post-scorer

Post Scorer

Entorno de ejecución de Codex y Claude

• Usa esta skill en Codex o Claude con las herramientas realmente disponibles en la tarea actual. Los ejemplos de AskUserQuestion describen las preguntas, no una API obligatoria: usa una herramienta de preguntas disponible dentro de sus límites, o pregunta en el chat. Reutiliza las respuestas y el material de origen ya proporcionados.
• Trabaja en el proyecto seleccionado por el usuario. Lee sus archivos about-me.md, voice.md y otros archivos de marca relevantes antes de realizar trabajo personalizado. Confirma el autor previsto si los archivos entran en conflicto o contienen valores predeterminados de inicio. Pide los datos faltantes o ejecuta voice-builder; nunca heredes la identidad, cuentas o archivos privados del mantenedor.
• Resuelve references/ incluidos de forma relativa a esta carpeta de skill. Para una actualización de perfil solicitada explícitamente, lee y actualiza los archivos canónicos about-me.md, voice.md o newsletter-voice.md en su lugar, conservando los hechos y reglas del usuario no relacionados. Los consumidores deben volver a leer esos archivos canónicos. Usa un nombre de archivo nuevo solo para entregables nuevos que entrarían en conflicto con archivos existentes no relacionados. La instalación por sí sola nunca inicia una entrevista ni escribe archivos. No escribas aprendizajes persistentes a menos que se solicite.
• Usa primero la evidencia proporcionada. Verifica afirmaciones externas a través de herramientas de búsqueda/fuente disponibles cuando sea necesario. Si una fuente o integración no está disponible, nombra la capacidad faltante y ofrece la entrada de texto/exportación proporcionada. Nunca inventes hechos, experiencia en primera persona, métricas o una ejecución exitosa de una herramienta.
• Conecta solo los servicios necesarios para la ruta elegida a través de la cuenta existente del usuario. Nunca imprimas credenciales ni sobrescribas conexiones. Redactar, guardar y revisar no autoriza a publicar, enviar mensajes ni cambiar cuentas.

CRÍTICO: Inicio automático al cargar

Cuando esta skill se active, ve directamente al Paso 1. No resumas. No expliques el método de puntuación. Empieza inmediatamente.

Paso 1. Obtener la publicación

Si el usuario ya pegó una publicación en el mismo mensaje, úsala. De lo contrario, di:

Pega la publicación de LinkedIn que quieres puntuar.

Espera la publicación.

Paso 2. Cargar datos de puntuación

El evaluador necesita dos cosas: el sistema de voz del usuario y datos reales de rendimiento.

Sistema de voz

Lee about-me.md y voice.md del proyecto si existen. Si faltan, anótalo y puntúa sin coincidencia de voz.

Datos de rendimiento

Busca exportaciones proporcionadas por el usuario o datos de publicaciones guardadas en caché en el proyecto seleccionado. Verifica el autor, la fecha de recopilación y la cobertura antes de usarlos. Nunca busques en las carpetas de otro usuario ni recurras a los puntos de referencia del mantenedor.

Si faltan datos, ofrece:

1. Usar una exportación subida de las publicaciones del usuario y los recuentos agregados de engagement.
2. Obtener los cuerpos de las publicaciones del usuario y los recuentos agregados con su conexión autorizada de Apify. Confirma la cuenta, el alcance y el costo actual antes de una ejecución paga. Verifica el esquema de entrada documentado actual del actor antes de llamarlo; no adivines entradas alternativas del actor.
3. Realizar una revisión editorial ahora, con la comparación de rendimiento marcada como no disponible.

Para una ejecución de Apify, apimaestro/linkedin-profile-posts es la ruta de proveedor existente. Usa un lote pequeño solicitado (hasta 100 publicaciones). Solicita solo los cuerpos de las publicaciones y los recuentos agregados. Nunca hagas scraping de comentarios o respuestas, incluso a través de deepScrape o numComments. Si el actor no puede excluir los cuerpos de los comentarios, usa una ruta verificada diferente solo de publicaciones o solicita una exportación. No ejecutes un scraping de comentarios y luego lo descartes.

Guarda los datos de publicaciones permitidos resultantes en outputs/post-scorer/ del proyecto con el autor y la fecha de recopilación. Si Apify no está disponible, conserva el borrador y ofrece las rutas de exportación/editorial. No afirmes que se obtuvo el historial.

Paso 3. Analizar los mejores rendimientos

Cuando los datos de rendimiento estén disponibles, ejecuta este análisis antes de puntuar:

1. Calcula la puntuación de engagement para cada publicación: total_reactions + (aggregate_comment_count x 3), una ponderación editorial en lugar de análisis privados de alcance.
2. Identifica el 10% superior de publicaciones por puntuación de engagement.
3. De esas publicaciones principales, extrae:
   • Tipos de gancho que aparecen con más frecuencia (contradictorio, basado en números, afirmación audaz, historia personal, pregunta, noticia).
   • Longitud promedio de la publicación (recuento de palabras).
   • Distribución de formato (solo texto, imagen, carrusel, video).
   • Patrones de CTA (mención del boletín, puerta de comentarios, solicitud de republicación, pregunta, ninguno).
   • Clústeres de temas que sobresalen en engagement.
   • Ritmo de las oraciones (longitud promedio de oración, saltos de párrafo por publicación).
4. También anota los patrones del 10% inferior para identificar qué falla.

Registra la fuente, la fecha, el tamaño de la muestra y los patrones en esta revisión. No escribas en la memoria persistente a menos que se solicite. Los recuentos desconocidos son faltantes, no cero; indica cuándo la muestra es demasiado pequeña o seleccionada para respaldar una comparación de rendimiento.

