有:维度评分(让用户能挑战打分)+ 锚点(让用户校准 composite 的可信度)+ rationale(让用户理解推荐逻辑)。**不允许只输出 composite 排序而无解释**——那是黑箱。
1. **不报错,给引导**。candidates 缺失是默认状态,不是错误 2. **不推未打分的**。REQUIRE_SCORED=true 是诚实门槛——推未读过的素材是占星 3. **必带锚点**。composite 8.47 在不同账号意味不同,锚点把抽象数字 ground 到真实样本 4. **必带 rationale**。一句话——为什么这条比第二条强? 5. **去重 published**。已发过的不推(用户可显式覆盖)
MUNDO - THE EMPEROR. Complete AI orchestration system with 1208 skills, 25 capability modules, self-evolving, collective consciousness. GitHub Actions 24/7 automation.
Repo: LiHongwei-cn/lihongwei-cn
给所有想把"感觉"变成可校准预测的内容创作者。**方法论通用**——打分 → 盲预测 → T+3d 复盘 → 进化 rubric 的循环适用任何能被量化(播放 / 阅读 / 收听 / 点击)的内容。**rubric 是循环的内容,不是循环本身**——当前内置一份观点视频 rubric(参考博主 25+…
提议并执行 rubric 或 bucket 升级。两种模式:**完整 rubric bump**(最高风险动作,5 步强制 + 跨模型审核)和 **--bucket-only 轻量重校**(只换 bucket 边界,不动 rubric 公式)。**Phase 2 强制走 cheat-score-blind…
cheat-on-content 的首次 onboarding 与脚手架创建器。统一流程——所有用户都走相同 5 阶段闭环,唯一区别是"发过视频的人"会在 init 时多一步:抓取已有视频建立历史 context(用于后续 cheat-seed 给更贴合的选题、更准的…
从对标账号导入 script + 数据 → 拆 pattern + 派生 base rubric 信号 → 写到 benchmark.md / script_patterns.md / rubric_notes.md。**这是工具最早期信号的来源**——cold-start…
把老用户的 .cheat-state.json 升级到当前 schema_version。读 migrations/registry.md 算迁移链,按顺序应用每一步迁移文件。幂等:跑两次结果一样。失败停在中间版本不前进。触发词:"迁移"/"升级 state"/"migrate"/"我的 state…
从复盘评论数据派生 / 刷新账号的受众画像,写入 audience.md。这是和 rubric 平行的第二个派生物——rubric 答"怎么打分",persona 答"谁在看"。cheat-seed 选题 / 写稿时读它。**audience.md 含实绩信号,cheat-score-blind…