Token导航 LogoToken导航

Agent Skill · 开发

li-opening(李开口)

li-opening 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-opening 是开发类 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,按安装量在开发类的 21,746 个 Skill 里排第 20,641。

总安装 217周安装 17GitHub Stars 27下载 140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-opening(李开口)
来源仓库:https://github.com/jiangjiax/li-skills
仓库路径:skills/li-opening
安装命令:
npx skills add https://github.com/jiangjiax/li-skills --skill li-opening
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-opening

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

li-opening 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-opening。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-opening

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-opening;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-opening 怎么安装?

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

li-opening 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-opening 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-opening 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-opening 用的人多吗?

公开数据是累计安装 217 次,近一周安装 17 次,下载 140 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-opening 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。
  • 需要处理开发类任务、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。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
li-opening

李开口 · 本页

21727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

开头钩子优化器

基于鲤哥Builder 5个爆款视频(点赞800-3222,收藏544-5260)的开头分析,优化视频脚本的开头钩子。

核心信念:写不出好开头,80% 是因为内容本身有问题,另外 20% 是因为你在从自己的视界说话,而不是观众的视界。 优化开头之前必须先通过这两道门。


工作流程


第 0 关:内容质量守门(优先于一切)

先诊断内容本身,再谈开头。

内容完整性
情况处理
只有选题/标题,没有正文停止。 「开头是内容的试用装。你连内容都没有,优化开头没有意义。先把正文写出来。」
正文不足 200 字警告。 「正文太短,开头会撑不住。建议先丰富内容。」可以继续,但标注风险。
正文全是废话,没有实质素材停止。 「没有可用素材,开头做不出来。先把内容做扎实。」
素材扫描

从正文中找素材(符合 2 项以上才能继续):

  • 数据:大数字/对比数字/百分比(如:3222点赞、完播率14.1%、2分钟内)
  • 故事:之前 vs 之后,反差越大越好
  • 金句:能独立成立的观点,有记忆点
  • 权威:人物/机构(Anthropic、字节、500强)
  • 痛点:目标人群的真实挫败经历

符合 0-1 项 → 停止。 「你的内容没有素材,写不出好开头。先补充数据、故事、金句或痛点。」

符合 2 项 → 可以优化,效果有限。 提示用户最好补充更多。

符合 3 项以上 → 继续第 1 步。


第 1 步:视界诊断(必须先于模板选择)

这是我们最核心的独家框架,解决大多数开头优化工具发现不了的隐蔽问题。

为什么有的开头"够具体"还是让人划走?

类型 A — 太模糊:「最近 AI 很火」 → 普通开头优化工具能发现并修复

类型 B — 具体但对错了人:「我说了一句'红手指脚本写完了'」 → 普通检查清单无法发现,反而误判为"够具体,通过" → 更隐蔽,危害更大

哲学根源

维特根斯坦的语言游戏:词语只在共享的"生活形式"里有意义。「红手指脚本写完了」在创作者的语言游戏里语义完整;对陌生观众,这些符号没有所指,无法触发任何感知。

伽达默尔的视界融合:沟通不是"发送信息",而是两个视界相遇。开头如果从创作者的视界出发,观众的视界无法与之接触——没有融合,只有滑走。有效的开头是:从观众已有的视界出发,再把他们引向创作者的视界。

卡尼曼的系统 1:大脑在 0.3 秒内完成模式匹配。遇到无法归类的专有名词,系统 1 直接判定"与我无关"然后划走。情绪劫持必须发生在理解之前。

诊断操作
创作者的视界(❌ 不能作为第一句)观众的视界(✅ 第一句的起点)
项目名称、客户代号("红手指")普遍的挫败经历
内部工具名称("li-planning系统")广泛认知的工作痛点
创作者的个人历史"用过 AI 的人都遇到过"的情境
只有内部人能理解的细节任何人能 0.3 秒代入的场景

判断标准:一个从未看过你视频的陌生人,读完第一句话,他能代入自己的经历吗?

  • 能代入 → 视界对齐,进入第 2 步选模板
  • 不能代入 → 视界错位,先做"视界前移"
视界前移操作

原则:第一句话描述观众的感受,不是创作者的行动。

❌ 创作者视界开场:

我说了一句"红手指脚本写完了",AI没有问我改哪里……

✅ 观众视界开场:

用 AI 管理任务,最烦的一件事是——你说完,它还要问你"确认一下,你要我改哪里?"

