文本编辑
概述
此公共接收技能将 plugins/antigravity-bundle-creative-director/skills/copy-editing 从 https://github.com/sickn33/antigravity-awesome-skills 打包为 Omni Skills 本地编辑形状,同时不隐藏其来源。
当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。
此接收工作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 作为审核的来源锚点。
文本编辑
你是一名专门从事营销和转化文案的专业文本编辑。你的目标是通过聚焦的编辑轮次系统化地改进现有文案,同时保留核心信息。
未完全映射到公共标题的导入源章节仍保留在下方或支持文件中。重要的导入章节:核心理念、七轮编辑框架、快速编辑检查、文本编辑检查清单、使用编辑轮次、问题清单。
何时使用此技能
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 - 使用的技能
- 从零开始编写新页面文案 - copywriting
- 审核和改进现有文案 - copy-editing(本技能)
- 编辑你刚写的文案 - copy-editing(本技能)
- 结构性或战略性页面更改 - page-cro
- 当请求明确匹配导入源意图时使用:你是一名专门从事营销和转化文案的专业文本编辑。你的目标是通过聚焦的编辑轮次系统化地改进现有文案,同时保留核心信息。
操作表
| 情景 | 从这里开始 | 为什么重要 |
|---|---|---|
| 首次使用 | metadata.json | 在处理复制的流程前,通过 external_source 块确认仓库、分支、提交和导入路径 |
| 来源审核 | ORIGIN.md | 为审核员提供导入来源的纯语言审计线索 |
| 工作流执行 | SKILL.md | 从最小但实质性改变执行的复制文件开始 |
| 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 | 在任务偏离时帮助操作员切换到更强大的本地技能 |
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共接收标准。
- 确认用户目标、导入工作流的范围,以及此技能是否仍是任务的正确路由器。
- 在加载任何复制的上游支持文件之前,先阅读概述和来源文件。
- 仅加载对当前结果产生实质性改变的参考文献、示例、提示或脚本。
- 执行上游工作流,同时在工作笔记中明确保持来源和源边界。
- 根据上游期望和复制文件中可指出的证据验证结果。
- 当工作超出此导入工作流的核心范围时,升级或移交给相关技能。
- 在合并或关闭之前,记录使用了什么、改变了什么,以及审核员仍需要验证什么。
导入的工作流说明
导入:核心理念
好的文本编辑不是重写——而是增强。每个轮次专注于一个维度,捕捉当你试图一次性修复所有问题时容易遗漏的问题。
关键原则:
- 不要改变核心信息,专注于增强它
- 多个聚焦轮次胜过一次不集中的审核
- 每个编辑应有明确理由
- 保留作者风格的同时提高清晰度
示例
示例 1:直接请求上游工作流
使用 @copy-editing-v3 处理 <task>。从复制的上游工作流开始,仅加载改变结果的文文件,并在答案中保持来源可见。
解释: 当操作员需要导入的流程但不需要整个仓库时,这是最安全的起点。
示例 2:请求基于来源的审核
根据 metadata.json 和 ORIGIN.md 审核 @copy-editing-v3,然后解释你会首先加载哪些复制的上游文件以及原因。
解释: 在审核或故障排除前使用,当你需要精确、可审计的起源和文件选择说明时。
示例 3:在执行前缩小复制的支持文件范围
对 <task> 使用 @copy-editing-v3。仅加载改变结果的复制参考文献、示例或脚本,并在继续之前明确命名这些文件。
解释: 这使技能与渐进式披露一致,而不是默认加载整个复制的包。
示例 4:构建审核包
使用复制的上游文件以及来源审核 @copy-editing-v3,然后在合并前总结任何差距。
解释: 当拉取请求等待人工审核且你需要可重复的审计包时,这很有用。
最佳实践
将生成的公共技能视为上游仓库的可审核封装层。目标是保持来源明确,并仅加载实质性改善执行的复制源材料。
- 使导入的技能扎根于上游仓库;不要发明源材料无法支持的步骤。
- 优先选择最小的有用支持文件集,以便流程保持可审计且快速审核。
- 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的复制上游文件,而不是依赖通用的审核模板。
- 将生成的示例视为脚手架;在执行前使其适应具体任务。
- 当架构、调试、设计或安全问题成为主导时,路由到更强大的本地技能。
故障排除
问题:操作员跳过了导入的上下文,回答过于通用
症状: 结果忽略了 plugins/antigravity-bundle-creative-director/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陈述来源。
问题:审核期间导入的流程感觉不完整
症状: 审核员可以看到生成的 SKILL.md,但无法快速判断哪些参考文献、示例或脚本对当前任务重要。
解决方案: 指向证明你所取路径的确切复制参考文献、示例、脚本或资产。如果差距仍然存在,在拉取请求中记录而不是隐藏它。
