Jakeschincariol/linkedin-agent-skill

是什么

LinkedIn‑agent‑skill 是一组 Claude "技能"（提示模板加上几个小型 Python 工具）的集合，帮助您在不自动发送任何内容到 LinkedIn 的情况下，编写和管理 LinkedIn 内容。该仓库包含 11 个命令，例如 /li‑post、/li‑comment、/li‑profile 等。每个命令生成一份草稿（帖子、评论、回复、个人资料重写、周计划、幻灯片轮播、DM 序列、收件箱分类、审计等），然后运行一个 人类化工具（humanizer），清除不可见字符、规范化排版、替换过度使用的商业术语，并在五个启发式规则（爆发性、具体性、松散度、指纹、语气）上对草稿进行评分。最终输出是一个可直接复制粘贴到 LinkedIn 的文本块——该工具从不使用 LinkedIn API。

如何运行

1. Claude 安装 – 将 li‑* 技能文件夹复制到 ~/.claude/skills/（或仓库本地的 .claude/skills/）。在 Claude 中，您也可以直接粘贴仓库 URL 来安装该技能。
2. 可选插件 – 该仓库可通过 Claude 的插件市场添加（/plugin marketplace add …）。
3. 人类化脚本 – 两个 Python 3 脚本（humanize.py 和 detect.py）位于 skills/li‑human/ 中。它们无外部依赖；只需在草稿文件上运行即可清理内容并查看五项检查评分。
4. 语气配置文件 – 在 templates/voice.md（或 ~/.claude/linkedin/voice.md）中填写您自己的写作风格示例，使生成的草稿更符合您的个人语气。

核心功能（11 个命令）

命令	用途
/li‑post	将一个想法转化为三个钩子选项（基于 21 种公式）和一份完整草稿，然后进行人类化过滤。
/li‑comment	为他人帖子生成上下文感知的评论（九种风格）——从不生成“很棒的帖子！”这类通用评论。
/li‑reply	整理并回复自己帖子下的评论，按类别（线索、实质、同行、支持、噪音）分类，并按此顺序起草回复。
/li‑profile	按 12 项评分标准（满分 100）评估您的 LinkedIn 个人资料，并生成一份重写稿，优先修复得分最低的项目。
/li‑plan	生成一份周发布计划，包括发布时间和十位互动对象名单，保存为 ~/.claude/linkedin/plan.md。
/li‑human	人类化工具：移除零宽字符、规范化标点、替换“松散”用语，并运行五项检测器。
/li‑carousel	构建文档风格的轮播帖：逐页文案、吸引眼球的封面图，以及可直接上传的 PDF。
/li‑repurpose	将视频、新闻稿或转录稿转化为一周的独立 LinkedIn 帖子。
/li‑dm	起草 200 字以内的连接备注、开场消息和两条跟进消息用于推广。
/li‑inbox	将收到的 LinkedIn 消息分类为（线索、招聘者、同行、请求、垃圾信息），并突出显示可能暴露自动化的语言。
/li‑audit	分析已发布的帖子，按互动率和覆盖范围（不仅限于曝光量）进行排名。

人类化工具详解

• 清理步骤 – humanize.py 会移除不可见 Unicode 字符，将 em-dash 转换为逗号，将引号从曲引号转为直引号等。
• 词汇替换 – JSON 文件（slop.json）列出了 113 个过度使用的商业术语及其平实英语替代词；您可以编辑它。
• 检测 – detect.py 会根据五个启发式规则（爆发性、具体性、松散度、指纹、语气）对草稿进行评分。最终人类评分是加权混合（60 % 平均值，40 % 最差情况检查），以揭示仍像 AI 生成的草稿。

限制与法律说明

• 无自动发布 – 该工具有意避免使用 LinkedIn API（个人资料不可用），而是提供可复制的文本块供手动粘贴。这避免了违反 LinkedIn 用户协议。
• 仅本地启发式 – 五项检查是简单的基于规则的指标，而非与商业 AI 检测服务集成。评分仅为参考，不保证“不可检测”。
• Python 脚本无依赖，但需要本地 Python 3 解释器。
• 需要语气配置文件 – 若未填写 voice.md，生成文本将回退到通用风格。

作者

由 Jake Schincariol（参见 opusjake.ai）创建。完整说明链接在 README 中。

许可证

MIT – 您可自由 Fork、修改和重新分发。