cyhzzz 内容创作框架
任务目标
本 Skill 用于：为各类内容创作提供结构化的方法论指导
核心能力包含：
- 需求理解与重构：挖掘创作意图，明确受众和核心信息
- 选题讨论与设计：提供多角度选题方案及大纲
- 结构化思考：应用分析框架组织内容逻辑
- 质量标准检查：确保内容符合高质量标准
- 创作流程管理：从调研到输出的完整工作流
触发条件：
- 需要创作任何类型的内容（文章、演讲稿、报告、视频脚本等）
- 需要讨论创作选题或大纲
- 需要优化已有内容
- 需要建立内容创作方法论
前置准备
- 阅读 references/framework-design.md 了解核心方法论
- 阅读 references/quality-standards.md 了解质量标准
- 参考 examples/ 目录中的创作案例
核心创作理念
理念1：认知重构 > 直接创作
不要急于开始写，先问自己：
- 这篇内容的本质问题是什么？
- 我想传达的核心观点是什么？
- 受众的真实痛点是什么？
应用场景：
- 用户需求模糊不清（"写一篇关于AI的文章"）
- 需要挖掘深层价值（不只是传递信息）
- 需要建立观点立场（不是中立堆砌）
理念2：结构化思考 > 自由发挥
内容质量的核心在于逻辑框架，而非文字堆砌。
常用分析框架：
- SWOT分析：优势、劣势、机会、威胁（适用于战略类内容）
- 5W1H：What、Why、Who、When、Where、How（适用于说明类内容）
- MECE原则：相互独立、完全穷尽（适用于论证类内容）
- 第一性原理：从根本问题出发（适用于观点类内容）
- 对比分析：多维度对比不同方案（适用于对比类内容）
输出结构：
- 结论先行：第一秒给读者确定性
- 结构化展开：用框架组织内容
- 细节支撑：数据、案例、逻辑
- 总结延伸：反问或建议
理念3：带立场 > 中庸堆砌
高质量内容必须有明确的观点和立场。
关键要素：
- 结论先行：不说"各有优势"，而是"我建议A，因为..."
- 数据支撑：引用确切数据或来源
- 边界说明：明确观点适用的条件和场景
- 反问激发：结尾引导更深层思考
理念4：真实细节 > 抽象论述
具体细节能大幅提升内容的可信度和感染力。
具体性要求：
- 时间：具体到"上周三下午"而非"最近"
- 地点：具体到"在星巴克"而非"在某地"
- 人物：具体到"和3个朋友"而非"一些人"
- 数据：精确数字而非"很多"、"大部分"
避免泛化表达：
- ❌ "最近很多人在讨论..."
- ✅ "上周我在即刻上看到30+条关于...的讨论"
- ❌ "这个数据很惊人..."
- ✅ "这个数字比去年同期增长300%，确实超出了我的预期"
创作流程设计
Step 1: 需求理解与重构（⭐必须优先执行）
核心任务：
- 理解用户的创作意图
- 挖掘内容本质问题
- 明确受众和核心信息
- 重构创作需求
输出格式：
## 需求理解
**原始需求**：<用户原始输入>
**问题本质**：<这篇内容要解决的核心问题>
**受众分析**：<目标受众是谁，他们的痛点是什么>
**核心信息**：<要传达的1-3个关键点>
**创作类型**：<教程/观点/故事/分析等>
**特殊要求**：<如有>
示例：
用户："写一篇关于AI工具的文章"
智能体重构：
## 需求理解
**原始需求**：写一篇关于AI工具的文章
**问题本质**：AI工具泛滥，用户不知道如何选择和高效使用
**受众分析**：
- 知识工作者（程序员、内容创作者、分析师等）
- 痛点：工具选择困难、学习成本高、效果不达预期
**核心信息**：
1. AI工具的本质是"思考辅助"而非"替代"
2. 选择工具的关键是"场景匹配"而非"功能多少"
3. 高效使用AI需要"提示工程能力"
**创作类型**：分析类 + 观点类
**特殊要求**：需要对比3-5款主流工具
Step 2: 选题讨论（必做）
前置条件：必须完成 Step 1 需求理解
核心任务：
- 提供3-4个选题方向
- 每个选题包含标题、角度、大纲、评估
输出格式：
## 选题方案 [序号]
**标题**：<吸引人的标题>
**核心角度**：<一句话说明核心观点/切入点>
**创作类型**：<教程/观点/故事/分析/对比>
**分析框架**：<计划使用的框架，如SWOT/对比分析>
**工作量评估**：⭐/⭐⭐/⭐⭐⭐（1-3星）
**大纲**：
1. <一级标题>
2. <一级标题>
3. <一级标题>
...
