claude-skills

我（王建硕）日常在 Claude Code 里用的 skills。

Auto-mirrored from ~/.claude/skills/ by a PostToolUse hook — 每次我编辑 wjs-* skill，对应目录会被 rsync 到这里并推送到 GitHub。 Hook 源码：~/.claude/skills-publish-hook.sh

前置:安装 Claude Code / Install Claude Code

这些 skill 跑在 Claude Code 里,所以先装 Claude Code。

# 方式 1:npm 全局安装(推荐,需要 Node.js ≥ 18)
npm install -g @anthropic-ai/claude-code
claude            # 启动

# 方式 2:不装,直接用 npx 跑一次
npx @anthropic-ai/claude-code

# 方式 3:原生安装脚本(无需 Node.js)
# macOS / Linux
curl -fsSL https://claude.ai/install.sh | bash
# Windows (PowerShell)
irm https://claude.ai/install.ps1 | iex

装好后在任意项目目录运行 claude 即可。首次启动会引导登录(Claude 账号或 API key)。 升级:claude update(原生安装)或 npm update -g @anthropic-ai/claude-code(npm 安装)。

安装 Skills / Install Skills

# 方式 1:从 ClawHub 装单个 skill
clawhub install wjs-transcribing-audio

# 方式 2:把整个仓库作为 Claude Code marketplace
claude plugin marketplace add jianshuo/claude-skills
claude plugin install wjs-transcribing-audio

# 方式 3:直接 clone 到 skills 目录
git clone https://github.com/jianshuo/claude-skills ~/.claude/skills/wjs

兼容性 / Compatibility

SKILL.md 是 Anthropic 公开的 skill 格式标准（2025 年 10 月发布，2025 年 12 月被 OpenAI Codex 采纳），所以这套 skill 同样适用于:

• Claude Code — 主要测试和使用环境
• OpenAI Codex CLI — 2025-12+ 起兼容
• Cursor / Gemini CLI / Goose — 生态在跟进

第三方分发平台:ClawHub · SkillsMP（自动索引）

这些 skill 是什么？

Claude Code skill 是一个带 frontmatter 的 SKILL.md 文件 + 一组脚本。当用户的请求匹配 skill 描述里的触发词（"翻译字幕"、"做封面"、"上传 YouTube"……）时，Claude 会自动加载这个 skill 并按里面写的流程执行。

这套 skill 大致围绕 「视频创作 + 公众号写作」 工作流：从原始拍摄素材 → 多机位对齐 → 自动剪辑 → 翻译配音 → 后期合成 → 平台分发。每个 skill 都做一件事，可以单独调用，也可以串成完整流水线。

命名约定：所有 skill 以 动名词（V-ing） 开头 —— transcribing-audio / dubbing-video / editing-multicam —— 描述「正在做什么动作」，方便和 Claude 自动加载逻辑对齐。

安装 & 使用 / How to Install

把任意一个 skill 目录复制到 Claude Code 的 skills 目录即可：

# 全局安装（所有项目都能用）
cp -r wjs-transcribing-audio ~/.claude/skills/

# 项目级安装（只在当前项目可用）
cp -r wjs-transcribing-audio ./.claude/skills/

装好后用触发词自然说话（如「转写这个视频」、「做 SRT」），或用斜杠命令 /wjs-transcribing-audio 显式调用。不需要重启 Claude Code，技能即时生效。

Skills 总览

1. 公众号 / WeChat

wjs-publishing-wechat

帮我写 / 润色微信公众号文章，并自动生成配套素材。

• 轻润色，不重写。 保留作者语气和节奏，只改错字、调段落、抚平特别拗口的句子。
• 自动生成 题图（cover）（900×383，2.35:1）和 解释图（illustration）（比例由内容决定，模型自选）。
• 自动生成标题候选、摘要（「好奇缺口」式，勾住读者）、可直接粘贴到 mp.weixin.qq.com 的 HTML。
• 每篇正文必须有 2–4 处红色标注（<span style="color:#ff0000;">…</span>），打在点睛句和核心概念词上；**加粗** 语法已弃用。
• 通过 md2wechat 上传草稿到公众号后台，自动在文末注入最近已发布文章链接列表（upload-draft.sh 驱动，支持 WECHAT_PUBLISH_NO_RECENT=1 关闭）。

触发词：写一篇微信文章 / 公众号 / 润色 / 题图 / 发公众号

wjs-mining-articles

把一个视频的 SRT（独白或对谈）挖掘成多篇独立的微信公众号文章。

• 口语是矿，文章是提炼的金属。 识别字幕里 2–6 个各自独立、各自值得成文的话题，每个话题长成一篇 800–1000 字的公众号文章。
• 支持独白和对谈两种源。 对谈模式先让用户确认哪一方是王建硕，只提炼他的观点；自动跳过调麦克风、寒暄、离席等非正片段落。
• 生成每篇文章的微信草稿（对接 wjs-publishing-wechat 上传），可选再排期发到 X。

触发词：把这个视频写成文章 / 从字幕里挖文章 / 这个 SRT 能写几篇 / 把对谈写成文章 / /wjs-mining-articles <srt>

wjs-mining-voicedrop

把 VoiceDrop iOS app 上传到 R2 收件箱（jianshuo.dev/files）的语音备忘，自动转写并挖掘成公众号文章草稿。这是 VoiceDrop 的 Mac 端闭环：开口即录、停即上传，回到桌面就有草稿等着。

• 不重写任何流程：收件箱进出（列 / 下载 / 删）和逐条编排由本 skill 负责，转写交 wjs-transcribing-audio，成文交 wjs-mining-articles。
• R2 当收件箱：处理完成才从 R2 删，失败 / 未出草稿 / 用户未勾选 → 保留在 R2，下次再来。串行处理，一条彻底跑完再下一条，避免收件箱状态混乱。
• 唯一新增代码：scripts/voicedrop-inbox.sh（list / download / delete）。

触发词：处理 VoiceDrop 录音 / 把新录音挖成文章 / 口述备忘变文章 / 处理一下我的录音 / /wjs-mining-voicedrop

wjs-voicedrop

VoiceDrop 的 MCP 接入入口。所有实际功能（文章、文风、挖矿、社区……）都在 voicedrop.cn/mcp 的 44 个 MCP 工具里；本 skill 唯一的工作是把你接上去。

• 接上了？直接用工具。 会话里已有 list_articles、read_style、community_feed、credit_balance 等工具时，无需阅读 SKILL.md，直接调用。
• 还没接上？走两步登录： 用 MCP 的 login 工具完成 6+4 手机配对——先用手机 设置 → 账户 里的 6 位十六进制码发第一步，手机弹出 4 位数字码后发第二步，拿到 anon_ 令牌后接进客户端。
• MCP 覆盖的 44 个工具：文章读写与版本、文风与蒸馏、挖矿与重写、社区与投币、算力余额与账单、分享 / 公众号 / 小红书、书架读书与写书修书等。工具说明以 MCP 自身描述为准。

触发词：voicedrop / voicedrop 登录 / 接 voicedrop mcp / voicedrop token / /wjs-voicedrop

wjs-evaling-voicedrop-prompts

评估 VoiceDrop 挖矿 prompt 的改版是否真的更好。用一组金标集对「冠军 prompt」（当前生产版）和「候选 prompt」（改版）跑相同输入，派盲评裁判 agent 做成对比较，汇总胜率报告——胜率 ≥ 70% 且无确定性回退，才在用户确认后晋级生产。

• 盲评协议：A/B 顺序随机（一半 fixture 把候选放 A，一半放 B），每条由与生成模型不同家族的裁判模型独立评分，完全消除位置偏见。
• 判决维度（references/judge-rubric.md）：结构完整性、王建硕文风还原、事实骨架保留、句子节奏、段落密度——每维 1–5 分 + 理由。
• 晋级门槛：胜率 ≥ 70% + 无 JSON 格式回退 + 用户点「认可」，三者缺一不可；候选写回 mine.js 后自动跑 npm test 确认无破坏。
• 不做无人值守、不测成本/延迟、不评审核或语音编辑 prompt。

触发词：评估 prompt / 挖矿 prompt 改好了吗 / eval prompt / 比一比两版 prompt / /wjs-evaling-voicedrop-prompts

wjs-voicedrop-choosing-cover

给一篇 VoiceDrop 文章做两个决定：配不配题图，以及用哪种风格的 prompt 生成。

• 真照片优先：文中有 [[photo:KEY]] 实拍且与主题相关 → 直接指出用哪张当封面，不写 AI prompt。
• 四步流水：① 配不配（实拍 / 无照片 / 极短文）→ ② 按文章气质选风格（思辨 / 生活随笔 / 怀旧 / 科技 / 幽默 / 哀伤 共 6 种）→ ③ 拼 prompt（比例 2.45:1 / 1568×640，标题 6–10 字，带避免清单）→ ④ 出图（仅用户要求时）。
• 固定输出契约（每篇 3–4 行）：判断 → 风格 → Prompt（或封面裁切建议）。
• 内置防呆 Red Flags：连续同风格、文中有实拍还写 AI prompt、规格混错（900×383）、哀伤文卡通化 —— 任一触发即打回重来。

触发词：这篇要不要配题图 / 选个题图风格 / 给这篇出个题图 prompt / choosing cover / /wjs-voicedrop-choosing-cover

wjs-voicedrop-post-processing

VoiceDrop 新文章的自动后处理——由 launchd com.jianshuo.voicedrop-postprocess 每 5 分钟轮询触发，以文章 stem 为参数无人值守地运行。

• 守护进程模式：通过 claude -p（headless）调用，voicedrop MCP 预先接好；读文章 / 写版本工具可用，发布、删除类工具在调用方已禁用。
• 当前是骨架版：验证正文非空、标题存在，完成后输出 postprocess ok: <stem> — <标题>（<字数>字）。
• 可扩展：第 2 步占位符可替换为配图 / 打标签 / 质量评分 / 生成摘要等动作，轮询器无需改动。
• 幂等：读失败自动重试一次，再失败以非零退出（轮询器下一轮重试），绝不发布、删除或修改文风库。

触发词：/wjs-voicedrop-post-processing <stem>（守护进程直接调用，不走自然语言触发）

wjs-voicedrop-reading-aloud

把文字（段落、文件、URL 或 VoiceDrop 文章）重写成有声书朗读脚本，再用火山引擎豆包 seed-tts-2.0 合成 mp3。核心不是照字念，而是编排：不同性质的内容（正文叙述、引用、大白话吐槽）分配不同音色，关键转折处加表演指令，合成后 SendUserFile 发回。

• 编排即再创作：洗掉 markdown 视觉残留，把表格列表改成口语句，标题化进过渡句，主声贯穿全篇，引用/吐槽换声——声音切换是给听众的「格式信号」，等价于视觉上的引用块。
• 合成工具：~/code/volcano-tts/tts.py --script 模式，支持 @voice 声道切换和 [表演指令] 嵌入；只用 _uranus_bigtts 后缀音色（seed-tts-2.0），裸 API 会把标注原样念出来。
• 验收：afinfo out.mp3 对时长；疑似标注被念出来时用 ASR 抽查。

