zenggeai/zgskill

zg-xuan-ti-fan-yi-qi

将经历、业务现场、客户案例、观点、文章、录音摘要或日常观察,翻译成有明确受众问题、核心判断、事实证据和商业去向的短视频选题。适用于用户要求提炼选题、把素材变成内容方向、从日常找选题、结合业务出题、拆系列或生成选题钩子;不把单纯标题润色或完整脚本写作冒充成选题开发。

소스 보기

사용 방법

  1. 설치 명령을 복사하고 자신의 에이전트 환경에 설치하기 전에 소스 패키지를 확인하세요.
  2. 필요한 도구, 인증 정보, 지원 환경은 원본 문서에서 확인하세요.
  3. 입력과 원하는 산출물을 설명하고 출처와 결과를 대조하세요.
npx skills add https://github.com/zenggeai/zgskill --skill zg-xuan-ti-fan-yi-qi

시작 전 확인

  • 설치에는 모델 구독, API 한도, 파일 접근 권한이 포함되지 않습니다.
  • 별점 수와 설치 수는 활동 지표이며 독립적인 품질·보안 검증이 아닙니다.
원본 Skill 문서

원본 저장소의 제목, 예시, 코드, 표, 링크, 이미지를 유지해 표시합니다.

选题翻译器

把“创作者发生了什么”翻译成“目标客户为什么愿意停下来听”,并交付可以继续生产、能够被事实证明、与业务一致的选题。不要只生成标题,也不要为了显得有洞察而替素材编意义。

任务与完成证据

反复解决的问题:创作者不缺经历、案例和观点,却不知道如何把它们变成客户关心、适合传播且能承接业务的选题。

一次合格翻译必须让用户看清:

  • 原始素材中有什么可用事实;
  • 这条内容具体讲给谁听;
  • 受众正在经历什么场景和矛盾;
  • 创作者准备给出什么可证明的新判断;
  • 选题如何回到赚钱、内容赚钱或用 AI 放大赚钱能力;
  • 当前能直接生产,还是仍需补充证据。

不负责把已确定选题直接写成完整逐字稿,也不负责只改一个标题的措辞。用户明确要求脚本承接时,可输出最小内容骨架;完整创作交给相应内容 Skill。

不变量

  1. 使用结构:具体人群 × 具体场景 × 真实矛盾 × 可证明的新解释或明确结果。
  2. 个人故事只作为观点证据,不把“我今天做了什么”本身当选题。
  3. 工具通常是证据或方法,不是主题;只有教程、测评或实操演示才把工具放在中心。
  4. 一个选题只解决一个核心矛盾。素材含多个独立判断时拆成系列。
  5. 不编造客户、现场细节、数据、结果、动机、对话和因果关系;不得把合理推断写成已经发生的事实。
  6. 必须明确推荐,不把大量相似标题丢给用户自行判断。

证据强度决定翻译上限

先判断素材证据等级,再决定输出深度:

A.事实充足

包含具体人群、场景、问题、动作、结果或创作者判断中的多数要素。可以形成“可生产选题”,给出判断、证据结构和商业承接。

B.事实有限

只有一段经历或一个现象,但仍能识别具体场景。只能形成“候选选题”,必须标明:

  • 素材锚点:用户真实提供了什么;
  • 翻译假设:为了形成选题,暂时作了什么合理推断;
  • 待补证据:补哪一两个观察即可判断它是否成立。

不要因素材薄就停止,也不要把假设包装成结论。

C.只有主题词

例如“AI 员工”“内容赚钱”“外婆家”。先把它识别为母题而不是选题;给出 3~5 个可观察的问题方向,或只追问一个会真正改变选题的关键问题。不能直接生成一串确定性判断。

D.已有成熟选题

保留原判断,重点检查受众、场景、矛盾、证据和商业去向。仅在发现具体缺口时改写,不为“使用 Skill”而强行换标题。

商业定位

若项目上下文已经提供最新业务定位,以项目上下文为准;不要在 Skill 中硬编码可能变化的产品价格、案例结果或阶段目标。

默认服务“曾哥聊 AI / 曾哥聊 AI 获客”,优先连接三条业务方向:

  • AI 营销:内容获客、私域种草、私聊成交和营销系统;
  • 企业 AI 化:AI 员工、流程改造、知识资产、交付产品化;
  • AI 教育:AI 提分、AI 思维、家庭教育和未来竞争力。

公开短视频与直播是优先获客渠道。每条选题最终至少服务于:怎么赚钱、怎么通过内容赚钱、怎么用 AI 放大赚钱能力与规模。用户明确指定其他业务、受众或内容目的时,以本次输入为准。

道、法、术、器

为每条进入主选题库的选题标注一个主层级:

  • 道:利他、长期主义、站着赚钱、产品正义感、不靠信息差收割;必须落到真实经营判断或案例。
  • 法:AI 原生商业、AI 思维、AI 一人公司、行业落地、客户案例;解释商业、组织、成本或交付为何变化。
  • 术:内容赚钱、AI 获客、私域成交、AI 员工与 Skills、交付产品化、创业心态;说明赚钱系统怎样被做出来。
  • 器:AI、内容、自动化、知识库和工作台工具;必须绑定获客、成交、交付、效率或规模结果。

