# Wander Synthesis

> 漫步选题综合技能，用于从随机素材中选出高互动母版、拆解其内容公式，再从三条素材里挖掘细小选题，并完成基础质量自检。

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

---

# Wander Synthesis

用于漫步页的随机灵感选题。宿主负责机械地随机选择素材；本技能负责后续 AI 判断流程。

核心原则：漫步不是三篇素材合并，不是找一个能概括三篇的大主题。漫步要先找出数据最强的母版，再借另外两篇提供小细节、小场景、小反差，产出一个越细越好的选题。

## 输入边界

- 只使用本轮随机素材、宿主预读素材包，以及必要时补读到的同一批素材文件。
- 不读取、不引用、不迁就用户档案、长期记忆、账号定位或其他知识库内容。
- 预读素材包足够时，不要调用工具；只有内容缺口会影响判断时，才补读 1-2 个具体文件。
- 不做目录侦察，不为了显得勤奋而 List/Search。

## 思考流程

1. 先判断每条素材的内容价值类型，不要一开始就想标题。

| 素材价值 | 更适合贡献什么灵感 |
| --- | --- |
| 新知识 | 解释、科普、入门认知 |
| 方法 | 步骤、清单、行动承诺 |
| 观点 | 洞察、反常识、判断 |
| 案例 | 拆解、复盘、故事场景 |
| 数据 | 趋势、判断依据、对比 |
| 资源 | 合集、工具、书单、素材 |
| 冲突 | 争议、对比、讨论入口 |
| 情绪 | 共鸣、处境、身份表达 |

2. 再看互动数据，默认以 likes 最高且内容价值最清楚的素材为母版；如果 likes 缺失，再参考 collects/comments 或内容完整度，但要在 `thinking_process` 里说明。
3. 拆母版公式：它靠什么成立，可能是标题 hook、目标人群、情绪张力、叙事结构、场景包装、反常识判断、行动承诺、细节可信度或素材价值类型本身。
4. 另外两条素材不是并列主题，只用于找灵感：可以借一个词、一个场景、一个比喻、一个动作、一个痛点、一个反差、一个价值类型补充，不能为了覆盖率硬串。
5. 在三条素材里寻找最小可写细节。优先选择窄到一篇笔记能讲透的切口，而不是宏大议题、合集、方法论总论。
6. 收敛成一个可继续创作的小选题：目标读者、核心矛盾、叙事角度、母版公式和细节切口必须清楚。
7. 先定 `direction_frame`，再写标题和 `content_direction`。
8. 如果本轮要把漫步方向继续写成小红书图文标题，并且 `xhs-title` 已激活，标题阶段必须先按 `xhs-title` 的公式匹配逻辑内部筛选；漫步结果只输出最终标题，不输出公式编号、候选标题或推荐理由。

## 质量标准

- 标题必须像真实内容选题，不能是“从某素材延展出的内容选题”“未命名选题”。
- 面向小红书图文创作的标题必须符合 `xhs-title` 的 20 字以内和标题张力规则。
- `content_direction` 必须说明母版是谁、借用了母版什么公式、另外素材提供了哪个细节灵感、最终小切口是什么。
- `direction_frame.target_reader`、`core_tension`、`angle`、`material_entry` 都要是具体中文短句，其中 `material_entry` 要写清母版公式和细节来源。
- `connections` 只能包含实际参与最终方向的素材序号，取值范围是 1-3。
- 不要把三条素材机械拼接成摘要；不要追求覆盖三篇；质量、传播性、可写性和细节颗粒度优先。
- 越细、越小、越具体的选题越好。避免“AI 时代如何做产品”“年轻人如何找回自己”这类大题，优先“为什么宅家越休息越迟钝”“一个穿搭词怎么包装低能量生活”等小题。

## 自检

- 是否引入了本轮素材之外的知识或账号定位。如果有，删除。
- 是否把点赞最高的素材作为母版。如果没有，必须有明确理由。
- 是否为了覆盖率硬塞另外两条素材。如果有，删掉，只保留真正提供细节灵感的部分。
- 选题是否还太大。如果是，继续缩小到一个具体人群、具体状态、具体动作或具体瞬间。
- 标题是否太像 AI 占位句。如果是，重写。
- 方向是否具体到目标读者、冲突和切口。如果不是，补齐。

## 最终输出标准

最终只输出一个 JSON 对象。不要输出 Markdown、不要用 ```json 代码块、不要输出字段说明、不要把中间分析对象塞进结果。

single_choice 必须严格使用这个结构：

```json
{
  "content_direction": "一句话说明母版是谁、借了什么公式、哪个素材提供细节、最终小切口是什么",
  "thinking_process": [
    "母版选择：素材 X，因为互动数据和内容价值最强",
    "细节灵感：素材 Y 提供了具体场景/反差/动作",
    "收敛判断：最终选题足够小，能一篇笔记讲透"
  ],
  "topic": {
    "title": "20字以内的真实内容标题",
    "connections": [1, 2]
  },
  "direction_frame": {
    "target_reader": "具体目标读者",
    "core_tension": "具体核心矛盾",
    "angle": "具体叙事角度",
    "material_entry": "母版公式和细节来源"
  }
}
```

输出前按顺序检查：

1. 顶层字段只能是 `content_direction`、`thinking_process`、`topic`、`direction_frame`；多选模式才允许 `options` 和 `selected_index`。
2. `thinking_process` 只能是 2-4 条短字符串，不能是对象，不能包含 `material_analysis`、`mother_template_selection` 这类嵌套分析。
3. `topic.title`、`content_direction`、`direction_frame.target_reader`、`direction_frame.core_tension`、`direction_frame.angle`、`direction_frame.material_entry` 都不能为空。
4. `topic.connections` 只能是 1-3 的数字数组，只放实际参与最终小选题的素材。
5. 如果 JSON 会超过输出预算，删减 `thinking_process`，不能删最终结构字段。

## 进入创作时

- 漫步结果只是起点，不是成稿提纲。
- 创作阶段以最终文章质量为第一目标，不要求把三条素材都写进去。
- 可以只继承母版公式和一个小细节，然后自由完成新的表达。
- 如果素材关联会拖累文章，宁可断开关联，也不要强行解释三篇素材之间的关系。