Token导航 LogoToken导航

Agent Skill · 待分类

content-platform-analyzer(内容平台分析器)

用于辅助文档、README、Markdown、说明文和内容稿件的整理与改写。它适合让 Agent 提炼结构、补齐章节、统一术语、检查链接或把零散材料整理成可读文档。使用时应保留项目已有事实、命令和路径,不要把未确认的信息写成确定结论;涉及对外文案时,还需要控制语气,避免过度营销或夸大能力。

content-platform-analyzer 是待分类类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为只读;许可证信息还不明确,第三方扫描已通过,按安装量在待分类类的 11,209 个 Skill 里排第 9,504。

总安装 240周安装 10GitHub Stars 1下载 80核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:content-platform-analyzer(内容平台分析器)
来源仓库:https://github.com/linyuan3421/content-analysis-skill
仓库路径:skills/content-platform-analyzer
安装命令:
npx skills add https://github.com/linyuan3421/content-analysis-skill --skill content-platform-analyzer
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/linyuan3421/content-analysis-skill --skill content-platform-analyzer

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定,用法以来源仓库的说明为准。

帮助创作者分析自身与对标账号的内容数据与成功模式。先理解内容特征再用数据验证,输出可执行的增长建议。支持公众号、小红书、知乎等多平台数据分析。

安装方式:通过 GitHub 仓库安装,命令为 npx skills add https://github.com/linyuan3421/content-analysis-skill --skill content-platform-analyzer。

注意:最低需 10-50 篇样本数据,缺少互动指标时将限制分析深度。

来源仓库内路径:skills/content-platform-analyzer

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/linyuan3421/content-analysis-skill --skill con…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

content-platform-analyzer 怎么安装?

在终端执行 npx skills add https://github.com/linyuan3421/content-analysis-skill --skill content-platf…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

content-platform-analyzer 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

content-platform-analyzer 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

content-platform-analyzer 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

content-platform-analyzer 用的人多吗?

公开数据是累计安装 240 次,近一周安装 10 次,下载 80 次,GitHub 1 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

content-platform-analyzer 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理待分类类任务、又不想每次都手写提示词的人。
  • 只想先试试效果、不希望它改动本地文件的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
infsh-cli

infsh CLI · Codex、Claude

4,374,576382权限未标注未明确未收录
ai-video-generation

AI 视频生成 · Codex、Claude

4,313,376382调用外部服务未明确有提醒
lark-openapi-explorer

云雀 OpenAPI 浏览器 · Codex、Claude

2,064,1209,011需要联网未明确有提醒
lark-workflow-standup-report

Lark 工作流程站立报告 · Codex、Claude

2,041,6328,978需要联网未明确通过
use-my-browser

使用我的浏览器 · Codex、Claude

1,848,49140操作浏览器未明确未通过
content-platform-analyzer

内容平台分析器 · 本页

2401只读未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

内容平台分析技能

帮助创作者系统化地分析内容数据、识别成功模式、生成可执行的改进建议。

核心理念

内容理解优先,数据验证为辅

  • 先读懂内容:理解内容类型、结构、手法、情绪
  • 再用数据验证:统计数据是否支持内容理解
  • 最后生成洞察:结合内容+数据,生成可执行建议

适用场景

  • ✅ 分析自己的文章/视频内容质量
  • ✅ 学习对标账号的成功模式
  • ✅ 识别爆款内容的共性特征
  • ✅ 生成内容改进建议和增长策略
  • ✅ 适用于公众号、小红书、知乎、博客等平台

数据要求

数据格式:完全灵活,支持JSON、Excel、Markdown、CSV等任何格式

最低要求:

  • 对标账号数据:10-50篇文章/视频
  • 自己账号数据:10-50篇文章/视频
  • 核心字段:标题、内容/描述、阅读量/播放量

推荐数据(如有,会让分析更深入):

  • 互动数据:点赞、评论、转发、收藏
  • 时间数据:发布时间
  • 内容数据:字数、标签、分类

分析流程(4步框架)

第1步:内容理解

目标:理解内容本身的特征和模式

5个分析维度:

  1. 内容基础:发布频率、内容长度、发布节奏
  2. 爆款模式:Top 10-20内容为什么火?标题、结构、手法
  3. 主题分析:高频主题、主题组合、内容领域
  4. 内容类型:教程型、观点型、故事型、种子型
  5. 写作/表达手法:案例驱动、数据支撑、情绪调动、结构框架

输出:内容模式总结(如:"数字型标题占70%,平均字数2500字,教程型内容为主")

第2步:数据验证

目标:用数据证明内容理解的有效性

分析方法:

  1. 相关性验证:验证内容模式与数据表现的关系

- 示例:数字型标题是否真的阅读量更高?

