校對編輯
概述
此公開接收套件將 https://github.com/sickn33/antigravity-awesome-skills 中的 plugins/antigravity-bundle-creative-director/skills/copy-editing 打包成原生 Omni Skills 編輯格式,同時不隱藏其來源。
當操作者需要上游工作流程、支援檔案和倉庫上下文保持完整,而公開驗證器和私有增強器繼續其正常的下游流程時,請使用它。
此接收套件會保持複製的上游檔案完整,並使用 metadata.json 中的 external_source 區塊以及 ORIGIN.md 作為審查的出處錨點。
校對編輯 您是專精於行銷與轉換文案的校對編輯專家。您的目標是透過專注的編輯檢查,系統性地改善現有文案,同時保留核心訊息。
無法完美對應到公開標題的匯入來源章節,仍保留在下方或支援檔案中。值得注意的匯入章節包括:核心哲學、七遍掃描框架、快速檢查編輯檢查、校對編輯清單、使用文案掃描、要問的問題。
何時使用此技能
將此章節用作觸發過濾器。它應在操作者載入檔案、執行命令或開啟 Pull Request 之前,明確設定啟用邊界。
- 任務 - 使用的技能
- 從頭開始撰寫新的頁面文案 - copywriting
- 審查並改善現有文案 - copy-editing (此技能)
- 編輯您剛寫好的文案 - copy-editing (此技能)
- 結構性或策略性頁面變更 - page-cro
- 當請求明確符合匯入來源意圖時使用:您是專精於行銷與轉換文案的校對編輯專家。您的目標是透過專注的編輯檢查,系統性地改善現有文案,同時保留核心訊息。
操作表
| 情境 | 從這裡開始 | 為何重要 |
|---|---|---|
| 首次使用 | metadata.json | 在接觸複製的工作流程前,透過 external_source 區塊確認倉庫、分支、提交和匯入路徑 |
| 出處審查 | ORIGIN.md | 為審查者提供匯入來源的純語言稽核軌跡 |
| 工作流程執行 | SKILL.md | 從能實質改變執行結果的最小複製檔案開始 |
| 支援上下文 | SKILL.md | 在不載入整個套件的情況下,加入下一個最相關的複製來源檔案 |
| 交接決策 | ## 相關技能 | 協助任務偏離時,操作者切換至更強大的原生技能 |
工作流程
此工作流程刻意兼具編輯與操作特性。它讓匯入的來源對操作者保持實用,同時滿足公開接收標準,為下游增強器流程提供養分。
- 確認使用者目標、匯入工作流程的範圍,以及此技能是否仍是該任務的正確路由器。
- 在載入任何複製的上游支援檔案前,先閱讀概述和出處檔案。
- 僅載入能實質改變當前請求結果的參考資料、範例、提示或腳本。
- 執行上游工作流程,同時在工作筆記中明確標示出處和來源邊界。
- 根據上游期望和您在複製檔案中可指出的證據來驗證結果。
- 當工作超出此匯入工作流程的核心範圍時,升級或交接給相關技能。
- 在合併或關閉前,記錄使用了哪些內容、改變了什麼,以及審查者仍需驗證的事項。
匯入的工作流程備註
匯入:核心哲學
好的校對編輯不是重寫,而是增強。每次檢查專注於一個維度,捕捉當您試圖一次修正所有問題時會遺漏的錯誤。
關鍵原則:
- 不要改變核心訊息;專注於增強它
- 多次專注的檢查勝過一次未聚焦的審查
- 每次編輯都應有明確的理由
- 在改善清晰度的同時保留作者的原聲
範例
範例 1:直接要求上游工作流程
使用 @copy-editing-v3 來處理 <task>。從複製的上游工作流程開始,僅載入能改變結果的檔案,並在答案中保持出處可見。
說明: 當操作者需要匯入的工作流程,但不需要整個倉庫時,這是最安全的起點。
範例 2:要求基於出處的審查
根據 metadata.json 和 ORIGIN.md 審查 @copy-editing-v3,然後說明您會先載入哪些複製的上游檔案及其原因。
說明: 在審查或除錯前使用,當您需要精確、可稽核的來源和檔案選擇說明時。
範例 3:在執行前縮小複製的支援檔案範圍
對 <task> 使用 @copy-editing-v3。僅載入能改變結果的複製參考資料、範例或腳本,並在繼續前明確命名這些檔案。
說明: 這讓技能與漸進式揭露保持一致,而非預設載入整個複製套件。
範例 4:建立審查者套件
使用複製的上游檔案加上出處來審查 @copy-editing-v3,然後在合併前總結任何差距。
說明: 當 Pull Request 正在等待人工審查,且您想要一個可重複的稽核套件時,這很有用。
最佳實務
將產生的公開技能視為圍繞上游倉庫的可審查包裝層。目標是保持出處明確,並僅載入能實質改善執行的複製來源材料。
- 讓匯入的技能以上游倉庫為基礎;不要發明來源材料無法支援的步驟。
- 偏好最小有用的支援檔案集,以便工作流程保持可稽核且快速審查。
- 在備註和 Pull Request 描述中保持出處、來源提交和匯入檔案路徑可見。
- 直接指向證明工作流程合理性的複製上游檔案,而非依賴通用的審查模板。
- 將產生的範例視為支架;在執行前根據具體任務進行調整。
- 當架構、除錯、設計或安全問題成為主導時,路由至更強大的原生技能。
疑難排解
問題:操作者跳過了匯入的上下文,給出過於通用的回應
症狀: 結果忽略了 plugins/antigravity-bundle-creative-director/skills/copy-editing 中的上游工作流程,未提及出處,或完全未使用任何複製的來源檔案。
解決方案: 重新開啟 metadata.json、ORIGIN.md 和最相關的複製上游檔案。先檢查 external_source 區塊,然後在繼續前重新陳述出處。
問題:審查期間匯入的工作流程感覺不完整
症狀: 審查者可以看到產生的 SKILL.md,但無法快速判斷哪些參考資料、範例或腳本對當前任務重要。
解決方案: 指向證明您所採取其路徑的具體複製參考資料、範例、腳本或資產。如果差距確實存在,請記錄在 Pull Request 中,而非隱藏它。
問題:任務偏離到不同的專業領域
症狀: 匯入的技能從正確的地方開始,但工作變成了除錯、架構、設計、安全性或發布協調,這些由原生技能處理得更好。 解決方案: 使用相關技能章節刻意進行交接。保持匯入的出處可見,以便下一個技能繼承正確的上下文,而不是從頭開始。
匯入的疑難排解備註
匯入:常見文案問題與修正
問題:功能牆
症狀: 列出產品功能清單,但未說明其重要性 修正: 在每個功能後加上「這表示...」來銜接效益
問題:企業用語
症狀: 「利用綜效來最佳化成果」 修正: 問「一般人會怎麼說這句話?」然後使用那些詞語
問題:開頭薄弱
症狀: 從公司歷史或模糊的陳述開始 修正: 以讀者的問題或期望的結果作為開頭
問題:行動呼籲被埋沒
症狀: 行動呼籲在太多鋪陳之後才出現,或不明確 修正: 讓行動呼籲明顯、提早出現且重複
問題:缺乏證據
症狀: 「客戶喜愛我們」但無證據 修正: 添加具體的推薦、數字或案例參考
問題:通用宣稱
症狀: 「我們幫助企業成長」 修正: 具體說明對象、方式及程度
問題:目標受眾混雜
症狀: 文案試圖對所有人說話,卻無法引起共鳴 修正: 選擇一個受眾並直接對他們書寫
問題:功能過載
症狀: 列出每一項功能,壓垮讀者 修正: 專注於對目標受眾最重要的 3-5 個關鍵效益
相關技能
@ab-test-setup-v3- 當此匯入技能建立上下文後,工作由該原生專業技能處理得更好時使用。@algolia-search-v3- 當此匯入技能建立上下文後,工作由該原生專業技能處理得更好時使用。@algorithmic-art-v3- 當此匯入技能建立上下文後,工作由該原生專業技能處理得更好時使用。@analytics-tracking-v3- 當此匯入技能建立上下文後,工作由該原生專業技能處理得更好時使用。
其他資源
將下方的支援矩陣和連結檔案用作此匯入技能的操作者套件。它們應反映真實的複製來源材料,而非通用的支架。
| 資源系列 | 提供給審查者的內容 | 範例路徑 |
|---|---|---|
references | 從上游複製的參考備註、指南或背景資料 | references/n/a |
examples | 從上游複製的工作範例或可重複使用的提示 | examples/n/a |
scripts | 改變執行或驗證的上游輔助腳本 | scripts/n/a |
agents | 確實屬於匯入套件一部分的路由或委派備註 | agents/n/a |
assets | 從來源套件複製的支援資產或架構 | assets/n/a |
匯入的參考備註
匯入:七遍掃描框架
透過七個連續的掃描來編輯文案,每次專注於一個維度。每次掃描後,回頭檢查先前的掃描是否受損。
掃描 1:清晰度
重點: 讀者能理解您在說什麼嗎?
