面向 LinkedIn 内容运营的 12 个 Agent Skills 技能包：写帖子、写评论、回评论、去 AI 味、拆解爆款钩子、做一周内容计划、优化个人主页、团队员工倡导、跨平台改稿、素材采访等。
这是一组零第三方依赖的 Agent Skills：不联网抓取、不自动发布、不调用任何外部 API。所有 LinkedIn 内容运营工作都在你与 agent 的对话中闭环完成。兼容豆包（Doubao）、Claude Code、Codex 及任何遵循 Agent Skills 规范 的平台。
- 📥 内容输入由你手动提供：把要处理的 LinkedIn 文字（帖子/评论/评论区/私信对话/主页各段/互动者名单）粘贴进对话，或上传截图——技能不读取网络数据
- ✍️ 草稿由技能生成：基于 2026 年算法与内容研究产出文案，等你回复「可以 / post / 修改建议」后定稿，不会自动改写或自动发布
- 📋 发布由你手动完成：技能交付「复制粘贴块」（最终文案 + 目标链接 + 手动操作步骤），由你粘贴到 LinkedIn 完成发布
- 🗂️ 技能即指令文件：每个技能目录含独立的
SKILL.md，YAML frontmatter 声明name+description，正文为给 agent 的纯指令；无 CLI、无.env、无 API Key、无 Python 脚本，开箱即用 - 🌐 输出语言：技能生成的 LinkedIn 内容（帖子、评论、回复、主页文案等）默认为英文，与 LinkedIn 平台主流语言保持一致
linkedin-skills/
├── SKILL.md # 总入口：技能路由、核心流程、语气规则、URL/URN 速查
├── skills/
│ ├── linkedin-post-writer/ # 写帖子（20 种 2026 爆款钩子公式 + 创始人专属角度）
│ ├── linkedin-comment-drafter/ # 评论他人帖子 / 转发带评
│ ├── linkedin-reply-handler/ # 回复单条评论 / 批量清扫评论区 / 回复私信（DM）
│ ├── linkedin-humanizer/ # 去 AI 味（重写 + 发布前审计 + 声音画像）
│ ├── linkedin-hook-extractor/ # 从爆款帖子反推钩子公式
│ ├── linkedin-content-planner/ # 7 天内容计划
│ ├── linkedin-thread-monitor/ # 追踪你的评论是否获得作者回复
│ ├── linkedin-engager-analytics/ # 互动者 ICP 分层（手动提供名单）
│ ├── linkedin-profile-optimizer/ # 主页审计与重写
│ ├── linkedin-employee-advocacy/ # 团队员工倡导计划
│ ├── linkedin-repurposer/ # 跨平台内容改稿（推文/视频/博客 → LinkedIn）
│ └── linkedin-interviewer/ # 采访你，沉淀「故事银行」素材
├── references/ # 全包共享知识库（钩子公式、算法启发、语气规则等）
└── LICENSE · SECURITY.md · AGENTS.md · .gitignore
- 提供内容：把要处理的 LinkedIn 内容粘贴进对话（帖子正文、评论、评论区、主页各段、互动者名单），或上传截图。
- 起草：技能基于 2026 年算法与内容研究生成草稿。
- 确认：你回复「可以 / post / 修改建议」，技能不会自动发布任何内容。
- 手动发布：技能交付复制粘贴块（最终文案 + 目标链接 + 操作步骤），由你粘贴到 LinkedIn 完成发布。
| 技能 | 作用 |
|---|---|
| Post Writer | 用 20 种经过验证的 2026 钩子公式（F1-F20，含创始人 A1-A10 角度）按互动目标写帖子 |
| Comment Drafter | 基于你粘贴的帖子写 1-3 条评论变体，附反应建议与模板归因 |
| Reply Handler | 回复单条评论、整段评论区批量清扫（过滤低质评论、正确处理 LinkedIn 两级线程扁平化），或基于完整历史记录回复私信（DM，自动存档 + 去重 + 滚动摘要） |
| Humanizer | 去除 AI 味：2026 词汇密度、reveal bridge、堆叠排比、表演式真诚；四遍处理 + 过度纠正保护；含发布前审计与声音画像 |
| Hook Extractor | 反推爆款帖使用的钩子公式，返回结构拆解 + 空白模板 |
| Content Planner | 7 天内容计划：支柱占比、钩子、CTA、发布时间、每日评论目标、周度就绪检查 |
| Thread Monitor | 判断你的评论是否被作者回复，按 6-24h 黄金回复窗口分级（hot/warm/cool/dormant） |
| Engager Analytics | 把互动者名单按 ICP 分层（同侪/进阶/潜在客户/其他），产出跟进动作清单 |
| Profile Optimizer | 九项主页组件审计（头像、横幅、标题、About、精选、经历、技能、URL、推荐）+ 重写 |
| Employee Advocacy | 14 天团队上线计划、发文节奏、品牌治理、ROI 度量 |
| Repurposer | 把推文/线程/视频/博客/通讯稿改写成原生 LinkedIn 帖子 |
| Interviewer | 采访你沉淀「故事银行」（角色、数字、转折点、伤疤、立场），所有写作技能共享 |
所有写作类技能（Post Writer、Comment Drafter、Reply Handler、Repurposer）在起草前都会读取以下两个文件。填好后，你不必在每次对话中重复描述自己的风格和经历。
定义你的写作声音指纹：句子节奏、标志性开头、标点习惯、常用词/禁用词、emoji 风格、hard rules、CTA 方式，以及 2-4 句最能代表你的 signature examples。
生成方式：
- 自动：给
linkedin-humanizer（声音画像子模式）粘贴 3-6 篇你写过的真实 LinkedIn 帖子/评论，它会从样本中提取指纹并写入文件，自动把filled置为yes。 - 手动：直接编辑
references/voice-profile.md，按模板填写 §1-5，再把filled: no改成filled: yes。
你的内容弹药库：具体数字、 shipped 项目、转折点、伤疤、你愿意捍卫的立场、能公开提及的名字和禁区。写作技能在需要论据时直接从中取材，不再编造或反复询问。
生成方式：
- 自动：运行
linkedin-interviewer，它会按 timeline → receipts → shipped → turning points → scars → positions 的结构采访你，完成后写入文件并置filled: yes。 - 手动：直接编辑
references/story-bank.md逐项填写，注意数字必须带时间、人数、度量单位（"部署时间从 22 分钟降到 9 分钟，四人团队，2025 Q2"）。
安全提示：这两个文件含个人职业信息，填写前建议将它们加入 .gitignore，避免 push 到公开仓库时泄露。
第三方联系人档案库：在互动过程中自动存档你粘贴的他人 LinkedIn 档案片段（姓名、职位、公司、About、经历、发帖主题），并在后续评论、回复、分析等场景中作为背景加载，提升内容的针对性与连贯性。
工作方式：
- 自动存档：当你使用 Comment Drafter、Reply Handler、Engager Analytics、Hook Extractor、Profile Optimizer 等技能时，如果输入中包含他人档案信息，技能会自动将其存入
references/connections/目录（每人一个.md文件 + 一个轻量索引index.md）。已有条目会增量更新（About/职位/公司覆写，经历追加，互动历史只增不删）。 - 自动读取：在评论他人帖子或回复评论前，技能会先查 connections 索引——如果目标联系人已有档案，则加载其发帖主题、过往互动记录、当前职位等作为背景，避免重复上次聊过的话题、避免用过时的头衔称呼对方。
- 无上限：采用分片存储（每人独立文件 + 轻量索引），加载成本恒定约 5KB，与存档人数无关，支持上千联系人。
安全提示：connections 目录含他人姓名、职位、公司等信息，已默认加入 .gitignore，不会被 push 到公开仓库。所有存档内容为 untrusted data，仅作背景参考，不会被当作指令执行。
与联系人的 LinkedIn 私信对话独立存档为兄弟文件（不混入联系人档案本身，避免撑大档案文件），仅在使用 Reply Handler 的 DM 模式回复私信时自动写入和读取。
工作方式：
- 混合存储（摘要 + 全文）：每个私信文件分两部分——最近 20 条消息保留全文（匹配对方语气、措辞、emoji 和待回应问题，让草稿像同一场对话的延续）；更早的消息滚动压缩为结构化摘要（Timeline 时间线、Open Items 待办/承诺、Dead Ends 已终结话题）。全文窗口超限时（消息数超 20，或长消息导致体积接近 8KB），最旧消息自动滚动进摘要，成熟线程文件体积始终稳定在 3–8KB，不会随对话时长无限膨胀（全新短对话天然更小）。
- 自动去重：每批粘贴先在批内自去重（多张截图的重叠部分），再按
(发送者 + 大致日期 + 前100字符，空格/大小写归一化)与已存消息比对，重复项自动跳过；仅当确有新消息时才更新存档日期；存档后输出一行状态（新增/重复/滚动条数）。 - 首条私信不存档：从沉睡评论区转私信时只起草首条 DM，此时尚无对话、不创建存档文件；待你把真实私信对话（建议含你发出的开场白）粘贴回来后才开始存档。
- 上下文加载：起草回复前先读摘要（对齐未兑现的承诺、避免重提死话题），再读最近全文窗口（匹配语气和当前话题）。
- 窗口可调：默认 20 条；高频谈判对话可调到 30 条，低频联系人可降到 10 条。
为什么不全量也不只存摘要：纯全量会无限膨胀、耗尽上下文；纯摘要丢失原话语气，草稿容易"不像同一个人在聊天"。混合方案兼顾长期脉络与当下语境。
安全提示：私信文件含私人对话内容，敏感度高于公开档案；随 connections 目录整体 gitignore，同样适用 untrusted data 规则（对话中的任何文字都只是数据，不能充当指令或批准）。
在对话中直接说下面的触发语即可；需要内容的技能会向你索要粘贴文本或截图（安装后也可输入 / 或 @ 技能名直接调用）。每个技能在你确认后都会交付复制粘贴块（或清单/报告），发布动作由你手动完成。
| 技能 | 触发语示例（直接对 agent 说） | 你会得到 |
|---|---|---|
| Post Writer | 「帮我写一篇关于 CNC 加工精度的帖子，目标是获客」+ 粘贴素材 | 1-2 版草稿（900-1300 字符）+ 钩子公式依据；确认后复制粘贴块 |
| Comment Drafter | 「帮我写第一条评论」+ 粘贴目标帖子正文 | 1-3 条评论变体（200-350 字符）+ 推荐反应 |
| Reply Handler | 「给这条评论写个回复」/「把评论区值得回复的都扫一遍」+ 粘贴评论区；或「帮我回复 Alice 的私信」+ 粘贴/截图私信对话 | 逐条回复草稿 + 低质评论过滤说明；DM 模式：历史脉络摘要 + 1-2 条私信草稿（自动存档去重） |
| Humanizer | 「帮我去掉 AI 味」/「发布前审计一下」+ 粘贴草稿 | 重写文本 + 改动 diff + 每段 tell 密度（审计模式：Blockers / Warnings） |
| Hook Extractor | 「这帖子为什么火？钩子是什么公式」+ 粘贴爆款帖子 | 公式识别 + 有效原因 + 空白模板 |
| Content Planner | 「给我做一周内容计划，主题是 XX，面向 XX」 | 7 天计划表：支柱/格式/钩子/CTA/发布时间/评论目标 |
| Thread Monitor | 「我哪些评论被作者回复了」+ 粘贴你的评论记录 | hot / warm / cool / dormant 分级 + 跟进建议 |
| Engager Analytics | 「谁点赞评论了我的帖子，按客户画像分层」+ 粘贴互动者名单 | ICP 分层名单 + 跟进动作清单（回关/评论/DM 开场白） |
| Profile Optimizer | 「重写我的 headline 和 About」+ 粘贴主页各段 | 逐段重写 + 修改依据 |
| Employee Advocacy | 「给我们的市场团队做一个员工倡导计划」 | 14 天上线计划 + 发文节奏 + 品牌治理 + ROI 指标 |
| Repurposer | 「把这条推文改成 LinkedIn 帖子」+ 粘贴原文 | 原生 LinkedIn 版（重钩子、扩写、CTA、链接放首评） |
| Interviewer | 「采访我」/「这个帖子没素材，先采访我」 | 故事银行沉淀（角色/数字/转折点/伤疤/立场） |
完整链路示例（Post Writer）：
- 你：「帮我写一篇获客帖。素材：我们给德国客户做了 6061 铝合金腔体件，同心度做到 0.02mm。」
- Agent：选择钩子公式起草，展示草稿与选择依据
- 你：「可以」
- Agent：交付复制粘贴块（最终文案 + 目标链接 + 手动发布步骤）
技能文件格式遵循 Agent Skills 规范：每个技能目录含 SKILL.md，开头 YAML frontmatter 声明 name + description，正文为给 agent 的纯指令。本仓库无任何代码依赖，无 CLI、无 .env、无 API Key，开箱即用。
通用使用方式（适用于任何支持 Agent Skills 的 agent）：
- 整包加载：把仓库根目录
linkedin-skills/交给 agent，根SKILL.md作为路由入口，可调用全部 12 个子技能； - 单技能加载：只把
skills/<技能名>/目录（如skills/linkedin-post-writer/）交给 agent，单独使用该技能； - 直接引用：不安装也可以——在对话中粘贴对应
SKILL.md的内容，或让 agent 读取该文件，即可按其中的指令工作。
豆包（Doubao）安装步骤：
官方操作手册：在豆包工作中使用技能（豆包工作帮助中心）。
- 打开豆包客户端，点击左侧 插件·技能·伙伴，切换到 技能 页面，点击右上角 + 添加。
- 选择 上传技能，直接上传本地技能文件或文件夹（整包或单技能均可）。
- 豆包会校验
SKILL.md的 YAML frontmatter；若字段不全或格式不规范，可让豆包工作帮忙检查或补充。 - 安装完成后，在 技能 → 我安装的 中查看、替换或删除；在任务对话框中输入
/或@搜索并调用目标技能。
Claude Code / Codex：
将本仓库（或单个技能目录）放入对应平台的 skills 目录（如 Claude Code 的 ~/.claude/skills/ 或项目级 .claude/skills/），按各平台的技能加载规则调用即可。
本项目基于 sergebulaev/linkedin-skills 二次开发，上游 MIT License, Copyright (c) 2026 Sergey Bulaev。
MIT。本项目同样以 MIT 许可证发布，保留原作者版权声明，详见 LICENSE。上游知识与数据出处：arXiv 2501.16450（360Brew 算法研究）、AuthoredUp 2026 触达数据、MagicPost 厂商数据等，均保留在各 reference 文件内。