1实现原理 · 为什么它能做到
以角色扮演为外壳：激活后直接以 MrBeast（Jimmy）第一人称回应，首次激活只说一次免责声明，命中退出关键词立即出戏
examples/mrbeast-perspective/SKILL.md
**此Skill激活后，直接以Jimmy/MrBeast的身份回应。**
注：这里在做什么：把「视角」做成可开关的沉浸式人格——用「一次性免责 + EXIT TRIGGER」两个约束同时保住沉浸感与退出通道，与同仓 nuwa 系列共用同一骨架。
强制 Agentic 协议：先判断问题类型，涉及具体频道/视频/平台数据的问题必须先联网研究，再用心智模型作答
examples/mrbeast-perspective/SKILL.md
**核心原则：我不猜，我测。在给内容建议之前，先看数据。这个Skill也必须这样。**
注：这里在做什么：把「数据驱动」写成不可跳过的流程（Step 1 分类 → Step 2 WebSearch → Step 3 作答），研究摘要只在内部整理、不输出给用户。
三段 CHECKPOINT 自检，把输出质量钉死在「开门见山给判断、每条建议可执行、不给虚假鼓励」
examples/mrbeast-perspective/SKILL.md
1. **第一句是判断还是铺垫**？必须开门见山，「这个标题有三个致命问题」式开头。
注：这里在做什么：在关键节点插入强制自问，防止退回到「标题要吸引人」这类空话；Checkpoint A/B/C 分别覆盖分类、研究、输出。
9 条 if-then-then 失败模式 Fallback 树，逐条给出第一手段与兜底话术
examples/mrbeast-perspective/SKILL.md
| 1 | WebSearch 搜不到具体数据/Benchmark | 换 query：加「VidIQ / SocialBlade / 频道名 + 月增长」等限定词 | 直接对用户说：「告诉我 3 个具体数字——你最近 3 个视频的 CTR、AVD 和订阅净增。没有数据我不能瞎给建议」 |
注：这里在做什么：把每种跑偏映射到兜底动作，重点是把「没数据」转成向用户索取 3 个数字，而不是编造。
反例黑名单 7 条，明确禁止最容易模仿错的输出形态（listicle、含糊鼓励、跨平台照搬等）
examples/mrbeast-perspective/SKILL.md
| 5 | 给 listicle 风格的建议（「10 个 YouTube 增长技巧」） | listicle 标题在 2024 已经死了，Jimmy 不会给这种建议 | 用「这个标题有 3 个致命问题」「下一个视频做这 3 个动作」式直接判断 |
注：这里在做什么：用「错误示范/为什么错/正确做法」三列把负向约束写死，比正向描述更能压住模型的默认文风。
内置 6 个核心心智模型（CTR×AVD、零无聊时刻、阶梯递进、简单概念×极端执行、全额再投资飞轮、创意省钱）
examples/mrbeast-perspective/SKILL.md
**一句话**：YouTube上只有两个数字重要——点击率（Click-Through Rate）和平均观看时长（Average View Duration）。其他一切都是噪音。
注：这里在做什么：给每个模型配公式/来源/原话/局限，决策前先问「这会提升 CTR 还是 AVD」；模型 4 的公式即病毒度=概念简单度×执行极端度。
自带 4 个可运行脚本（字幕下载 + 标题分析 + retention 检查 + 缩略图审计），把方法论落成可执行检查
examples/mrbeast-perspective/SKILL.md
| `fetch_youtube_subtitles.sh` | 下载YouTube视频字幕 | `./fetch_youtube_subtitles.sh <URL> [lang]` |
注：这里在做什么：scripts/ 给出三个本地 Python 分析器与一个 shell 脚本；shell 脚本会检查/安装 yt-dlp 并下载字幕，是本 skill 唯一的联网与装包入口。
显式诚实边界：声明 YouTube≠所有平台、预算差距、英语≠中文市场、慈善与员工待遇争议、调研截止 2026-04
examples/mrbeast-perspective/SKILL.md
1. **YouTube ≠ 所有平台**。我的方法论对YouTube优化最深，B站、抖音、公众号的算法和用户行为不同，需要翻译而非照搬。
注：这里在做什么：把方法论的适用条件与已知争议前置，避免把 4 亿美元级打法套到 0 预算创作者身上。
2核心能力
01沉浸式 MrBeast 角色扮演与显式退出协议
02YouTube 内容优化全公式：标题模式、缩略图三要素、前 30 秒 Hook、retention 分段节奏
03强制联网研究协议（按问题类型选择研究维度：数据/竞品/趋势/成本回报）
04输出兜底：9 条 if-then-then 失败模式与兜底话术
05风格纠偏：7 条反例黑名单，把空话改写成可执行指令
066 个心智模型库 + 8 条决策启发式 + 缩略图/标题自检（如 Zoom Out Test）
074 个可运行内容分析脚本（字幕下载/标题分析/retention 检查/缩略图审计）
08诚实边界自述（平台/预算/语言不适用与已知争议）
3外部依赖
| 类型 | 依赖 |
|---|---|
| cli | yt-dlp（fetch_youtube_subtitles.sh 调用；缺失时自动 pip 安装） |
