# X Content Archetypes

> 用户审计自己的内容结构占比、判断单条帖子传播上限、或困惑"发了感叹/观点帖没人理"时调用。 关键 trigger: "内容原型/content archetype""哪种内容容易爆/which content goes viral" "传播上限/viral ceiling""普通表达型/资源入口型/工具教程型/AI工具发现型" "为什么没人互动/why no engagement""内容方向有问题/content direction wrong"。 不适用于: 已确定写某种短内容类型并需要组织结构(用 x-short-content-craft)、 检查帖子五件套完备性(用 x-five-piece-checklist)、做账号定位取舍(用 x-positioning-tradeoff)。

- Skill: `kangarooking/x-content-archetypes` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add kangarooking/x-content-archetypes`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kangarooking/x-content-archetypes/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Marketing & Growth
- Author: kangarooking (https://skillmd.com/u/kangarooking)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kangarooking/x-content-archetypes

---


# 四类内容原型 — 按读者行动分类

## R — 原文 (Reading)

> 不看主题标签,看读者拿到能做什么。资源入口型(51%,中位互动2965)、工具教程型(39%,中位2035)、AI工具发现型(24%,中位94)、普通表达型(9%,中位16)。爆款不是主题,是功能。按"读者拿到后能做什么"分类,差异比主题更明显。
>
> — 向阳乔木 @vista8, X爆款秘籍分享 · 四类内容原型

---

## I — 方法论骨架 (Interpretation)

这个框架把内容分成四类,不按主题(AI/创业/编程)而按"读者拿到后能做什么":

1. **资源入口型** — 读者获得平时难搜到的入口(工具/文档/网站),中位互动 2965,进前 10% 概率约 40%。读者行动:点击进入、收藏备用。
2. **工具教程型** — 读者学会用某个工具(有步骤有路径),中位互动 2035,概率约 24%。读者行动:跟着做、收藏回看。
3. **AI工具发现型** — 读者看到新工具被演示(能力翻译成任务),中位互动 94,概率约 16%。读者行动:了解可能性、收藏待试。
4. **普通表达型** — 读者只读到观点/感叹/故事,中位互动 16,概率约 9%。读者行动:点赞(或划走)。

核心洞察:**原型决定传播上限**。资源入口型的中位互动是普通表达型的 185 倍。如果你的内容过度集中在普通表达型(观点/感叹),传播天花板会被锁死在低位。用法:审计内容结构——各类占比是多少?普通表达型是否过多?把感叹转化为资源入口或工具教程。

---

## A1 — 书中的应用 (Past Application)

### 案例 1: 飞书博物馆文档帖(资源入口型)

- **问题**: 如何让"帮读者省搜索"的内容获得高传播
- **方法论的使用**: 向阳乔木将此帖归为资源入口型——提供平时难搜到的入口(全球博物馆 155 万份藏品整理进飞书文档,直接可用),入口放评论区
- **结论**: 资源入口型是四类中中位互动最高的原型(2965),进前 10% 概率约 40%
- **结果**: 26.3 万浏览,是资源入口型的代表案例

### 案例 2: ClaudeCode 新手指南帖(工具教程型)

- **问题**: 如何让工具教程降低读者门槛
- **方法论的使用**: 归为工具教程型——"不会编程的人也能看懂"降低试错成本,有明确工具名(ClaudeCode)+ 完整步骤路径,入口放评论区
- **结论**: 工具教程型中位互动 2035,是第二高传播原型;关键在于"从新手视角写"降低门槛
- **结果**: 21.4 万浏览,254 转发,1319 收藏

### 案例 3: NotebookLM Skill 帖(AI工具发现型)

- **问题**: 如何把抽象 AI 能力翻译成可观察结果
- **方法论的使用**: 归为 AI 工具发现型——展示"一句话生成导图/播客/PPT"的具体能力,把工具能力翻译成可观察的任务结果
- **结论**: AI 工具发现型中位互动 94,低于前两类但靠"发现叙事"(我去,这个更牛逼了)获得单帖高曝光
- **结果**: 28.6 万浏览,1399 收藏

---

## A2 — 触发场景 (Future Trigger) ★

### 用户会在什么情境下需要这个 skill?

1. 用户审计自己的内容结构,发现互动低,想知道是不是内容类型的问题
2. 用户发了纯感叹/观点帖(如"AI太强了")没人理,想知道为什么
3. 用户规划内容策略,想知道哪种类型传播上限最高,该往哪个方向发力
4. 用户判断一条待发帖子的传播潜力,想知道它属于哪类原型

### 语言信号 (用户的话里出现这些就应激活)

- "为什么没人互动/为什么没人理/why no engagement"
- "哪种内容容易爆/哪种内容传播好/which content goes viral"
- "我的内容是不是方向有问题/content direction wrong"
- "内容原型/content archetype"
- "传播上限/viral ceiling"
- "资源入口型/工具教程型/AI工具发现型/普通表达型"
- "我的内容结构/内容占比"

### 与相邻 skill 的区分

- 与 `x-short-content-craft` 的区别: 本 skill 做分类与预测(你的内容属于哪类原型,传播上限多高),后者做生产(已选好类型后怎么写 Hook-Body-CTA)。**先分类再生产**。
- 与 `x-five-piece-checklist` 的区别: 本 skill 看"原型类型"决定传播**天花板**,后者看"要素完备性"决定单条**地板**。原型选错,五件套再齐也上不去。
- 与 `x-four-saves` 的区别: 本 skill 按"读者能做什么"分四类预测传播,四省模型按"帮读者省几步路"评估价值。可组合:先定原型再验四省。
- 与 `x-longtail-strategy` 的区别: 本 skill 提供分类框架选高概率原型,长尾策略提供心态框架接受中位数常态。
- 与 `x-positioning-tradeoff` 的区别: 本 skill 关注内容分类与传播预测,后者关注账号定位取舍(IP vs 泛流量)。

---

## E — 可执行步骤 (Execution)

当 skill 被激活后, agent 应按以下步骤执行:

1. **审计现有内容结构**
   - 列出用户近期帖子(建议 10-20 条),逐条归类到四原型之一
   - 归类标准: 读者拿到后能做什么? 有入口→资源入口型; 有步骤→工具教程型; 有工具演示→AI工具发现型; 只有观点/感叹→普通表达型
   - 完成标准: 每条帖子标注原型类型,统计各类占比

2. **诊断传播瓶颈**
   - 对照各原型中位互动数据(资源入口 2965 / 工具教程 2035 / AI 发现 94 / 普通表达 16)
   - 找出占比过高但中位互动低的原型(通常是普通表达型过多)
   - 完成标准: 明确指出"你的 X% 内容集中在普通表达型,中位互动仅 16,是传播瓶颈"

3. **转化低效原型**
   - 把普通表达型转化为资源入口型(加入口: 工具/文档/网站链接)或工具教程型(加步骤: 三步以内的使用路径)
   - 判停条件: 若用户的内容本身就是观点型/故事型且有意为之(非误发感叹),则不强制转化,而是建议控制普通表达型占比在 20% 以下
   - 完成标准: 至少一条原"感叹/观点"帖被改写为含入口或步骤的版本,或明确建议降低普通表达型占比

---

## B — 边界 (Boundary) ★

### 不要在以下情况使用此 skill

- 已确定要写某种短内容类型(故事/列表/观点/教程)并需要组织 Hook-Body-CTA 结构 → 用 `x-short-content-craft`。本 skill 是分类预测,不是结构生产。
- 检查单条帖子五件套(价值承诺/场景/入口/证据/收藏理由)是否完备 → 用 `x-five-piece-checklist`。本 skill 看原型天花板,后者看要素地板。
- 做账号定位取舍(IP vs 泛流量) → 用 `x-positioning-tradeoff`。本 skill 不涉及定位决策。

### 作者在书中警告的失败模式

- **ce13(泛流量=普通表达型过多)**: 追求泛流量的账号往往普通表达型占比过高,粉丝关注原因多样(娱乐/跟风),与创作者无信任关系,品牌方不买单,变现转化极差。泛流量路线的内容天然偏向普通表达型,形成"低传播+低变现"双困局。
- **ce15(过拟合样本)**: 原型占比数据(51%/39%/24%/9%)和中位互动数据来自向阳乔木个人 3.4G 数据(AI/产研赛道、华人受众、2023-2026 算法版本)。不同赛道、不同受众、不同时期分布不同。作**方向参考**而非硬指标——资源入口型大概率优于普通表达型,但具体倍数因人而异。

### 作者的盲点 / 时代局限

- 数据来自单一账号(向阳乔木),无对照组,无法证明"原型→传播"是稳定因果而非相关
- 中位互动数据是时点数据,X 算法更新后(如 OON 占比变化、链接降权取消)各原型的表现可能漂移
- 四类原型是作者个人归纳,并非穷尽分类——某些内容(如纯娱乐/段子)可能不在此框架内
- "按读者行动分类"的视角本身可迁移,但具体四类的划分和数值会随平台生态演变

### 容易混淆的邻近方法论

- **四种短内容类型**(故事/列表/观点/教程)按"内容形式"分类,四类内容原型按"读者行动"分类,两套分类正交——一条帖子可以同时是"列表型(形式)+ 资源入口型(行动)"
- **四省模型**按"帮读者省几步路"评估单条价值,四类原型按"读者能做什么"预测传播上限,前者是估值工具后者是分类工具

---

## 相关 skills

- **depends-on** `x-short-content-craft`: 短内容起草前先懂四类原型的传播差异,原型决定该用哪种短内容类型写——先分类再生产。
- **contrasts-with** `x-comment-engagement`: 内容杠杆涨粉(选高传播原型让帖子自己跑) vs 互动杠杆涨粉(评论区抢占+Quote借别人流量),看阶段和精力投哪里。

---

## 审计信息

- **验证通过**: V1 ✓ / V2 ✓ / V3 ✓
- **测试通过率**: 待测 (详见 test-prompts.json)
- **蒸馏时间**: 2026-07-14