pei760730
UserRed Tea Bus 短影音內容工業化生產系統 — Claude Code + Google Sheets
Categories
Indexed Skills (7)
discovery
選題發現核心 skill v1.5（vNext 5 核心之一） — 整合 web 即時熱點 + 內部數據大腦 + 同業監控 + 員工 FAQ → 5-10 個選題建議 + 切角。觸發：Kai 說「選題」「discovery」「什麼題目值得拍」「要拍什麼」泛用入口時 Claude 用 AskUserQuestion 問 Q1（蹭外面/挖自己）→ 推 mode；已知要哪種可直接喊捷徑「下週要拍什麼」「這月該做什麼系列」「最近熱點」。選題四層：① 先讀出觀眾沒說出口的需求/恐懼（錨真實資料、不臆測）② 6 不變量驅動層 ③ 取材 ④ hook 技巧。選題時並比對 performance-patterns.risk_patterns 的結構化 cause、同類失敗在選題當下標紅旗。
distillation
distillation v2.0（第二輪退役 stub） — 三 phase 拆三層回歸：collect-evidence 進 `.claude/rules/workflow.md` §Distillation 對話準則、propose 進 session-start hook（lesson-pressure）、harden 進 `/harden` command。本檔保留為 stub 維持 lint invariant + brain_loader 引用穩定。
generation
內容生產核心 skill v1.4（vNext 5 核心之一） — 5 modes（dual-track / variant / series / interview / viral）整合於單一 skill。v1.4 §通用 Output 規格硬化：A/B/C/D 4 切角從 dual-track 專屬 → 跨所有 mode 強制 + 偏離度預算對應（A GREEN / B ORANGE / C/D YELLOW）；加 §強標題優先協議（每切角 ≥ 5 候選、依 title-rules.md 5 類心理觸發、4 必含逐項評分、⭐ 推薦、Hook 必 echo 推薦標題、不套 30s 默認）；Mode 4 interview 載入加 personas/an.md 強制（藏鏡人 Q 字卡對齊安人格 [2][9][13][14]）。保留前版 §Output Contract 動詞硬化（Bash tool 直接執行、禁止印命令給 Kai 抄、trace inline）。觸發：Kai 說「確認要拍：XXX」「變體」「拍系列」「訪談」「knowledge」或描述任務。
quality
品質 + 修正核心 skill v1.4（vNext 5 核心之一） — 整合驗證 + 修正、quality-loop pattern。phase=check 跑 5 項驗證、phase=fix 去 AI 味 + 品牌人格注入。v1.4 §Output Contract 動詞硬化：把「呼叫 CLI」改為「**Bash tool 直接執行 record-verifier-scores**、禁止印命令給 Kai 抄」、解 verifier_scores 0/30 over 30 days 行為層失敗（根因在動詞模糊讓 Claude 4.6 慣性退化為顧問）。觸發：Generation 完後自動跑、或 Kai 說「驗證：[腳本]」「humanize：[腳本]」。
orientation
orientation v2.1（第二輪退役 stub） — 真實邏輯回歸 `.claude/rules/workflow.md` §Orientation（規則層、不在 skill 層）。本檔保留為 stub 維持 lint invariant + brain_loader 引用穩定。實際 task contract 規則見 workflow.md。
harden
harden v2.1 — 對話內一站式硬化的 spec doc。把 soft lesson 或反覆錯誤升為 test / lint / CLAUDE.md 禁令 / workflow.md 規則 / brand.md section。實際入口：`.claude/commands/harden.md`、實作：`scripts/ops/lib/hardening.harden_from_dialog()`。本檔為 spec、命令層直接呼叫不經過 SKILL load。
skill-creator
Create new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, edit, or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy.
Bio shown is the top-scored skill's repo description as a fallback — real GitHub bios land in a future update.