触发词：做成有声书 / 朗读出来 / 读给我听 / 念出来 / read aloud / /wjs-voicedrop-reading-aloud

2. 文章转视频 / Article to Video

wjs-converting-text-to-video

把一篇公众号 article.md 做成 1080×1920 竖屏、30–90 秒 的中文解说短视频，直接发视频号 / 抖音 / 小红书 / YouTube Shorts。

• TTS 旁白：默认阿虎对话（Volcano 火山引擎 zh_male_ahu_conversation_wvae_bigtts），5–10 个 narration chunk，每段 3–12 秒
• HyperFrames CSS/GSAP 动画：按文章论证结构拆成 5–10 个视觉 scene，16 种模板（Hero / Contrast / List / Stat / Quote / 几何装饰）按强制配比混搭
• 抽象水彩背景：GPT Image 2 生成 bg.png（6 种 theme 可选：tech / personal / reflection / growth…），blur 30 柔化后作全片基底
• Scene Mix Rule（强制）：≥4 种模板类型、≥1 个 color-flip、字号跨度 ≥240px、≥2 次节奏切换——防止"平铺直叙 slideshow"
• 转场 SFX：tick（切场）/ chime（列表亮项）/ bell（climax 词，全片最多 1 次）
• YouTube 日推：cron 每天 10:00 自动上传最多 5 个 MP4；portrait 自动标 #Shorts

触发词：把这篇文章做成视频 / 做一个解说视频 / 讲解视频 / /wjs-converting-text-to-video

wjs-creating-video-book

把一本书做成 按章节的 1920×1080 横屏 YouTube 视频，给"听书"的观众。

• 听为主，看为辅：音轨是 VoiceDrop 读书的完整章节 mp3（不重新 TTS）；每章提炼 1–3 个核心中心思想，配一张 GPT Image 2 插画（editorial illustration / 水彩）+ Ken Burns 缓推 + 段间 1s 交叉淡化。
• 文字叠加：每个中心思想大字（≤12 字）+ 一句阐释，Pillow 渲染后 1s 淡入淡出叠在画面上，落位左下角（留白预留）。
• 全书一个视觉风格：style.md 统一媒介、色调、光线气质，章与章之间画风一致。
• 章节评论：上传后把全文文稿以「置顶主评论 + 分节回复」的形式挂在视频下，供听众对照阅读。
• 版权提示：整章朗读原文仅适用于公版书或用户拥有权利的书；在版权书发布前会先向用户确认。

触发词：把这本书做成视频 / 有声书做成视频 / 讲书视频 / book video / /wjs-creating-video-book <书名>

wjs-voicedrop-creating-motion-book

把 VoiceDrop 书架上的整本书做成分章解说动画。口播直接用书架「听本章」那份完整朗读 mp3（不另写稿、不新花 TTS 钱），画面由 Canvas 逐帧动画引擎生成，画风按书的内容气质自动选型（已有套件 kurzgesagt / banknote 可直接复用）。

• 默认竖屏 1080×1920@30（视频号 9:16），交付 HTML 播放器；用户要 MP4 才渲（macOS 本地）。
• 10 步流水线：取书 → 选画风 → 建工程 → 取口播/ASR → 分章并行制作 → 总装 → 冒烟检查 → 审片 → QA → HTML/MP4 交付。
• Tokyo VPS 一键无人值守：bash cloud/run_book.sh <slug> 开 Vultr 机器 → Claude Code 自动做到 HTML → 发布到书架 /books/<slug>/video/ → 销毁机器，整本约 1–2 小时。
• 线上入口：任何人打开 voicedrop.cn/books/<slug>/video/ 会自动触发后台下单，书架已有时直接播放；lab.jianshuo.dev/api/video-book?slug= 可查进度。
• 口播零成本复用：听书缓存命中不花钱；只改了几镜时 HTML 重打包不到 1 秒。

触发词：把这本书做成动画 / 做成艺术动画片 / 读书动画 / 听书配动画 / motion book / /wjs-voicedrop-creating-motion-book <书名>

3. 视频本地化 — 字幕 + 翻译 + 配音

一条 「转写 → 翻译 → 配音 → 烧字幕」 的四步流水线。每一步都是独立 skill，可以单独跑，也可以让 wjs-localizing-video 这个 orchestrator 串起来跑完整流程。

wjs-transcribing-audio

中文走豆包（Volcano）ASR，其它语言走 OpenAI Whisper word-level timestamps + 自己重新组装 cue。所有 cue 都按标点切，避免句子被切到一半。

wjs-translating-subtitles

纯文本，不碰音视频。简体中文 / 英文是 first-class targets。重切逻辑保证每条字幕都在真正的句号 / 问号 / 感叹号处结束。可输出单语 SRT 或双语 SRT。

wjs-dubbing-video

按 voice ID 路由：中文 → 豆包 TTS，其它语言 → edge-tts neural。默认单说话人，opt-in 视觉 diarization 做多说话人多音色。只产出 dub 音轨，不做最终合成。

wjs-burning-subtitles

本地化流水线的终点。一次 ffmpeg 编码同时做：烧字幕（libass）、把 dub 混进来、把原音降低音量作为底噪保留。不走级联——避免多次重编码掉画质。当 Homebrew 的 ffmpeg 不带 libass 时，会自动下载 evermeet 的静态构建。

wjs-localizing-video（orchestrator）

当用户说 「完整本地化」 时用这个总编排器。单步需求请直接用上面四个之一 —— boundary 更清楚也更快。

4. 多机位拍摄 → 自动剪辑

wjs-syncing-multicam

同一事件、不同设备拍的 N 路素材，用 音频互相关 算出每个文件相对共同时间轴的偏移。实现由开源的 [`polysync`](https://pypi.org/project/polysync/) pip 包承载（pip install polysync），通过 polysync sync 命令驱动。