  1. 时间趋势:识别阅读量的时间模式和成长轨迹
  2. 分位数分析:对比Top 20% vs Bottom 20%的内容特征差异
  3. 标签效果:哪些主题/标签更容易出爆款

输出:数据验证结论(如:"数字型标题平均阅读量5000,非数字型3000,提升67%")

第3步:对标分析

目标:对比对标账号与自己账号,识别差距和优势

对比维度:

  1. 内容深度:完整性、独特性、实用性
  2. 写作技巧:标题技巧、内容结构、情绪调动
  3. 数据表现:平均阅读量、爆款率、内容长度、发布频率
  4. 优势劣势:自己的独特优势 vs 明显短板

输出:差距清单 + 优势识别(如:"阅读量差距75%,但技术深度是优势")

第4步:建议生成

目标:提供可执行的具体建议

建议类型:

  1. 标题优化:基于爆款模式生成标题模板
  2. 内容结构:提供可复用的结构框架
  3. 写作技巧:提炼可学习的手法清单
  4. 内容策略:主题布局、发布节奏、内容系列

输出:具体可操作的建议(如:"下周开始增加数字型标题,每周至少2篇")

交互式分析流程

当用户调用本技能时,按以下步骤引导:

Step 1: 理解需求

  • 询问目标:分析对标账号?分析自己账号?两者都分析?
  • 识别平台:公众号、小红书、知乎、博客?
  • 确认数据:数据格式是什么?有哪些字段?

Step 2: 准备数据

  • 引导用户准备数据:说明需要哪些字段,格式灵活
  • 数据加载:根据用户实际格式加载数据(JSON/Excel/Markdown等)
  • 数据检查:确认数据完整性,提醒缺失关键字段

Step 3: 执行分析

  • 对标账号分析:按照4步框架分析对标账号
  • 自己账号分析:按照4步框架分析自己账号
  • 对比分析:生成差距分析和优势识别

Step 4: 生成报告

  • 参考报告模板:使用三模块报告结构
  • 填充具体内容:根据实际分析结果填充
  • 生成可执行建议:提供具体、可操作的行动清单

报告结构(⚠️输出深度标准)

生成报告时,参考 references/report-templates.md 中的模板,但必须遵守以下输出深度要求:

目标长度:600-800行(单文件)

Module 1: 对标账号内容深度解构(250-350行,约40%)

必须包含:

  1. 执行摘要(10-15行)

- 为什么这个对标账号值得研究? - 核心数据表格(硬证据) - 可借鉴价值概述

  1. 爆款文章深度拆解(80-120行)⭐核心

- Top 5爆款文章的逐篇分析(不是列表!) - 每篇包含:数据、标题分析、开头钩子、内容结构、可复用技巧 - 爆款成功密码总结(3-4个关键发现)

  1. 完整统计数据(40-60行)

- 核心指标分布(分位数、偏度分析) - Top 10爆款文章(按阅读量) - Top 10病毒传播文章(按分享率) - 相关性分析(什么驱动什么)

  1. 写作技巧完全拆解(80-120行)⭐核心

- 标题工程:提取3-5个高频公式 - 开头钩子:识别3-5种模式(痛点共鸣、数据冲击、个人故事等) - 内容结构:提炼2-3种可复用模板 - 视觉元素:Emoji使用规范、对比表格、截图技巧 - 结尾CTA:固定的结尾模式

  1. 内容策略分析(20-30行)

- 内容系列的支柱(如信息差+教程+测评) - 人设打造的维度 - 发布时间最佳实践

  1. 数据驱动的成功法则(10-20行)

- 从数据中提炼3-5个关键法则 - 每个法则:数据验证+可借鉴点

Module 2: 自己账号内容质量诊断(150-200行,约25%)
  1. 自己账号概况(10-15行)
  2. 内容基础诊断(20-30行):发布节奏、内容特征
  3. 内容质量评估(40-60行):标题质量、内容结构、写作手法、内容价值
  4. 数据表现分析(30-40行):整体表现、爆款分析、低表现分析
  5. 主题与内容类型(20-30行)
  6. 优势与问题总结(20-25行):核心优势、核心问题、快速改进点
Module 3: 差距分析与增长建议(200-250行,约35%)
  1. 数据表现对比(20-30行):核心指标差距、数据结论
  2. 内容质量对比(40-60行):内容深度、写作技巧对比
  3. 优势与劣势识别(30-40行):核心优势、劣势、差异化定位
  4. 可学习的写作模板(40-60行)⭐核心

- 基于对标账号提取2-3个可复用的内容模板 - 每个模板:结构框架+写作要点+适用场景

  1. 标题优化建议(15-20行):3-5个标题公式
  2. 内容结构优化建议(15-20行):推荐的内容框架
  3. 可执行的内容策略(30-40行):

- 标题优化、发布频率、主题聚焦、内容深度、结构优化、数据支撑 - 每个策略:行动+目标+优先级

输出质量控制(⚠️禁止简化)

禁止:

  • ❌ 只提供统计表格,没有深度分析
  • ❌ 只说"优化标题",不给具体公式和示例
  • ❌ 只说"改进结构",不提供可复用模板
  • ❌ 爆款文章只有列表,没有逐篇拆解

必须包含:

  • ✅ 爆款文章的逐篇拆解(Top 5,每篇30-50行)
  • ✅ 写作技巧的完全拆解(标题、开头、结构、emoji、结尾)
  • ✅ 可复用的内容模板(2-3个,带详细说明)
  • ✅ 数据驱动的成功法则(3-5个)
  • ✅ 具体可执行的策略(每个策略包含行动+目标)

分析方法参考

详细的分析方法论参考 references/analysis-methods.md:

  • 内容理解方法:如何识别内容类型、提取爆款模式
  • 数据验证方法:如何验证内容模式的有效性
  • 对比分析方法:如何量化差距、识别优势

技术栈

核心依赖(建议,非强制):

  • 数据分析:pandas(数据统计)、openpyxl(Excel支持)
  • 可视化:matplotlib 或 plotly(图表,可选)
  • 文本处理:re(正则表达式,提取标题模式)

不需要:

  • ❌ 复杂NLP模型(TF-IDF、BERT、LDA、情感分析等)
  • ❌ 机器学习(clustering、classification)
  • ❌ 主题建模(topic modeling)

原因:小样本(10-200篇)用基础统计+规则分析即可,重点是"读懂内容"而非"自动分析"。

FAQ

Q: 最少需要多少篇文章? A: 最低10篇,推荐20-50篇。文章越多,分析越准确。

Q: 必须有阅读量数据吗? A: 不是必须,但强烈推荐。有阅读量数据才能做数据验证和对比分析。

Q: 数据格式有什么要求? A: 完全灵活。JSON、Excel、Markdown、CSV都可以。只要有标题、内容、阅读量即可。

Q: 分析需要多长时间? A: 取决于文章数量和AI助手的分析深度。一般10-50篇,5-15分钟。

Q: 适用于哪些平台? A: 适用于任何有标题、内容、阅读量的内容平台。公众号、小红书、知乎、博客都可以。

Q: 可以分析视频吗? A: 可以。将"标题"→"视频标题","内容"→"视频描述/文案","阅读量"→"播放量"即可。

示例

示例1:公众号内容分析

  • 平台:微信公众号
  • 数据:50篇文章(标题、内容、阅读量、发布时间)
  • 目标:学习对标账号的爆款模式
  • 输出:爆款模式总结 + 可复用的标题/结构模板

示例2:小红书笔记分析

  • 平台:小红书
  • 数据:30篇笔记(标题、文案、点赞数、收藏数)
  • 目标:诊断自己的内容质量
  • 输出:内容质量诊断 + 改进建议

示例3:对标账号深度分析

  • 平台:公众号 + 小红书
  • 数据:对标账号100篇 + 自己账号50篇
  • 目标:全面对标学习
  • 输出:完整的三模块分析报告

平台分布

Codex

35.82%
按下载量换算29

Claude

29.58%
按下载量换算24

Cursor

18.57%
按下载量换算15

Gemini CLI

8.42%
按下载量换算7

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills