企业官网建设流程全解析

DeepAgents 社交媒体内容技能（Social Media Skill）实战指南：用 SKILL.md 编排 Twitter/X、LinkedIn 与短内容

【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents

导读

本指南围绕 deepagents 示例 Agentdeploy-content-writer中的social-media技能文档展开，讲解如何用一段结构化的 SKILL.md 让内容创作 Agent 批量产出 Twitter/X 帖子（Thread）、LinkedIn 长文与跨平台短更新。读完本文，你将掌握 SKILL.md 的前置元数据（name / description）写法、三类内容格式的完整创作规范、输出文件的目录约定，并理解它如何与示例 Agent 的品牌语气、用户记忆与部署流程协同工作。

SKILL.md：deepagents 技能的标准载体

在 deepagents 中，技能（Skill）是以目录形式组织的可复用能力单元，每个技能目录下都有一个SKILL.md作为其核心定义文件。social-media技能在示例仓库中的位置为 examples/deploy-content-writer/skills/social-media/SKILL.md，与长文写作技能blog-post并列存放于 examples/deploy-content-writer/skills/blog-post/SKILL.md。

该文件顶部通过 YAML front-matter 声明技能的身份信息，供 Agent 在任务分发时做匹配与选择：

--- name: social-media description: Create social media content including Twitter/X threads, LinkedIn posts, and short-form updates. ---

• name：技能唯一标识，示例中为social-media；
• description：技能能力描述，说明它覆盖 Twitter/X Threads、LinkedIn 帖子与短内容更新三类产出。

从 examples/deploy-content-writer/README.md 的目录结构可以看出，技能层之上是 Agent 指令层：

deploy-content-writer/ ├── AGENTS.md # Agent instructions and memory workflow ├── deepagents.toml # Deploy config (model, auth) └── skills/ ├── blog-post/ # Long-form blog post skill └── social-media/ # LinkedIn and tweet skill

也就是说，SKILL.md负责“怎么写出合格的内容”，而 examples/deploy-content-writer/AGENTS.md 负责“Agent 以什么品牌语气、按什么流程工作”。两者配合，才能让模型稳定地产出符合公司调性的社交媒体内容。

三大内容格式：从原文继承的完整创作规范

原social-media技能文档将产出划分为三类格式，每一类都给出了明确的组成结构与字数约束。以下逐条完整继承并补充实战细节。

Twitter/X Thread（主题串）

实战建议：

• 钩子推文是整条 Thread 的流量入口，优先使用“反常识结论”或“直击痛点的提问”，并严格控制字符数在 280 以内，避免被平台截断；
• 3–7 条展开推文应保持“一条一个论点”，避免将多个观点塞进同一条；
• 结尾推文把读者引向行动——点赞、转发、阅读长文或注册产品，可参考 examples/deploy-content-writer/AGENTS.md 中“End with action”的写作标准；
• 每条推文之间用空行分隔，因为 X 平台对连续长句的可读性并不友好。

LinkedIn Post（职场长文）

实战建议：

• LinkedIn 的折叠机制决定了“前两行决定点击率”，因此开头钩子必须独立成段、信息完整，即使读者不点“see more”也能获取价值；
• 3–5 个短段落保持“one idea per paragraph”，这与 examples/deploy-content-writer/AGENTS.md 中第 3 条写作标准完全一致；
• 以开放性问题收尾能显著提升评论量，例如“Your team uses which approach?”；
• 1,300 字符的目标长度是一个经验值，既能承载完整观点，又不至于让读者失去耐心。

Short-form Update（短更新）

实战建议：

• 短更新是三类格式中复用性最强的：同一段 280 字符以内的文案可以同时投放到 X、LinkedIn 动态、Mastodon 等平台；
• 与长文联动时，用“一句洞察 + 链接”的结构，让短更新成为长内容的引流入口；
• 单段落的写作要求内容极度凝练，可套用 AGENTS.md 中“Lead with value”的标准，第一句就给出核心价值。

通用创作准则（Guidelines）：语气、标签与价值密度

原文档给出的五条通用准则，适用于上述全部三类格式，逐条继承如下：

1. 人称策略：LinkedIn 使用第一人称，公司账号使用第三人称。即个人影响力账号用“I/we”建立可信度，官方品牌账号用品牌名称为主体；
2. 标签数量：每篇帖子包含 2–3 个相关 hashtag，不超过 3 个。过多标签会被视为营销噪音并稀释专业感；
3. 语气适配：LinkedIn 更专业（professional），Twitter/X 更口语化（conversational）。这与 examples/deploy-content-writer/AGENTS.md 中“Professional but approachable”的品牌语气一脉相承；
4. 独立价值：每条帖子都必须提供独立价值，而不是只做“引流预告”。即使读者不点任何链接，单看帖子本身也应有所收获；
5. 具体优于空泛：优先使用具体数字与结果，而非模糊声称。例如“reduced latency by 40%”优于“greatly improved performance”。