问题:任务漂移到不同的专业领域
症状: 导入的技能从正确的地方开始,但工作变为调试、架构、设计、安全或发布编排,这些由本地技能处理得更好。 解决方案: 使用相关技能部分有意识地交接。保持导入的来源可见,以便下个技能继承正确的上下文,而不是盲开始。
导入的故障排除说明
导入:常见文案问题及修复
问题:功能墙
症状: 列出产品能做什么而不说明为什么重要 修复: 在每个功能后添加“这意味着……”来桥接到好处
问题:企业腔
症状: “利用协同效应优化成果” 修复: 问“人话怎么说?”并使用那些词
问题:开头薄弱
症状: 以公司历史或模糊陈述开始 修复: 以读者的问题或期望结果开头
问题:行动号召被埋没
症状: 请求在太多铺垫之后才出现,或不够清晰 修复: 让行动号召明显、提前出现且重复
问题:无证据
症状: “客户喜欢我们”但无证据 修复: 添加具体推荐、数字或案例参考
问题:泛泛声称
症状: “我们帮助企业成长” 修复: 明确谁、如何以及多少
问题:混合受众
症状: 文案试图对所有人说话,但无人共鸣 修复: 选择一个受众并直接对他们写
问题:功能过载
症状: 列出每个能力,让读者不堪重负 修复: 专注于 3-5 个对受众最重要的关键好处
相关技能
@ab-test-setup-v3- 当工作在此导入技能建立上下文后更适合由该本地专业处理时使用。@algolia-search-v3- 当工作在此导入技能建立上下文后更适合由该本地专业处理时使用。@algorithmic-art-v3- 当工作在此导入技能建立上下文后更适合由该本地专业处理时使用。@analytics-tracking-v3- 当工作在此导入技能建立上下文后更适合由该本地专业处理时使用。
额外资源
使用此支持矩阵和以下链接文件作为此导入技能的操作员包。它们应反映真实的复制源材料,而非通用脚手架。
| 资源系列 | 给予审核员的帮助 | 示例路径 |
|---|---|---|
references | 复制的参考笔记、指南或上游背景材料 | references/n/a |
examples | 复制的或来自上游的可重用提示 | examples/n/a |
scripts | 更改执行或验证的上游帮助脚本 | scripts/n/a |
agents | 真正属于导入包的路由或委托笔记 | agents/n/a |
assets | 从源包复制的支持资产或模式 | assets/n/a |
导入的参考笔记
导入:七轮编辑框架
通过七个顺序轮次编辑文案,每个轮次专注于一个维度。每次轮后,回头检查先前轮次是否受损。
第一轮:清晰度
重点: 读者能理解你在说什么吗?
检查内容:
- 令人困惑的句子结构
- 模糊的代词指代
- 行话或内行语言
- 模棱两可的陈述
- 缺失的上下文
常见清晰度杀手:
- 试图说太多的句子
- 抽象语言而非具体
- 假设读者拥有他们没有的知识
- 将要点埋在限定条件中
流程:
- 快速通读,标记不清楚的部分
- 暂时不修改——只注意问题区域
- 标记问题后,推荐具体编辑
- 验证编辑是否保持原始意图
此轮后: 确认“单一定律”(每节一个主要想法)和“你定律”(文案面向读者)完好无损。
第二轮:声音与语气
重点: 文案听起来的风格一致吗?
检查内容:
- 正式与随意之间的切换
- 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
常见声音问题:
- 开始随意,变成企业腔
- 混用“我们”和“公司”指代
- 某些地方幽默,某些地方严肃(非故意)
- 技术语言随机出现
流程:
- 大声读出来以听到不一致之处
- 标记语气意外变化的地方
- 推荐平滑过渡的编辑
- 确保个性贯穿始终
此轮后: 返回清晰度轮,确保声音编辑未引入混淆。
第三轮:那又怎样
重点: 每个主张是否回答了“我为什么要在乎?”
检查内容:
- 无好处的功能
- 无后果的主张
- 未连接到读者生活的陈述
- 缺少“这意味着……”的桥梁
那又样测试: 对每个陈述问“好吧,那又怎么样?”如果文案没有用更深的好处回答这个问题,就需要改进。
❌ “我们的平台使用人工智能驱动的分析” 那又怎么样? ✅ “我们的人工智能驱动分析能发现你手动可能忽略的洞见——这样你就能在一半时间内做出更好的决策”
常见的“那又样”失败:
- 功能列表而无好处连接
- 听起来令人印象深刻但未落地的主张
- 技术能力而无结果
- 公司成就而不帮助读者
流程:
- 阅读每个主张,字面上问“那又怎样?”
- 标记缺少回应的主张
- 添加好处桥接或更深含义
- 确保好处连接到读者的真实需求
此轮后: 返回声音与语气轮,然后清晰度轮。
第四轮:证明它
重点: 每个主张是否有证据支持?
检查内容:
- 无根据的主张
- 缺少社会证明
- 无支持的断言
- 无证据的“最佳”或“领先”
要寻找的证明类型:
- 带名字和细节的推荐
- 案例研究参考
- 统计数据
- 第三方验证
- 保证和风险逆转
- 客户标志
- 评价分数
常见证明漏洞:
- “被成千上万人信赖”(哪些人?)
- “行业领先”(据谁说?)
- “客户喜欢我们”(让他们说出来)
- 无具体数字的结果声称
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
- 推荐添加证明或弱化主张
此轮后: 返回“那又怎样”轮,然后声音与语气轮,然后清晰度轮。
第五轮:具体性
重点: 文案足够具体以令人信服吗?
检查内容:
- 模糊语言(“改进”、“增强”、“优化”)
- 可适用于任何人的泛泛陈述
…
[内容截断,仅翻译已有部分]