檢查事項:
- 令人困惑的句子結構
- 不明確的代名詞指涉
- 行話或內部語言
- 模糊的陳述
- 遺漏的上下文
常見清晰度殺手:
- 試圖說太多的句子
- 抽象語言而非具體語言
- 假設讀者擁有他們沒有的知識
- 用修飾語埋沒重點
流程:
- 快速閱讀一遍,標記不清楚的部分
- 先不要修正——只記錄問題區域
- 標記問題後,推薦具體的編輯
- 驗證編輯保留了原始意圖
此掃描後: 確認「單一規則」(每節一個主要想法)和「你規則」(文案對讀者說話)保持不變。
掃描 2:語氣與語調
重點: 文案聽起來是否一致?
檢查事項:
- 正式與隨意之間的轉換
- 不一致的品牌個性
- 感覺突兀的情緒變化
- 不符合品牌的詞語選擇
常見語氣問題:
- 開頭隨意,變得企業化
- 混用「我們」和「公司」的指稱
- 有些地方幽默,其他地方嚴肅(非預期地)
- 技術語言隨機出現
流程:
- 大聲朗讀以聽出不協調之處
- 標記語氣意外轉變的地方
- 推薦能平滑過渡的編輯
- 確保個性貫穿始終
此掃描後: 返回清晰度掃描,確保語氣編輯未引入混淆。
掃描 3:那又怎樣
重點: 每個宣稱是否回答了「我為什麼要在乎?」
檢查事項:
- 沒有效益的功能
- 沒有結果的宣稱
- 未連結到讀者生活的陳述
- 遺漏的「這表示...」橋樑
那又怎樣測試: 對每個陳述,問「好,那又怎樣?」如果文案沒有以更深層的效益回答該問題,就需要改進。
❌ 「我們的平台使用 AI 驅動的分析」 那又怎樣? ✅ 「我們的 AI 驅動分析能挖掘您手動會遺漏的洞察——因此您能在更短的時間內做出更好的決策」
常見那又怎樣失敗:
- 功能清單未連結到效益
- 聽起來印象深刻但未落地
- 沒有結果的技術能力
- 對讀者無幫助的公司成就
流程:
- 閱讀每個宣稱,並確實問「那又怎樣?」
- 標記缺少答案的宣稱
- 加入效益橋樑或更深層含義
- 確保效益連結到讀者的真實渴望
此掃描後: 返回語氣與語調掃描,然後是清晰度掃描。
掃描 4:證明它
重點: 每個宣稱是否有證據支持?
檢查事項:
- 未經證實的宣稱
- 遺漏的社會證明
- 無備份的主張
- 沒有證據的「最佳」或「領先」
要尋找的證明類型:
- 附有姓名和具體細節的推薦
- 案例研究參考
- 統計數據和資料
- 第三方驗證
- 保證與風險逆轉
- 客戶標誌
- 評論分數
常見證明缺口:
- 「受數千人信賴」(哪數千人?)
- 「業界領先」(據誰所說?)
- 「客戶喜愛我們」(讓他們說出來)
- 沒有具體數字的結果宣稱
流程:
- 找出每個需要證明的宣稱
- 檢查附近是否有證明
- 標記未經證實的主張
- 推薦添加證明或軟化宣稱
此掃描後: 返回那又怎樣掃描、語氣與語調掃描,然後是清晰度掃描。
掃描 5:具體性
重點: 文案是否足夠具體以具有說服力?
檢查事項:
- 模糊的語言(「改善」、「增強」、「最佳化」)
- 可能適用於任何人的通用陳述
…