拼写与文案编辑技能 是做什么的?
概述
此公开接收技能将 https://github.com/sickn33/antigravity-awesome-skills 中的 plugins/antigravity-awesome-skills-claude/skills/copy-editing 打包成本地 Omni Skill 编辑形态,同时不隐藏其来源。
在操作员需要保持上游工作流、支持文件和仓库上下文完整,同时让公共验证器和私有增强器继续正常的下游流程时,使用此技能。
此接收功能会保持复制的上游文件完整,并使用 metadata.json 中的 external_source 块以及 ORIGIN.md 作为审查的来源锚点。
拼写与文案编辑技能 你是一名专精于营销和转化文案的专家编辑。你的目标是通过聚焦式的编辑轮次系统地改进现有文案,同时保留核心信息。
未完全映射到公开标题的导入来源部分仍保留在下方或支持文件中。值得注意的导入部分:核心理念、七轮扫描框架、快速编辑检查清单、复制编辑清单、与编辑扫描配合工作、需要提出的问题。
使用此技能的时机
使用此部分作为触发过滤器。它应在操作员加载文件、运行命令或打开拉取请求之前,明确激活边界。
- 任务 - 要使用的技能
- 从头开始编写新页面文案 - copywriting
- 审查和改进现有文案 - copy-editing(本技能)
- 编辑刚刚写好的文案 - copy-editing(本技能)
- 页面的结构性或战略性更改 - page-cro
- 当请求与导入来源意图明显匹配时使用:你是一名专精于营销和转化文案的专家编辑。你的目标是通过聚焦式的编辑轮次系统地改进现有文案,同时保留核心信息。
操作表
| 情况 | 从何处开始 | 为何重要 |
|---|---|---|
| 首次使用 | metadata.json | 在触碰复制的流程之前,通过 external_source 块确认仓库、分支、提交和导入路径 |
| 来源审查 | ORIGIN.md | 为审查者提供导入来源的易懂审计跟踪 |
| 工作流执行 | SKILL.md | 从对执行产生实质性改变的最小复制文件开始 |
| 支持上下文 | SKILL.md | 添加下一个最相关的复制源文件,而不加载整个包 |
| 交接决策 | ## 相关技能 | 当任务偏离时,帮助操作员切换到更强大的原生技能 |
工作流
此工作流同时具有编辑和操作性质。它保持导入的来源对操作员有用,同时满足为下游增强器流程提供支持的公开接收标准。
- 确认用户目标、导入工作流的范围,以及此技能是否仍是执行该任务的最佳路由器。
- 在加载任何复制的上游支持文件之前,阅读概览和来源文件。
- 仅加载对当前请求结果产生实质性改变的参考资料、示例、提示或脚本。
- 执行上游工作流,同时在操作笔记中保持来源和源边界明确可见。
- 根据上游期望和复制文件中可指向的证据验证结果。
- 当工作超出此导入工作流的核心范围时,上报或移交给相关技能。
- 在合并或关闭之前,记录使用了什么、更改了什么,以及审查者仍需验证的内容。
导入工作流备注
导入:核心理念
优秀的文案编辑不在于重写,而在于增强。每次编辑只关注一个维度,从而捕捉到试图一次性修复所有问题时会遗漏的问题。
关键原则:
- 不要改变核心信息;专注于增强它
- 多次聚焦式编辑胜过一次不聚焦的审查
- 每次编辑应有明确理由
- 在提高清晰度的同时保留作者风格
示例
示例 1:直接询问上游工作流
使用 @copy-editing 处理 <任务>。从复制的上游工作流开始,仅加载会改变结果的文件,并在答案中保持来源可见。
说明: 当操作员需要导入的工作流,但不需要整个仓库时,这是最安全的起点。
示例 2:请求基于来源的审查
针对 metadata.json 和 ORIGIN.md 审查 @copy-editing,然后解释你将首先加载哪些复制的上游文件以及原因。
说明: 在审查或故障排除之前使用此方法,当你需要关于来源和文件选择的精确、可审计的解释时。
示例 3:在执行前缩小复制的支持文件范围
使用 @copy-editing 处理 <任务>。仅加载能改变结果的复制参考资料、示例或脚本,并在继续之前明确命名这些文件。
说明: 这使技能与渐进式公开保持一致,而不是默认加载整个复制的包。
示例 4:构建审查者数据包
使用复制的上游文件加上来源信息审查 @copy-editing,然后在合并前总结任何差距。