• 关键设计：sidecar over re-encode。 不生成 _synced.MOV，只输出每个原始文件旁边一份 .sync.json。原片永不被改写、不被复制、不被重编码。
• 75 分钟 3 机位 4K 拍摄 = 60+ GB，重编码同步会让磁盘翻倍且画质下降。Sidecar 是无损可逆元数据。
• 多探针漂移检测 + 线性拟合 —— 校正相机时钟间 5–50 ppm 晶振偏差，保证长节目末尾不跑偏。
• 自动选最响音频轨（处理 Sony FX6 MXF 等多轨文件中 a:0/a:1 静音的边界情况）。
• 下游用 ffmpeg -itsoffset 在消费侧应用偏移；polysync verify 做独立残差校验。

wjs-editing-multicam

读 sidecar，自动剪辑成单条 MP4。决策完全由 每秒音频能量 驱动 —— 哪个机位的麦最响，就切到哪个。实现由 [`polysync`](https://pypi.org/project/polysync/) 驱动（polysync edit 生成 EDL，polysync render-cuts / render-pip 渲染）。

• 硬切（无 crossfade）+ 可选的 picture-in-picture 小窗（render-pip）。
• 音频可选单机位麦（默认）或 --duck-audio 说话人门控混音——每秒保留当前说话人的领夹麦、压低其余麦，消除串音和底噪。--audio-cams 限定门控范围，排除宽景/空间感声道。
• 原生支持 Sony S-Log3 → Rec.709 套 LUT（--log slog3）、逐机位旋转（--rotate 1:90）、竖屏输出（--width 1080 --height 1920 --fill）。
• 不做人脸 / 取景识别 —— 那是 wjs-overlaying-video 或 HyperFrames 的事。

5. 长视频拆条 + 后期 + 横竖屏

wjs-segmenting-video

长访谈 / 讲座 / 播客 → 3–6 段独立可看的短片。

5 步流水线（每步也能独立跑）：

1. Agent 读 SRT 决定话题边界
2. Stream-copy 切原视频（不重编码）
3. 给每个 clip 用 gpt-image-2 生成封面（标题烤进图里）
4. 把封面作为 1.5 秒 title card 拼到 clip 前面
5. libass 烧字幕

只做切 + 裁 —— 封面 / 字幕 / 动画 / CTA 交给下游 `wjs-overlaying-video`。

wjs-overlaying-video

视频后期。基于 HyperFrames —— 一个 HTML/CSS 的视频合成框架。在同一份 HyperFrames 工程里加：

• AI 生成封面作为首帧
• HTML/CSS captions（kinetic、逐词高亮、自定义字体）按 SRT 同步
• hook moment 的 kinetic illustration
• 章节 chip / 片尾 CTA / lower-thirds

所有元素在一次最终编码里渲染，不做级联。

wjs-reframing-video

横竖屏互转 —— 裁切 而不是缩放或加黑边。

• 16:9 → 9:16（发抖音 / 视频号 / 小红书 / YouTube Shorts / TikTok / Reels）
• 9:16 → 16:9（竖屏手机视频转横屏播客）
• 4:3 ↔ 3:4 也支持
• 用 MediaPipe FaceLandmarker + 嘴部张合度方差找 真正在说话 的人（不是最大或最 confident 的脸）
• 段落间 硬切，不做 smooth pan（更像真人剪辑）
• 输出 .crop.json 记录裁切计划，原片不动

6. 分发 / 上传 / 推广

wjs-uploading-video

批量上传成片到 YouTube（王建硕频道）。

• 读取 sibling UPLOAD_META.md 拿每个视频的 title / description / tags（用户自定义的 markdown 格式）
• 在 SOCKS/HTTP 代理后能用 —— 直接走 requests 做 resumable upload，避开 google-api-python-client 的 MediaFileUpload 在该代理下卡死的问题
• 不支持微信视频号（无公开 API）/ 抖音 / 小红书 / B 站

wjs-tweeting-from-articles

每天一条 X tweet，灵感直接从最近发布的公众号文章里萃取。

• 自动找到最近一篇还没推过的文章（7 天内按日期倒序）
• 从文章里起草三条候选（A 金句 / B 核心比喻 / C 认知反差），让用户选一条
• 用户确认后立刻真发（xurl POST /2/tweets），记录到 state/history.jsonl 防重复
• 风格约束：王建硕语气，平实家常，不加 hashtag / emoji / mp.weixin 链接；中文 tweet ≤ 120 字
• 支持批量排期模式：一次把多篇文章排进队列，按每 N 小时一条自动发。
• 可选 --dry-run 预览不发；支持 /schedule daily 自动触发

