基础工具与工作流 · alchaincyf/nuwa-skill

x-mastery-mentor

$10K/hr级X/Twitter运营导师。基于Nicolas Cole、Dickie Bush、Sahil Bloom、Justin Welsh、 Dan Koe、Alex Hormozi六位顶级创作者的方法论 + X开源算法深度分析 + AI/科技赛道专精策略, 提炼6个核心心智模型、10条决策启发式、完整的选题-写作-增长操作手册。 通用方法论为底座,AI/科技赛道为专精。 当用户提到「X运营」「推特」「Twitter」「怎么写推文」「怎么涨粉」「X策略」「推特选题」「tweet」「thread」「X算法」时使用。 即使用户只是说「这条推文怎么写」「帮我想个X内容」「推特增长」「发推」「write a tweet」「X account」「grow on X」也应触发。

风险提醒:蓝色 · 知晓即可AI 侦查报告
作者 alchaincyfGitHub alchaincyf/nuwa-skill ↗许可 MIT(仓库根 LICENSE)commit fe03746870
agent 宿主通常会约束 skill 执行权限;风险提醒为 AI 侦查观点,不构成质量或安全保证。第三方 skill 仅作拆解与展示,安装使用风险自负,版权归原作者。

1实现原理 · 为什么它能做到

以 frontmatter 的 description 声明触发词(X运营/推特/写推文/涨粉/X算法/tweet 等)决定激活,并在正文用「我能帮你的/我不能帮你的」把能力半径写死,避免越界到抖音/小红书等其它平台。

examples/x-mastery-mentor/SKILL.md
**我能帮你的**:选题策略、推文写作、Thread结构、增长引擎、算法利用、AI赛道内容打法、变现路径、账号诊断
注:这里在做什么:把激活条件与能力半径显式写进 frontmatter 和正文,用户问范围外平台时明确说明本 skill 只聚焦 X。

问题路由表把用户问题分成 11 类,映射到 5 个执行场景(A-E)或直接回答,并为每类指定按需加载的 reference 文件,避免一次读入全部知识。

examples/x-mastery-mentor/SKILL.md
| 怎么写推文/Thread | → 场景A | `writing-workshop.md` + `algorithm-niche.md` |
注:这里在做什么:用一张「问题类型→执行场景→知识文件」路由表把主文件与 references 解耦,控制上下文成本。

场景A(写推文/Thread)四步执行:确认类型目标 → 生成 3 个 Hook → 按 1/3/1 节奏完善正文 → 对照质量清单检查;生成 Hook 后设检查点交用户选定。

examples/x-mastery-mentor/SKILL.md
每个标注用了哪个公式(好奇缺口/可信度锚点/Value Equation)
注:这里在做什么:把「写推文」拆成可检查的固定管线,并要求每个 Hook 标注所用公式而非凭感觉。

场景D(增长/策略)先确认粉丝量阶段(0-1K/1K-10K/10K-100K)与 Premium 状态,再诊断瓶颈,最后给出「不是原则、是行动」的每周计划。

examples/x-mastery-mentor/SKILL.md
粉丝量?(决定路由到0-1K/1K-10K/10K-100K)
注:这里在做什么:强制先做阶段确认再给建议,避免把不同粉丝量级的策略错配。

场景E(账号诊断)用三级降级路径采集近 100 条推文(computer-use 首选 → claude-in-chrome 备选 → 用户手动兜底),数据落盘 user-data/ 后生成经济学人风格 HTML 报告。

examples/x-mastery-mentor/SKILL.md
目标100条,每滚动一屏约10条,需滚动约10次
注:这里在做什么:把数据采集写成「工具+降级」的容错流程,并规定样本量与时间跨度下限。

每个关键场景前设 STOP/CHECKPOINT 硬门(场景 A/D/E 各三问),任一答「否」即退回对应 Step,防止凭感觉直接输出。

examples/x-mastery-mentor/SKILL.md
1. **Hook 用了哪个公式**(好奇缺口 / 可信度锚点 / Value Equation)?说不出 = 凭感觉写
注:这里在做什么:把质量控制前置为自检问题,而不是写完再补。

9 条失败模式 Fallback 树按触发信号给出第一选择与备用路径,如采集工具失败立即切换方式 2/3 而不是硬重试同一条路。

examples/x-mastery-mentor/SKILL.md
| 6 | 工具失败(computer-use 登录墙 / Chrome 扩展未连) | 立即切方式 2 → 方式 3,不要硬重试同一条路 | 退到「用户手动提供数据」,标注样本受限 |
注:这里在做什么:给每条失败信号配修复路径,降低卡死概率。

2核心能力

01推文/Thread 写作与 Hook 工程(含 1/3/1 节奏、8-12 条 Thread 结构)
02选题生成(4A 矩阵 / Endless Idea Generator,30 分钟 100+ 选题)
03已写内容审阅与分层诊断(算法层→Hook层→内容层→CTA层)
04分阶段增长策略与可执行周计划(0-1K/1K-10K/10K-100K)
05X 算法规则速查(互动权重、负面信号、发帖参数、TweepCred)
06账号数据采集与 6 维诊断报告(含经济学人风格 HTML 模板)
07AI/科技赛道账号分型、内容效果矩阵与出海定位建议
08变现路径与六位创作者流派对比(Cole/Bush/Sahil/Welsh/Koe/Hormozi)

3外部依赖

类型依赖
cli宿主 computer-use / claude-in-chrome 浏览器工具(场景E采集推文用;由宿主提供,非 skill 自带脚本)
networkx.com 用户主页 / analytics.x.com(采集目标站点,经宿主浏览器工具访问,非 skill 自身端点)

