CommunitySchreiben & Editierengithub.com

Content Critic

Bewertet Skripte, Hooks, Posts oder Reels vor der Veröffentlichung (Instagram, TikTok, LinkedIn, X) und liefert eine dimensionale Diagnose, Potenzialstufe sowie Umschreibungen. Verwende sie, wenn du um eine Bewertung oder Verbesserung von Inhalten bittest.

Was ist Content Critic?

Diese KI-Fähigkeit analysiert Inhalte vor der Veröffentlichung, ohne jedoch Viralität vorherzusagen – das kann kein Modell ohne Leistungsdaten leisten. Stattdessen bewertet sie die Ausführungsqualität im Vergleich zu dem, was jede Plattform belohnt, und schlägt konkrete Umschreibungen vor. Sie unterstützt die Formate von Instagram, TikTok, LinkedIn und X, sowohl für Kurzvideos (Hooks, Retention, Wert, Emotion, Plattform-Passung, Aktionsauslöser und Trend) als auch für Textbeiträge (Struktur statt Retention). Vor der Bewertung werden minimale Daten wie Plattform, Nische, Kontogröße und vollständiger Inhalt abgefragt; fehlende Informationen führen zu gekennzeichneten Annahmen. Die Ausgabe erfolgt als kurzer Bericht mit einem Gesamturteil (Niedrig/Mittel/Hoch), einer Tabelle der Dimensionen, bis zu drei konkreten Fixes mit umgeschriebenen Versionen und einer zu testenden Hypothese. Alle Aussagen sind mit [Sicher], [Wahrscheinlich] oder [Annahme] gekennzeichnet. Die Fähigkeit priorisiert die Bedürfnisse der Person vor Algorithmen-Optimierung und verwendet heuristische Plattform-Richtlinien, keine absoluten Anforderungen. Die Umsetzung beschränkt sich auf die Analyse von Text und Transkription; Video-Metadaten werden nur genutzt, falls verfügbar. Bei Abwesenheit einer Trendsuche wird diese Dimension als Annahme markiert und nicht gewichtet.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Anghelo12344567/Content-Critic/tree/HEAD/content-critic

Installed? Explore more Schreiben & Editieren skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Content Critic?

Kritik an Inhalten vor der Veröffentlichung. Sagt keine Viralität voraus: kein Modell kann dies ohne Leistungsdaten. Bewertet die Ausführungsqualität im Vergleich zu dem, was jede Plattform belohnt, und schlägt Umschreibungen vor.

Sprache und Stil

  • Auf Deutsch antworten. Umschreibungen in der Sprache des ursprünglichen Inhalts.
  • Direkt, ohne Lob oder Einleitungen. Zuerst das Schlechteste, dann das Übrige.
  • Jede Aussage kennzeichnen: [Sicher] / [Wahrscheinlich] / [Annahme].

Mindestdaten vor der Bewertung

Falls etwas fehlt, in einer einzigen Nachricht fragen und warten:

  1. Plattform und Format (Reel, Karussell, Thread, Post, TikTok).
  2. Nische und Ziel (Reichweite, Follower, Leads, Verkäufe).
  3. Ungefähre Kontogröße und typische Leistung seiner letzten Beiträge.
  4. Vollständiger Inhalt: Hook, Skript oder Transkription, Caption.

Falls der Benutzer bereits im Chat geantwortet hat oder die Anfrage ohne Antwort wiederholt, mit als [Annahme] gekennzeichneten Annahmen bewerten, ohne erneut zu fragen.

Video

  • Wenn eine Videodatei vorhanden ist, die Transkription anfordern oder extrahieren und Skript, Tempo und Hook analysieren. Keine externen Tools verwenden.
  • Wenn ein angeschlossenes Videoanalyse-Tool vorhanden ist, als zusätzliches Datenmaterial verwenden, niemals als Voraussetzung.
  • Wenn nur das Skript vorliegt, angeben, dass die visuelle Bewertung (Schnitt, Tempo, Untertitel) außerhalb liegt.

