claude-skill-social-post 完整教學

一個由駱君昊 (Hao) 開發的 Claude Code skill，學使用者的 Facebook 語氣、排 14 天內容日曆、自動發文到 FB / IG / Threads / X。首篇貼文即創 mega-viral (mega-viral; 超級爆紅)：75,071 瀏覽 / 96.5% 非追蹤者觸及。

1. 專案定位

1.1 解決的核心問題

小帳號創作者（< 5K followers (粉絲)）面臨的三重困境：

1. Voice consistency (語氣一致性) 問題：AI 生成內容讀起來「不像自己」，觀眾一眼識破
2. Content fatigue (內容疲勞)：同樣的公式重複使用，演算法降權 + 觀眾流失
3. Cross-platform (跨平台) 適配：FB 長文、Threads 短句、IG 圖配文、X thread — 一稿多投必死

1.2 專案的獨特價值主張

這不是一般的「AI 文案產生器」。它是一套經過 41 天 / 25 個 A/B test case / 35 條數據驅動規則驗證的完整社群經營 framework (框架)。核心差異在於：

• Data-driven iteration (數據驅動迭代)：每條規則背後都有實戰案例支撐，失敗案例比成功案例更有價值
• Skill-native (原生 Skill 架構)：不是外掛 API wrapper，而是直接融入 Claude Code 工作流
• Anti-AI-detection (反 AI 偵測)：R34 規則專門分析「哪些詞讓內容聽起來像 AI」，區分「有害的 AI 腔」vs「有用的排版裝置」

2. 安裝指南

2.1 先決條件

2.2 安裝步驟

 1# Step 1: Clone repo
 2git clone https://github.com/Hao0321/claude-skill-social-post.git
 3
 4# Step 2: 複製到 Claude skills 路徑
 5# macOS / Linux:
 6cp -r claude-skill-social-post/social-post ~/.claude/skills/social-post
 7
 8# Windows (PowerShell):
 9Copy-Item -Path "claude-skill-social-post\social-post" -Destination "$env:USERPROFILE\.claude\skills\social-post" -Recurse
10
11# Step 3: 初始化 example 檔
12cd ~/.claude/skills/social-post
13mv style_profile.example.md style_profile.md
14mv content_plan.example.md content_plan.md

2.3 啟動測試

在 Claude Code 中輸入以下任一指令驗證：

1幫我學 FB 風格          → Phase 1：語氣學習
2幫我排社群內容日曆       → Phase 0：內容策劃
3今天發一篇              → Phase 2：生成 + 發佈

3. 核心架構解析

3.1 三階段工作流架構

本 skill 的核心設計是一套意圖驅動的三階段路由 (intent-driven routing) 系統。使用者不需要記指令，Claude 根據自然語言意圖自動路由到正確的階段，並且只載入該階段需要的 reference files，大幅節省 token (令牌) 消耗。

flowchart TD
    A[使用者輸入自然語言] --> B{意圖路由判斷}
    B -->|style_profile.md 不存在
或說 '重新學風格'| P1[Phase 1: 學風格]
    B -->|content_plan.md 不存在
或說 '重新規劃'| P0[Phase 0: 排日曆]
    B -->|說 '發文' / 'PO' / '今天發一篇'| P2[Phase 2: 生成 + 發佈]
    B -->|說 '這篇好不好' / '查流量'| D[診斷模式]
    B -->|說 '歷史怎麼樣'| CS[案例查詢]

    P1 --> R1[讀 learn_style.md]
    R1 --> S1[Chrome MCP 開 FB
爬 20 篇貼文]
    S1 --> S2[萃取語氣特徵
生成 style_profile.md]

    P0 --> R0[讀 phase0_plan.md
+ formulas.md]
    R0 --> S3[分析目標 + 受眾]
    S3 --> S4[排 14 天日曆
寫入 content_plan.md]

    P2 --> R2[讀 generate_and_publish.md
+ style_profile.md
+ content_plan.md
+ 對應公式 + 對應規則
+ 目標平台 ref]
    R2 --> S5[生成各平台草稿]
    S5 --> G{安全閘
使用者確認?}
    G -->|確認| S6[Chrome MCP
自動發佈四平台]
    G -->|未確認| S7[等待 / 修改]
    S6 --> S8[回報結果
更新 content_plan.md]