（3-7个大标题）
**优劣势分析**：
- 优势：<为什么这个选题好>
- 劣势：<可能的挑战或不足>
示例：
## 选题方案1
**标题**：AI工具选择的三个陷阱
**核心角度**：通过分析常见误区，给出选择方法论
**创作类型**：分析类 + 观点类
**分析框架**：问题-原因-方案-升华
**工作量评估**：⭐⭐
**大纲**：
1. 第一个陷阱：功能陷阱（越多越好？）
2. 第二个陷阱：集成陷阱（一个工具全搞定？）
3. 第三个陷阱：依赖陷阱（AI能替我想？）
4. 正确的选择方法：场景+能力+成本
**优劣势分析**：
- 优势：观点鲜明，有方法论，容易传播
- 劣势：需要大量案例支撑，工作量大
Step 3: 结构化设计
核心任务：
- 选择合适的分析框架
- 设计内容结构
- 规划关键信息和案例
可选框架：
| 框架 | 适用场景 | 核心要素 |
|---|---|---|
| 问题-原因-方案-升华 | 教程类 | 问题描述、原因分析、解决方案、价值升华 |
| 故事-冲突-转折-洞察 | 经验类 | 个人故事、冲突事件、转折点、核心洞察 |
| 颠覆认知-新视角-重建 | 观点类 | 挑战旧认知、提供新视角、重建认知 |
| 对比-反差-原因-启示 | 对比类 | 多个选项、反差对比、原因分析、启示 |
| 数据冲击-深挖-案例-升华 | 分析类 | 数据呈现、深挖分析、案例支撑、总结升华 |
输出格式：
## 内容结构设计
**分析框架**：<选择的框架>
**核心结论**：<1-2句话，高密度>
**内容结构**：
### 开头（100-200字）
- 核心结论/观点
- 价值承诺/悬念设置
- 背景铺垫
### 主体（按框架展开）
#### [第一部分]
- 核心观点
- 数据/案例支撑
- 分析论证
#### [第二部分]
...
