我最常用的三个写作 Skill

REPOSITORIES

上次分享了我的公众号写作流程，有很多读者私信，我的选题，配图，排版是怎么做的？

这三个事以前都很碎，打开工具、复制文本、调格式、找数据、再整理回 Obsidian，每一步都不难，加起来特别消耗心力。

现在，我把这些动作都做成了 Skill。也是我在写作过程中，用得最多的skill，稳定产出，效果极好。

这篇文章就给大家介绍下这三个 skill 的用法和制作逻辑。

核心思路是先读懂文章，再配图。

这个 skill 其实是一条四步流水线。

第一步，结构解析：按 H2、H3 把文章拆成段落树，每个小节是一个配图单元。

第二步，语义提取：读出每一节的核心观点和关键词，判断这段内容的内在形态，讲步骤的适合流程图，讲差异的适合对比图，讲包含关系的适合层次图，讲抽象概念的适合概念图。

第三步，生成提示词大纲：每张图对应哪个段落、用什么图表类型、视觉上怎么呈现，先以文字形式列给我看。

第四步，我确认之后才调用 Codex 内置的 image2 逐张生成，并自动插入文章对应位置。

好的配图不该抢正文的戏，它更像一个临时搭起来的脚手架，让读者三秒内知道这一段在讲什么。

最意外的收获是，我现在会用配图反查文章结构。如果某一节生成不出一张清楚的逻辑图，往往说明这一节本身就没写清楚。配图成了写作的测试用例。

地址：github.com/zephyrwang6/space-GPT-image2-design

更像一个写作者的雷达，里面是三层能力，叠在同一条数据流上。

数据流大概是这样：

1. 关键词进去，先抓公众号的热门内容，把阅读量、点赞、分享、评论、发布时间、来源这些指标归一化

过一道爆款判定，比如阅读量和分享比异常高的优先；筛出来的文章再进入分析层，由模型拆标题公式、开头钩子、读者画像和可借鉴的写法；最后渲染成一份 HTML 可视化报告。

第一层用法是定时监测。

这个任务可以放进 Codex 自动化，也可以挂在 Claude Code 的 loop 里定时执行。把 Codex、Claude Code、AI Agent、AI 编程这些关键词挂上去，每天自动跑一遍这条数据流。

第二层是赛道分析。

指定一个领域，它把最近的热门内容整体拉一遍，这个赛道最近什么选题在涨，哪类标题公式反复出现，读者在为什么停留。

第三层是单篇解析。

丢一个公众号链接进去，它抓正文，拆标题、结构、核心观点和读者吸引点。有些文章看起来很火，拆完发现结构其实很散，只是选题踩中了情绪；有些文章数据不夸张，但开头和案例组织方式特别值得学。

写公众号最怕自嗨，自己觉得话题很重要，读者根本没兴趣。定时监测的意义，就是每天帮我校准一次读者注意力。

解决发布前的最后一公里。

它的运作逻辑是一条转换链：先把 Markdown 解析成结构化的元素树，标题、段落、引用、列表、代码块各归各位；

再把每种元素映射成一段带内联样式的 HTML；最后组装成一个本地预览页，正文区域配一个“复制 HTML”按钮。

内置三种风格主题，每种主题就是一套不同的样式映射：

Claude 风格暖白安静、留白多，适合观点文和长文分析；

OpenAI 风格黑白灰、层级清楚，适合教程和工具文；

Google 风格更明亮，适合榜单和数据总结。懒得选就说“你来定”，它根据文章类型自动挑一个。

真正好的排版是让人忘记排版，只觉得文章读起来舒服。这个 Skill 把格式、间距、预览、重调这些琐事收束成一个动作：预览，复制，粘贴。

地址：github.com/zephyrwang6/space-layout

ENDING

最后

写到这里发现，这三个 Skill 虽然功能完全不同，骨架却是同一套：先理解（读文章结构、抓赛道数据、解析 Markdown），再决策（选图表类型、判定爆款、匹配样式），然后生成，最后落盘到我的工作环境里。

它们刚好对应写作流程的三个节点：写什么，怎么让内容更好理解，怎么稳定发出去。

skill 就是 AI 真正改变工作的地方，是把那些每天重复、细碎、容易拖延的动作，变成一个可以反复调用的流程。