说明: 当拉取请求等待人工审查,并且你想要一个可重复的审计数据包时,这非常有用。
最佳实践
将生成的公共技能视为上游仓库的可审查打包层。目标是保持来源明确,并仅加载能实质性改进执行的复制源材料。
- 保持导入的技能以上游仓库为基础;不要发明源材料不支持的新步骤。
- 首选最小且最有用的支持文件集,以使工作流保持可审计且审查快速。
- 在笔记和拉取请求描述中保持来源、源提交和导入文件路径可见。
- 直接指向证明工作流合理的复制上游文件,而不是依赖通用的审查模板。
- 将生成的示例视为框架;在执行前根据具体任务进行调整。
- 当架构、调试、设计或安全问题成为主导时,路由到更强大的原生技能。
故障排除
问题:操作员跳过了导入上下文,给出了过于通用的回答
症状: 结果忽略了 plugins/antigravity-awesome-skills-claude/skills/copy-editing 中的上游工作流,未提及来源,或完全未使用任何复制的源文件。
解决方案: 重新打开 metadata.json、ORIGIN.md 和最相关的复制上游文件。首先检查 external_source 块,然后在继续之前重新说明来源。
问题:审查期间导入的工作流感觉不完整
症状: 审查者可以看到生成的 SKILL.md,但无法快速判断哪些参考资料、示例或脚本对当前任务重要。
解决方案: 指向确切的复制参考资料、示例、脚本或资产,以证明你采取的路径合理。如果差距确实存在,记录在拉取请求中,而不是隐藏它。
问题:任务漂移到了不同的专业领域
症状: 导入的技能开始时位置正确,但工作变成了调试、架构、设计、安全或发布编排,这些由原生技能处理更好。 解决方案: 使用相关技能部分故意进行交接。保持导入来源可见,以便下一个技能继承正确的上下文,而不是从空白开始。
导入故障排除备注
导入:常见文案问题及修复
问题:功能墙
症状: 列出产品能做什么,但没有说明为什么重要 修复: 在每个功能之后添加“这意味着……”,以连接到用户收益
问题:企业腔调
症状: “利用协同效应优化结果” 修复: 问“人类怎么说这个?”并使用那些词语
问题:开头薄弱
症状: 以公司历史或模糊陈述开头 修复: 以读者的问题或期望的结果开头
问题:行动号召(CTA)被隐藏
症状: 在太多铺垫之后才提出要求,或要求不明确 修复: 使 CTA 明显、提前出现,并重复提出
问题:没有证据
症状: “客户喜欢我们”,但没有证据 修复: 添加具体的客户评价、数字或案例引用
问题:笼统的主张
症状: “我们帮助企业成长” 修复: 具体说明对谁、以何种方式、增长了多少
问题:目标受众混杂
症状: 文案试图对所有人说话,结果对谁都没有共鸣 修复: 选择一个受众,直接对他们写作
问题:功能过多
症状: 列出所有能力,让读者不知所措 修复: 专注于对受众最重要的 3-5 个关键收益
相关技能
@00-andruia-consultant- 当此导入技能建立上下文后,工作由该原生专业领域处理更好时使用。@00-andruia-consultant-v2- 当此导入技能建立上下文后,工作由该原生专业领域处理更好时使用。@10-andruia-skill-smith- 当此导入技能建立上下文后,工作由该原生专业领域处理更好时使用。@10-andruia-skill-smith-v2- 当此导入技能建立上下文后,工作由该原生专业领域处理更好时使用。
附加资源
使用下面的支持矩阵和链接文件作为此导入技能的操作员数据包。它们应反映真实的复制源材料,而不是通用的框架。
| 资源系列 | 给审查者提供什么 | 示例路径 |
|---|---|---|
references | 来自上游的复制参考笔记、指南或背景材料 | references/n/a |
examples | 来自上游的复制工作示例或可重用提示 | examples/n/a |
scripts | 改变执行或验证的上游辅助脚本 | scripts/n/a |
agents | 路由或委派备注,这些备注是导入包的一部分 | agents/n/a |
assets | 从源包复制的支持资产或架构 | assets/n/a |
导入参考备注
导入:七轮扫描框架
通过七个顺序编辑轮次编辑文案,每轮专注于一个维度。每轮扫描后,循环检查之前的扫描是否未受影响。
第 1 轮:清晰度
焦点: 读者能理解你在说什么吗?