    D --> R3[讀 evaluation.md
+ rules.md R6/R23]
    R3 --> S9[4 指標評估
+ 紅黃綠燈判定]

    style G fill:#ff6b6b,color:#fff
    style S6 fill:#51cf66,color:#fff

3.2 規則引擎架構

35 條規則 (R1-R35) 構成一套多層防護網，分為三個等級：

flowchart LR
    subgraph HARD["🚨 硬規則 Hard Rules — 不可覆寫"]
        R25[R25: FB/Threads 正文
絕不附外部連結]
        R34[R34: 反 AI 腔
禁抽象空詞]
        R35[R35: keyword CTA
公開 link 自助]
        SAFE[安全閘: 發佈前
必須使用者確認]
    end

    subgraph CORE["⭐ 核心規則 Core Rules — 高頻必檢"]
        R5[R5: 敘事意圖冷卻
4 天不重複]
        R6[R6: 48-72h plateau
才判定結果]
        R7[R7: 真 KPI 是
社群轉化不是讚]
        R8[R8: Voice Lock
僅 Mode B 純血]
        R15[R15: 私訊分享
= 2026 最強信號]
        R19[R19: Thread 不等於 FB
轉發權重]
        R27[R27: 個人脆弱 confess
= broke 鐵粉圈]
        R28[R28: 行業反主流 framing
Mode C 最強]
    end

    subgraph OPS["📋 操作規則 Operational Rules — 排程 / 生成時參考"]
        R1[R1: 一天一篇 + 輕重交替]
        R2[R2: 爆款後 24h 冷卻]
        R3[R3: 連 3 篇鎖鐵粉
必廣推]
        R4[R4: 時段按受眾分流]
        R10[R10: Hype 詞輪替]
        R30[R30: 社團 cross-post
留言 5-10x]
    end

    HARD --> CORE --> OPS

3.3 公式矩陣與 Funnel (漏斗) 設計

27 個公式 (F1-F27) 不是隨機排列，而是構成一套精心設計的 4-Mode funnel system (四模式漏斗系統)：

graph TB
    subgraph MODE_A["Mode A: 日常短句 — 鐵粉黏著"]
        FA[F1 Day-N 日誌
F2 截圖先丟
F7 POV 吐槽]
    end

    subgraph MODE_B["Mode B: 純血爆款 — 擴散 + 拉群"]
        FB[F6b meta-ship
F15 mini 公式
F6a 邀請碼]
    end

    subgraph MODE_C["Mode C: 深度反思 — 信任深化"]
        FC[F20 故事型
F21 答疑型
F22 工具發現型
F23 行業觀點型
F24 Brand 邊界
F25a/b/c 集體願景
F26/F27 Giveaway]
    end

    subgraph MODE_T["Thread F19: 立場宣言 — 轉發爆"]
        FT[F19 敵人/英雄敘事
單段不換行
60-150 字]
    end

    MODE_A -->|90% 鐵粉
brand 真實感| RETAIN[留存 Retention]
    MODE_B -->|90%+ 廣推
mega-viral| ACQUIRE[獲客 Acquisition]
    MODE_C -->|可 broke 94.5%
信任 + 儲存| DEEPEN[深化 Deepening]
    MODE_T -->|Thread 廣推
轉發 5-10x| EXPAND[擴張 Expansion]

    RETAIN --> LOOP((持續循環
Flywheel))
    ACQUIRE --> LOOP
    DEEPEN --> LOOP
    EXPAND --> LOOP

    style MODE_B fill:#ff922b,color:#fff
    style MODE_C fill:#845ef7,color:#fff
    style LOOP fill:#20c997,color:#fff

3.4 Token 最佳化策略

SKILL.md 在 v0.9.0 重構後從 565 行壓縮到 130 行（-77% token），核心策略：

4. 深層邏輯分析

4.1 Viral 4 條件公式 — 為什麼是 AND 不是 OR

1viral = 4 段 4 句結構 + 純血 voice + 全新敘事意圖 + 黃金時段

這個公式看似簡單，背後是 25 個 A/B test case 的血淚結晶：

關鍵洞察：只要有一個條件 ❌，就注定失敗。這個公式的價值不在告訴你「怎麼爆」，而是告訴你**「什麼情況一定不會爆」** — 這是一個 elimination rule (排除法則)，比 optimization rule (最佳化法則) 實用得多。

4.2 敘事意圖 vs 公式總數 — 顛覆性發現

v0.5 版本假設「F6b 每月只能用 1-2 次」，但 5/5 的 mega-viral 推翻了這個假設：

同一個月第 5 次使用 F6b 公式，只要敘事意圖全新（社群 social proof），仍然 mega-viral 44K + 95.3% 非追蹤者。

邏輯鏈 (logic chain)：

1. FB 演算法判斷「重複內容」的單位不是「公式結構」，而是「觀眾感受到的 narrative intent (敘事意圖)」
2. 同一個骨架（4 段 4 句）搭配不同意圖（promo / 復盤 / pitch / social proof / 教學），觀眾認知為「完全不同的內容」
3. 因此月配額的正確單位是敘事意圖，不是公式模板