Paso 4. Puntuar la publicación

Puntúa en 5 criterios, cada uno del 1 al 10. Separa el juicio editorial de las comparaciones históricas medidas. Si no existe ni un perfil de voz ni muestras confirmadas del autor, marca Coincidencia de voz como no disponible e informa el total sobre 40; de lo contrario, usa 50. Ningún total numérico implica rendimiento previsto.

Fuerza del gancho (1 a 10)

Compara la línea de apertura del borrador con los tipos de gancho del 10% superior.

• ¿Usa un tipo de gancho que históricamente funciona para este autor?
• ¿Es específico con un número, nombre o detalle concreto?
• ¿Detendría un desplazamiento según lo que realmente detiene los desplazamientos en sus datos?
• Con historial, cita el patrón relevante; sin él, etiqueta la puntuación del gancho como editorial y deja la adecuación histórica como no disponible.

Coincidencia de voz (1 a 10)

Si existe voice.md:

• ¿Coincide la publicación con el tono, ritmo y longitud de oración de voice.md?
• ¿Viola alguna regla en la sección de patrones de ausencia de voice.md (lo que la voz nunca hace)?
• ¿Coincide la longitud de la oración con el promedio de sus mejores rendimientos? Si no hay archivos de voz: usa muestras confirmadas del autor de sus datos de publicaciones. Si ninguno está disponible, marca este criterio como no disponible.

Densidad de valor (1 a 10)

Compara con las publicaciones de mejor rendimiento del usuario:

• ¿Sus mejores publicaciones enseñan, dan pasos, comparten datos o cuentan historias?
• ¿Coincide este borrador con ese patrón de valor?
• ¿Es la conclusión lo suficientemente específica como para que alguien la guarde o comparta?
• Compara el recuento de palabras con el promedio de su 10% superior. Señala si está muy por encima o por debajo.

Estructura y formato (1 a 10)

Basado en sus datos:

• ¿Qué formato (texto, imagen, carrusel) obtiene más engagement para ellos?
• ¿La estructura del borrador coincide con el ritmo de saltos de línea y párrafos de las publicaciones principales?
• ¿Es la publicación escaneable en móvil?
• ¿La CTA coincide con los patrones de sus mejores rendimientos?

Preparación para publicación (1 a 10)

• ¿Están todas las afirmaciones respaldadas, los elementos requeridos cubiertos y las ediciones completas? No infieras la autoría a partir del estilo.
• ¿Esta publicación encajaría naturalmente en su feed según su historial de publicaciones?
• ¿Hay alguna bandera roja: palabras prohibidas listadas en los patrones de ausencia de voice.md, frases genéricas, tono corporativo?
• ¿Tiene la longitud adecuada en comparación con sus mejores rendimientos?

Paso 5. Mostrar la tarjeta de puntuación

Muestra en un bloque de código:

PUNTUACIÓN DE PUBLICACIÓN DE LINKEDIN

Fuente de datos: [exportación verificada del autor / resultados verificados de Apify / solo editorial]
Publicaciones analizadas: [número o no disponible]
Engagement promedio del 10% superior: [número medido o no disponible]

Fuerza del gancho:         [X] / 10  [tipo de gancho detectado]
Coincidencia de voz:       [X] / 10
Densidad de valor:         [X] / 10
Estructura y formato:      [X] / 10  [formato: texto/imagen/carrusel]
Preparación para publicación: [X] / 10
----------------------------------------
TOTAL:                     [XX] / [50 o 40, excluyendo voz no disponible]

VEREDICTO: [Una oración que haga referencia a datos específicos]

COMPARACIÓN CON MEJORES RENDIMIENTOS:
Tus mejores publicaciones promedian [X] palabras, usan ganchos de tipo [tipo de gancho],
e incluyen el patrón de CTA [patrón de CTA]. Este borrador [coincide/difiere] porque [razón específica].

CORRECCIONES:
1. [Corrección específica respaldada por datos, por ejemplo: "Tus publicaciones del 10% superior abren con números. Esta abre con una pregunta. Cambia a una estadística."]
2. [Segunda corrección respaldada por datos]
3. [Tercera corrección si es necesario]

Cita evidencia real para las comparaciones históricas. Para revisiones solo editoriales, omite la comparación con mejores rendimientos y da correcciones específicas de copia/estructura etiquetadas como editoriales. Nunca llenes la plantilla con métricas inventadas. Verifica cada elemento o paso del checklist requerido contra el borrador exacto antes de puntuar.

Paso 6. Ofrecer siguientes pasos

Después de la tarjeta de puntuación:

¿Quieres que reescriba la sección más débil usando los patrones de tus mejores publicaciones, o que la publiques?

Si se solicita una reescritura, aplica las correcciones y muestra la publicación revisada en un bloque de código.

Reglas

• Intenta siempre usar datos reales antes de recurrir a consejos genéricos.
• Marca cada hallazgo como basado en fuentes/historial o juicio editorial.
• Una puntuación editorial alta no establece adecuación histórica ni predice alcance.
• Sé honesto. Un evaluador generoso es inútil.
• Si los datos están desactualizados (14+ días de antigüedad), sugiere una actualización antes de puntuar.
• Informa al usuario antes de ejecutar un scraping de Apify (cuesta dinero).
• Nunca uses guiones largos en ninguna salida.
• Usa inglés británico en todo momento.
• Mantén la tarjeta de puntuación compacta. Debe verse bien en una pantalla grande en eventos.