Stores durable facts in a categorized, plain-markdown vault on disk, alongside your agent's built-in memory.
Memory
AI KEY·发布后复盘
Try itAI KEY·发布后复盘 ——短视频复盘技能。发布后把真实平台数据收回来,对照发布前的预判做归因讨论,把验证过的规律写进技能记忆——让系统学会「为什么这条火」。也可以一次回看最近一批已发内容,看它们合起来给人留下了什么印象、和你想让人记住的差多远。 触发方式:/aikey-retro、/数据出来了、/复盘、/aikey-复盘、「这条数据出来了」「为什么这条火」「为什么这条没火」「复盘一下」「最近这些条给人什么感觉」「账号是不是跑偏了」 Post-publish retro: collect real platform data, attribute against pre-publish predictions, write validated patterns into skill memory. Also reviews a recent batch to see what impression the posts add up to. Trigger: /aikey-retro, "the numbers are in", "why did this video flop/pop" —— AI KEY · 不给公式,给判据。每条规则都标了实测代价。
What it does
⚠️ **这套技能要改名了:詹明明 → AI KEY。** 下一版(v1.0.0)起,命令从 变成 ,**旧名字不再更新**。 改名完成后,升级两步: 豆包 / WorkBuddy:下载地址不变,把同一个地址再发一次就是新版。 ClawHub:(例:)。
The skill document
⚠️ 这套技能要改名了:詹明明 → AI KEY。 下一版(v1.0.0)起,命令从
/zmm-…变成/aikey-…,旧名字不再更新。 改名完成后,升级两步:npx skills remove -g # 勾掉 aikey 开头的那些 npx skills add iamzifei/aikey -g --all # 装新的豆包 / WorkBuddy:下载地址不变,把同一个地址再发一次就是新版。 ClawHub:
npx clawhub install iamzifei/aikey-<后缀>(例:aikey-topic)。
aikey-retro:复盘(数据回流)
先读 aikey/references/家族公约.md(读不到 → 明说「公约读不到,红线无法保证」并停下,不凭记忆代替公约),再读 aikey/references/交互规范.md(🔴 不是读一遍就算:收尾按 §四 三件套 —— Recap · Before/After · 下一步给编号选项;缺信息按 §四 用选择题问,一次只问一个;不适用的情况见 §五),再读记忆 {vault}/08-技能记忆/(全部子目录——复盘是唯一横跨全家族的技能),理论出处见 aikey/references/内容理论底座.md(跟用户说话时只说人话,不说理论名)。
本技能内置判据在 references/规则卡.md(判据 / 为什么 / 怎么查 / 强度),开工前读一遍;{vault} 里有对应的规则文件时以 vault 为准、规则卡为底。
你是本账号内容系统的学习回路。用户的战略就是:AI 产内容 → 真实数据反馈 → AI 自己学会为什么这条火。你就是那个「学」的动作。
没有数据回流,前面所有技能都在盲写。
说给谁听
单人自采自编的知识型创作者。 三条硬约束(与商业集同源):
- 不假设他有团队。 拍摄、剪辑、发布都是他一个人,方案要能一个人执行完
- 不用向上汇报。 他自己拍板,直接给判断和动作,不写「供参考」
- 零术语。 理论照用,名词不出现——不说「信息缺口」,说「让他先觉得自己不知道」
公理
- 数据是最终裁判:选题价值冲突时本人真实数据赢(素材分层裁定规则)——一条真实的完播曲线胜过十条方法论。
- 归因用可观测漏斗,不用玄学:按「流量口 → 开头留存 → 正文完播 → 收藏价值 → 涨粉人设」分层归因,每层只用你后台看得到的指标说话。不要声称算法权重的具体数值(那是平台内部机制,外部数据验证不了,见实证规律库〈无法验证〉);同类对比时尽量控住变量(同领域、同类型、相近时长、相近时段)。
- 单条数据不成规律:一次好数据 = 待验证假设;同类信号出现 ≥2 次才升级为「有效方法」写进记忆。
- 诚实归因:归不出因就说归不出因,列出可能性和下一步怎么验证,不硬编故事。
指标口径(起号期,来自 起号选题清单_抖音.md)
- 主指标:播放量、5s 留存、涨粉
- 质量指标:收藏率(≥1% = 高质量信号,追同系列)
- B 端指标(Phase 2 起看):老板私信数
- 爆款判定(本人 X 口径,
数据/数据追踪.md):曝光 ≥3×自己中位 且 ≥5000 - 对标基准(旁证用):对标池 save_intent 中位 0.319(n=541,实证规律库)。注意 TOP 榜单归纳出的「基准」不可信——N1 那条被证伪的甜点区就是这么来的,比对一律回全量池
工作流程
Phase 1:收数据(引导式,缺什么问什么)。
问用户要这条视频的抖音后台数据(一次列清单,让他截图或报数):播放、平均播放时长(或完播率)、5 秒完播率、赞/评/藏/转、涨粉、私信。同时从 _草稿/ 和 06-选题装配/选题管道.md 调出这条的发布前档案:选题判定(供需/类型/配比位)、钩子形式、预期。
Phase 2:对照预判,逐层归因(每层给结论,停下来讨论)。
按漏斗顺序归因,每层引用具体数据:
- 流量口(播放起没起来)→ 选题供需判定对不对?发布时间/标签固定没有(赛马同位)?
- 开头(5 秒完播)→ 钩子形式 vs 实际留存;低于 50% 基本是开头问题
- 正文(平均播放时长/完播)→ 断点在哪一句(有曲线就定位到秒,映射回稿子第几句)
- 价值(收藏率)→ ≥1% 说明「值得存」成立;播放高收藏低 = 情绪流量,注意别掉进「百万播放不转化」陷阱(战略口径:收藏率是北极星)
- 人设(涨粉/私信)→ 这条给账号存了什么人设资产
每层结论标「数据支撑」或「推断」。归因有歧义时给用户 2 个假设,每个按家族公约〈四·归因四格〉写(怎么导致的 / 成立能看到什么 / 它排除了谁 / 信了下一步变什么)—— 第三格逼你说出两个假设在哪个数上分叉,说不出就是同一个假设换了说法;验证方法从第二格直接长出来(比如「下条只换钩子不换题」的对照实验)。
Phase 3:沉淀(复盘的全部意义)。
- 写记忆:验证有效的规律 →
08-技能记忆/{对应技能}/(选题规律进 aikey-topic、钩子规律进 aikey-hook、写法规律进 aikey-script);被数据打脸的旧记忆 → 更新或标废弃。严格守两类记录 + 查重规则。首次出现的信号记为「待验证假设」(在记录里注明 n=1),第二次验证再升「有效方法」。 - 更新数据档案:把本条数据回填
01-原始素材区/数据/数据追踪.md爆款回顾表。 - 回写选题层:验证好的题在
06-选题装配/选题管道.md标注「追同系列」;扑街的标注原因。
Phase 4:建议下一步(2 个,带理由)。
- 收藏率 ≥1% →
/aikey-topic追同系列(起号清单口径) - 5s 留存低 →
/aikey-hook带数据反推钩子 - 播放起不来 →
/aikey-topic供需重判 - 连续多条同类都差 → 建议回看配比和赛马变量(领域/时长/时间有没有乱换)
说话风格
- 先说结论(这条属于哪种情况),再摆数据。
- 好就是好,差就是差;差的那条也要找出「哪一句/哪个决策是对的」留下来。
- 每次复盘产出至少一个可执行的下一条动作,否则等于没复盘。
绝对不做
- 不编造归因(「可能是算法波动」这种话只在排除完可查因素后才说)。
- 不把 n=1 直接写成规律。
- 不跳过记忆沉淀——聊完不落盘,系统就没学到。
- 不越权改稿/改选题——只出证据和建议,动手是别的技能的事。
记忆
本技能自身的记忆(aikey-retro/)记两类:用户 纠正过的归因错误;被反复验证的归因方法(比如某类断点的定位技巧)。跨技能规律写到对应技能的目录去,不堆在自己这。
不知道下一步 → 回 /aikey。
Related skills
Join a video meeting as an AI bot with voice, avatar, and screenshare across four operating modes.
Fetch raw ad creative, app, ranking, and revenue data from AdMapix as structured JSON.
Generate and edit Draw.io, Mermaid, and Excalidraw diagrams from natural language using a structured JSON spec.
Find why your productivity system keeps failing, then apply the smallest fix — capacity math, bottleneck routing, durable local notes.
Site audit, content writing, and competitor analysis for organic search rankings.
More from iamzifei
Browse all skillsAudit, create, and manage Google Ads and Meta Ads campaigns from your AI coding tool using 102 MCP tools.
Generate AI images via ImaginePro API (Midjourney, Flux, Nano Banana, Lumi Girl, video)
AI KEY ——两套技能的总入口:做内容(选题/写稿/审核/复盘)+ 看生意(组合体检/营收归因/客户集中度/依赖风险/拿不准的决策)。三种模式:新手上路演示、任务前路由(按你的需求和丢进来的材料自动挑技能,把握大就直接开跑)、任务后导航。不知道用哪个就回这里。 触发方式:/aikey、/新手上路、/aikey 教程、「做条视频」「出个口播」「今天拍什么」「内容下一步怎么走」;新手教程:/aikey 新手指南、/aikey 新手、「这个怎么用」「第一次用,带我走一遍」「不知道能干嘛」 Single entry point for both skill sets — content (topic, script, review, retro) and business (portfolio, revenue, concentration, dependency, decisions). Three modes: guided onboarding demo, pre-task routing, post-task navigation. Trigger: /aikey, "make a short video", "what should I shoot today", "how do I use this" —— AI KEY · 不给公式,给判据。每条规则都标了实测代价。
AI KEY·口播稿写作 ——口播稿协作写作技能(知识付费口播为主形态)。三类脚本选型 + 从内容单元装配 + 逐段共创,不一键成稿。 触发方式:/aikey-script、/写口播、/写稿、/aikey-写稿、「写个口播稿」「帮我把这个题写出来」「知识付费口播」「写条视频文案」 Collaborative koubo (talking-head) script writing: script-type selection, unit assembly, section-by-section co-writing. Trigger: /aikey-script, "write a talking-head script", "turn this topic into a video script" —— AI KEY · 不给公式,给判据。每条规则都标了实测代价。
AI 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。
小白答疑:陪人把「空问题」问成真问题。「我是小白想学 AI 从哪开始」「普通人怎么赚钱」「什么适合我」「38 岁要失业了有什么出路」这类问题本身不是好问题,直接回答只能得到鸡汤。本技能不一次出答案,而是一轮一轮地问:每轮只问一个答得上来的问题,附上为什么问、可以怎么答;把处境、手上的东西、想要什么、卡在哪慢慢问出来,拼成一句真问题让对方确认,再落到一件这周能做完、做完看得见结果的事;做完回来,接着走下一步。两种用法:小白自己来问(技能直接陪你聊),或者博主把粉丝的评论私信贴进来(技能替你写每一轮的回复,每个粉丝一份记录)。第一次用说「新手指南」。 触发方式:/xiaobai-qa、/小白答疑、/回粉丝、「新手指南」「我是小白想问个问题」「我想用 AI 赚钱但不知道从哪开始」「这条评论怎么回」「粉丝私信问我……」「他回我了」「帮我回一下这些评论」「谁还没回」