iamzifei/aikey / skills/aikey-topic
aikey-topic
VerifiedAI KEY·今天拍什么 ——短视频选题技能。先探寻现象、检验假设、比较解释,把问题转成观众在意的选择。交互式选题:供需判定 + 对标信号 + 本人真实数据佐证 + 配比检查,不一键生成选题清单。 触发方式:/aikey-topic、/拍什么、/选题、/aikey-选题、「今天拍什么」「帮我出选题」「这个题能不能做」「有个想法你帮我判断下」「这题只有一头」「这题没劲」「帮我把它讲出两头来」 Topic selection for short videos: supply-demand test, benchmark signals, real data evidence. Trigger: /aikey-topic, "what topic should I shoot", "is this topic worth making" —— AI KEY · 不给公式,给判据。每条规则都标了实测代价。
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 20.0 KB |
| evals/README.md | markdown | 1.2 KB |
| evals/sample-01-找拉力.md | markdown | 422 B |
| evals/sample-01-答案.md | markdown | 1.1 KB |
| evals/sample-02-三选一.md | markdown | 515 B |
| evals/sample-02-答案.md | markdown | 952 B |
| references/常识缺口法.md | markdown | 37.9 KB |
| references/找拉力.md | markdown | 7.3 KB |
| references/挖真事.md | markdown | 3.3 KB |
| references/规则卡.md | markdown | 11.7 KB |
| references/议程与合集.md | markdown | 11.0 KB |
| references/选题三路.md | markdown | 8.4 KB |
| references/问题探寻与共鸣.md | markdown | 6.1 KB |
references/问题探寻与共鸣.md
View on GitHub# 问题探寻与共鸣
本文件是三路选题共用的生成步骤。先找到值得回答的问题,再选表达结构。适用于出新题、单题诊断和找拉力;不替代定位、事实核实、供需判断与去重。
## 1.钉住现象,不接受问题里的结论
把输入拆成「谁,在什么情境下,做了什么,期待什么,实际观察到什么」。只写材料支持的部分;缺的标待核,不补成客户原话或亲历案例。用户只给宽泛方向时,可先生成待验证的问题,不必把问题清单当访谈问卷抛回去。
遇到「落地、信任、专业、焦虑、效率」等大词,暂时不用这个词,改写成能观察的行为。例如「缺乏信任」可能是未付定金、未交资料,也可能只是询问过却未继续;这三件事不能互相代替。
找出问题暗含的一条关键假设,包括作者自己的假设:
- 是事实,还是把解释写成了事实?「没成交」不自动等于「不信任」。
- 是手段,还是最终目标?「要更多内容」究竟为获得咨询,还是减少制作时间?
- 是能力,还是结果?「能生成答案」是否等于「能完成客户的任务」?
- 是普遍不成立,还是某个条件变了?一个反例只够推翻对应范围的断言。
**怀疑应能改变解释或行动。** 不为了反常识而反常识,不预设观众错、作者对;答案也可以是原判断成立、只在特定条件成立,或证据不足。
## 2.用不同解释互相检验
涉及原因或机制时,提出 2–3 个会导向不同动作的解释,不用近义词凑数。对每个解释问:它如何导致现象?什么观察会削弱它?哪条最小证据能把它与其他解释分开?
例如「有 IT 团队仍找外援」可能涉及交付质量、排期或业务定义。不能只凭这个现象断言团队技术差,更不能宣布「老板都不需要学 AI」。应回到对话记录或具体交付差距区分。
区分两个任务:解释「为什么发生」需要证据;解决「接下来怎么办」还需要现实中的尝试和反馈。推理顺畅不等于方案有效。理论用于解释或提出可检查的预测,不用于装饰预先决定的结论。
已有充分证据的简单问题不用强造多个解释。缺少证据时,保留问题与最有区分力的待核项,不能把猜测写进肯定式标题。
## 3.把问题接到观众自己的选择
写一句:**「我想要__,但在__处境下,我不知道该不该/能不能/为什么__。」**
这个「我」是目标观众,不自动等于作者。真实原话标来源;代拟内心话明确标「推测」,不能当用户调研。用它检验:
- **目标与代价**:答案关系到他什么在意的东西?钱、时间、专业价值、控制感或别的具体利益?
- **眼前处境**:什么使他此刻难以决定?现有做法有何合理性,又卡在哪里?
- **未解选择**:听完会多理解什么,或者能够改变哪项判断?
每题挑一个主要共鸣点。好奇、松一口气、被理解和重新看见选择都可以;不必制造焦虑或指责。写出「焦虑」不等于产生共鸣,没有情绪词也可能命中利益和处境。
作者的反差经历可以是证据或入口,但不能代替观众为什么要听。把解释段盖住,只读钩子,还应看得见一个值得知道的答案。
## 4.用问题动作生成角度,再压成钩子
下表是生成支架,不是爆款公式。按材料选择,不必每次用全;几个候选应有不同的未解问题,不能只给同一个结论换人称。发布标题仍交 aikey-title。
| 问题动作 | 从材料追问什么 | 必须保留的边界 |
|---|---|---|
| 价值替代 | 当 X 也能做到,为什么还需要 Y? | 先核实二者是否真在完成同一任务 |
| 路径去留 | 条件变了,原来的做法还值得继续吗? | 不把局部变化扩大成整个职业过时 |
| 投入回报 | 更多、更快、更熟练,是否真的更接近目标? | 写清目标,不以情绪代替回报证据 |
| 约束可行性 | 不做 X 或缺少 X,还能达到 Y 吗? | 区分必要条件、常用办法和可替代办法 |
| 原因辨别 | 同样的表象,究竟是哪种原因在起作用? | 给出区分证据,不能只卖「真正原因」 |
| 问题重定 | 我一直想解决 X,实际卡住的会不会是 Y? | 用现象支持重定,不能绕过用户目标 |
一条候选内部保留四项即可:**未解问题 → 主要解释及待核项 → 观众处境 → 正文如何兑现**。正式候选格式沿用 SKILL.md;不要把全部分析表输出给只想看几个题目的用户。
钩子检验:①不靠补充说明也能理解;②值得知道但没有偷塞未经证实的前提;③正文有可提供的证据、比较或行动方法;④契合定位,不能只凭猎奇混入目标客户不关心的议题。
问句不是免责符。「你为什么一直被骗」仍预设受骗;「X 过时了吗」若正文只会说「看情况」也没有兑现。无法回答的保留为研究题,不能进入 Ready。
## 与旧流程衔接
- 三路选择输入处理方式,本文件负责共同的假设检查、解释比较和共鸣转换。
- 常识缺口法适合检验已有认知;只有证据显示常识失效时,才用「走到死路」。探索未知、验证常识成立,也能产出选题。
- 「情绪版换人称」保留为一种表达路线;有具体利害和未解选择的问句不必改成情绪词。词面结构与问题动作是两层,不能互相替代。
- 供需效果、点击和转化需要真实反馈。用户喜欢某组钩子,只支持该次偏好,不能证明整个方法胜出。
## 方法范围与验证状态
本流程组合可观察现象、默认假设与竞争解释,区分词语使用情境、解释与行动,检查目标相关性、处境与控制感,并用价值、去留、投入和可行性问题生成候选。运行不依赖外部技能包。
不采用整套固定打分、固定商业结论或跨平台效果承诺。该次用户对 4 个钩子的认可是修改动机,不是本流程的传播效果验证。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| finishing-a-development-branchobra/superpowersUse when implementation is complete, all tests pass, and you need to decide how to integrate the work | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| systematic-debuggingobra/superpowersUse when encountering any bug, test failure, or unexpected behavior, before proposing fixes | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| test-driven-developmentobra/superpowersUse when implementing any feature or bugfix, before writing implementation code | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| skill-creatoranthropics/skillsCreate 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. | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |