Back to skills
SKILL.md
High Performance Content Structure Research
ASecurity当需要快速学习特定领域内已验证成功的内容创作模式时
- 12 stars
- 0 votes
- 0 copies
- 2 views
- Added September 9, 2026
Security analysis
100/100Pro scans all 3 files and shows the line behind each finding
npx -y skills add DracoUnion/dankoe-skills --skill high-performance-content-structure-research --agent claude-codeAre you the author of High Performance Content Structure Research?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/dracounion-high-performance-content-structure-research)---
name: high-performance-content-structure-research
description: 当需要快速学习特定领域内已验证成功的内容创作模式时
---
# high-performance-content-structure-research
## When to Use
当需要快速学习特定领域内已验证成功的内容创作模式时description
## Core Logic
# 执行步骤
1. **设定研究目标与参数**
- **输入**:目标研究领域、平台(如Twitter)。
- **操作**:明确要寻找的内容类型(如推文),并设定可量化的“高绩效”阈值(如最小点赞数、转发数)。
- **输出**:清晰的研究目标,例如:“寻找[领域]内点赞超过1000的推文”。
2. **选择并执行检索方法**
- **输入**:步骤1设定的研究目标与参数。
- **操作**:选择以下任一方法执行检索:
- **方法A(平台高级搜索)**:在目标平台(如Twitter)的高级搜索栏,使用语法 `from:[账号名] min_faves:[阈值]` 进行搜索。替换 `[账号名]` 为目标创作者,`[阈值]` 为步骤1设定的数值。
- **方法B(专用工具)**:使用专门的内容分析工具或浏览器插件,输入目标账号,筛选出高于互动阈值的内容。
- **判断标准**:是否成功检索出一批符合阈值要求的内容样本。
- **输出**:一个高绩效内容样本集合。
3. **沉浸式分析与模式提取**
- **输入**:步骤2获得的高绩效内容样本集合。
- **操作**:深度阅读和分析样本集合,关注并记录以下元素:
a. **结构**:开头、中间、结尾的常见模式(如:提出问题-给出反常识答案-举例说明)。
b. **句式**:频繁使用的句型或修辞(如:设问、对比、清单)。
c. **钩子**:吸引点击或阅读的前几句话的特点。
d. **主题**:反复出现的话题角度。
- **判断标准**:是否能归纳出至少1-2条清晰、可复用的结构或句式模式。
- **输出**:一份“高绩效内容模式”总结报告,包含具体的结构描述和例句。
4. **模板化与内化**
- **输入**:步骤3总结出的“高绩效内容模式”报告。
- **操作**:将提取出的模式转化为可直接套用的写作模板或检查清单。
- **判断标准**:模板是否足够具体,能指导一篇新内容的创作。
- **输出**:一个可操作的内容创作模板或检查清单。
# 输出格式要求
输出应为一份结构化报告,包含:
1. **研究概要**:目标领域、平台、绩效阈值。
2. **样本来源**:使用的检索方法和具体账号/关键词。
3. **核心发现**:以要点形式列出提取出的内容结构、句式等模式,并附上代表性原文例句。
4. **可复用模板**:根据发现总结出的1-2个可直接使用的内容创作模板。
## Metadata
| 属性 | 值 |
|------|-----|
| 领域 | 市场研究 |
| 类型 | procedural (procedural) |
| 置信度 | 90% |
| 前置条件 | 已确定要研究的领域或对标账号 |
| 来源 | 社交媒体增长 101:如何最大化你的写作潜力 - 研究最佳内容结构 |
Files in this skill
- SKILL.md
- references/source.md
- scripts/run.py
Attribution
Comments
Loading comments…