Beitrags-Scorer

Was macht Beitrags-Scorer?

Codex und Claude Laufzeit

• Verwenden Sie diese Fertigkeit in Codex oder Claude mit den tatsächlich in der aktuellen Aufgabe verfügbaren Werkzeugen. AskUserQuestion-Beispiele beschreiben die Fragen, nicht eine erforderliche API: Verwenden Sie ein verfügbares Fragentool innerhalb seiner Grenzen oder fragen Sie im Chat. Verwenden Sie bereits gelieferte Antworten und Quellmaterialien wieder.
• Arbeiten Sie im vom Benutzer ausgewählten Projekt. Lesen Sie vor personalisierten Arbeiten dessen about-me.md, voice.md und relevante Markendateien. Bestätigen Sie den beabsichtigten Autor, wenn Dateien widersprüchlich sind oder Starter-Standardwerte enthalten. Fragen Sie nach fehlenden Fakten oder führen Sie voice-builder aus; übernehmen Sie niemals die Identität, Konten oder privaten Dateien des Betreuers.
• Lösen Sie gebündelte references/ relativ zu diesem Fertigkeitsordner auf. Lesen Sie bei einer explizit angeforderten Profilaktualisierung die kanonischen about-me.md, voice.md oder newsletter-voice.md an Ort und Stelle und aktualisieren Sie sie, wobei Sie nichts zusammenhängende Benutzerfakten und -regeln bewahren. Verbraucher müssen diese kanonischen Dateien erneut lesen. Verwenden Sie einen neuen Dateinamen nur für neue Liefergegenstände, die mit nicht zusammenhängenden vorhandenen Dateien kollidieren würden. Die Installation allein startet niemals ein Interview oder schreibt Dateien. Schreiben Sie keine dauerhaften Lernerfahrungen, es sei denn, dies wird angefordert.
• Verwenden Sie zuerst gelieferte Beweise. Überprüfen Sie externe Behauptungen bei Bedarf über verfügbare Such-/Quelltools. Wenn eine Quelle oder Integration nicht verfügbar ist, nennen Sie die fehlende Fähigkeit und bieten Sie gelieferten Text/Exporteingabe an. Erfinden Sie niemals Fakten, Erfahrungen aus erster Hand, Metriken oder einen erfolgreichen Werkzeuglauf.
• Verbinden Sie nur Dienste, die für den gewählten Weg über das bestehende Konto des Benutzers erforderlich sind. Geben Sie niemals Anmeldeinformationen preis oder überschreiben Sie Verbindungen. Entwurf, Speicherung und Überprüfung autorisieren keine Veröffentlichung, das Senden von Nachrichten oder die Änderung von Konten.

KRITISCH: Automatischer Start beim Laden

Wenn diese Fertigkeit ausgelöst wird, gehen Sie direkt zu Schritt 1. Fassen Sie nicht zusammen. Erklären Sie nicht die Bewertungsmethode. Beginnen Sie sofort.

Schritt 1. Holen Sie sich den Beitrag

Wenn der Benutzer bereits einen Beitrag in derselben Nachricht eingefügt hat, verwenden Sie ihn. Andernfalls sagen Sie:

Fügen Sie den LinkedIn-Beitrag ein, den Sie bewerten möchten.

Warten Sie auf den Beitrag.

Schritt 2. Bewertungsdaten laden

Der Scorer benötigt zwei Dinge: das Stimmsystem des Benutzers und echte Leistungsdaten.

Stimmsystem

Lesen Sie about-me.md und voice.md aus dem Projekt, falls vorhanden. Wenn sie fehlen, notieren Sie dies und bewerten Sie ohne Stimmabgleich.

Leistungsdaten

Überprüfen Sie im ausgewählten Projekt auf benutzergelieferte Exporte oder zwischengespeicherte Beitragsdaten. Überprüfen Sie Autor, Sammlungsdatum und Abdeckung, bevor Sie sie verwenden. Durchsuchen Sie niemals die Ordner eines anderen Benutzers oder greifen Sie auf die Benchmarks des Betreuers zurück.

Wenn Daten fehlen, bieten Sie an:

1. Verwenden Sie einen hochgeladenen Export der Beiträge des Benutzers und aggregierte Engagement-Zahlen.
2. Rufen Sie die Beitragstexte des Benutzers und aggregierte Zahlen mit ihrer autorisierten Apify-Verbindung ab. Bestätigen Sie Konto, Umfang und aktuelle Kosten vor einer kostenpflichtigen Ausführung. Überprüfen Sie das aktuell dokumentierte Eingabeschema des Actors, bevor Sie es aufrufen; raten Sie keine Fallback-Actor-Eingaben.
3. Führen Sie jetzt eine redaktionelle Überprüfung durch, wobei der Leistungsvergleich als nicht verfügbar markiert wird.

Für einen Apify-Durchlauf ist apimaestro/linkedin-profile-posts die vorhandene Anbieterroute. Verwenden Sie eine kleine angeforderte Charge (bis zu 100 Beiträge). Fordern Sie Beitragstexte und aggregierte Zahlen nur an. Scrapen Sie niemals Kommentare oder Antworten, auch nicht über deepScrape oder numComments. Wenn der Actor keine Kommentartexte ausschließen kann, verwenden Sie eine andere verifizierte Nur-Beiträge-Route oder fordern Sie einen Export an. Führen Sie keinen Kommentar-Scrape durch und verwerfen Sie ihn dann.

Speichern Sie die resultierenden erlaubten Beitragsdaten unter outputs/post-scorer/ im Projekt mit Autor und Sammlungsdatum. Wenn Apify nicht verfügbar ist, bewahren Sie den Entwurf auf und bieten Sie die Export-/Redaktionswege an. Behaupten Sie nicht, dass der Verlauf abgerufen wurde.

Schritt 3. Analysieren Sie die Spitzenreiter

Wenn Leistungsdaten verfügbar sind, führen Sie diese Analyse vor der Bewertung durch:

1. Berechnen Sie den Engagement-Score für jeden Beitrag: total_reactions + (aggregate_comment_count x 3), eine redaktionelle Gewichtung, keine privaten Reichweitenanalysen
2. Identifizieren Sie die oberen 10 % der Beiträge nach Engagement-Score
3. Extrahieren Sie aus diesen Top-Beiträgen:
   • Haken-Typen, die am häufigsten vorkommen (konträr, zahlengeführt, kühne Behauptung, persönliche Geschichte, Frage, Nachricht)
   • Durchschnittliche Beitragslänge (Wortanzahl)
   • Formatverteilung (nur Text, Bild, Karussell, Video)
   • CTA-Muster (Newsletter-Erwähnung, Kommentar-Gate, Repost-Aufforderung, Frage, keine)
   • Themencluster, die überdurchschnittlich viel Engagement erzielen
   • Satzrhythmus (durchschnittliche Satzlänge, Absatzumbrüche pro Beitrag)
4. Notieren Sie auch die Muster der unteren 10 %, um zu identifizieren, was fehlschlägt

Zeichnen Sie Quelle, Datum, Stichprobengröße und Muster in dieser Überprüfung auf. Schreiben Sie keinen persistenten Speicher, es sei denn, dies wird angefordert. Unbekannte Zahlen fehlen, sind nicht Null; sagen Sie, wenn die Stichprobe zu klein oder ausgewählt ist, um einen Leistungsvergleich zu unterstützen.

Schritt 4. Bewerten Sie den Beitrag

Bewerten Sie nach 5 Kriterien, jeweils 1 bis 10. Trennen Sie redaktionelles Urteil von gemessenen historischen Vergleichen. Wenn weder ein Sprachprofil noch bestätigte Autorenproben vorhanden sind, markieren Sie Stimmabgleich als nicht verfügbar und melden Sie die Gesamtpunktzahl über 40; andernfalls verwenden Sie 50. Keine numerische Gesamtpunktzahl impliziert prognostizierte Leistung.

Haken-Stärke (1 bis 10)

Vergleichen Sie die Eröffnungszeile des Entwurfs mit den Haken-Typen in den oberen 10 %.

• Verwendet sie einen Haken-Typ, der historisch für diesen Autor funktioniert?
• Ist sie spezifisch mit einer Zahl, einem Namen oder einem konkreten Detail?
• Würde sie das Scrollen stoppen, basierend auf dem, was in ihren Daten tatsächlich Scrollen stoppt?
• Zitieren Sie mit Historie das relevante Muster; ohne Historie kennzeichnen Sie die Haken-Bewertung als redaktionell und lassen die historische Übereinstimmung als nicht verfügbar

Stimmabgleich (1 bis 10)

Wenn voice.md existiert:

• Passt der Beitrag zu Ton, Rhythmus, Satzlänge aus voice.md?
• Verstößt er gegen eine Regel im Abschnitt "Abwesenheitsmuster" von voice.md (was die Stimme nie tut)?
• Entspricht die Satzlänge dem Durchschnitt ihrer Spitzenreiter? Wenn keine Stimmen-Dateien vorhanden sind: Verwenden Sie bestätigte Autorenproben aus ihren Beitragsdaten. Wenn keines verfügbar ist, markieren Sie dieses Kriterium als nicht verfügbar.