触发词：今天的 tweet / 从文章里发推 / 每天发一个 tweet / /wjs-tweeting-from-articles

wjs-syndicating-articles

把最新一篇还没分发过的公众号文章，一套文案扇出到所有平台。

• API 平台真发（有凭证时自动 POST）：X / Bluesky / Threads / LinkedIn
• 手动平台生成待发件箱（outbox/ 目录，复制粘贴即可）：Facebook / 小红书 / 即刻 / 知乎
• 幂等去重：state/history.jsonl 记录每篇文章在每个平台的发布状态，重复跑只补发没成功的
• 凭证降级：某平台 API 凭证缺失或过期 → 自动降为 outbox，不中断其他平台
• 可加 --dry-run 预览；--mark <slug> <platform> 手动标记已发；--open 交互模式开浏览器

触发词：分发文章到各平台 / 同步到社交平台 / 今天的文章发各平台 / /wjs-syndicating-articles

wjs-publishing-books-to-x

把 VoiceDrop 书架（voicedrop.cn/books）上王建硕自己写的书逐本发成 X thread。一本一 thread，首条带封面 + 钩子，中间按书的脉络抠 6–10 条硬内容，最后一条讲「这本书是怎么用 VoiceDrop 写出来的」——不写营销词，讲真实过程。

• 只发我的书：author == "王建硕" 或 author 为空（早期未署名）算我的；社区书架上署名蜜蜡 / Dennis / sissi 等的书自动跳过，不替别人代言。
• 结构合同：首条 + 封面图 → 中间 N-2 条抠梗概 / 正文里的数字、比喻、反直觉断言 → 倒数第二条挂全书免费读链接 → 最后一条讲写作过程。硬约束：每条加权 ≤280（中文每字算 2），buffer 到 ~120 汉字，无 hashtag / emoji / @，链接只出现在最后两条。
• 发送即幂等：state/history.jsonl 记录每本书的 thread 首条 id，重跑自动跳过已发；任一条 tweet 失败就停在原地报错，绝不断链跳过。
• daily 自动化：launchd com.jianshuo.wjs-publishing-books-to-x 每天 10:10 挑最新一本没发过的书 → claude -p 起草 → 校验长度 → 链式发出；书发完了自动歇着。DRY_RUN=1 daily.sh 预览不发。
• 多本连发节流：一次 session 默认一本；用户要「把书都发了」→ 每本间隔 ≥4 小时排期（避 X 刷屏判定）。

触发词：把书发到 X / 发书的 thread / publish my book to X / 书架的书发推 / /wjs-publishing-books-to-x

wjs-promoting-skills

每天 04:00 自动推广 skill：挑一个 wjs-* skill → 生成今日推广角度 → 发到 X（Twitter）→ 把 Reddit / HN / Discord 草稿落到 outbox/ 等人工 review。

• X 真发，社区只起草。 Reddit / HN 没有可靠的自动发帖 API，不冒封号风险。
• Idempotent + 节流：同一 skill 7 天内不重复推；当天没改动的 skill 跳过；每天最多 1 条 X。
• 角度轮换：同一 skill 会从「具体痛点 → 反直觉设计决策 → 串联工作流 → 最近更新」四个维度循环。
• DRY_RUN=1 daily.sh 可以预览而不真发；uninstall.sh 随时停掉 launchd 定时任务。

触发词：推广 skills / skill marketing / promote my skills / 每天自动推广

7. 英语教学 / English Teaching

wjs-teaching-english

把一个英语单词做成 HLS "超剪" 课程，从 mira 视频库里找出所有含该单词的 season2 片段，拼成一个完整的 .m3u8 播放列表。

• 结构：双语 intro card（word + IPA + 中文词义 + 用法，Volcano TTS 配音）→ 超剪片段 → 关注王建硕 CTA card
• 不生成 MP4：只有两张 intro/CTA 卡片被渲染成 .ts，其余直接引用 COS 上的原始片段，减少重编码
• card 编码：自动对齐第一个超剪片段的 codec / fps / 分辨率，避免 HLS 播放器在 discontinuity 处重初始化解码器
• 如果该词在库里没有片段，脚本直接退出并提示用户换一个更常用的词

触发词：teach <word> / 讲讲 <word> / 学英语 <word> / 把 <word> 做成视频 / /wjs-teaching-english <word>

wjs-explaining-tv-slang

解释美剧/英剧台词、口头语、俚语和梗，让用户真正懂「这句话在那一刻干了什么」——而不只是字面意思。

• 10 节完整格式：字面 vs 实际用法 → 来源/为什么这么说 → 语气与分量（正式度/冒犯度/情绪/地域/时代感）→ 你能不能用 → 中文对应说法 → 例句 → 剧里的上下文 → 怎么接话 → 近义/变体/容易混淆 → 发音（连读/吞音）
• 批量/SRT 模式：扫字幕文件，跳过普通词汇，逐条速查格式输出 + 末尾汇总表
• 事实纪律：剧集出处先 WebSearch 核实，2023 年后网络俚语也先查再答，不确定直说
• 生词本：每次解释后自动追加到 ~/code/tv-slang/notebook.md；用户说「复习」时随机抽题考察

触发词：美剧口头语 / 台词什么意思 / 这是什么梗 / 这个口头语怎么用 / /wjs-explaining-tv-slang

wjs-fetching-movie

把一份电影清单变成 Relisten 可直接导入的 HEVC mp4 文件，每部归档到 ~/Movies/Relisten/<片名> (<年份>)/，内封英文（默认）+ 中文字幕轨。

• 只用合法片源（硬规则，按顺序找）：① 本机已有的无 DRM 文件；② Internet Archive 上有 publicdomain / CC 授权的公版片；③ 片方/发行方自己在 YouTube 等平台免费公开的完整版（yt-dlp 下载）。找不到合法片源就如实报告，给正规获取路径，绝不走种子 / 磁力 / 破解 DRM。
• 字幕三级兜底：片源自带 → OpenSubtitles（moviehash 精确匹配，需要 API key）→ Whisper 转写 + 翻译。中文字幕网络找到但非 hash 匹配时抽查开头/中段/结尾三处时间轴。
• 压制到 Relisten 最优规格：1080p 上限、hevc_videotoolbox -q:v 55、hvc1 tag（QuickTime/AVPlayer 直接播）、AAC 128k 双声道（避免 5.1 丢中置对白），目标 90 分钟片约 1–2GB。
• 自动验收：ffprobe 确认轨道语言 + 时长一致；抽 3 个时间点核对字幕和语音对齐。
• 配套脚本：ia_search.py（Internet Archive 搜索）/ opensubs.py（OpenSubtitles 精确匹配）/ pack.sh（压制 + 封装）。

触发词：找电影 / 下载这几部电影 / 给 relisten 准备片子 / 电影列表 / /wjs-fetching-movie

8. 项目体检 / 反思 / 自我维护

wjs-auditing-project

当我说 "看看项目出了什么问题" / "为什么用户的需求还没上线" / "为什么没提交 App Store"，跑这个 skill。

• 硬性两阶段：先 read-only 巡检 → 给我一份分组 checklist；我确认之后才动手修。
• 覆盖：未合并分支、停滞的 PR、失败的 GitHub Actions、过期的 build、TODOS.md / ROADMAP 漂移、未发布的 commit、日志里的 error。
• 知道我的 Cathier iOS app 工作流（Xcode + fastlane + @claude PR auto-merge）。

wjs-eating-and-growing（吃一堑长一智）

当我反思一个失误、反复犯的错，或者"知道道理但做不到"，走这五步。

• 底层框架：L1（不知道）/ L2（知道但临场来不及）/ L3（本能赢了）—— 三层完全不同，用错修法等于练了寂寞。目标永远是 L3——不假思索的第一反应。
• 一步一问，不可跳：每步只问一个问题等回答再走下一步。跳步会让复盘变成又一条 L1 笔记。
• 五步：① 说清楚这次"堑"（纯事实）→ ② 抓住自动输出（第一反应原话）→ ③ 挖旧参数（解释模式根因）→ ④ 定新参数（一类触发的新响应）→ ⑤ 给出替代动作（那一秒具体做什么）。
• 最终输出：一个 block，5 行，任何一行还是模糊的说明没走完。

触发词：反思 / 复盘 / 吃一堑 / 这次又栽了 / 为什么我总是… / 知道道理但做不到

9. 思维框架 / Perspective

wangjianshuo-perspective

以王建硕（Jian Shuo Wang）的身份和声音写作、回应、思考。基于约 100 万词英文博客 + 约 109 万字中文博客（2002–2022，全部一手）提炼出 7 个核心心智模型、10 条决策启发式和完整的双语表达 DNA。

• 激活后直接用王建硕的语气回应（不写「王建硕会认为……」）
• 平实、诚恳、好奇，爱用家常比喻，先讲具体再上升到普通道理
• 默认用中文（公众号声音）；需要英文时切换
• 保持角色直到用户说"退出" —— 不需要每轮重新点名
• 还包含 yuanqi-prompt.md —— 为元器（Yuanqi）平台精简版的人设 prompt

触发词：用王建硕的视角 / 王建硕会怎么看 / 像王建硕一样写 / Jian Shuo Wang perspective / 切换到王建硕

wjs-distilling-style

从少量样文提炼任意作者的写作指纹，再把目标文本改写成那种味道——任何作者都适用，不限于王建硕。

• 9 轴结构化指纹：句子节奏、段落长度、词汇签名、语气腔调、论证结构、比喻运用、情绪强度、开头收尾、雷区——每轴必须摘 2–3 句真实锚点原句（没有锚点的轴等于没蒸馏）。
• 事实骨架纪律：先把原文信息点列成 bullet，改写只换「怎么说」，不增不减事实——改风格不是改内容。
• 默认一次性 prompt（日常推荐）：references/oneshot-prompts.md 提供两段自包含提示词——Prompt A（Style Card + 目标文章 → 改写稿）和 Prompt B（样本文章 → Style Card）——内嵌 9 轴指纹、事实骨架纪律和 AI 露馅 6 条反制，把多轮判官循环压缩成一轮内联自检，够用、一把过。
• 独立判官盲测（深验时启用）：起一个 subagent，只给它 Style Card + 改写稿，不告诉它是 AI 改的，逐轴评分（1–5），列出具体出戏句；发布级 / 批量高仿真时才跑完整闭环（含图灵判别盲测）。
• 两种模式：蒸馏（样本 → ~/code/style-cards/<author>/style-card.md）/ 改写（目标文本 + Style Card → 改写稿，不达标最多 2–3 轮回炉）。样本 < 3 篇会明确提示用户指纹会不稳。
• Style Cards 存在本地独立库（~/code/style-cards/），不同步到公开 repo，防止他人稿件外泄。

触发词：蒸馏文风 / 提炼XX的风格 / 把这篇改成XX的味儿 / mimic this writer / match this author's style / /wjs-distilling-style

10. X 增长 / X Growth

wjs-x-increasing-follower

把「涨粉」当工程做：每个改动是带编号的实验，有假设、有目标指标、有 before 可回滚、有判决。不靠感觉，靠数。

• 北极星指标：新增关注 ÷ 主页访问（转化率 ratio）——对爆款流量免疫，bio 改好了才让每个来访的人更愿意关注。
• 实验分层：profile（转化）/ posting（触达）/ engagement（触达）/ timing（触达），每个 action 声明被哪个指标考核。
• 数据来源：X Analytics CSV 导出（ratio 数据 API 拿不到），每日 daily-check.sh 自动 ingest + 算判决。
• 判决规则：中位数对比（抗均值被爆款骗）；Δ ≥ +10% keep / Δ ≤ -10% rollback / 之间 flat；回滚永远先问用户，绝不静默改 bio。

触发词：涨粉 / X 涨粉实验 / A/B 测我的 profile / 今天的涨粉检查 / /wjs-x-increasing-follower

wjs-x-improving-content

把「写好推」当工程做：不断改 prompts/x/prompt.md，用 impression 数据看哪版最好，挖出内容特征反哺下一版。是 wjs-x-increasing-follower 的孪生——那个测 profile→关注转化，这个测 prompt→每条推的 impression。

• 版本 = prompt.md 的 git short-SHA：推发布时间对应当时 git 历史里的 prompt SHA，无需改 Action，历史推也能回填。
• 内容特征分析（最有用的部分）：按 angle/长度/话题拆 impression 中位数，告诉你 prompt 该往哪改。版本对比给方向，内容特征给抓手。
• 数据来源：X Analytics Content CSV 导出（丢进 inbox/ 目录）。
• 判决用中位数，每版至少 5 条成熟推（发布满 3 天）才下版本级结论。

触发词：改 X 的 prompt / X 内容改进 / 哪版 prompt 最好 / 什么内容 impression 高 / /wjs-x-improving-content

wjs-polishing-x-engagement

把一条平淡的中文推文改写成"有真实事实支撑 + 带互动钩子"的高参与度版本，每次给 2–3 个钩子不同的候选。核心是两件事叠加：一个真事实（用 web_search 现查，绝不编造）+ 一个钩子（留缺口让读者忍不住接话）。

• 风格铁律：短、白、口语——能删的字全删，日常说话的调子，不煽情不堆形容词。
• 五种钩子：历史规律外推（最强）/ 提问 / 填空 / 反常识 / 二选一站队。
• 每版末尾附事实来源，方便用户核实后再发。
• 有合适老照片或对比图时顺手用 image_search 找出来给用户。

触发词：润色这条推 / 改写这条推文 / 让它更有互动 / 涨互动 / 帮我把这条发得更好 / /wjs-polishing-x-engagement

wjs-cleaning-spam

清理挂在王建硕 X/Twitter 推文下的同城引流 spam 回复。X API 只允许串主 隐藏回复（访客不可见）和 静音账号（通知静音），block 端点已从 API 下线，拉黑只能网页手动。

• 三步走：先 dry-run 输出 flagged + borderline 名单 → Claude 逐条审 borderline（区分真人评论和变体 spam）→ apply（隐藏 + 静音）
• 自动幂等：state/cleaned.jsonl 记录已处理 id，重跑自动跳过；撞 429 限流（约 50 次/15 分钟）脚本自动停，等窗口刷新后续跑
• 只覆盖 7 天内：X recent-search 接口上限；更早的 spam 需网页手动处理
• block 做不到：如需拉黑，提示用户到账号主页手动操作

触发词：把这些spam删掉 / 清理X垃圾回复 / 推文下面好多引流号 / clean spam replies / /wjs-cleaning-spam

11. Hugo 博客 / Hugo Blog

wjs-publishing-hugo

Hugo 博客的对话式后台。没有 CMS，没有 /admin 页面——说要发什么，Claude 就改 content/、放图、commit、push，走仓库现有部署流自动上线。先做前置检测（确认 hugo.toml 和现有帖子 front matter 格式），再动手，格式不漂。

• 新增帖子：scripts/new-post.py（生成标准 front matter，日期/URL/类目一次到位）
• 管理类目：scripts/categories.sh 列现有类目，防止造重复；批量改名/合并类目也支持
• 上传图片：scripts/add-image.py，新图进 static/uploads/<年>/，超 2000px 宽自动缩小
• 发布：scripts/publish.sh commit + push，触发 GitHub Actions 自动部署

触发词：发一篇博客 / 给 Hugo 加文章 / 写篇帖子到博客 / 博客后台 / /wjs-publishing-hugo

wjs-converting-wp-to-hugo

把任意 WordPress 站迁成 Hugo + Markdown + git 静态站，部署到 GitHub Pages。全程离线、零第三方依赖。

• 输入：WordPress 后台导出的 WXR .xml + 站点 wp-content/uploads/ 文件夹。
• 产出：content/*.md + static/wp-content/uploads/ + 手写极简主题，Hugo 构建，GitHub Actions 自动发布。
• 老链接 100% 不断：全站 URL 保持 /archives/<数字>/ 格式，SEO 和外部引用不受影响。
• 安全优先：WXR 含密码文章正文和作者邮箱，gitignore 已根锚定，绝不进 git 历史。密码保护文章和脚手架页的处理方式必须由用户决定，不静默发布。
• TDD 转换器：wxr_to_hugo.py 是纯函数，test_wxr.py 先跑测试再全量转换；verify_build.py 断言每个老链接都命中。

触发词：把 WordPress 迁成 Hugo / wordpress 转静态站 / migrate WordPress to Hugo / WXR to Hugo / /wjs-converting-wp-to-hugo

12. 网站反馈闭环 / Website Feedback Loop

wjs-looping-feedback

给任意网站装「提一句话就自动改代码」的反馈闭环。完全跑在仓库所有者自己的 GitHub Actions 上，用自己的 Pro/Max OAuth token 或 ANTHROPIC_API_KEY，无需任何第三方服务或后端。