| api | 宿主 WebSearch / 联网研究（正文强制要求） |
4风险提醒 风险提醒：橙色 · 评估后使用
风险提醒：橙色 · 评估后使用
- 角色扮演 + 一次性免责：后续对话不再重复免责，用户易忘记这是基于公开言论的推断 — STOP 段写明「此后对话绝不重复」，沉浸感优先于持续提醒。
- 联网研究依赖宿主能力：若宿主无 WebSearch，Step 2 会退化为凭训练语料作答——正文自己列为失败模式 — Fallback 表第 1/2 条已给兜底话术，但兜底仍是降级，不保证事实准确。
- fetch_youtube_subtitles.sh 自动 pip 安装 yt-dlp 并下载用户指定 URL，属运行时装包与外发面 — pip install -q yt-dlp 无版本钉选、无校验，存在供应链与版本漂移风险。
- 方法论高度绑定 YouTube 与高预算，跨平台/低预算迁移需自行降级 — 正文示例与公式仍以 4 亿美元级打法为默认语境。
风险提醒：橙色，评估后使用。判级只依据 examples/mrbeast-perspective/ 目录自身：scripts/fetch_youtube_subtitles.sh 在缺 yt-dlp 时自动 pip install -q yt-dlp（依赖远程包，供应链面），并把用户提供的 URL 经 yt-dlp 送向 YouTube；其余三个 Python 脚本仅做本地文本分析并向 --output 写报告。目录内无凭证/cookie/env 读取、无防护绕过、无安全降级、无任意代码执行面。SKILL.md 要求 agent 使用宿主 WebSearch 属宿主行为，不据此判级。
5第二遍独立确认
- [ok] 宣称的 6 心智模型 / 8 决策启发式是否在 SKILL.md 内可落地 — SKILL.md 逐个给出「一句话 + 原理/来源 + 应用 + 局限」，模型 1/2/4 还附原话引用，不是只列表名。
- [ok] 4 个脚本是否真的存在于本 skill 目录 — §1 清单含 scripts/ 四个文件：analyze_titles.py 11004B、fetch_youtube_subtitles.sh 3150B、retention_curve_checker.py 15396B、thumbnail_audit.py 14560B。
- [ok] 联网与外发风险定位到哪一段 — §3 显示 fetch_youtube_subtitles.sh 第 38-41 行检查/安装 yt-dlp（pip install -q yt-dlp），第 50 行 mkdir -p "$OUTDIR"；这是本 skill 唯一的联网与远程包入口，据此判 🟠。
- [ok] 负面信息是否被隐瞒或美化 — §2 的 04-external-views 与 SKILL.md 诚实边界都主动写入 Beast Burger、Lunchly、员工待遇、Beast Games 诉讼与「poverty porn」批评，未做单向美化。
- [ok] 调研时效声明与站内日期是否自洽 — SKILL.md 诚实边界写「调研截止2026年4月」，§2 时间线覆盖到 2026-04；与站内分析日期 2026-10-10 之间约有半年空档，属文档已声明的边界。
- [ok] 是否会实际执行脚本 — SKILL.md 只在工具表给出用法（如 python analyze_titles.py titles.txt），未见任何自动调用；是否执行取决于用户/agent。
- [ok] meta.installs 是否可定位单一 skill — 无 per-skill 安装量可定位，installs 保持 null。
- [ok] 脚本写盘范围 — 三个 .py 的 write_text 目标由 --output 参数决定，属本地写入；shell 脚本写往 $OUTDIR，均非系统路径。
6结论
适合：适合：① YouTube 创作者要优化标题/缩略图/前 30 秒/留存曲线；② 想把「数据驱动 + 极端执行」做成可执行清单的内容团队；③ 想用 MrBeast 视角推演内容选题与增长策略；④ 需要本地脚本快速体检一批标题或脚本 retention 的场景。
不适合：不适合：① 做 B 站/抖音/公众号且不愿做平台翻译的创作者（算法与用户行为不同）；② 需要预算中立的通用内容建议（本 skill 默认高预算语境）；③ 想听温和鼓励或品牌公关口吻的人；④ 不接受第一人称角色扮演的场合。
安装 agent 直装可复制
① 本站镜像 更新 2026-10-10
方式 A · 人下载镜像包下载 mrbeast-perspective.tar.gz
sha256:
方式 B · JSON 格式安装指南，复制给 agent5b5c06118d80624d…agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。
② 上游 GitHub · 原始来源
来源信息 GitHub 原始
作者 / 仓库alchaincyf / alchaincyf/nuwa-skill
原始 GitHubalchaincyf/nuwa-skill ↗
本 skill commit
fe03746870许可MIT（仓库根 LICENSE）
本站信息
收录日期2026-09-06
分类基础工具与工作流
侦查报告AI 侦查 · 2 遍 · 2026-09-06
本站镜像与 GitHub 原始是不同来源：本站锁定 commit 快照经 /r2 分发；GitHub 为实时上游，内容可能已更新。