Wertdichte (1 bis 10)

Vergleichen Sie mit den leistungsstärksten Beiträgen des Benutzers:

• Lehren ihre besten Beiträge, geben Sie Schritte, teilen Sie Daten oder erzählen Sie Geschichten?
• Entspricht dieser Entwurf diesem Wertemuster?
• Ist die Erkenntnis spezifisch genug, dass jemand sie speichern oder teilen würde?
• Vergleichen Sie die Wortanzahl mit ihrem Durchschnitt der oberen 10 %. Markieren Sie, wenn weit darüber oder darunter.

Struktur und Format (1 bis 10)

Basierend auf ihren Daten:

• Welches Format (Text, Bild, Karussell) erhält bei ihnen das meiste Engagement?
• Entspricht die Struktur des Entwurfs dem Zeilenumbruch- und Absatzrhythmus der Top-Beiträge?
• Ist der Beitrag auf Mobilgeräten scanbar?
• Entspricht der CTA den Mustern ihrer besten Performer?

Veröffentlichungsreife (1 bis 10)

• Sind alle Behauptungen belegt, erforderliche Elemente abgedeckt und Bearbeitungen abgeschlossen? Leiten Sie die Autorschaft nicht aus dem Stil ab.
• Würde dieser Beitrag basierend auf ihrer Beitragshistorie natürlich in ihren Feed passen?
• Gibt es rote Flaggen: verbotene Wörter in den Abwesenheitsmustern von voice.md, generische Phrasen, Unternehmens-Ton?
• Ist er im Vergleich zu ihren Spitzenreitern die richtige Länge?

Schritt 5. Geben Sie die Scorecard aus

Ausgabe in einem Codeblock:

LINKEDIN BEITRAG SPUNKTE

Datenquelle: [Verifizierter Autoren-Export / Verifizierte Apify-Ergebnisse / nur redaktionell]
Analysierte Beiträge: [Anzahl oder nicht verfügbar]
Durchschn. Engagement Top 10%: [gemessene Zahl oder nicht verfügbar]

Haken-Stärke:         [X] / 10  [erkannter Haken-Typ]
Stimmabgleich:        [X] / 10
Wertdichte:           [X] / 10
Struktur und Format:  [X] / 10  [Format: Text/Bild/Karussell]
Veröffentlichungsreife:[X] / 10
----------------------------------------
GESAMT:               [XX] / [50 oder 40, ohne nicht verfügbare Stimme]

URTEIL: [Ein Satz, der sich auf spezifische Daten bezieht]

VERGLEICH MIT SPITZENREITERN:
Ihre Top-Beiträge haben durchschnittlich [X] Wörter, verwenden [Haken-Typ]-Haken
und enthalten [CTA-Muster]. Dieser Entwurf [stimmt überein / weicht ab], weil [spezifischer Grund].

KORREKTUREN:
1. [Spezifische, datengestützte Korrektur, z.B. "Ihre Top-10%-Beiträge beginnen mit Zahlen. Dieser beginnt mit einer Frage. Wechseln Sie zu einer Statistik."]
2. [Zweite, datengestützte Korrektur]
3. [Dritte Korrektur, falls erforderlich]

Zitieren Sie tatsächliche Beweise für historische Vergleiche. Lassen Sie bei einer rein redaktionellen Überprüfung den Spitzenreiter-Vergleich weg und geben Sie spezifische, als redaktionell gekennzeichnete Format-/Struktur-Korrekturen an. Füllen Sie die Vorlage niemals mit erfundenen Metriken. Überprüfen Sie jedes erforderliche Positionselement oder jeden Schritt am genauen Entwurf, bevor Sie bewerten.

Schritt 6. Bieten Sie nächste Schritte an

Nach der Scorecard:

Soll ich den schwächsten Abschnitt unter Verwendung von Mustern aus Ihren Top-Beiträgen umschreiben oder ihn so versenden?

Wenn eine Umschreibung angefordert wird, wenden Sie die Korrekturen an und geben Sie den überarbeiteten Beitrag in einem Codeblock aus.

Regeln

• Versuchen Sie immer, reale Daten zu verwenden, bevor Sie auf allgemeine Ratschläge zurückgreifen.
• Kennzeichnen Sie jede Feststellung als quellenbasiert/verlaufsbasiert oder redaktionelles Urteil.
• Eine hohe redaktionelle Punktzahl begründet keine historische Eignung oder sagt Reichweite voraus.
• Seien Sie ehrlich. Ein großzügiger Bewerter ist nutzlos.
• Wenn Daten veraltet sind (14+ Tage alt), schlagen Sie vor dem Bewerten eine Aktualisierung vor.
• Informieren Sie den Benutzer, bevor Sie einen Apify-Scrape ausführen (kostet Geld).
• Verwenden Sie in keiner Ausgabe Bindestriche (em dashes).
• Britisches Englisch durchgängig.
• Halten Sie die Scorecard kompakt. Sie muss auf einem großen Bildschirm bei Veranstaltungen gut aussehen.