然后把创作者的具体情境作为"印证案例"带出:

上周我遇到了一个例外:我说了一句"脚本写完了",它没问,直接同时更新了我的待办清单和商单追踪表。

顺序是:观众的普遍痛点 → 创作者的具体案例,不是反过来。


第 2 步:诊断当前开头(如果有)

如果用户提供了开头,先诊断问题,给出诊断报告再生成方案:

诊断维度检查项常见问题
视界第一句从观众视界出发吗?从创作者私有背景出发,陌生人无法代入
独立性不看标题能理解吗?假设观众看了标题,缺少话题建立
认知冲突有没有"简单vs复杂"或"常识vs真相"的反差?平铺直叙,没有冲突
悬念有没有直接给答案?开头就说结论,没有好奇心
可信度为什么听你讲?没有建立权威/成绩/经验
口播友好能直接念出来吗?书面语、抽象概念
匹配度开头承诺的,正文能兑现吗?开头问 A,正文讲 B

输出:

## 当前开头诊断

**开头**:[用户的开头]

**问题**:
- 视界:[通过 / 需要前移:具体问题]
- 独立性:[通过 / 问题描述]
- 认知冲突:[通过 / 问题描述]
- 悬念:[通过 / 问题描述]
- 可信度:[通过 / 问题描述]
- 口播友好:[通过 / 问题描述]
- 匹配度:[通过 / 问题描述]

**核心问题**:[最严重的 1-2 个问题]

第 3 步:三路并发生成(10-15 条)

只有通过第 0 关的内容守门,才执行这一步。

用三条路径基于我们的爆款模板并发生成开头,每路 3-5 条,总共 10-15 条。


路径 A:最优模板直接应用(素材提取)

识别内容类型,选择最匹配的爆款模板,提取正文里最强的素材生成 3-5 条开头。

内容类型 → 模板对应关系:

  • 教程/安装/使用型 → 模板1(用户需求型)
  • 观点/原理型 → 模板2(认知颠覆型)
  • 新工具/新功能 → 模板3(功能价值型)
  • 实测/评测型 → 模板4(真实案例型)
  • 实用资源分享、创作者风格偏直接 → 模板5(开门见山直给型)

按模板结构生成 3-5 条,素材必须来自正文,不虚构。


路径 B:素材增补版

如果路径 A 的素材不够冲击力,主动增补能用的素材:

可以增补的类型:

  • 真实数据或可以核实的结果(如:「我连线了 300 个人发现…」)
  • 具体的对比场景
  • 同类型已有的爆款数据作为背书

规则:增补必须是真实可信的。增补的开头后面标注「⚠️ 需你确认素材是否真实」。

生成 3-5 条。


路径 C:悬念重构版

把正文的核心结论改成问题,用悬念驱动观众看完:

原则:

  • 不要直接给答案,把结论改成问题
  • 用「为什么」而不是「证明了」
  • 用「你发现了吗」而不是「结论是」

鲤哥风格悬念公式:

  • ❌「AI幻觉厂商故意不解决」(直给答案)
  • ✅「厂商明明能解决AI幻觉,为什么故意不这么做?」(制造悬念)

生成 3-5 条。


第 4 步:输出方案 + Top 3 推荐

## 开头优化方案(共 X 条)

### 路径 A:最优模板应用(X 条)
| 序号 | 开头 | 说明 |
|-----|------|------|
| A1 | [开头] | [使用了哪个模板,提取了哪个素材] |
| A2 | [开头] | [...] |

### 路径 B:素材增补版(X 条)
| 序号 | 开头 | 说明 |
|-----|------|------|
| B1 | [开头] | [增补了什么 ⚠️ 需确认] |
| B2 | [开头] | [...] |

### 路径 C:悬念重构版(X 条)
| 序号 | 开头 | 说明 |
|-----|------|------|
| C1 | [开头] | [把什么结论改成了悬念] |
| C2 | [开头] | [...] |

---

## Top 3 推荐

**推荐 1**:[开头]
- 模板:[模板名称]
- 理由:[为什么推荐,对应爆款数据:如「用户需求型在点赞3222的视频上验证有效」]

**推荐 2**:[开头]
- 模板:[模板名称]
- 理由:[...]

**推荐 3**:[开头]
- 模板:[模板名称]
- 理由:[...]

爆款模板库(第 3 步生成时使用)

模板1:用户需求型(最高频,教程类首选)

公式:[用户问题] + [颠覆性解法] + [时间承诺/降低门槛]

[上期/最近]我的[XX视频]发出后,评论区[很多人/有人]问"[具体问题]"。

其实[颠覆性方法],[AI/工具]就能帮你[自动完成]!