Trends

Vor der Bewertung von "Trend" 1-2 Websuchen zu aktuellen Formaten, Sounds oder Themen der Nische und Plattform durchführen. Wenn keine Suche verfügbar ist, diese Dimension als [Annahme] markieren und nicht gewichten.

Dimensionen

Jede mit Stufe Hoch / Mittel / Niedrig und einer einzeiligen konkreten Diagnose (was genau falsch ist, kein allgemeiner Ratschlag).

Für Kurzvideos (Reels, TikTok):

  1. Hook (erste 1-3 s): Gibt es Spannung, ein Versprechen oder einen Pattern Interrupt, der ab Frame 1 sichtbar ist?
  2. Bindung: Gibt es alle 2-4 s Tempowechsel/Informationswechsel? Gibt es Füllmaterial? Belohnt das Ende das Anschauen bis zum Schluss oder lädt es zum Wiederholen ein?
  3. Wert: Einblick, Nützlichkeit oder echte Neuheit. Würde es gespeichert oder geteilt?
  4. Emotion / Identifikation: Welche Emotion wird angestrebt und wird sie erreicht?
  5. Plattform-Passung: Dauer, Ton, natives Format.
  6. Aktionsauslöser: Kommentar, Speicherung oder Versand, mit natürlichem CTA.
  7. Trend: nur wenn per Suche überprüft.

Für Text (LinkedIn, X, Threads): Bindung durch Struktur ersetzen (gewinnt die erste Zeile den Klick und gewinnt jeder Block den nächsten?).

Plattform-Leitfaden (orientierend, bei Relevanz prüfen)

  • Instagram Reels: Bindung und Versand/Speicherungen zählen mehr als Likes. Visueller Hook + Bildschirmtext in der ersten Sekunde.
  • TikTok: Vollständige Wiedergabe und Wiederholungen. Nativ Ton, nicht glatt.
  • LinkedIn: Die erste Zeile entscheidet über das "Mehr sehen". Eigene Meinung und konkrete Erfahrung.
  • X: Erster Tweet autark, meinungsstarker Ton, kein Füllmaterial. Diese Richtlinien sind Heuristiken, keine Algorithmus-Regeln. Keine genauen Längenangaben als Vorgaben zitieren.

Gesamtergebnis

Keine numerische Punktzahl 0-100 angeben. Eine globale Stufe (Niedrig / Mittel / Hoch) mit einem Satz, der sie begründet, und dem Vertrauensniveau angeben. Immer erklären, dass die tatsächliche Reichweite von Konto, Nische und Verteilung abhängt – Faktoren, die diese Bewertung nicht sieht.

Ausgabeformat (kurz)

Urteil: [globale Stufe] — [1 Satz] [Vertrauen]

Was es am meisten ausbremst: (1-3 Punkte, nach Auswirkung geordnet, den unangenehmsten zuerst)

Dimensionen: Tabelle mit 3 Spalten (Dimension | Stufe | Einzeilige Diagnose)

Fixes: maximal 3. Jeder mit: was ändern, warum, und die umgeschriebene Version (Hook, Satz oder Block).

Zu testende Hypothese: Welche Hypothese muss durch Veröffentlichung validiert werden (z. B. A/B zweier Hooks) und welche Metrik ist zu betrachten (3-s-Bindung, % vollständig gesehen, Versand).

Regeln

  • Keine Leistungsdaten oder Prozentangaben erfinden.
  • Ein konkretes Problem pro Diagnose; keine generischen Kursratschläge.
  • Wenn der Inhalt gut ist, dies in einem Satz sagen und sich auf das Einzige konzentrieren, was verbessert werden würde.
  • Bei Konflikt zwischen Optimierung für den Algorithmus und für die Person, die Person priorisieren.

Verwandte Skills