Avaliador de Posts

Post Scorer

Codex e Claude runtime

• Use esta skill no Codex ou Claude com as ferramentas realmente disponíveis na tarefa atual. Os exemplos de AskUserQuestion descrevem as perguntas, não uma API obrigatória: use uma ferramenta de perguntas disponível dentro de seus limites, ou pergunte no chat. Reutilize respostas e material de origem já fornecidos.
• Trabalhe no projeto selecionado pelo usuário. Leia seus arquivos about-me.md, voice.md e arquivos de marca relevantes antes do trabalho personalizado. Confirme o autor pretendido se os arquivos conflitarem ou contiverem valores padrão iniciais. Pergunte sobre fatos faltantes ou execute voice-builder; nunca herde a identidade, contas ou arquivos privados do mantenedor.
• Resolva os references/ em relação a esta pasta de skill. Para uma atualização de perfil explicitamente solicitada, leia e atualize o canonical about-me.md, voice.md ou newsletter-voice.md no local, preservando fatos e regras do usuário não relacionados. Os consumidores devem reler esses arquivos canônicos. Use um novo nome de arquivo apenas para novas entregas que colidiriam com arquivos não relacionados existentes. A instalação por si só nunca inicia uma entrevista ou escreve arquivos. Não escreva aprendizados persistentes a menos que solicitado.
• Use as evidências fornecidas primeiro. Verifique alegações externas por meio de ferramentas de pesquisa/origens disponíveis quando necessário. Se uma fonte ou integração não estiver disponível, nomeie a capacidade faltante e ofereça entrada de texto/exportação fornecida. Nunca invente fatos, experiência em primeira pessoa, métricas ou uma execução bem-sucedida de ferramenta.
• Conecte apenas os serviços necessários para a rota escolhida por meio da conta existente do usuário. Nunca imprima credenciais ou sobrescreva conexões. Rascunhar, salvar e revisar não autorizam publicação, envio de mensagens ou alteração de contas.

CRÍTICO: Início automático ao carregar

Quando esta skill for acionada, vá direto para a Etapa 1. Não resuma. Não explique o método de pontuação. Comece imediatamente.

Etapa 1. Obter o post

Se o usuário já colou um post na mesma mensagem, use-o. Caso contrário, diga:

Cole o post do LinkedIn que deseja avaliar.

Aguarde o post.

Etapa 2. Carregar dados de pontuação

O avaliador precisa de duas coisas: o sistema de voz do usuário e dados reais de desempenho.

Sistema de voz

Leia about-me.md e voice.md do projeto, se existirem. Se estiverem faltando, anote e pontue sem correspondência de voz.

Dados de desempenho

Verifique exportações fornecidas pelo usuário ou dados de post em cache no projeto selecionado. Verifique o autor, a data de coleta e a cobertura antes de usar. Nunca pesquise pastas de outro usuário ou recorra aos benchmarks do mantenedor.

Se os dados estiverem faltando, ofereça:

1. Usar uma exportação enviada dos posts do usuário e contagens agregadas de engajamento.
2. Buscar os corpos dos posts do usuário e contagens agregadas com sua conexão Apify autorizada. Confirme a conta, o escopo e o custo atual antes de uma execução paga. Verifique o esquema de entrada documentado atual do ator antes de chamá-lo; não adivinhe entradas de atores de fallback.
3. Fazer uma revisão editorial agora, com a comparação de desempenho marcada como indisponível.

Para uma execução do Apify, apimaestro/linkedin-profile-posts é a rota de provedor existente. Use um lote pequeno solicitado (até 100 posts). Solicite apenas corpos de posts e contagens agregadas. Nunca raspe comentários ou respostas, incluindo por meio de deepScrape ou numComments. Se o ator não puder excluir corpos de comentários, use uma rota de posts verificada diferente ou solicite uma exportação. Não execute uma raspagem de comentários e depois a descarte.

Salve os dados de post permitidos resultantes sob outputs/post-scorer/ no projeto com o autor e a data de coleta. Se o Apify não estiver disponível, preserve o rascunho e ofereça as rotas de exportação/editorial. Não afirme que o histórico foi obtido.

Etapa 3. Analisar os melhores desempenhos

Quando os dados de desempenho estiverem disponíveis, execute esta análise antes de pontuar:

1. Calcule a pontuação de engajamento para cada post: total_reactions + (aggregate_comment_count x 3), uma ponderação editorial em vez de análises privadas de alcance.
2. Identifique os 10% principais posts por pontuação de engajamento.
3. Desses posts principais, extraia:
   • Tipos de abertura que aparecem com mais frequência (contrário, baseado em números, afirmação ousada, história pessoal, pergunta, notícia).
   • Comprimento médio do post (contagem de palavras).
   • Distribuição de formato (apenas texto, imagem, carrossel, vídeo).
   • Padrões de CTA (menção à newsletter, gate de comentário, pedido de repost, pergunta, nenhum).
   • Clusters de tópicos que têm um índice de engajamento acima da média.
   • Ritmo de frases (comprimento médio de frase, quebras de parágrafo por post).
4. Anote também os padrões dos 10% inferiores para identificar o que falha.