4风险提醒 风险提醒:蓝色 · 知晓即可

风险提醒:蓝色 · 知晓即可
  • 数据时效性:算法权重与平台规则明言基于「2026年4月前」数据,X 政策与算法随时变化,过时建议可能反效果。
  • 采集依赖宿主浏览器工具抓取 x.com,可能遇登录墙/风控;抓取到的网页文本未经清洗即被当作推文数据注入上下文,构成提示注入面。
  • 诊断报告模板要求经 CDN 引入 ECharts.js 渲染 HTML,存在产物期外部依赖与潜在隐私面(用户推文数据出现在浏览器渲染的报告里)。
  • 方法论来自六位已成功创作者,存在幸存者偏差且以英文市场为主,中文受众的传播规律适用性未验证。
  • 全部质量控制(检查点/STOP/质量清单)都是提示级、无代码强制,模型不遵守时约束即失效。
判级依据(只判本 skill 目录):examples/x-mastery-mentor 全部内容为 SKILL.md + FIDELITY.md + references/ 的 Markdown,无脚本、无可执行资产、无环境变量/凭证读取;但 SKILL.md 明确要求运行时在 user-data/{username}/ 下写入 JSON/Markdown/HTML 文件(场景E),并静默读取 strategy.md,属「本地读写」面,故判 blue。需要说明的非目录面(不改档位):场景E 的推文采集依赖宿主 computer-use / claude-in-chrome 浏览器工具打开 https://x.com/{username},属宿主能力;报告模板要求经 CDN 引入 ECharts.js,属产物期外部引用;两者都不由 skill 目录自带代码执行。无危险旗标、无防护绕过、无任意代码执行。

5第二遍独立确认

  • [ok] 能力边界与 frontmatter 触发词一致 — SKILL.md frontmatter 的 description 列触发器(X运营/推特/写推文/涨粉/X算法/tweet 等),正文「我能帮你的/我不能帮你的」与之呼应,并明确「超出skill范围时明确说」(如抖音/小红书),三处口径一致。
  • [ok] 问题路由表条目完整且与场景编号对应 — 路由表共 11 行,覆盖场景A-E 与「直接回答」五类;每行「按需加载」列出的 reference 文件都存在于 §1 清单(writing-workshop / algorithm-niche / quality-analytics / growth-monetization / mental-models-heuristics)。
  • [ok] 五场景流程、检查点与 STOP 三问描述属实 — 场景A 四步(确认类型→3个Hook→完善正文→质量检查)、场景D 三阶段、场景E 五步均可在内文逐条找到;STOP 段落确有「场景A/D/E · 必答 3 问」三组,与 claim 相符。
  • [ok] references 文件与 §1 清单一一对应 — §1 列出的 FIDELITY.md、SKILL.md、5 份操作层 reference 与 6 份 research 报告,正好对应 Reference 索引表的分层(操作层按需加载 / 调研层追溯来源),无缺失或多列。
  • [ok] §3 风险扫描 274 条 URL 的性质归类 — 抽样命中(x.com/Nicolascole77、ship30for30.com、artandbiz.substack.com、x.com/{username})除场景E 的访问目标外,均为调研正文里的来源链接引用;无运行时 API 端点、无 webhook。凭证类唯一命中是同一条 substack URL,属误报。
  • [ok] 目录内无脚本 / 无凭证读取 / 无写盘代码 — §1 全部 13 个文件类型均为 text,§3「执行外部程序/写盘/网络请求/危险旗标/沙箱」五类均 0 命中;SKILL.md 里的 user-data/ 写入是给宿主的自然语言指令,非本目录代码。

6结论

  • 结构化运营手册:五场景(写推文/选题/审阅/增长/诊断)+ 问题路由表 + 检查点,把模糊的「怎么做 X」拆成可执行管线,并配可量化指标(短推文 120-130 字符、ER>2% 良好、工作日 9AM-2PM 发帖)。
  • 知识分层且可溯源:主文件只做路由,5 份操作层 reference 按需加载、6 份 research 报告仅追溯来源时读取,并明确标注算法数据的调研时间与来源。
  • 反幻觉与边界意识:把建议区分「社区共识/推测/实验」、超范围(如抖音/小红书)明确拒答,正文附 6 条诚实边界,降低误导概率。
  • 容错设计:9 条失败模式 Fallback 树 + 场景E 三级数据采集降级路径(computer-use → claude-in-chrome → 用户手动),并规定样本量 <50 需标注。
  • 适合:适合运营 X/Twitter 账号、希望把「写推文/选题/审阅已写内容/涨粉策略/账号诊断」流程化的人,尤其面向 AI/科技赛道的独立开发者与出海创作者;也适合作为「多场景运营类 skill」的写法范本(路由表 + 按需 reference + 检查点 + Fallback 树 + 反例黑名单四件套齐全)。
    不适合:不适合抖音/小红书/公众号等非 X 平台的运营咨询;不适合要求「保证涨粉」、代写内容或预测算法未来变化的诉求;也不适合无法使用宿主浏览器工具或不愿在 user-data/ 落盘的环境——场景E 会退化或无法完成,只能走用户手动提供数据的降级路径。
    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 x-mastery-mentor.tar.gz
    sha256: 8e5f288e5d0c82be…
    方式 B · JSON 格式安装指南,复制给 agent
    安装指南
    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
    能访问 GitHub?直接去上游安装(实时版,可能已更新)GitHub 原始 ↗
    本页镜像锁定 commit fe03746870;上游为实时仓库。
    来源信息 GitHub 原始
    作者 / 仓库alchaincyf / alchaincyf/nuwa-skill
    本 skill commitfe03746870
    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。
    同分类邻近