当学生说"Common App 活动栏写不下"、"这段活动描述超字数了"、"帮我把这几条压到限制内"时使用。先按官方申请表核对当季字符限额,再逐条检查;一次把所有条目量完并直接给出压缩版,只在需要砍掉实质内容时才用选择题问该保哪部分。每改一版都用工具重新数一遍字符,绝不凭感觉说"这样应该够了"。只压缩,不代写空白。
The English summary is being prepared. Showing the original description.
当使用者说"我想写一首关于X的歌"、"这首歌想表达Y"、"帮我想想这首歌写什么"、"疗愈主题的歌该怎么切入"时使用,适用于只有主题词或一句念头、还没定具体处境的时候;处境和字数骨架都已齐、只差句子时改用 adversarial-lyric-writer。
动笔写句子之前先定四样东西:这首歌的具体处境(谁、在什么状况、发生了什么变化)、一套只属于同一个世界的意象系统、情绪弧线的起点转折点终点、五条 hook 候选。派 sonnet 子代理并行提三个不同切入角,主 Agent 收敛。只问两个问题:唱给谁、有没有真实的画面可用。
不替使用者编经历,不把"疗愈""成长"这类效果词当成主题。
The English summary is being prepared. Showing the original description.
See how to installReview the instructions the agent will receive before you install.
在写第一句之前,把这首歌的处境、意象系统、情绪弧线和 hook 候选定下来。
这一步省的是返工。跳过它直接填词,写出来的一定是形容词堆砌 —— 因为没有素材的时候,模型只剩下形容词可用。
"疗愈""治愈""成长""青春"都不是主题,是听完之后的效果。 把它们当主题写,出来的就是"你已经很勇敢""慢慢来不用匆忙"这类谁都能说的话。
主题必须是一个具体处境:
| 效果词 | 换成处境 |
|---|---|
| 疗愈 | 一个人连续加班三个月后的第一个周六早上,醒来不知道该干什么 |
| 成长 | 搬家那天发现高中的校服还在衣柜最里面 |
| 遗憾 | 那条编辑了四次最后没发出去的消息 |
处境包含三件事:谁、在什么状况下、发生了什么变化。三样缺一样,这首歌就没有落点。
不适用于 / Not for:
adversarial-lyric-writerlyric-doctor先问,因为这两个答案会决定后面所有内容,猜错了整套要重做:
这两个问题一次问完。不要再问"你喜欢什么风格""想要什么调性",那些等有词了再定也不迟。
用 Agent 工具,model: "sonnet",三个并行,同一条消息发出。
每个拿到相同的处境和素材,但被指定不同的切入位置:
| 代号 | 切入位置 | 要求 |
|---|---|---|
| 近景 | 一个具体动作或物件 | 整首歌不离开这一个东西,情绪全从它身上长出来 |
| 时间 | 两个时间点的对照 | 用"那时候 / 现在"的落差承载变化,不直接说变化 |
| 对话 | 一句没说出口的话 | 整首歌是对某个人说的,那句话到副歌才出现 |
每个子代理返回:处境的一句话表述、母意象 + 三到五个子意象、情绪弧线三点、 两条 hook 候选。不许写完整段落,这一步不是写词。
三个角里挑一个,或者取其中两个的组合。挑的时候看:
挑完之后自己补全其余三项,产出下面的概念卡。
三到五个子意象要能出现在同一个场景里。厨房、通勤、病房、深夜便利店、老家的院子, 选一个,其余的删掉。
星空 + 海洋 + 森林 + 翅膀同时在场,就是没有意象系统。 那是把所有"听起来美"的词堆在一起,听众抓不住任何一个。
判据:这五个意象能不能拍进同一个镜头里?不能就砍。
hook 是副歌里被记住的那一句,通常在副歌第一句或最后一句。要求:
_shared/craft-reference.md 第 2 节黑名单里的词给五条不是为了让使用者挑一条,是因为写到副歌时前四条大概率会不合节奏, 手上有备份比重想快。
第 2 步用到 Claude Code 的子代理(Agent 工具、model: "sonnet")。没有子代理时:
## 处境
<谁 / 在什么状况下 / 发生了什么变化,三句话之内>
## 意象系统
母意象:<一个具体物件或场所>
子意象:<3-5 个,全部来自同一个世界>
不用:<明确排除掉的高危意象,写出来免得后面又飘回去>
## 情绪弧线
起点:<第一段听众感到什么>
转折:<在哪一段、因为什么翻转>
终点:<结束时停在哪里>
## hook 候选
1. <7-12 字>
2. ...
## 素材清单
<使用者提供的真实画面、物件、原话,逐条列出,填词时只能用这些>
## 我拿不准的
<需要使用者确认的地方>
终点不必是"好起来了"。疗愈题材最常见的失败就是强行给一个圆满结局, 停在"还没好但今天能出门"比停在"一切都会好起来"可信得多。
| 版本 | 日期 | 变更 | 类型 |
|---|---|---|---|
| 0.1.1 | 2026-09-26 | 补"没有这些工具时(降级)":流程依赖子代理却声明 generic-llm-agent,没有子代理时改为独立调用或按角色依次提切入角并标注降级;description 补一句与 adversarial-lyric-writer 的分流判别 | patch |
| 0.1.0 | 2026-08-11 | 初始草稿 | minor |
No reviews yet. Tell others what you thought.
No login needed. Share how it worked for you, ask a question, or note where it did not run.
No comments yet. Be the first to write one.
当学生说"Common App 活动栏写不下"、"这段活动描述超字数了"、"帮我把这几条压到限制内"时使用。先按官方申请表核对当季字符限额,再逐条检查;一次把所有条目量完并直接给出压缩版,只在需要砍掉实质内容时才用选择题问该保哪部分。每改一版都用工具重新数一遍字符,绝不凭感觉说"这样应该够了"。只压缩,不代写空白。
The English summary is being prepared. Showing the original description.
当学生说"我参加过一些活动但没整理过"、"帮我把经历录进去"、"我的活动档案是空的"时使用。让学生一口气把记得的活动说出来,直接把这段话拆成结构化的长期事项(角色、组织、起止时间、做了什么、结果、级别),说不清的字段留空标"待补"而不是编,再用一张选择题卡把级别判定与是否重复这类关键项一次问完,然后提案入库。只记录学生真正说出口的内容,级别按事实判定,绝不往高了写。
The English summary is being prepared. Showing the original description.
当学生问"招生官会怎么看我的档案"、"我的背景还差什么"、"帮我评估一下现在的申请竞争力"时使用。以顶尖大学招生官的视角通读学生的档案、长期活动与已写下的反思,不问任何前置问题直接产出一份指名道姓的坦诚点评:这份材料的亮点、招生官真实的解读方式、明显的短板与空白、以及接下来最值得做的一到两件事。只读不写,不修改学生的任何数据,也不代写任何申请材料。
The English summary is being prepared. Showing the original description.
当使用者说"帮我填词"、"按这个字数模板写歌词"、"用多Agent对抗式写词"、"这首副歌帮我想几句"时使用,前提是字数骨架和这首歌写什么都已经有了;只有主题、还没定写什么时先用 lyric-concept-builder。拿一份字数骨架和意象系统,派三个 sonnet 子代理按不同路子并行独立起草(场景派 / 口语派 / 意象派),再派一个红队子代理逐句挑毛病,主 Agent 按句裁决拼稿,最后统一辙口与意象。收敛判据卡死:字数用 lyric-doctor 的脚本对模板数、每段同辙、hook 不含陈词、主歌二对主歌一有推进。不抄现有歌词,不替使用者决定这首歌要说什么。
The English summary is being prepared. Showing the original description.
当想知道一段 AI 回答"哪些能直接用、哪些必须先验证、哪些只能当建议"时使用。按声明类型分四级——低风险草稿材料、观点与策略建议、可查证的事实声明、会改变状态的可执行指令——每级配一句默认处置动作;再按影响半径排序,给出最小的下一步检查。可执行类一律标"不能直接执行;先做代码审阅/沙箱测试/回滚准备",其中破坏性或提权的命令排在最前。教的是一套可复用的复查习惯,不是替使用者把所有内容都核实一遍:本 skill 只分级、排序、定处置,要逐条核实走 ai-output-fact-checker,整段代码要做入库体检走 ai-code-onboarding-checklist。
The English summary is being prepared. Showing the original description.
当拿到一段 AI 生成的代码,还没决定要不要信、要不要跑、要不要往上继续加东西时使用。先做一遍客观体检:行数与嵌套深度、有没有测试、有没有硬编码密钥或遗留 TODO、依赖是不是真实存在、有没有危险调用(eval/exec、shell=True、递归删除、反序列化、提权、外发网络,按正文给的 grep 模式逐类查);再给风险评级和下一步动作。老实写明它查不了算法正确性——体检通过不等于代码是对的。回答里文字、事实和代码混在一起时先用 ai-answer-triage 分级;只审相对已有代码的一份改动用 ai-diff-review-protocol。
The English summary is being prepared. Showing the original description.