這個發現的實務價值：意圖庫愈大 → 可用 F6b 的次數愈多 → mega-viral 的機會愈多。

4.3 Anti-AI 腔 (R34) 的精準打擊

R34 規則不是簡單地說「寫得像人」，而是做了精確的元兇歸因 (root cause attribution)：

• 有害的 AI 腔（禁用）：抽象空詞（護城河 / 本質 / 真正的 X）、staged 開場、over-narrate
• 有用的排版裝置（保留）：── 分隔符、！！！ hype 標點、，、， 日常標點

實證：v1.0.1 的 F21「不是 ComfyUI」使用 R34 + R35 版本，觸及 10,966（原版 1,058 的 10 倍）。證明「真實 voice」跟 mega-viral 完全相容。

4.4 演算法訊號權重逆向工程

基於 2026 年 FB 演算法更新 + Hao 實戰數據，權重排序：

1私訊分享 >>> 儲存 > 5 字長留言(3x) > 公開分享(20x讚) > 一般留言(5x讚) > Dwell time > 讚(~0)

實務意義：「讚」幾乎無權重。這解釋了為什麼某些只有 15 讚的貼文反而觸及上萬 — 關鍵是分享和深度留言。

5. 應用場景

5.1 個人創作者 / KOL

• 學自己語氣 → 排 14 天日曆 → 每天 5 分鐘確認發文
• 適合：技術 KOL、AI 開發者、數位創作者
• ROI：Hao 實測 800 → 4,568+ Line 社群成員（41 天）

5.2 小型企業 / 品牌帳號

• Fork 後修改公式庫為品牌語調
• 需額外注意：企業帳號應使用 Meta Business Suite API 而非 Chrome MCP
• 社團 cross-post 策略（R30）特別適合 B2B

5.3 社群經理 / Content Marketing

• 公式庫可作為內容策略框架，即使不用自動發文
• 4 指標評估框架取代「看讚數」的粗暴判斷
• 敘事意圖冷卻機制防止觀眾疲勞

5.4 Claude Code Skill 開發者

• 作為skill 架構 best practice (最佳實踐)：意圖路由、lazy loading、reference extraction
• 姐妹 skill code-cleanup 展示了 skill 自我維護的模式
• v0.9.0 重構（-77% token）是 skill 瘦身的教科書案例

6. 資安掃描報告

🟢 整體風險等級：低

注意事項

1. Chrome MCP 權限：FB 寫入操作需使用者授權 facebook.com 權限（read 級自動通過，write 級需手動授權）
2. 速率限制：過於頻繁的發文 / 大量留言可能觸發 FB spam detection (垃圾偵測)
3. style_profile.md 安全：包含使用者的寫作風格特徵，建議不要分享或上傳

7. 與相關 GitHub 專案比較分析

7.1 直接競品與近似專案

7.2 傳統社群自動化工具比較

7.3 優勢與劣勢

獨特優勢：

1. 唯一同時做到「學語氣 + 排策略 + 自動發 + 數據驗證」的開源 skill
2. 公式庫來自 < 5K 粉的真實小帳號驗證，不是從百萬粉帳號反推
3. 失敗案例比成功案例文件更詳細（Day 5 / Day 7 postmortem），對學習者價值更高
4. Token 最佳化設計（lazy loading + scoped read），同類 skill 中最省

劣勢 / 限制：

1. 技術門檻：需要安裝 Claude Code + Chrome MCP，非技術使用者不友善
2. 平台依賴：Chrome MCP 斷線、FB DOM 改版都會影響功能
3. 語言局限：公式和案例皆以繁體中文 / 台灣社群為主，英文市場需大幅調整
4. 單人驗證：主要數據來自 Hao 一人（~4K 粉），statistical significance (統計顯著性) 有限

8. 藍海策略分析 (Blue Ocean Strategy)

8.1 策略畫布 (Strategy Canvas)

藍海策略 (Blue Ocean Strategy) 的核心是跳脫紅海 (Red Ocean; 既有市場激烈競爭) 的正面對決，透過**價值創新 (Value Innovation)**開創新市場空間。

xychart-beta
    title "社群工具策略畫布 Strategy Canvas"
    x-axis ["價格", "易用性", "語氣學習", "公式庫深度", "演算法規則", "跨平台", "數據驅動", "小帳號適配", "開源透明", "失敗案例"]
    y-axis "競爭力 0-10" 0 --> 10
    bar [10, 4, 10, 10, 10, 7, 10, 10, 10, 10]
    bar [3, 9, 0, 4, 2, 9, 5, 3, 0, 0]
    bar [10, 8, 0, 0, 5, 5, 6, 5, 0, 0]

