企业官网建设流程全解析

告别凭感觉改稿：social-media-skills的post-scorer如何用真实数据给帖子打分（含Apify配置）

【免费下载链接】social-media-skills项目地址: https://gitcode.com/gh_mirrors/so/social-media-skills

还在反复修改 LinkedIn 帖子、却始终拿不准效果？开源项目social-media-skills里的post-scorer技能，会通过 Apify 拉取你最近 100 条帖子的真实互动数据，找出你自己账号里的爆款规律，再给新稿打出一张满分 50 分的评分卡，每条修改建议都附具体数据依据。本文带你从零完成安装、Apify 配置到打出第一张打分卡。

为什么"凭感觉"改稿总差一口气

大多数人的改稿循环是这样的：

• 🤔 改了 5 遍开头，还是"感觉差点意思"
• 😶 问朋友要反馈，得到的全是主观印象
• 📉 发布后互动平平，却不知道到底哪里不行

问题的根源在于：通用建议（"标题要吸引人"）和你的账号之间，隔着一层真实数据。你的粉丝爱看数字开头，还是爱看反常识观点？你的爆款平均多长？这些只有你自己的数据能回答。

post-scorer 的思路很直接：先分析你过去 100 条帖子的表现，找到你 top 10% 爆款的共性（钩子类型、字数、格式、CTA 模式），再把新稿逐条对照打分。分数不是拍脑袋，而是"你的数据说了算"。

post-scorer 的打分原理：先从你的爆款里找规律

整个流程分 4 步（完整定义见 skills/post-scorer/SKILL.md）：

1. 拉取数据：通过 Apify 抓取你最近 100 条 LinkedIn 帖子（含点赞、评论、转发），保存为[你的用户名]-all-posts.json
2. 找出规律：按互动分公式点赞数 + 评论数 × 3排序，锁定 top 10% 帖子，提取它们的钩子类型、平均字数、格式分布（纯文字/图片/轮播）、CTA 模式和话题集群；同时分析 bottom 10% 避坑
3. 五个维度打分：把新稿对照规律，逐项打 1–10 分
4. 输出评分卡：给出总分、结论、爆款对比和 3 条必须引用真实数据的修改建议

技能还有一条硬性规则：除非稿件真正匹配 top 10% 模式，否则单项不得高于 8 分（skills/post-scorer/SKILL.md），避免"讨好型打分"。

三步上手：从安装到第一张打分卡

第 1 步：克隆仓库并安装技能

git clone https://gitcode.com/gh_mirrors/so/social-media-skills cp -r social-media-skills/skills/* ~/.claude/skills/

更多安装方式（Claude Code 插件市场、Git submodule、单技能上传等）见 README.md。

💡 建议先跑一次 voice-builder 技能，它会生成about-me.md和voice.md两个"语音档案"，post-scorer 的"声音匹配"维度会直接读取它们。

第 2 步：Apify 配置指南——设置 APIFY_API_TOKEN

post-scorer 依赖 Apify 抓取 LinkedIn 数据，只需一个环境变量（见 README.md）：

export APIFY_API_TOKEN=your_token

• Token 在 Apify 平台的账号设置中获取，粘贴替换your_token即可
• 技能内部会调用apimaestro/linkedin-profile-posts抓取器，输入仅两个字段：你的 LinkedIn 用户名 +total_posts: 100
• 单次抓取耗时约1–2 分钟，成本约$0.50。技能在花钱抓取前一定会先向你确认

第 3 步：一句触发词，开始打分

安装完成后，在对话中说以下任意一句，技能就会自动启动（见 skills/post-scorer/SKILL.md）：

• "score my post" / "给我的帖子打分"
• "review my post" / "帮我审阅这条帖子"
• "how good is this post" / "这条帖子怎么样"

粘贴帖子后，技能会询问数据来源（三个选项，见 skills/post-scorer/SKILL.md）：抓取我的帖子（Apify，推荐）/使用 Charlie Hills 基准数据（500 条帖子分析的兜底方案）/跳过数据打分（仅按通用最佳实践，速度快但精度低）。

打分卡详解：5 个维度怎么逐项打分

实际输出的评分卡长这样（技能按英式英语输出）：

LINKEDIN POST SCORE Data source: your 100 LinkedIn posts (via Apify) Posts analysed: 100 Top 10% avg engagement: 2340 Hook strength: 6 / 10 [question hook detected] Voice match: 8 / 10 Value density: 7 / 10 Structure and format: 7 / 10 [format: text only] Publish readiness: 9 / 10 ---------------------------------------- TOTAL: 37 / 50 VERDICT: Solid draft, but your opening hook type rarely lands in your top 10%. TOP PERFORMER COMPARISON: Your top posts average 210 words, use number-led hooks, and include a newsletter CTA. This draft opens with a question. FIXES: 1. Your top 10% posts open with numbers. Switch the question hook to a stat. 2. Add a save-worthy takeaway line; your top posts all end with one.

注意最后一条规则：每条修改建议都必须引用你的具体数据，例如"你 top 10% 的帖子 42% 用数字开头钩子，而这份草稿用的是提问钩子（只占 12%），请换成数据开头"，而不是空泛的"优化一下标题"。

如果你选择用 Charlie Hills 基准数据兜底，技能内置了这套参考值（skills/post-scorer/SKILL.md）：

打分之后怎么改：把低分项改回来的闭环

评分卡输出后，post-scorer 会主动问一句："要不要我用你 top 帖子的模式重写最弱的那一段，还是直接发布？"

• 选重写：技能直接套用你爆款里的模式，输出改稿（代码块形式，可直接复制）
• 选继续创作：可以接着调用 post-writer 新写帖子，或用 analytics-dashboard 把 LinkedIn 官方导出的数据变成可视化仪表盘，配合使用形成"数据 → 创作 → 打分 → 改进"的闭环

新手常见问题 FAQ

Q1：抓取要花钱吗？多久完成？约 $0.50/次，1–2 分钟完成。技能运行前会明确告知费用并等你确认，不会偷偷扣费。

Q2：不想花钱抓取怎么办？用内置的 Charlie Hills 基准数据（500 条帖子统计）兜底，或直接跳过数据打分，走通用最佳实践评分，速度最快但精度低一档。

Q3：数据多久要刷新一次？技能规定：缓存数据超过14 天就会主动建议你刷新后再打分，避免拿旧规律评新帖子。

Q4：打分和直接要人反馈有什么区别？人反馈是"我觉得开头不够炸"，post-scorer 反馈是"你的爆款 31% 用数字开头，这条用了提问开头（你的提问开头只贡献 12% 的爆款）"——可执行、可验证。

写在最后

post-scorer 的核心价值只有一句话：让"这条帖子行不行"从主观判断题，变成有数据依据的选择题。配置成本很低（一个 Token + 每次数毛钱的抓取费），换来的是每次发布前的体检报告。完整技能列表与版本说明可参考 VERSIONS.md，想改进技能的话，CONTRIBUTING.md 也给出了清晰的贡献指南。

【免费下载链接】social-media-skills项目地址: https://gitcode.com/gh_mirrors/so/social-media-skills