今天用[X分钟],分享给你一个[XX]的[极简/万能]方法,这个方法我个人认为是最适合[小白/XX人群]的,不只是[当前工具],[其他场景]也能这样操作。

核心特征:

  • ✅ 真实的用户需求(评论区、经常有人问)
  • ✅ 认知冲突(「只需要说两句话」vs「复杂安装」)
  • ✅ 具体时间承诺(2分钟、3分钟)
  • ✅ 降低门槛(极简、小白也能学会)

验证数据:《2分钟装好ClaudeCode》点赞3222,收藏5260


模板2:认知颠覆型(高互动,观点/原理类)

公式:[常识/痛点] + [颠覆性观点] + [承诺讲透]

如果你[做过XX/用过XX],你应该会发现,[痛点描述]。

很多人问我"[常见问题]",但这其实是个错误的问题。

真相是:[颠覆性观点]。

今天我用[X分钟]把这事儿讲清楚——不是给你讲[理论术语],而是告诉你:[核心价值]。

核心特征:

  • ✅ 制造认知冲突(常识 vs 真相)
  • ✅ 颠覆性观点(「故意不解决」)
  • ✅ 承诺讲透(3分钟讲清楚)
  • ✅ 个人立场(我认为、我发现)

验证数据:《3分钟搞懂AI幻觉》点赞748,收藏544,完播率14.1%


模板3:功能价值型(适合新工具/新功能)

公式:[工具/功能介绍] + [核心价值/降低门槛] + [实战承诺]

今天带大家上手一个[平台/工具]推出的[超实用/强大]功能——[功能名]。

和大多数[同类工具]不同的是,它可以让你[核心价值1],不需要[门槛1],也不需要[门槛2]。

这期视频就手把手带大家做一个实战案例,用[功能名]做一个[具体案例]。

验证数据:《3分钟上手Agent Skills》点赞513,收藏892


模板4:真实案例型(适合实测/评测)

公式:[核心能力宣布] + [过去局限] + [转折点] + [实测结果]

[工具/技术][核心能力]了!

我对[领域]的能力一直[态度],老粉都知道。

但说实话啊,[过去的局限性]。

但最近啊,[转折点]。

今天我用[工具]做了个实测:[具体内容]。测完之后我的第一反应是:[核心发现]。

模板5:开门见山直给型(实用资源,直接风格)

公式:[工具/内容是什么] + [我做了什么/你能拿到什么] + [时间承诺]

什么时候用:内容本身有明确实用价值(工具、方法、开源资源);创作者风格偏直接。

今天分享[工具/内容]。我在上面做了[具体成果]——
[具体点1];
[具体点2]。
[开源/免费],可以直接拿去用。[X分钟],演示一下。

示例:

今天分享阿里的开源AI助理CoPaw。我在上面做了两个自媒体专用skill——第一个是扔视频链接自动拿逐字稿,用来研究爆款结构;第二个是让它每两小时主动来问我内容进度,自动记录汇总。两个skill都开源了,可以直接拿去用。3分钟,演示一下。

避坑指南(所有模板通用)

  • ❌ 不要说「最近XX很火」——空泛,没有吸引力
  • ❌ 不要编造用户需求——「评论区很多人问」必须是真的
  • ❌ 不要用权威姿态——「教你」「指导」
  • ❌ 不要过度承诺——「只需要说两句话」必须是真的
  • ❌ 不要假设观众知道工具——先说价值,再说工具名

示例:OpenClaw安装教程开头优化

优化前:

最近OpenClaw很火,评论区有人问"openclaw怎么样"、"听说openclaw很好用"。
我试了一下,确实不错。
OpenClaw可以通过skills自动化各种任务,比如自动搜索文章、管理GitHub、创建飞书文档,甚至可以接入手机远程控制。
今天分享一下怎么装。
其实不用看教程,直接让AI帮你装就行了!用3分钟,分享给你一个AI工具的极简安装法,这个方法我个人认为是最适合小白的,不只是OpenClaw,其他AI工具也能这样操作。

问题诊断:

  • ❌ 「最近OpenClaw很火」——空泛
  • ❌ 核心方法(AI装AI)埋得太深,放在了最后
  • ❌ 假设观众知道OpenClaw

三路生成后的Top 3:

路径A(模板1):

装AI工具,不用看教程,直接让AI帮你装。我用这个方法3分钟装好了OpenClaw。今天用3分钟,分享给你一个AI工具的极简安装法,最适合小白,不只是OpenClaw,其他AI工具也能这样操作。

路径C(悬念版):

安装AI工具,你通常要花多长时间?有没有可能让AI帮你装AI?我试了一下,3分钟装好了OpenClaw——不用看教程,直接让AI帮你装。

路径A(模板5直给版):

今天分享OpenClaw——一个可以通过skills自动化任务的AI工具,可以搜文章、管GitHub、建飞书文档,甚至接入手机远程控制。AI帮你装,3分钟,演示一下。

语言

  • 用户用中文就用中文回复,用英文就用英文回复
  • 中文回复遵循《中文文案排版指北》

平台分布

Codex

37.21%
按下载量换算52

Claude

28.2%
按下载量换算39

Cursor

18.77%
按下载量换算26

Gemini CLI

8.76%
按下载量换算12

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