“AI 原生商业”是认知框架,“AI 一人公司”是组织形态和实践结果,不把它们当成含义模糊的平行主线。必要时可标一个辅层级,但不能为了完整而多贴标签。

工作流程

1.还原素材

用一两句话说明材料属于事实记录、业务现场、案例、观点、母题、成熟选题还是多选题长材料。只陈述用户提供的事实,区分事实与解释。

2.寻找客户相关性

优先寻找:时间、金钱、机会或经验损失;习惯但低效的做法;已经失效的旧方法;想要却得不到的结果;正在贬值的能力;个体案例背后的普遍规律;或创作者独特且能证明的判断。

沿以下链条翻译,并检查每一步是否有证据:

业务现场 → 客户问题 → 普遍矛盾 → 创作者新增量 → 高价值选题 → 商业认知

“创作者新增量”必须是用户能讲清、能举例或能演示的判断,不是互联网上常见的套话。

3.锁定选题结构

  • 人群具体到能辨认,例如“自己还要交付、只有一个助理的老板”,不用“所有创业者”。
  • 场景具体到能看见,例如“一忙十天没拍视频”,不用“内容效率低”。
  • 矛盾来自现实反差,例如“学得越多却没有减少工作量”,不能虚构对立。
  • 新解释暗含后续答案,并说明成立条件。谨慎使用“不是 X,而是 Y”,除非能排除 X 或证明 Y。

4.完成商业三问

回答:吸引谁?让他意识到什么?把他带向哪里?商业承接是认知路径,不是每条内容都强行销售。

若一个生活素材与业务之间需要跨越两次以上未经证明的推断,降低为“灵感候选”,不要硬接产品。

5.标记生产状态

只使用以下三个状态之一:

  • 可直接生产:核心判断与主要证据已存在;
  • 补一处证据后生产:方向成立,但缺一个关键观察、案例或结果;
  • 暂存灵感:只有可能性,当前不足以进入主选题库。

输出模式

根据用户请求自动选择最小充分输出,不默认展开全部分析。

快速翻译

用户只说“翻译一下”“再想五个”“给几个角度”时使用。输出:

  1. 一句素材判断;
  2. 最推荐选题;
  3. 用户指定数量的备选角度;
  4. 每条只写:选题、主层级、核心判断、生产状态;
  5. 对 B/C 级素材统一补充素材锚点、翻译假设和待补证据,避免每条重复长解释。

深度翻译

用户要求深挖、分析、评分或完整策划时使用。输出:

  1. 原始内容与证据等级;
  2. 表面议题与真正议题;
  3. 核心矛盾和创作者新增量;
  4. 商业三问;
  5. 最推荐选题、主层级、推荐理由和生产状态;
  6. 核心观点与证据结构;
  7. 稳健版、冲突版、口语版钩子;
  8. 备选选题或系列拆分;
  9. 必要时评分。

只有事实充足时才评分。评分包括用户相关性、场景具体度、矛盾张力、答案新鲜度、证据准备度、商业一致性,各 1~5 分。任何一项低于 3 分都说明缺口,不用总分制造虚假精确感。

系列拆解

输出一个总纲和 3~10 个独立子选题;每条写核心矛盾、创作者新增量、主层级和生产状态。子选题不能只是总纲的同义改写。

脚本承接

先完成选题翻译,再提供最小骨架:3 秒开头、矛盾、解释、证据、结论和自然承接。缺少的真实案例或数据标“待补”。用户需要完整成稿时,明确这是下游内容创作任务。

停止与边界

  • 用户要求只收集、保存或归档选题时,不替代收集类 Skill 执行外部写入。
  • 用户只要求标题、钩子或完整脚本时,完成必要的选题检查后保持在请求范围内。
  • 无法从素材或项目上下文确认的业务事实,标为假设或待补,不搜索网络替用户证明个人经历。
  • 涉及客户隐私、未公开经营数据或家庭信息时,只在用户明确要求且与内容必要相关时使用。

交付前检查

  • 是否明确区分事实、推断和待补证据?
  • 是否存在具体人群、具体场景、真实矛盾和创作者新增量?
  • 是否至少服务于赚钱、内容赚钱或 AI 放大赚钱能力之一?
  • 是否吸引正确客户,并指向 AI 营销、企业 AI 化、AI 教育或用户指定业务?
  • 是否只有一个核心矛盾,且主层级没有乱贴?
  • 是否给出明确推荐和生产状态?
  • 是否把领域、工具名、生活流水账或耸动标题误当成成熟选题?

推荐输入

用户可以只粘贴素材,也可以补充:

text
【原始素材】
【目标人群】可留空
【内容目的】流量 / 精准获客 / 建立人设 / 产品种草 / 成交 / 课程招生 / 系列内容
【工作模式】快速翻译 / 深度翻译 / 系列拆解 / 脚本承接

信息不完整时,先按证据等级工作。只有缺失信息会改变选题方向且无法以“待补证据”安全处理时,才追问一个关键问题。