### 结尾（100-200字）
- 总结核心观点
- 价值升华
- 行动引导或反问
**关键信息清单**：
- [ ] [关键信息1]
- [ ] [关键信息2]
- [ ] [关键信息3]
**案例需求**：
- [ ] [案例1：XX工具对比]
- [ ] [案例2：XX数据来源]
Step 4: 信息搜集与验证（⭐必须执行）
触发条件：
- 涉及具体产品、技术、概念时
- 需要数据支撑观点时
- 不确定某个事实时
核心任务：
- 搜索最新信息
- 验证数据准确性
- 收集对比案例
搜索策略：
- 官方来源：官网、文档、报告
- 权威来源：研究机构、行业报告
- 用户反馈：评价、讨论、案例
保存方式：
- 搜索结果保存到知识库
- 标注来源和获取时间
- 标注可信度等级
Step 5: 内容创作
核心任务：
- 按照结构化设计创作内容
- 应用创作理念（认知重构、结构化思考、带立场、真实细节）
创作原则：
- 结论先行：开头直接给出核心观点
- 结构清晰：使用框架组织内容
- 观点鲜明：有明确的立场和判断
- 细节具体：用真实细节增强可信度
- 逻辑严密：避免跳跃和自相矛盾
输出格式标准：
- 段落分明，不堆砌大段文字
- 使用列表表达顺序/并列关系
- 使用表格进行多维度对比
- 代码块指定语言
- 适当使用引用突出关键信息
Step 6: 质量检查（三遍审校）
第一遍：基本错误检查
- □ 错别字、标点错误
- □ 格式问题（列表、表格、代码块）
- □ 链接、数据准确性
第二遍：表达和逻辑优化
- □ 句式是否流畅
- □ 逻辑是否严密
- □ 过渡是否自然
- □ 是否有重复或冗余
第三遍：风格和价值提升
- □ 结论是否先行
- □ 结构是否清晰
- □ 观点是否鲜明
- □ 细节是否具体
- □ 是否有数据支撑
- □ 结尾是否有延伸
应用质量标准： 参考 references/quality-standards.md 中的详细标准
质量控制机制
输出协议检查清单
□ 结论是否先行？
□ 结构是否清晰（使用了分析框架）？
□ 观点是否鲜明（有明确立场）？
□ 细节是否具体（避免泛化表达）？
□ 是否有数据/案例支撑？
□ 逻辑是否严密（无跳跃/矛盾）？
□ 开头是否有价值承诺/悬念？
□ 结尾是否有延伸反问？
风格约束检查清单
□ 避免中庸（"各有优势"） → 明确建议
□ 避免泛化（"最近"、"一些"） → 具体细节
□ 避免堆砌（大段文字） → 结构化呈现
□ 避免悬念（绕圈子） → 结论先行
□ 避免平淡（无立场） → 带立场的研判
格式规范检查清单
□ 标题层级清晰
□ 列表使用正确（有序/无序）
□ 表格使用恰当（多维度对比）
□ 引用突出重点
□ 代码块指定语言
□ 有必要的视觉分割（空行/分割线）
创作类型指南
教程类
核心：解决问题，提供可操作步骤
适用框架：问题-原因-方案-升华
质量标准：
- 步骤清晰可执行
- 预期效果明确
- 常见问题覆盖
观点类
核心：表达立场，引发思考
适用框架：颠覆认知-新视角-重建
质量标准：
- 观点鲜明不模糊
- 有逻辑支撑
- 有数据和案例
- 有价值升华
故事类
核心：通过经历传递洞察
适用框架：故事-冲突-转折-洞察
质量标准：
- 细节真实具体
- 冲突有张力
- 转折有惊喜
- 洞察有深度
分析类
核心：用数据和逻辑支撑结论
适用框架：数据冲击-深挖-案例-升华
质量标准：
- 数据准确有来源
- 分析深入不表面
- 案例典型有代表性
- 结论有启发性
对比类
核心：多维度对比，给出建议
适用框架：对比-反差-原因-启示
质量标准：
- 对比维度全面
- 数据客观准确
- 分析有深度
- 建议有依据
资源索引
- 核心方法论：references/framework-design.md
- 质量标准：references/quality-standards.md
- 创作案例：examples/
注意事项
流程顺序强制规则
- 必须先执行 Step 1 需求理解：不能跳过直接选题或创作
- 必须先执行 Step 4 信息搜集：涉及具体产品/技术时必须先调研
- 必须执行 Step 6 质量检查：创作完成后必须进行三遍审校
常见错误预防
- ❌ 跳过需求理解，直接开始写
- ❌ 不进行信息搜集，依赖过时知识
- ❌ 没有分析框架，内容混乱
- ❌ 观点中庸，没有立场
- ❌ 细节泛化，缺乏可信度
- ❌ 结尾平淡，没有延伸
使用示例
示例1：创作一篇分析类文章
用户需求：写一篇关于"AI能否替代程序员"的文章
执行流程：
Step 1: 需求理解与重构
## 需求理解
**原始需求**：写一篇关于"AI能否替代程序员"的文章
**问题本质**：AI编程能力快速提升，引发对程序员职业前景的焦虑
**受众分析**：
- 程序员（关心职业发展）
- 产品经理/技术负责人（关心团队配置）
- 对AI感兴趣的公众（关心行业趋势）
**核心信息**：
1. AI能替代的：重复性、规范化的编码工作
2. AI不能替代的：复杂系统设计、需求理解、创新思考
3. 程序员的核心竞争力：从"写代码"转向"用代码解决问题"
**创作类型**：分析类 + 观点类
Step 2: 选题讨论
## 选题方案1
**标题**：AI不会替代程序员，但会改变程序员
**核心角度**：分析AI编程的边界，给出程序员的发展建议
**创作类型**：分析类 + 观点类
**分析框架**：对比-反差-原因-启示
**工作量评估**：⭐⭐⭐
**大纲**：
1. AI编程能力现状：能做什么，不能做什么
2. 为什么"替代"是个伪命题
3. 程序员的核心竞争力转移
4. 给不同阶段程序员的建议
**优劣势分析**：
- 优势：有深度，有方法论，实用性强
- 劣势：需要大量数据和案例支撑
Step 3: 结构化设计
## 内容结构设计
**分析框架**：对比-反差-原因-启示
**核心结论**：AI不会替代程序员，但会改变程序员的生存方式
**内容结构**：
### 开头
- 核心观点：AI不会替代程序员，但会改变程序员
- 悬念：为什么这么说？
### 主体
#### AI编程能力现状
- 能做的：代码补全、重构、调试
- 不能做的：需求理解、架构设计、创新
#### 为什么"替代"是个伪命题
- 编程的本质：用代码解决问题，而不是写代码
- AI的本质：工具，而非替代者
#### 程序员的核心竞争力转移
- 从"写代码"到"设计系统"
- 从"实现功能"到"理解需求"
- 从"技术执行"到"价值创造"
#### 给不同阶段程序员的建议
- 初级：打牢基础，学习用AI提效
- 中级：深入业务，培养架构思维
- 高级：把握方向，引领技术决策
### 结尾
- 总结：AI是杠杆，不是威胁
- 延伸：如何在AI时代保持竞争力？
**关键信息清单**：
- [ ] GitHub Copilot等工具的能力数据
- [ ] 具体案例：AI能做什么/不能做什么
- [ ] 程序员技能需求变化数据
**案例需求**：
- [ ] AI编程工具对比
- [ ] 程序员访谈案例
Step 4: 信息搜集与验证 （执行搜索，收集数据和案例）
Step 5: 内容创作 （按照结构化设计创作内容，应用创作理念）
Step 6: 质量检查 （三遍审校，应用质量标准）
进阶优化
优化1：多轮迭代
创作不是一次性完成的，可以多轮迭代：
- 第一轮：基于结构和框架快速成稿
- 第二轮：补充细节和案例
- 第三轮：打磨表达和节奏
优化2：个性化适配
根据受众不同，调整创作风格：
- 专业受众：更多技术细节，更简洁的表达
- 新手受众：更多解释和比喻，更详细
- 决策者：更多数据和趋势，更少技术细节
优化3：多格式输出
同一内容可以适配不同格式：
- 长文（公众号、博客）
- 短文（社交媒体）
- 演讲稿（线下分享）
- 视频脚本（短视频/长视频）
总结
高质量内容创作的核心不是"文字华丽"，而是"思考深刻"。
本框架提供的不是模板，而是方法论：
- 认知重构：挖掘问题本质
- 结构化思考：用框架组织逻辑
- 带立场：有明确观点和建议
- 真实细节：用具体性增强可信度
最终目标：创作有价值、有深度、有启发的内容，让读者不仅得到信息，更获得思考。