agentsclimarketplace

Write

Skill rainday/smart-blog-skills/skills/write

Smart Blog 寫文章。從零寫一篇新的部落格文章,包含模板選擇、研究、 YouTube 影片嵌入、Humanizer 反 AI 審稿、品質檢查。 內建反幻覺驗證,繁體中文優先。 Use when user says "write blog", "寫文章", "寫部落格", "new blog post", "smart-blog write", "blog write".From its SKILL.md

Install
npx -y skills add rainday/smart-blog-skills --skill write

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.

SKILL.md

6.2 KB, as published. Nobody here has run it

Blog Write — 新文章生成

工作流程

Phase 0:檢查 Brief 文件

  1. 如果使用者提供了 slug(如 /write software-development-contract),檢查 docs/smart-blog/[slug].brief.md 是否存在
  2. 如果 brief 存在:
    • 讀取文件,直接跳到 Phase 5(研究)
    • 告知使用者:「找到 brief 文件,跳過大綱生成,直接進入研究與寫作」
  3. 如果 brief 不存在,繼續 Phase 1

Phase 1:主題確認

問使用者以下資訊(有預設值的可以跳過):

  1. 主題 — 必要
  2. 目標受眾 — 預設:一般讀者
  3. 主要關鍵字 — 預設:從主題推導
  4. 字數 — 預設:2,000-2,500 字
  5. 語言 — 預設:繁體中文

Phase 2:模板選擇

  1. 讀取 skills/blog/references/content-templates.md
  2. 根據主題和搜尋意圖選擇模板:
    • 「如何...」→ how-to-guide
    • 「最佳 N 個」→ listicle
    • 「X vs Y」→ comparison
    • 廣泛主題 → pillar-page
    • 案例/成果 → case-study
  3. 讀取對應模板 skills/blog/templates/<type>.md
  4. 告知使用者選了哪個模板

Phase 3:大綱生成

  1. 根據模板結構生成大綱
  2. 包含:H2/H3 標題、每段字數建議、圖片/圖表放置位置
  3. 呈現大綱給使用者確認,等待同意後再進入下一步

Phase 4:Research Cache 檢查

  1. 計算 slug(主題轉小寫、空白換 -、中文翻譯英文)
  2. 讀取 skills/blog/references/research-cache.md 了解 cache 規格
  3. 用 Glob 檢查 docs/research/{slug}/meta.md 是否存在
  4. 如果存在,讀取 frontmatter 判斷 cache 狀態:
狀態行為
fresh告知使用者:「找到 [date] 的研究 cache([N] 筆統計、[N] 張圖片),直接使用」→ 跳到 Phase 6(寫作)
partial-stale告知使用者哪些部分過期,提供選項:(a) 只更新過期部分 (b) 完整重新研究 (c) 直接使用舊資料
stale告知使用者 cache 已過期 → 進入 Phase 5(研究)
  1. 如果不存在或使用者指定 --force-research → 進入 Phase 5(研究)

Phase 5:研究

生成 smart-blog-skills:blog-researcher agent(Agent tool),提供:

  • 主題和關鍵字
  • 需要搜尋的統計數據數量(8-12 個)
  • 需要的圖片數量(封面 1 + 內文 3-5)
  • 圖表規劃建議
  • slug(用於 research cache 儲存路徑)
  • YouTube 影片搜尋:搜尋 2-3 個相關影片(見 references/video-embeds.md)

反幻覺要求: 研究報告必須包含每筆數據的 [V]/[S]/[F] 標註。

研究不足時: 如果研究報告中 [V]+[S] 數據不足 5 個,告知使用者並提供選項:

  1. 繼續寫作(品質可能較低,placeholder 會較多)
  2. 使用者提供補充數據
  3. 嘗試不同搜尋角度重新研究

Phase 5b:YouTube 影片發現

  1. 用 WebSearch 搜尋 [主題] site:youtube.com(最多 2 次搜尋)
  2. 讀取 skills/blog/references/video-embeds.md 的品質評分標準
  3. 選出 2-3 個相關影片(品質分 ≥60)
  4. 驗證影片 URL 可存取
  5. 記錄影片資訊(標題、頻道、VIDEO_ID、描述)

如果找不到合適影片: 跳過嵌入,不影響文章品質。

Phase 6:寫作

生成 smart-blog-skills:blog-writer agent(Agent tool),提供:

  • 確認的大綱
  • 研究報告(含驗證狀態)
  • 選定的模板
  • 偵測到的平台格式
  • 寫作規則來源:skills/blog/references/content-rules.md
  • Humanizer 模式來源:skills/blog/references/humanizer-patterns.md
  • YouTube 影片清單(如有):影片 ID、標題、建議放置位置

重要: blog-writer 在寫完初稿後會執行 Humanizer Pass(29 模式掃描 + 反 AI 審稿二次修正),確保輸出不像 AI 寫的。

Phase 7:品質關卡(BLOCKING)

生成 smart-blog-skills:blog-reviewer agent(Agent tool),傳入:

  • 完成的文章全文
  • 要求執行完整 100 分評分 + Second-order AI slop detection(參考 skills/blog/references/ai-slop-detection.md)

關卡規則:

條件行動
總分 ≥ 90 AND 零 P0 問題通過 → 進入 Phase 8 交付
總分 < 90 OR 任何 P0 問題封鎖 → 傳回問題清單給 blog-writer 修正

重試機制: 最多重試 2 次。每次重試都重新生成 blog-writer 修正 + blog-reviewer 重新評分。2 次後仍未通過 → 繼續交付,但在摘要中清楚標示當前分數和未解決的問題。


Phase 8:交付

輸出完成的文章 + 以下摘要:

## 文章完成:[標題]

### 使用模板
[模板名稱]

### 統計數據
- [N] 筆有來源的統計數據
- [N] 個不同來源
- ✅ [V] 已驗證:N 筆
- ⚠️ [S] 搜尋摘要:N 筆
- 📝 待補充:N 處 placeholder

### 圖片清單

| 檔案名稱 | 放置位置 | 生成 Prompt |
|---------|---------|------------|
| [slug]-cover.webp | 封面 / OG Image (1200×630) | [prompt] |
| [slug]-01-[desc].webp | 引言之後 | [prompt] |
| [slug]-02-[desc].webp | H2: [標題] 之後 | [prompt] |

- 如已有 brief 圖片規劃,直接沿用該表格
- SVG 圖表:[N] 個(已嵌入文章)

### YouTube 影片

| 影片標題 | 放置位置 | VIDEO_ID |
|---------|---------|----------|
| [標題] | H2: [段落] 之後 | [ID] |
| [標題] | H2: [段落] 之後 | [ID] |

- 嵌入格式:srcdoc lazy-loading(見 `references/video-embeds.md`)
- VideoObject Schema 已加入文章末尾

### 文章結構
- [N] 個 H2 段落(Answer-First 格式)
- [N] 個 FAQ
- 約 [N] 字
- 預估閱讀時間:[N] 分鐘

### 品質關卡結果
- 最終評分:[N]/100([等級])
- P0 問題:[無 / 已修正 N 個]
- AI Slop Detection:[PASS / PASS after N retries]

### 需要使用者處理
- [ ] 確認 [S] 標記的數據
- [ ] 替換 [內部連結] placeholder
- [ ] 補充 [待補充] 的統計數據

Keep looking

Skills are one crate of 614,194. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.