Hao0321/claude-skill-social-post

A Claude Code skill by Hao (駱君昊) that learns your Facebook voice and auto-posts to FB / IG / Threads / X with a 14-day content calendar. Mega-viral validated: 80K reach / 448 likes / 500 comments on first post. Includes Day 2 flop postmortem.

是什麼

claude‑skill‑social‑post 是一個 Claude/Codex「技能」,讓大型語言模型(LLM)能控制本地 Chrome 實例,於 Facebook、Instagram 和 Threads 上起草、審查並(可選地)發布社群媒體貼文。它從提供的範例中學習品牌的「語氣」,規劃內容,撰寫貼文,儲存結果的結構化記錄,並在使用者明確啟用 即時 開關時,透過受控的 Chrome 會話填寫表單並點擊 送出


適合誰

  • 需要社群媒體操作插件的 LLM 驅動助理(Claude、Codex)。
  • 希望擁有可重複、可稽核工作流程,同時將實際發佈步驟保留在人類控制下的 行銷人員或社群經理
  • 希望在不使用 Meta 私有 API 的情況下,實驗 基於瀏覽器自動化驅動的 AI 代理 的開發者。

核心功能(如 README 所述)

功能 作用
語氣學習(P1) 接收一組授權的範例貼文(style_profile.mdcontent_plan.md),提取 SHA‑256 指紋,使模型能模仿品牌的語氣。
內容規劃(P0) 產生內容概要與發布時程,使用者可在任何自動化執行前進行編輯。
起草與發佈(P2) 撰寫貼文,顯示供使用者確認,然後——若 live_browser_actuation_enabled 標誌已開啟——使用受控的 Chrome 會話填寫表單並點擊 送出
結果記錄(P3) 發佈後,工具將評論的完整 HTML、時間戳、語言線索、CTA 等結構化資訊記錄到可後期稽核的 JSON 日誌中。
跨平台分析(P4) 對 FB、IG 和 Threads 的資料進行標準化,以便跨平台比較覆蓋範圍、互動率、語氣一致性等。
評論操作(P5) 提供低階的 Chrome 自動化 API,用於掃描貼文、讀取特定評論,並(可選地)回覆。所有操作均受 金絲雀 標誌保護;預設為只讀。
安全與稽核 每個瀏覽器操作均使用 SHA‑256 哈希簽名,儲存在僅可追加的帳本中,僅當使用者加入 --write 時才可執行。若 Chrome 版本(26.825.51511)或其哈希與捆綁版本不匹配,程式碼將拒絕執行。
測試框架 一組 Python 與 Node 腳本(self_test.pycomment_chrome_actuator_test.mjs 等),在僅本地的 Meta 模擬環境中執行端對端測試。測試模式下所有即時發佈均被停用。

如何使用(快速入門)

  1. 安裝:將 social‑post 資料夾複製到適當的 Claude 或 Codex 技能目錄(~/.claude/skills/~/.codex/skills/)。
  2. 建立私有設定:將範例 Markdown 檔案(style_profile.example.mdcontent_plan.example.md)複製為 style_profile.mdcontent_plan.md,並填入品牌的範例內容。
  3. 執行輔助腳本(Python 用於驗證,Node 用於 Chrome 橋接測試),確保捆綁的 Chrome 執行環境與哈希相符。
  4. 執行工作流程:例如執行 python scripts/comment_assistant.py queue --format json 產生草稿,審查 JSON 輸出,然後使用 --write 執行相同命令,讓 Chrome 實際發佈。
  5. 記錄結果:執行 python scripts/log_outcome.py … 將貼文的 HTML、時間戳、情感標籤等儲存於 JSON 日誌中,供後續分析。

限制與目前狀態(基於 README)

  • 即時發佈預設關閉live_browser_actuation_enabled = false)。僅單一「金絲雀」IG 回覆已驗證;完整的多平台自動化仍處於候選階段。
  • 此工具 僅支援已登入的 Chrome 會話;從不匯出 Cookie 或權杖。
  • 掃描整個動態訊息流 尚未支援——此技能僅能針對透過精確 URL 識別的特定評論。
  • 所有「真實」資料(實際貼文文字、圖片、帳戶名稱等)均 不包含在公開倉儲中;使用者必須提供自己的私有檔案。
  • 內建廣泛的 負面測試(逾時、頁面卸載、權限錯誤),任一檢查失敗將中止操作。

為何重要

  • 展示了 現實世界 LLM 代理模式:模型決定 說什麼,而確定性、可稽核的瀏覽器橋接負責 如何傳遞
  • 隱私敏感的發佈步驟置於人類控制之下,符合禁止透過非官方 API 完全自動發佈的平台要求。
  • 提供 結構化資料管道(SHA‑256 驗證內容、豐富的元資料),可為後續分析或強化學習循環提供支援。

授權

MIT – 可自由使用、修改與重新分發,需註明來源。

相關

  • 專案
  • 專案
  • 專案
  • 專案
  • 專案