输出约定：统一落盘路径

技能文档明确规定产出内容的保存位置：

social/<platform>/<slug>.md

示例：

social/twitter/ai-agents-thread.md

• <platform>为平台目录名，如twitter、linkedin、misc（或按公司习惯扩展）；
• <slug>为内容主题的短横线命名，如ai-agents-thread；
• 统一使用 Markdown 格式落盘，便于后续人工审核、版本管理与二次排版。

与之呼应的是，同目录下的 blog-post 技能 也采用类似的输出约定（blogs/<slug>/post.md），说明“结构化输出路径”是 deepagents 示例技能的一致设计模式。

与 Agent 工作流的协同：品牌语气、研究流程与用户记忆

social-media技能不是孤立文件，它运行在 examples/deploy-content-writer/AGENTS.md 定义的 Agent 工作流之上。该文件为内容创作 Agent 规定了四层上下文：

品牌语气（Brand Voice）

• Professional but approachable：像博学的同事，而非教科书；
• Clear and direct：除非必要避免术语；
• Confident but not arrogant：分享专业而不居高临下；
• Engaging：用具体例子、类比与故事说明观点。

写作标准（Writing Standards）

1. 使用主动语态；
2. 以价值开头，先讲对读者重要的内容；
3. 每段一个想法，保持段落聚焦、易扫读；
4. 具体优于抽象，使用具体例子、数字与案例；
5. 以行动结尾，让读者知道下一步做什么。

内容支柱（Content Pillars）：AI 智能体与自动化、开发者工具与生产力、软件架构与最佳实践、新兴技术与趋势。社交媒体文案应围绕这些支柱产出，保持品牌内容的一致性。

工作流（Workflow）：研究优先 → 列大纲 → 写作 → 评审。写作前的“Research first”步骤要求调用researcher子 Agent 做主题调研，这与 examples/content-builder-agent/subagents.yaml 中researcher子 Agent 的定义（具备web_search与write_file工具）相互印证。

此外，AGENTS.md 的User Memory小节赋予该 Agent 跨会话个性化能力：每次会话开始时读取/memories/user/preferences.md与/memories/user/context.md，将用户对语气、主题、格式的偏好融入每一次社交媒体创作；examples/deploy-content-writer/user/AGENTS.md 展示了该记忆文件的初始形态（“No preferences set yet”）。这意味着social-media技能产出的文案会自动带上每位用户的个性化色彩。

部署与调用：在 LangSmith 上验证技能效果

deploy-content-writer是一个通过deepagents deploy部署的内容写作 Agent（详见 README）。部署时通过 agent.json 指定运行模型：

{ "name": "deepagents-deploy-content-writer", "runtime": { "model": {"model_id": "openai:gpt-4.1"} } }

部署前置环境变量（来源于 README）：

部署命令：

deepagents deploy

部署完成后，可在 LangSmith 的 Deployments 页面找到部署 URL，并向 Agent 发送诸如以下提示词来检验social-media技能：

• "Turn this into a LinkedIn post: [paste your content]"
• "Draft three tweet variations for our new product launch"
• "Write a tweet about AI agents"
• "I prefer a more casual tone — remember that for future posts"

通过 LangGraph SDK 以流式方式调用部署时，在Authorization头携带 Supabase JWT 即可自动识别用户身份（示例出自 README）：

from langgraph_sdk import get_client client = get_client( url="https://<your-deployment-url>", headers={"Authorization": "Bearer <your-supabase-jwt>"}, ) thread = await client.threads.create() async for chunk in client.runs.stream( thread["thread_id"], "agent", input={"messages": [{"role": "user", "content": "Write a tweet about AI agents"}]}, stream_mode="messages", ): print(chunk.data, end="", flush=True)

用测试脚本验证记忆与技能协同

仓库提供了 examples/deploy-content-writer/test_user_memory.py，它通过四个线程验证“用户偏好跨会话持久化”这一机制，间接检验技能在个性化语境下的可用性：

1. Thread 1：让 Agent 记住“偏好简洁的 bullet 风格内容”；
2. Thread 2：同用户开新线程，验证偏好是否仍然可见；
3. Thread 3：换一个用户，验证偏好不会跨账号泄漏；
4. Thread 4：不传user_id，验证 Agent 能优雅降级、跳过用户记忆。

这个测试结构恰好印证了“一次部署服务多用户、账号之间零串扰”的设计目标：social-media技能产出的文案会因用户记忆中的偏好（语气、格式、话题）而差异化，而测试脚本确保了这种差异不会越界。

小结

social-mediaSKILL.md 以不到 40 行的精炼结构，完整定义了社交媒体内容创作的方法论：三类格式（Thread / LinkedIn / 短更新）各有明确的结构与字数约束，五条通用准则统一了语气与价值标准，social/<platform>/<slug>.md的输出约定保证了产出的可管理性。将其置于 deploy-content-writer 示例 Agent 中，配合品牌语气、用户记忆与deepagents deploy部署链路，即可得到一套开箱即用、可个性化、可跨账号隔离的社交媒体内容生产方案。

【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents