Token导航 LogoToken导航

Agent Skill · 待分类

li-analyzer(锂分析仪)

li-analyzer 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

li-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,权限为权限未标注;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 6,571。

总安装 441周安装 18GitHub Stars 27下载 141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:li-analyzer(锂分析仪)
来源仓库:https://github.com/jiangjiax/li-skills
仓库路径:skills/li-analyzer
安装命令:
npx skills add https://github.com/jiangjiax/li-skills --skill li-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/jiangjiax/li-skills --skill li-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。

li-analyzer 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息。适合围绕仓库状态、代码变更或协作事项进行整理,辅助开发流程管理。可结合来源仓库和原始 README 核验具体用法,确保操作符合实际需求。

安装命令:npx skills add https://github.com/jiangjiax/li-skills --skill li-analyzer。建议确认权限范围和维护状态,避免触发不必要的联网或文件读写操作。

来源仓库内路径:skills/li-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/jiangjiax/li-skills --skill li-analyzer;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

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

li-analyzer 怎么安装?

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

li-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。

li-analyzer 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

li-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。

li-analyzer 用的人多吗?

公开数据是累计安装 441 次,近一周安装 18 次,下载 141 次,GitHub 27 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。

li-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。

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。

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
li-analyzer

锂分析仪 · 本页

44127权限未标注未明确通过

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

爆款话题拆解分类系统

自动分析博主的所有往期视频脚本,按爆款等级和话题类型进行分类整理,提供可复制的创作灵感。


核心功能

1. 自动数据整理

  • 读取指定博主的所有视频脚本
  • 提取关键数据:点赞、收藏、观看、涨粉、曝光
  • 计算关键指标:收藏/点赞比、涨粉率、完播率

2. 爆款分级分类

  • ✈️ 超级爆款级 (5千+点赞)
  • 🚗 大爆款级 (2千-5千点赞)
  • 🛵 中爆款级 (1千-2千点赞)
  • 🚲 小爆款级 (500-1千点赞)
  • 🚶 普通级 (<500点赞)

3. 话题类型归纳

  • 工具类话题(新工具首测、小白入门、工具拆解、省钱攻略)
  • 名人类话题(专家访谈解读、名人观点)
  • 观点类话题(反常识、哲学思考)
  • 经验类话题(黑客松、从0到1、周更vlog)
  • 方法类话题(需求挖掘、开源项目)

4. 爆款要素提取

  • 标题公式模板
  • 开场话术套路
  • 内容结构模式
  • 数据呈现策略
  • 封面花字风格

5. 分类整理输出

  • 按爆款等级分组展示
  • 按话题类型分类展示
  • 提取可复制的创作模板
  • 生成选题灵感清单

分析维度

数据维度

  1. 绝对数据:点赞数、收藏数、观看数、涨粉数、曝光数
  2. 相对指标:

- 收藏/点赞比 (>1.3 = 实用价值高, <1.0 = 情绪价值高) - 涨粉率 (涨粉/观看) - 封面点击率 - 完播率

  1. 爆款等级:根据点赞数分级

内容维度

  1. 话题类型:工具/名人/观点/经验/方法
  2. 标题结构:时间承诺、具体数字、降低门槛、反常识
  3. 内容特征:案例数量、数据精确度、教程深度
  4. 情绪价值:惊喜、焦虑、成就、好奇

传播维度

  1. 传播型 (点赞>收藏):情绪价值驱动,适合引流
  2. 收藏型 (收藏>点赞):实用价值驱动,适合转化
  3. 平衡型 (点赞≈收藏):情绪+实用平衡,最佳状态

分析流程

Step 1: 数据整理

1. 优先读取 `03-数据统计/数据统计表.md`,获取全局数据索引
   - 可直接得到所有内容的点赞/收藏/观看/涨粉/完播率
   - 跳过逐文件扫描,效率更高
2. 如需读取完整脚本内容(分析标题公式/开场结构等),
   再按需读取对应的 `02-已发布内容/` 具体文件
3. 统计表中标注"待填入"的条目,跳过数据分析,仅做内容维度分析

Step 2: 数据分析

1. 按点赞数排序
2. 计算收藏/点赞比
3. 计算涨粉率
4. 分级标注(✈️🚗🛵🚲🚶)
5. 识别数据异常值

Step 3: 话题归纳

1. 分析标题关键词
2. 识别话题模式
3. 归类到5大类型
4. 统计各类型数据表现
5. 提取高频要素

Step 4: 公式提取

1. 超级爆款的共同特征
2. 标题公式模板
3. 内容结构模式
4. 数据呈现方式
5. 封面花字策略

Step 5: 生成报告

1. 数据对比表格
2. 话题分类清单
3. 爆款公式总结
4. 创作灵感库
5. 选题决策树

输出格式

分类整理结构

# [博主名称]_爆款分类整理

生成日期: YYYY-MM-DD
分析样本: X个视频

---

## 📊 按爆款等级分类

### ✈️ 超级爆款 (5千+点赞) - X个

1. **[标题]** (点赞X | 收藏X | 观看X)
   - 话题类型: [工具/名人/观点/经验/方法]
   - 标题公式: [提取的公式]
   - 核心要素: [关键成功要素]

2. ...

### 🚗 大爆款 (2千-5千点赞) - X个

1. **[标题]** (点赞X | 收藏X | 观看X)
   - 话题类型: [类型]
   - 标题公式: [公式]
   - 核心要素: [要素]

[其他等级...]

---

## 🏷️ 按话题类型分类

### 工具类话题 (X个)

#### ✈️ 超级爆款
- **[标题]** - [一句话总结成功要素]

#### 🚗 大爆款
- **[标题]** - [一句话总结]

[其他等级...]

### 名人类话题 (X个)
[同上结构]

### 观点类话题 (X个)
[同上结构]

### 经验类话题 (X个)
[同上结构]

### 方法类话题 (X个)
[同上结构]

---

## 💡 可复制的爆款模板

### 工具类模板
1. **[工具名]深度实测** - 适用于新工具发布
   - 标题公式: [工具名] + 实测/首测 + [惊人数字]
   - 成功案例: [具体视频]

2. **[工具名]小白入门** - 适用于热门工具
   - 标题公式: X分钟上手[工具名] | 小白也能学会
   - 成功案例: [具体视频]

### 名人类模板
[同上结构]

### 观点类模板
[同上结构]

---

## 🎯 选题灵感清单

### 待创作选题(基于爆款规律)
- [ ] [选题1] - 参考: [成功案例]
- [ ] [选题2] - 参考: [成功案例]
...

---

**整理完成**

使用方法

用户说: "拆解第四种黑猩猩的爆款点"

系统执行:

  1. 搜索"第四种黑猩猩往期视频脚本"文件夹
  2. 读取所有.md文件
  3. 提取数据和标题
  4. 按爆款等级和话题类型分类
  5. 提取可复制的模板
  6. 保存为: 爆款话题分析报告/第四种黑猩猩_爆款分类整理_YYYY-MM-DD.md

分析标准

爆款等级判定标准

等级点赞数范围标记特征
超级爆款5,000+✈️现象级传播,大量涨粉
大爆款2,000-5,000🚗强传播力,稳定涨粉
中爆款1,000-2,000🛵中等传播,适度涨粉
小爆款500-1,000🚲小范围传播,少量涨粉
普通<500🚶基础流量,粉丝观看

收藏/点赞比解读

比值解读策略
>1.5极高实用价值教程型内容,适合转化
1.3-1.5高实用价值实用+情绪平衡
1.0-1.3平衡型最佳状态
0.8-1.0情绪价值主导适合传播引流
<0.8纯情绪价值观点型内容

话题类型判定规则

工具类
  • 标题包含具体工具名(Claude、Gemini、Kimi等)
  • 包含"实测"、"入门"、"拆解"、"便宜"等关键词
  • 内容以操作步骤为主
名人类
  • 标题包含人名(Karpathy、Ilya、Gavin Baker等)
  • 包含"访谈"、"播客"、"观点"等关键词
  • 内容以观点提炼为主
观点类
  • 标题包含"为什么"、"最重要的是"等
  • 包含反常识观点
  • 内容以论证为主
经验类
  • 标题包含"养成记"、"参加"、"从0到1"等
  • 包含个人经历
  • 内容以叙事为主
方法类
  • 标题包含"分享"、"如何"、"方法"等
  • 包含方法论
  • 内容以步骤为主

保存规则

文件命名

[博主名称]_爆款分类整理_YYYY-MM-DD.md

保存路径

爆款话题分析报告/[博主名称]_爆款分类整理_YYYY-MM-DD.md

核心原则

  1. 数据驱动 - 基于真实数据,用数字说话
  2. 可复制性 - 提供具体公式和模板,可直接套用
  3. 行动导向 - 提供创作灵感和选题建议
  4. 系统性 - 全面覆盖所有视频,结构化呈现

平台分布

Codex

34.87%
按下载量换算49

Claude

28.4%
按下载量换算40

Cursor

19.15%
按下载量换算27

Gemini CLI

10.1%
按下载量换算14

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

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