Jakeschincariol/linkedin-agent-skill

是什麼

LinkedIn‑agent‑skill 是一組 Claude「技能」（提示範本加上幾個小型 Python 工具）的集合，協助您在不自動將內容發佈至 LinkedIn 的情況下，撰寫與管理 LinkedIn 內容。此專案包含十一個指令，例如 /li‑post、/li‑comment、/li‑profile 等。每個指令會生成一份草稿（貼文、留言、回覆、個人檔案重寫、週計畫、幻燈片輪播、DM 序列、收件箱分類、審計等），然後執行 人類化工具（humanizer），清除不可見字元、規範排版、替換過度使用的企業用語，並在五項啟發式規則（爆發性、具體性、鬆散度、指紋、語氣）上對草稿進行評分。最終輸出是一塊可直接複製貼上至 LinkedIn 的文字區塊——此工具從不使用 LinkedIn API。

如何執行

1. Claude 安裝 – 將 li‑* 技能資料夾複製到 ~/.claude/skills/（或專案本地的 .claude/skills/）。在 Claude 中，您也可以直接貼上專案 URL 來安裝該技能。
2. 可選外掛程式 – 此專案可透過 Claude 的外掛程式市場新增（/plugin marketplace add …）。
3. 人類化腳本 – 兩個 Python 3 腳本（humanize.py 和 detect.py）位於 skills/li‑human/ 中。它們無外部依賴；只需在草稿檔案上執行即可清理內容並查看五項檢查評分。
4. 語氣設定檔 – 在 templates/voice.md（或 ~/.claude/linkedin/voice.md）中填入您自己的寫作風格範例，使生成的草稿更符合您的個人語氣。

核心功能（11 個指令）

指令	用途
/li‑post	將一個想法轉化為三個鈎子選項（基於 21 種公式）和一份完整草稿，然後進行人類化過濾。
/li‑comment	為他人貼文生成上下文感知的留言（九種風格）——從不產生「很棒的貼文！」這類通用留言。
/li‑reply	整理並回覆自己貼文下的留言，依分類（線索、實質、同儕、支援、雜訊）排序，並依此順序起草回覆。
/li‑profile	按 12 項評分標準（滿分 100）評估您的 LinkedIn 個人檔案，並生成一份重寫稿，優先修復得分最低的項目。
/li‑plan	生成一份週發佈計畫，包含發佈時間與十位互動對象名單，儲存為 ~/.claude/linkedin/plan.md。
/li‑human	人類化工具：移除零寬字元、規範標點、替換「鬆散」用語，並執行五項偵測器。
/li‑carousel	建構文件風格的輪播貼文：逐頁文案、吸睛封面圖，以及可直接上傳的 PDF。
/li‑repurpose	將影片、電子報或轉錄稿轉化為一週的獨立 LinkedIn 貼文。
/li‑dm	起草 200 字以內的連絡備註、開場訊息與兩條追蹤訊息，用於推廣。
/li‑inbox	將收到的 LinkedIn 訊息分類為（線索、招聘者、同儕、請求、垃圾訊息），並突出顯示可能暴露自動化的語言。
/li‑audit	分析已發佈的貼文，按互動率與觸及範圍（不僅限於曝光量）進行排名。

「人類化工具」詳解

• 清理步驟 – humanize.py 會移除不可見 Unicode 字元，將 em-dash 轉換為逗號，將引號從曲引號轉為直引號等。
• 詞彙替換 – JSON 檔案（slop.json）列出了 113 個過度使用的企業用語及其平實英語替代詞；您可以編輯它。
• 偵測 – detect.py 會根據五項啟發式規則（爆發性、具體性、鬆散度、指紋、語氣）對草稿進行評分。最終人類評分是加權混合（60 % 平均值，40 % 最差情況檢查），以揭露仍像 AI 生成的草稿。

限制與法律注意事項

• 無自動發佈 – 此工具刻意避免使用 LinkedIn API（個人檔案無法使用），而是提供可複製的文本區塊供手動貼上。這避免了違反 LinkedIn 使用條款。
• 僅本地啟發式 – 五項檢查是簡單的規則基礎指標，而非與商業 AI 檢測服務整合。評分僅為參考，不保證「不可檢測」。
• Python 腳本無依賴，但需要本地 Python 3 解釋器。
• 需要語氣設定檔 – 若未填寫 voice.md，生成的文字將回退至通用風格。

設計者

由 Jake Schincariol（參見 opusjake.ai）所設計。完整說明連結於 README 中。

授權

MIT – 您可自由 Fork、修改與重新分發。