Communitygithub.com

bighardperson/计算机科学技能集合

使用自动组建的领域专家小组，对任何内容或策略进行评分、评估和迭代改进。处理文案、序列、着陆页、策略文档、标题、图表、招聘评估或任何需要质量关口的任务。递归迭代，直到所有评分达到90+（最多3轮）。

计算机科学技能集合 是什么？

此AI Agent技能是一个通用的评分与迭代改进引擎。它能够自动组建一个由7-10位领域专家组成的评审小组，针对用户提供的任何内容（如文案、策略、着陆页、图表等）进行结构化评分。技能会根据内容类型和领域上下文自动匹配最合适的专家和评分规则（如内容质量、转化率、战略力度等评分矩阵），并强制包含AI写作检测器和品牌一致性检查。通过最多3轮的递归迭代，技能会暴露出内容的三大弱点并给出具体修改建议，直至所有专家评分达到90分以上。全面支持多版本（A/B/C）对比模式。技能还包含反馈到来源技能的机制，用于改进其他AI技能的输出，并支持从用户审批和拒绝中学习模式。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/bighardperson/computer-science-skills-collection/tree/HEAD/skills/content-ops
查看原文→浏览所有技能

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

文档

序言（技能启动时运行）

# 版本检查（如果已是最新则静默）
python3 telemetry/version_check.py 2>/dev/null || true

# 遥测选择（首次运行，然后记住您的选择）
python3 telemetry/telemetry_init.py 2>/dev/null || true

隐私： 此技能使用情况本地记录到 ~/.ai-marketing-skills/analytics/。远程遥测仅可选加入。从不收集任何代码、文件路径或仓库内容。请参阅 telemetry/README.md。

专家评审小组

通用评分和迭代改进引擎。自动组建合适的专家来评估任何内容，进行评分，并循环直至达到90分以上。

步骤1：接收——理解被评分的内容

从上下文中收集或推断：

  1. 内容/作品 — 需要评分的对象（粘贴内容、文件路径或URL）
  2. 内容类型 — 文案、序列、着陆页、策略、标题、图表、候选人评估等。
  3. 提案背景 — 正在销售/推广什么？面向谁？什么领域/行业？
  4. 变体 — 是否存在多个版本需要比较？（A/B/C）
  5. 来源技能 — 这是否是其他技能的输出？（例如，cold-outbound-optimizer） 如果是，则记录来源以用于步骤6中的反馈路由。

如果上下文在对话中很明显，无需询问——直接进行。

步骤2：自动组建专家小组

根据内容类型和领域，组建一个包含 7-10 位专家 的小组。

组建规则

  1. 从内容类型专家开始。 读取 experts/ 目录以查找与内容类型匹配的预建小组。 如果存在完全匹配（例如，LinkedIn帖子对应 experts/linkedin.md），则以此为基础。

  2. 添加领域/提案专家。 根据提案背景，添加 1-3 位了解特定行业或领域的专家。示例：

    • 评分烘焙营销 → 添加食品与饮料营销专家
    • 评分SaaS着陆页 → 添加SaaS转化专家
    • 评分招聘外展内容 → 添加机构招聘人员 + 人才市场专家
    • 评分医疗器械文案 → 添加医疗合规专家

  3. 始终包含以下两位：

    • AI写作检测器 — 参见 experts/humanizer.md。权重：1.5倍。不可协商。
    • 品牌声音匹配 — 检查与配置的品牌声音以及 references/patterns.md（如果存在）中的已知拒绝模式的一致性。

  4. 检查已学模式。 如果 references/patterns.md 存在，则读取它。如果任何模式适用于此内容类型，则向小组简要说明。为已知的不良模式扣分。

  5. 上限为10位专家。 如果超过10位，合并重叠角色。

小组输出格式

列出每位专家：姓名、视角/重点、他们检查的内容。

步骤3：选择评分规则

从 scoring-rubrics/ 中选择适当的评分规则：

内容类型规则文件
博客、社交媒体、邮件、新闻通讯、脚本scoring-rubrics/content-quality.md
策略、建议、分析scoring-rubrics/strategic-quality.md
着陆页、广告、行动号召scoring-rubrics/conversion-quality.md
图表、数据可视化、信息图scoring-rubrics/visual-quality.md
候选人评估scoring-rubrics/evaluation-quality.md
其他从最接近的两个匹配中综合出一个规则

读取所选规则文件以获取详细标准和分数分配。

步骤4：评分——递归循环直至90分以上

目标：所有专家评分达到90/100。不可协商。最多3轮。

每轮输出：

## 第[N]轮 — 评分：[平均分]/100

| 专家 | 分数 | 关键反馈 |
|--------|-------|--------------|
| [姓名] | [0-100] | [一行理由] |
| ... | ... | ... |

**总分：** [加权平均 — AI写作检测器的权重为1.5倍]
**三大弱点：** [排名]
**已做修改：** [针对每个弱点的具体修改]

然后是修改后的内容/作品。

规则

  • 分数必须残酷地诚实。不要为了达到90分而人为抬高。
  • AI写作检测器的分数在总分中加权1.5倍。
  • 如果总分 < 90：识别三大弱点 → 修改 → 下一轮。
  • 如果总分 ≥ 90：最终确定并进入输出步骤。
  • 经过3轮后，如果仍 < 90：返回最佳版本，附上诚实分数+说明阻碍因素。
  • 在输出中显示所有轮次——迭代轨迹本身就是价值的一部分。

变体比较模式

当评分多个变体（A/B/C）时：

  • 通过整个小组独立评分每个变体。
  • 评分后，按总分对变体进行排名。
  • 如果最佳变体 < 90，则对最佳变体进行迭代（不要迭代所有变体）。

步骤5：输出格式

获胜者 + 分数（始终在最顶部）

## 🏆 结果：[分数]/100 — [通过 ✅ | 需要改进 ⚠️]

[最终内容/作品]

**迭代次数：** [N] 轮
**小组：** [专家姓名，用逗号分隔]

如果有变体：首先显示获胜者，然后显示亚军分数。

## 🏆 获胜者：变体 [X] — [分数]/100

[获胜内容]

### 亚军分数
- 变体A：87/100
- 变体B：82/100
- 变体C：91/100 ← 获胜者

反馈历史（结果下方）

显示完整的评分轮次。

---
<details>
<summary>📊 评分历史（N轮）</summary>

[步骤4中的所有轮次表格]

</details>

步骤6：反馈到来源技能（当评分其他技能输出时）

当被评分的内容来自另一个技能时，生成一个来源改进简报：

## 🔁 对[来源技能]的反馈

### 评分低的部分
- [模式]：[此内容中的具体示例]

### 建议的技能改进
- [对来源技能流程/规则/提示的具体更改]

### 要添加到来源技能的模式
- [任何应成为规则的重复性弱点]

此简报可用于更新来源技能的 SKILL.md 或规则。

步骤7：记忆——从批准和拒绝中学习

在用户批准或拒绝小组输出后：

批准时（分数 ≥ 90，用户接受）

记录哪些有效。除非出现新的积极模式，否则无需操作。

拒绝时（用户否决小组或拒绝90分以上的内容）

  1. 询问原因（或从上下文中推断）。
  2. 向 references/patterns.md 添加一个新模式，格式如下：
## [模式名称]
- **类型：** 拒绝 | 偏好 | 覆盖
- **内容类型：** [此模式适用的类型]
- **规则：** [始终/绝不做什么]
- **示例：** [触发此模式的具体实例]
- **日期：** [YYYY-MM-DD]
- **扣分：** [-N 检测到时扣除的分值]
  1. 确认：“已添加模式：[一行摘要]。小组今后将因此扣除 [N] 分。”

模式执行

每次评分轮次，对照 references/patterns.md 检查内容。在专家评分开始前应用扣分。这意味着即使个别专家遗漏了已知的不良模式，这些模式也会被惩罚。

参考文件

文件用途何时读取
experts/humanizer.mdAI写作检测规则（24种模式）每次评分运行
experts/[domain].md常见领域的预建专家小组领域匹配时
scoring-rubrics/content-quality.md内容评分规则内容评分时
scoring-rubrics/strategic-quality.md策略评分规则策略评分时
scoring-rubrics/conversion-quality.md着陆页/广告/行动号召规则转化评分时
scoring-rubrics/visual-quality.md图表/数据可视化/信息图规则视觉评分时
scoring-rubrics/evaluation-quality.md候选人/评估规则评估评分时
references/patterns.md已学习的拒绝模式每次评分运行
references/expert-assembly.md用于自动组建的领域专家示例构建不熟悉的小组时

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

bighardperson/computer-science-skills-collection

Score any landing page with a CRO audit framework, and convert survey data into lead magnets. Use when asked to "audit this landing page", "score this page", "CRO audit", "convert survey to lead magnet", "optimize conversion rate", or "analyze this form page".

bighardperson/computer-science-skills-collection

CSS implementation patterns for layout, typography, color, spacing, and responsive design. Complements ui-design (fundamentals) with code-focused examples.

相关技能

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community