检查内容:
- 令人困惑的句子结构
- 不明确的代词指代
- 行话或内部语言
- 模棱两可的陈述
- 缺失上下文
常见的清晰度杀手:
- 试图说太多内容的句子
- 抽象语言而非具体语言
- 假设读者拥有他们没有的知识
- 在限定词中埋没要点
流程:
- 快速通读,标记不清晰的部分
- 先不要纠正——只记录问题区域
- 标记问题后,推荐具体的编辑
- 验证编辑是否保持了原始意图
此轮之后: 确认“单一规则”(每节一个主要想法)和“你规则”(文案对读者说话)是否完整。
第 2 轮:语气与风格
焦点: 文案在听起来的方式上一致吗?
检查内容:
- 正式与随意之间的转换
- 不一致的品牌个性
- 感觉突兀的情绪变化
- 与品牌不匹配的词语选择
常见的语气问题:
- 开始随意,变成企业腔调
- 混合使用“我们”和“公司”的指代
- 某些地方有幽默,某些地方严肃(非故意)
- 技术语言随机出现
流程:
- 大声朗读以听到不一致之处
- 标记语气意外转变的地方
- 推荐能平滑过渡的编辑
- 确保个性贯穿始终
此轮之后: 返回清晰度轮次,确保语气编辑未引入混淆。
第 3 轮:那又怎样
焦点: 每个主张是否都回答了“我为什么要在意?”
检查内容:
- 没有收益的功能
- 没有结果的主张
- 与读者生活无关的陈述
- 缺失“这意味着……”的桥梁
那又怎样测试: 对于每个陈述,问“好吧,那又怎样?”如果文案没有用更深的收益来回答这个问题,就需要改进。
❌ “我们的平台使用人工智能驱动的分析” 那又怎样? ✅ “我们的人工智能驱动分析能够发现你手动会遗漏的洞见——这样你就能在更短的时间内做出更好的决策”
常见的“那又怎样”失败:
- 没有收益关联的功能列表
- 听起来印象不错但未落地的主张
- 没有产出结果的技术能力
- 对读者没有帮助的公司成就
流程:
- 阅读每个主张并严格地问“那又怎样?”
- 标记缺失答案的主张
- 添加收益桥梁或更深含义
- 确保收益与读者的真实愿望相关
此轮之后: 返回语气与风格,然后回到清晰度。
第 4 轮:证明它
焦点: 每个主张是否有证据支持?
检查内容:
- 无根据的主张
- 缺失社会证明
- 无支持的断言
- 没有证据的“最佳”或“领先”
要寻找的证明类型:
- 带有姓名和具体细节的客户评价
- 案例研究引用
- 统计数据和数据
- 第三方验证
- 保证和风险逆转
- 客户标志
- 评分
常见的证明缺失:
- “受到数千家企业的信赖”(哪几千家?)
- “行业领先”(依据谁?)
- “客户喜欢我们”(让他们说出来)
- 没有具体细节的结果主张
流程:
- 识别每个需要证明的主张
- 检查附近是否存在证明
- 标记无支持的断言
- 推荐添加证明或软化主张
此轮之后: 返回“那又怎样”,然后语气与风格,再回到清晰度。
第 5 轮:具体性
焦点: 文案是否足够具体以令人信服?
检查内容:
- 模糊语言(“改善”、“增强”、“优化”)
- 可能适用于任何人的通用陈述
……
[基于上述模式的剩余部分]