Evaluate an SNS post draft before publishing with a five-part scorecard. Use past engagement data or general benchmarks to assess the opening, account voice, useful detail, formatting, and readiness, then identify specific improvements.
对社媒帖子草稿进行互动潜力评分，基于历史表现数据输出结构化评分卡。当用户说"帖子打分""评分""这条能火吗""发布前评估""内容质量分""评分卡""草稿评估"时使用。
和 skill-topic-evaluator 的区别：evaluator 评还没做的选题潜力，本 SKILL 评已写好的草稿质量； 和 skill-social-performance-review 的区别：本 SKILL 评单条草稿（发布前），review 做月度组合复盘（发布后）。
Review the instructions the agent will receive before you install.
对社媒帖子草稿进行互动潜力评分，基于历史表现数据输出结构化评分卡。
加载后立即开始评分流程，不做摘要或等待确认。
用户 prompt 中提供待评分的帖子草稿，支持以下形式：
outputs/ 中的草稿文件示例 prompt：
Execute /skill-post-scorer
帖子：
我花了3年时间才明白一个道理：
最好的内容不是"写"出来的，而是"提炼"出来的。
以下是我总结的5个内容提炼方法...
输出代码块格式的评分卡：
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
帖子表现评分卡
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
钩子强度 ██████████ 8/10
声音匹配度 ███████░░░ 7/10
价值密度 ████████░░ 8/10
结构与格式 ███████░░░ 7/10
发布就绪度 ██████░░░░ 6/10
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
总分 36/50
判定 值得发布，建议优化钩子
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
改进建议：
1. [最弱维度] 具体修改建议
2. ...
读取用户粘贴的帖子内容。如果 prompt 中没有帖子文本，主动询问用户提供。
按优先级获取表现数据：
=== EASEL ACCOUNT PROFILE === 标记，读取 performance_data 路径指向的历史帖子数据references/fallback-benchmarks.md 中的基准数据互动分与 Top 10% 筛选交给脚本，LLM 只做特征提炼。 由
scripts/score.py完成（复用../../shared/scripts/social_stats.py的engagement_score）。
有历史/用户数据时，把帖子整理成 JSON 数组（每条含点赞与评论字段），调用：
python3 skills/builtin/skill-post-scorer/scripts/score.py top --input history.json
python3 skills/builtin/skill-post-scorer/scripts/score.py top --input history.json --top-pct 5
脚本自动：按 互动分 = 点赞 + 评论×3 逐条计算（字段兼容 likes/reactions/点赞、
comments/评论）、按互动分降序、算出 Top N% 门槛与分布（均值/中位数/最高/最低）、
样本量不足警告。LLM 拿到脚本输出的 Top 帖子后，提取其共性特征：
无历史数据时跳过本步，直接用 references/fallback-benchmarks.md 的通用模式特征。
按 5 个维度打分，每项 1-10 分，总分 50 分。
评分标准详见 references/scoring-criteria.md。
| 维度 | 评判重点 |
|---|---|
| 钩子强度 | 前两句是否能阻止滑动，制造好奇或共鸣 |
| 声音匹配度 | 是否契合账号一贯的语气、人设和表达习惯 |
| 价值密度 | 每段是否提供具体洞察，而非空泛陈述 |
| 结构与格式 | 排版是否适配目标平台的阅读习惯 |
| 发布就绪度 | 能否直接发布，还是需要润色或补充 |
评分纪律：
按照上方「输出」部分的格式输出评分卡，包含：
判定标准：
更细分档（含各边界档的判定措辞）见
references/fallback-benchmarks.md，两处口径一致。
输出评分卡后，主动提出：
是否需要我改写得分最低的部分？
如果用户同意，针对最弱维度进行定向改写，保留其他部分不变，改写后重新评分对比。
voice / tone 字段，作为「声音匹配度」的评判标准platform 字段，调整「结构与格式」的平台适配规则performance_data 字段指向的历史数据文件，用真实数据替代通用基准topics / niche 字段，评估内容是否在账号定位范围内references/fallback-benchmarks.md 中的基准数据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.
Generate images from written descriptions, transform existing images with editing instructions, or create several variations. Choose image dimensions and quantity, then save the results using an OpenAI-compatible service or apimart with your own API key.
Generate background music for short videos, vlogs, and social posts from descriptions of mood, style, and instruments. Download MP3 audio, optionally include sung lyrics, and use shared scripts to trim tracks, adjust loudness, or add music to videos.
Create new videos from written scene descriptions or still images using external AI services. Set the aspect ratio and duration, animate a character image, and request generated audio when the selected model supports it.
Organize generated images, videos, and text in outputs/ by date, platform, and type. Add tags, search filenames and content, produce asset lists and reports, and preview archive moves before applying them to make past work easier to reuse.
Reduce background noise in audio recordings or video soundtracks with three processing levels. Keep the original file, create a cleaned version, and receive a report of the settings used and file details before and after processing.
Edit audio files by trimming sections, converting formats, matching loudness, or extracting sound from videos. You can also join recordings, add fades, and change playback speed while keeping the original pitch.