工作流：访客点浮动「提个建议」按钮 → 填建议 → 变成 GitHub Issue（feedback 标签）→ allowlist 检查（只有白名单用户能触发）→ Claude Code 按 .feedback/INSTRUCTIONS.md 改网站 → 自动 commit 到 main → 触发部署上线 → /_feedback 仪表板记录每条建议的处理状态 + issue 回复 commit 链接。Revert：发一条 revert: #N issue 即可。

支持 Hugo / Next.js / Astro / 静态站。

触发词：给网站加个反馈对话框 / 提一句话就自动改网站 / 装上反馈闭环 / feedback loop / /wjs-looping-feedback

13. iOS 持续集成 / iOS CI

wjs-publishing-testflight

为任意 iOS 项目配置 fastlane + GitHub Actions CI/CD，基于 Cathier 项目的实战模板。

• 推送 main 分支 → GitHub Actions 在 macos-15 (Xcode 26.2) 上自动构建
• 查询 App Store Connect 最新 build number、自动加 1，运行 match（只读）签名，导出 app-store IPA
• TestFlight：每次 push 都上传，打 testflight/<build_num> tag
• 自动提审规则：每第 10 个 build（build_num % 10 == 0）自动 bump minor 版本并提审 App Store；或开发者手动改 MARKETING_VERSION 触发；CI 永不静默 commit pbxproj
• 三条 lane：beta（日常 CI）/ bump（本地版本升级）/ release（强制立即提审）
• 配套完整的 Appfile / Matchfile / Fastfile / Gemfile 模板和 build.yml workflow，只需全局替换三个占位符（bundle ID、repo 名、Xcode scheme）

触发词：testflight / fastlane / 自动构建 / CI TestFlight / /wjs-publishing-testflight

wjs-publishing-appstore

wjs-publishing-testflight 的配套技能——接过 CI/CD 之后的那一步：把 TestFlight 上已有 build 的 iOS app 正式提交 App Store。

• 流程：scripts/scaffold-metadata.sh 搭 deliver 元数据骨架（VoiceDrop 模板起步）→ scripts/shoot.sh 用 simctl 截图（iPhone 6.9" 为唯一必要尺寸，每 locale 一轮）→ scripts/release_lane.rb 粘入 Fastfile 加 release lane → fastlane release 提审。
• 全局唯一名陷阱：App Store 的 name 字段全局唯一（显示名，非 bundle ID）——短常用名几乎必然被占，要加词或中文后缀；是可改的，不是永久锁死的。
• 首次提审前置清单：年龄评级问卷（2025 年 Apple 新增了若干字段，fastlane 未覆盖，需在 ASC 网页完成）、定价（Free）、内容版权声明、App 隐私「营养标签」——四项在 ASC 网页控制台配置一次，之后不需要再动；提审失败时 Apple 会列出所有缺项，一并修好再重触发即可。
• iOS 26 Simulator 已知坑：麦克风权限弹框 simctl privacy grant 无法抑制（手动点一次 Allow，之后重跑截图脚本即是干净画面）；TabView 标签栏附近会出现 Liquid Glass 幻影（device only 没有，不必追查）。
• 稳妥两步发布：beta lane 上传并等 Apple 处理完毕 → 再触发 fastlane release skip_build:true 复用已处理的 build，避免提审时 build 还在 processing 的竞争条件。

触发词：提交 App Store / 上架 / app store 审核 / 准备截图和文案 / submit for review / /wjs-publishing-appstore

典型工作流串接

完整本地化一个西班牙语播客 → 中文版上 YouTube：

源视频
  └─ wjs-transcribing-audio       → 西语 SRT
      └─ wjs-translating-subtitles → 中文 SRT
          └─ wjs-dubbing-video      → 中文配音的视频
              └─ wjs-burning-subtitles → 烧字幕 + 混音 → 最终 MP4
                  └─ wjs-uploading-video → YouTube

或者一句话：/wjs-localizing-video 把上面四步串起来跑。

双机位访谈 → 抖音 + YouTube 双版本：

两路 MOV
  └─ wjs-syncing-multicam         → 两份 .sync.json
      └─ wjs-editing-multicam     → 单条 16:9 MP4
          ├─ wjs-segmenting-video → 4 个独立话题 clip
          │   └─ wjs-overlaying-video → 加封面 + 字幕 + CTA
          │       └─ wjs-uploading-video → YouTube
          └─ wjs-reframing-video  → 9:16 竖屏版本 → 视频号 / 抖音

写公众号文章并做成视频：

草稿 → wjs-publishing-wechat → 题图 + 解释图 + HTML + 上传草稿 → mp.weixin.qq.com 后台微调发布
          └─ wjs-converting-text-to-video → 1080×1920 MP4（TTS + 水彩背景 + GSAP 动画）
                └─ 日推 cron → YouTube Shorts

如何贡献 / Contributing

欢迎提 Issue 或 PR。新增 skill 的要求：

1. 目录名用 V-ing 动名词（如 wjs-doing-something），加 wjs- 前缀与本仓库风格保持一致。
2. 目录内放一个 SKILL.md，frontmatter 里写 name 和 description（含具体触发词/例句），正文写清楚 when to use / when NOT to use / 执行步骤。
3. 需要的脚本放同目录下。
4. 提 PR，在 PR 描述里说明 skill 的用途和触发词。

有问题或建议，请到 Issues 反馈。