Registre a fonte, data, tamanho da amostra e padrões nesta revisão. Não escreva memória persistente a menos que solicitado. Contagens desconhecidas estão faltando, não são zero; diga quando a amostra é muito pequena ou selecionada para suportar uma comparação de desempenho.

Etapa 4. Pontuar o post

Pontue em 5 critérios, cada um de 1 a 10. Separe o julgamento editorial das comparações históricas medidas. Se nem um perfil de voz nem amostras confirmadas do autor existirem, marque Correspondência de voz como indisponível e relate o total sobre 40; caso contrário, use 50. Nenhum total numérico implica desempenho previsto.

Força da abertura (1 a 10)

Compare a linha de abertura do rascunho com os tipos de abertura dos 10% principais.

• Ela usa um tipo de abertura que historicamente tem bom desempenho para este autor?
• É específica com um número, nome ou detalhe concreto?
• Ela pararia a rolagem com base no que realmente para a rolagem nos dados deles?
• Com histórico, cite o padrão relevante; sem ele, rotule a pontuação da abertura como editorial e deixe o ajuste histórico indisponível.

Correspondência de voz (1 a 10)

Se voice.md existir:

• O post corresponde ao tom, ritmo, comprimento de frase do voice.md?
• Viola alguma regra na seção de padrões de ausência do voice.md (o que a voz nunca faz)?
• O comprimento da frase corresponde à média dos seus melhores desempenhos? Se não houver arquivos de voz: use amostras confirmadas do autor a partir dos dados de seus posts. Se nenhum estiver disponível, marque este critério como indisponível.

Densidade de valor (1 a 10)

Compare com os posts de melhor desempenho do usuário:

• Seus melhores posts ensinam, dão passos, compartilham dados ou contam histórias?
• Este rascunho corresponde a esse padrão de valor?
• O aprendizado é específico o suficiente para alguém salvar ou compartilhar?
• Compare a contagem de palavras com a média dos 10% principais deles. Sinalize se estiver muito acima ou abaixo.

Estrutura e formato (1 a 10)

Com base nos dados deles:

• Qual formato (texto, imagem, carrossel) obtém mais engajamento para eles?
• A estrutura do rascunho corresponde ao ritmo de quebras de linha e parágrafo dos posts principais?
• O post é escaneável no celular?
• O CTA corresponde aos padrões dos seus melhores desempenhos?

Prontidão para publicação (1 a 10)

• Todas as alegações são suportadas, itens necessários cobertos e edições concluídas? Não infira autoria a partir do estilo.
• Este post se misturaria naturalmente ao feed deles com base no histórico de postagens?
• Existem bandeiras vermelhas: palavras banidas listadas nos padrões de ausência do voice.md, frases genéricas, tom corporativo?
• É o comprimento certo comparado aos seus melhores desempenhos?

Etapa 5. Exibir o scorecard

Exiba em um bloco de código:

SCORE DO POST DO LINKEDIN

Fonte de dados: [exportação verificada do autor / resultados Apify verificados / apenas editorial]
Posts analisados: [número ou indisponível]
Engajamento médio dos 10% principais: [número medido ou indisponível]

Força da abertura:         [X] / 10  [tipo de abertura detectado]
Correspondência de voz:    [X] / 10
Densidade de valor:        [X] / 10
Estrutura e formato:       [X] / 10  [formato: texto/imagem/carrossel]
Prontidão para publicação: [X] / 10
----------------------------------------
TOTAL:                     [XX] / [50 ou 40, excluindo voz indisponível]

VEREDITO: [Uma frase referenciando dados específicos]

COMPARAÇÃO COM MELHORES DESEMPENHOS:
Seus posts principais têm em média [X] palavras, usam ganchos do tipo [tipo de abertura]
e incluem [padrão de CTA]. Este rascunho [corresponde/difere] porque [motivo específico].

CORREÇÕES:
1. [Correção específica apoiada por dados, ex.: "Seus 10% principais posts abrem com números. Este abre com uma pergunta. Mude para uma estatística."]
2. [Segunda correção apoiada por dados]
3. [Terceira correção se necessário]

Cite evidências reais para comparações históricas. Para revisão apenas editorial, omita a comparação com melhores desempenhos e dê correções específicas de cópia/estrutura rotuladas como editorial. Nunca preencha o modelo com métricas inventadas. Verifique cada item obrigatório do roteiro ou etapa contra o rascunho exato antes de pontuar.

Etapa 6. Oferecer próximos passos

Após o scorecard:

Quer que eu reescreva a seção mais fraca usando padrões dos seus posts principais, ou publicar?

Se a reescrita for solicitada, aplique as correções e exiba o post revisado em um bloco de código.

Regras

• Sempre tente usar dados reais antes de recorrer a conselhos genéricos.
• Marque cada descoberta como baseada em fonte/histórico ou julgamento editorial.
• Uma pontuação editorial alta não estabelece ajuste histórico nem prevê alcance.
• Seja honesto. Um avaliador generoso é inútil.
• Se os dados estiverem desatualizados (14+ dias), sugira uma atualização antes de pontuar.
• Informe o usuário antes de executar uma raspagem do Apify (custa dinheiro).
• Nunca use travessões (em dash) em nenhuma saída.
• Inglês britânico em todo o texto.
• Mantenha o scorecard compacto. Ele precisa ficar bem em telas grandes em eventos.