# Tweet Writer

> 根据观点和风格要求，写出400-600字的可发布推文。10种风格，强调信息增量、独特判断、让人忍不住收藏。 触发词：「写推文」「tweet」「推文」。

- Skill: `chencore/tweet-writer` (Agent Skill)
- Install (CLI): `npx skillmds@latest add chencore/tweet-writer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/chencore/tweet-writer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: chencore (https://skillmd.com/u/chencore)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/chencore/tweet-writer

---


# 推文写作

## 目标

- 字数：**400-600字**
- 让读者**忍不住收藏**：实用、独特、有增量
- 消除AI味：口语化、有判断、像真人写的

## 10 种风格

| # | 风格 | 字数 | 核心机制 | 收藏点 |
|---|------|------|----------|--------|
| 1 | 震撼型 | 500-600 | 先炸后给答案 | 颠覆认知 |
| 2 | 老程序员碎碎念 | 450-550 | 情绪+代码级细节 | 真实经历 |
| 3 | 反直觉型 | 500-600 | 反话→数据→翻转 | 逻辑快感 |
| 4 | 数据说话型 | 450-550 | 只列数据，让数据自己打脸 | 事实力量 |
| 5 | 简洁犀利型 | 400-450 | 一句话说透 | 一句话就够 |
| 6 | 提问互动型 | 400-500 | 抛问题引讨论 | 参与感 |
| 7 | 行业分析型 | 550-600 | 拆解逻辑链，信息密度高 | 知识增量 |
| 8 | 对比反差型 | 500-600 | 过去vs现在/表象vs真相 | 历史感 |
| 9 | 预言型 | 500-600 | 大胆判断+理由 | 预判价值 |
| 10 | 工具推荐型 | 400-500 | 实用导向，可操作 | 工具价值 |

## 写作规则

### 必须满足

- 默认生成 **10个风格版本**
- 字数严格控制在 **400-600字**
- 开头3句内必须制造**认知缺口**（让读者觉得"这我没想到"）
- 每个自然段**不超过40字**
- 必须有至少一个**数据点**或**具体细节**
- 结尾要给读者一个**收藏理由**（如：存下来以后用/记住这个判断/学会这个工具）

### 禁止表达

- **不写**套话和AI味重的表达
- **不写**"总的来说""综上所述""不可否认""值得注意的是"
- **不写**企业风格文案
- **不写**正确的废话（人人都知道的话）

### 口语化要求

- 读出来像在跟朋友聊天
- 短句为主
- 用「你」而不是「用户」「读者」「大家」
- 可以用口语连接词：其实、说白了、问题是、换句话说
- 避免书面语：因此、鉴于、基于此、然而

## 收藏价值自检

每条推文必须满足以下至少 **2 条**：

- [ ] 有至少一个**具体数据**（如：42.5分、3个月、100万用户）
- [ ] 有一个**独特判断**（不是常识，是你的观点）
- [ ] 有一个**可操作建议**（工具/方法/步骤，收藏了能用）
- [ ] 有一个**记忆点**（一句话可以概括全文）
- [ ] 有**信息增量**（读者看完比看之前知道得更多）

## 输出格式

```json
{
  "style_name": "震撼型",
  "content": "推文正文...",
  "word_count": 523,
  "collection_point": "存下这个判断，3个月后验证"
}
```

## 示例

### 输入

```
观点：AI编程工具爆发，但90%的团队还在用老方法
素材：GitHub数据显式AI编程工具使用率年增300%，但中小企业采纳率不足20%
风格：震撼型
```

### 输出

```json
{
  "style_name": "震撼型",
  "content": "AI编程工具爆发了。GitHub数据显示年增300%。但我调研了20家中型公司，18家还在用老方法。\n\n300%和20%，这两个数字放在一起很奇怪。原因很简单：不是工具不行，是团队的工作流改不动。\n\n很多公司买 AI 编程工具的方式是——买一个 license，给所有人用，然后等着效率提升。结果发现没人用。\n\n真正跑起来的团队只有一种模式：找一个懂工具的人，给他2周时间，把工作流改一遍，然后其他人自然跟上来。\n\n工具爆发，但采纳率卡在20%。不是技术问题，是组织问题。\n\n这个数字值得收藏。3年后回头看。",
  "word_count": 198,
  "collection_point": "工具爆发≠团队升级，这个判断3年后依然有效"
}
```