說明：第一組 = social-post / 第二組 = Buffer 等 SaaS / 第三組 = Meta Business Suite

8.2 四行動框架 (Four Actions Framework; ERRC Grid)

8.3 藍海定位 — 三層非顧客 (Three Tiers of Noncustomers)

flowchart TB
    subgraph T1["第一層：即將離開的顧客"]
        N1[Buffer/Hootsuite 付費用戶
覺得 ROI 不夠的小帳號]
        N1A[問題: 月費 vs 觸及太少]
        N1 --> N1A
    end

    subgraph T2["第二層：拒絕你市場的非顧客"]
        N2[知道社群工具但覺得
'我粉絲太少用了也沒用']
        N2A[問題: 工具都為大帳號設計]
        N2 --> N2A
    end

    subgraph T3["第三層：未被探索的非顧客"]
        N3[技術開發者
會寫 code 但不會經營社群]
        N3A[問題: 社群經營 know-how
離技術人太遠]
        N3 --> N3A
    end

    T1 --> SO1[social-post 解法:
免費 + 小帳號公式]
    T2 --> SO2[social-post 解法:
5K 以下驗證公式庫]
    T3 --> SO3[social-post 解法:
Claude Code 原生整合
技術人熟悉的介面]

    SO1 --> BOS((藍海市場:
AI-native
小帳號
社群經營))
    SO2 --> BOS
    SO3 --> BOS

    style BOS fill:#339af0,color:#fff,stroke:#1971c2

8.4 藍海策略評估

策略持久性 (sustainability) 分析：

是否為真藍海?

✅ 是 — 滿足藍海三要素：

1. 聚焦 (Focus)：小帳號 + 技術創作者，不做大帳號 / 企業
2. 差異化 (Divergence)：策略畫布與 Buffer/Meta 明顯不同
3. 令人信服的標語 (Compelling Tagline)：「第一篇貼文就是這個 skill 自己發的」— 自證式行銷

9. 進階技巧

9.1 Viral 4 條件最佳化清單

每次發文前跑一次：

1✅ 4 段 4 句結構？（！只在段 1 / 段 2-3 無標點 / 段 4 留白）
2✅ 純血 voice？（讀 style_profile.md 確認語感一致）
3✅ 敘事意圖全新？（R5: 4 天內不重複 + 月 ≤ 2 次同意圖）
4✅ 黃金時段？（R4: 22:00-01:00 for AI 受眾）
5✅ Readability？（meta ≤ 2 層 / 數字 ≤ 3 個/段 / 5 秒讀懂）
6✅ R25：正文無連結？
7✅ R34：無 AI 腔空詞？

9.2 社團 Cross-Post 最大化

R30 實證：同篇 cross-post 2 社團 = 留言 137 倍。最佳配置：

1凌晨 02:00 → 主帳號發 Mode B/C
2↓ 1-2h
303:00 → Cross-post 社團 1（同 niche）
4↓ 4-6h
508:00 → Cross-post 社團 2（不同 audience）

不洗 3+ 社團（spam 風險）。

9.3 Token 省用策略

• Phase 2 只讀當天目標平台的 reference（1-2 個，不讀全部 4 個）
• formulas.md 用 grep 取段落，不全讀
• 草稿確認後才讀平台 reference

10. 整合進其他工作流

10.1 與 claude-skill-code-cleanup 搭配

Hao 的姐妹 skill（27 stars）用來維護 social-post 自身：

• Mode A：掃重複、命名 drift、模組化、過長
• Mode B：跑 repo audit — 私公版 sync / release 一致性 / cross-link / 版本漂移

10.2 與其他 Claude Skills 整合

10.3 Fork 與客製化

1. Fork 後修改 formulas.md — 加入你的行業公式
2. 修改 evaluation.md — 用自己的 benchmark 替換 Hao 數據
3. 修改 rules.md — 針對你的受眾調整規則
4. style_profile.md 會自動被你的語氣覆寫

11. 重點摘要 Checklist

• 安裝：Clone → cp 到 ~/.claude/skills/ → rename example 檔
• Phase 1：學語氣需 FB 至少 20 篇公開貼文 + Chrome MCP
• Phase 0：排 14 天日曆，4 Mode 交替（A 日常 / B 純血 / C 深度 / Thread F19）
• Phase 2：每次發文前跑 Viral 4 條件 + R25 + R34 檢查
• 安全閘：發佈前必須拿到使用者「確認」— 硬規則不可覆寫
• 評估：用 4 指標框架，不看讚數；48-72h plateau 才判定
• 敘事意圖：月配額單位是「意圖」不是「公式」— 最關鍵的洞察
• Token 省用：意圖路由 + scoped read + reference extraction
• 藍海定位：小帳號 × AI-native × 失敗文化 × 數據驅動

12. 進一步閱讀