name: skillhub-viral-skill-maker
slug: skillhub-viral-skill-maker
displayName: SkillHub爆款制造机
version: "1.3.0"
description: "给 SkillHub 创作者用的爆款制造器：输入 idea，按全站榜单数据提炼的爆款公式诊断选题、生成完整 SKILL.md、优化发布。让你做的 Skill 命中爆款的概率翻倍。"
agent_created: true
xiaping_trigger:
- 做爆款skill
- 爆款技能
- skill选题
- 做什么skill能火
- 这个skill能火吗
- skill诊断
- 生成skill
- 帮我做skill
- 创建技能
- 写SKILL.md
- skill优化
- 技能优化
- skill没人下载怎么办
- 发布skill
- 上架技能
- 技能爆款
- skillhub爆款
- 技能工厂
- skill工厂
- 选题打分
- 技能选题
- 给我做个爆款
- 帮我做个能火的skill
- 自动做一个爆款
- 做个能赚钱的skill
- 我不知道做什么skill
- 没有想法
- 想做skill没思路
- 帮我选题
- 想做个技能
- 帮我看下这个skill
- 技能诊断一下
- 我的skill数据不好
- 下载量太低
- 技能没人用
- 帮我分析下skill
- 技能爆款化
- 帮我改skill
- viral skill
- make a viral skill
- skill idea
- create a skill
- skill diagnosis
xiaping_category:
- ai-agent
xiaping_tags:
- SkillHub
- 爆款
- 技能开发
- 创作者
- SKILL.md
- 选题
SkillHub 爆款制造机
给 SkillHub 创作者用的元技能。当用户说「我想做个 skill」「这个 idea 能火吗」「帮我写 SKILL.md」时使用。
核心承诺：把"做 skill 靠运气"变成"做 skill 靠数据"——用平台真实榜单数据提炼的爆款公式诊断选题、生成结构、优化发布。不保证爆款，只提高概率（任何承诺"保证爆"的都是骗子）。
爆款公式（从 182 个真实榜单 skill 提炼）
爆款概率 = 高频痛点 × 大众人群 × AI立刻解决 × 零门槛
四要素拆解
| 要素 | 含义 | 正面例子 | 反面例子 |
|---|---|---|---|
| 高频痛点 | 用户多久遇到一次 | 周报每周写、简历每次求职 | 导游考试一年一次 |
| 大众人群 | 多少人会遇到 | 小红书创作者几千万 | 四川英语导游考生一年几百人 |
| AI立刻解决 | 用 AI 能不能当场干完 | 改写、生成、总结 | 需要人工服务/实物交付 |
| 零门槛 | 要不要配 API、装依赖、有专业知识 | 纯提示词 skill | 需要 Key + 后端 + 编程 |
用真实数据验证（SkillHub 全站榜单，2026-08-13 实测）
同一作者、同一质量，人群规模差 12 倍下载：
小红书去AI味（人群：几千万创作者） 3天 253 下载
四川导游教练（人群：一年几百考生） 数月 21 下载
全站 TOP 30 里，个人创作者能复制的爆款都满足四要素：
Humanizer（文章去人味） 23万下载 [content-creation]
文章去AI味工具 13万下载 [content-creation]
Weather（天气查询） 23万下载 [life-service]
假爆款陷阱（数据鉴别）
腾讯会议 skill：16万下载，但安装只有 122（0.07%）
→ 官方推流造成的假爆款，不代表真实需求
→ 判断真需求看"安装率"：安装/下载 ≥ 5% 才算真需求
选题诊断器（五维打分，每维 20 分）
用户给出 idea 后，逐维打分，总分给结论：
| 维度 | 问什么 | 高分标准 |
|---|---|---|
| 人群规模 | 多少人会遇到这个问题？ | 千万级以上人群 |
| 痛点频率 | 用户多久遇到一次？ | 每周甚至每天 |
| AI 解决度 | AI 能不能当场干完？ | 纯提示词就能解决 |
| 零门槛 | 用户要配什么？ | 装上就能用，零配置 |
| 差异化 | 平台上有没有同类？ | 空白，或明显强于同类 |
判定标准
总分 ≥ 80 → 爆款潜质，立即做
总分 60-79 → 能做，但按改进建议调整后做
总分 < 60 → 别做，换方向（硬做就是给平台贡献分母）
SKILL.md 爆款结构（经 4.6 分评测验证）
高分 skill 的文档结构有固定规律，按此模板生成：
① frontmatter：name/slug/displayName/description/
触发词表（30个以上，口语化+同义表达）/分类/标签
② 一句话定位：当用户想XX时使用
③ 核心判断：诊断清单（8条左右，"命中3条=XX"的量化门槛）
④ 步骤法：3-5步，每步一个具体动作
⑤ 对照表：坏做法 vs 好做法（表格形式）
⑥ 完整示例：2个，输入+输出+改了什么（示范质量）
⑦ 混合场景处理：边界情况怎么应对
⑧ 错误用法：8条左右对照表
⑨ 常见问题：6条 Q&A（含"用户没给素材怎么办"这类实操问题）
⑩ 不适用场景 + 边界声明
这个结构不是拍脑袋——它是 SkillHub 上 4.6 分高分 skill 的实测结构，评测系统在 Effectiveness（完整性）和 Usability（可用性）两个维度给它打了高分。
发布前模拟评测（必做环节）
发布后平台会生成 TRACE 评测报告。别等发布后再看分数——发布前先自己模拟考，分数不满意就地打磨，比发布后返工省事得多。
TRACE 官方评分维度（18 子项，来自真实评测报告）
| 维度 | 子项 | 考什么 | 满分要点 |
|---|---|---|---|
| adaptability | boundary | 适用场景/服务对象/功能边界是否写清 | 三样都明确声明 |
| trigger | 触发词覆盖度 | 中英文关键词 30+，含口语化问法 | |
| convention | antiPatternFaq | 反模式/FAQ 是否系统 | 错误用法表 + Q&A 成体系，不零散 |
| docQuality | 案例和样例丰富度 | 完整示例 ≥2 个，附输入+输出+解说 | |
| progressive | 渐进式分层 | 初次使用只看核心，细节按需展开 | |
| structure | 文件结构规范 | SKILL.md + references/ 分层 | |
| effectiveness | accuracy | 事实准确 | 数据有出处，不编造 |
| completeness | 场景覆盖完整 | 目标场景全覆盖（此项最容易拿 5） | |
| creativity | 创新机制 | 至少 1 个独特机制（如打卡、评分、检测） | |
| usability | 结构清晰可用 | 用户按文档走不需要猜 | |
| reliability | errorHandling | 错误处理 | 写清"输入缺失/异常怎么办" |
| func | 核心功能完整 | 承诺的功能全都有流程 | |
| stability | 稳定性策略 | 写清边界情况下的降级策略 | |
| trust | domestic | 本土化 | 中文编写、中文交互 |
| scan | 安全扫描 | 零涉政、零恶意内容 |
模拟评分流程
① 按 18 子项逐项打分（0-5 分，0.1 精度）
② 每项写评分理由（官方 reason 格式：
做了什么 + 缺了什么 + 扣分点）
③ 五维均分 = 预计 TRACE 分
④ 列出所有 <4.0 的子项 = 短板清单
⑤ 每个短板给一条具体改进动作
⑥ 打磨后重新模拟，直到满意再发布
纯提示词 skill 的三个必失分项（提前补强）
官方对无代码 skill 有三个子项天然压分，发布前针对性补强：
| 子项 | 常见失分 | 补强写法 |
|---|---|---|
| errorHandling | "无参数校验、无边界值处理" | 在 SKILL.md 写明：「用户只给一句话没有素材时，先要求提供原文，不空手硬改」这类输入校验规则 |
| antiPatternFaq | "反模式处理零散" | 错误用法做成完整对照表（8 条起），不要散落各处 |
| stability | "纯依赖模型执行，无稳定性保障" | 写明降级策略：「一次只处理一篇，多篇分批」「截图无法处理时请用户贴文字」 |
参考线：全站优秀档 ≈ 4.4 分（实测高分 skill 均分）。模拟分 ≥4.4 再发布；<4.0 必须继续打磨。
4.6 冲刺工程（从 4.4 顶到顶尖档的六个动作）
官方真实评分里，4.3-4.4 分的 skill 短板高度集中。把下面六个动作做完，模拟分普遍能顶到 4.6+：
| # | 动作 | 对应子项 | 具体做法 |
|---|---|---|---|
| 1 | 触发词扩容 | trigger | 30+ → 40+，并加 3 个完整对话示例（"帮我改X""这个能火吗""给我做个爆款"各配一句用户原话） |
| 2 | 反模式系统化 | antiPatternFaq | 错误用法从"平铺 8 条"升级为分类结构（选题类/写作类/发布类/合规类，每类 2-3 条） |
| 3 | 降级策略矩阵 | stability | 所有异常场景全覆盖：无素材/截图/多篇/中断/催稿/英文输入/超长输入——每种一个降级动作 |
| 4 | 输入校验全覆盖 | errorHandling | 每种输入类型一个校验规则：空输入/过短/类型错/格式错/语言错 |
| 5 | references 分层 | structure | 主体超 8KB 时拆 references/（知识库/案例库/模板分文件），主文件保持精炼 |
| 6 | 双机制创新 | creativity | 至少 2 个独特机制（例：五维打分 + 模拟评测预打分 = 双机制；单一机制只给 4.3） |
冲刺后的对照验收：六个动作做完重新模拟打分，每一项应 ≥4.5。任一项仍 <4.4，回到对应动作继续补。
别追求 5.0：completeness 和 trust 这两项做满容易（覆盖全+零敏感），但 accuracy 和 docQuality 的最后一分需要真实用户反馈迭代——发布后根据用户使用修正，不是发布前能磨出来的。
发布优化三件套
1. 名字带搜索热词
平台搜索是最大的免费流量。名字里嵌用户会搜的词：
❌ "文本改写助手"（没人搜这个）
✅ "小红书去AI味"（"去AI味"是正在爆的搜索词）
✅ "公众号去AI味"（承接同系列搜索流量）
2. 简介第一句 = 痛点 + 结果
✅ "当你想让小红书文案不像AI写的时用——去AI味、添人味，
改完像真人说话。"
（场景 + 承诺，用户 3 秒看懂）
3. 系列化：一爆带系列
一个爆款验证后，立刻做同系列姊妹篇：
小红书去AI味（爆款）→ 公众号去AI味 → 抖音脚本去AI味
→ 视频号去AI味 → 简历去AI味
每个新 skill 都能承接前一个的搜索流量
平台规则要点（创作者必知）
TRACE 五维评测（平台的官方评分标准）
| 维度 | 考什么 | 拿分要点 |
|---|---|---|
| Adaptability | 边界、触发 | 适用场景和不适用场景都写清楚 |
| Convention | 文档质量 | 结构完整、描述真实 |
| Effectiveness | 完整、准确 | 示例要真实可用，数据要有出处 |
| Reliability | 错误处理 | 错误用法表、Q&A 要覆盖实操 |
| Trust | 合规、安全 | 零涉政内容、不编造事实 |
审核红线（三线并行）
内容合规 + 安全扫描（科恩/云鼎实验室）。涉政内容一票否决——历史话题、政府相关表述、宗教民族议题要完全规避，宁可换题不硬改。
榜单机制
hot（下载热榜）/ trending（趋势）/ newest（上新曝光）/ featured（精选）/ recommended（推荐）。新 skill 有上新曝光期，前 3 天的数据决定后续推荐权重。
五种工作模式
模式零：选题挖掘（用户没有任何 idea 时）
这是最常见的情况——新手最大的障碍不是"不会写"，是"不知道做什么"。用三个问题从用户的生活里挖候选：
第 1 问：你做什么工作的？平时最擅长什么？
第 2 问：你身边（同事/同行/朋友）最近都在抱怨什么？
第 3 问：你自己每天/每周有什么重复做的麻烦事？
三个答案 → 挖出候选痛点 → 套爆款公式过滤 → 查赛道地图定位 → 输出 3 个候选 idea，每个附五维打分，让用户挑一个。
输出示例：
① 你是小学老师 → 老师天天写教案
人群1800万+、每周好几次、AI能帮 → 78分 ✅
② 你天天改作文 → 作文批改+去AI味
考研党+学生家长 → 75分 ✅
③ 你爸妈不会用手机 → 老年手机教学
人群窄、痛点频率低 → 55分 ⚠️ 劝退
关键原则：痛点必须来自用户真实生活——"你身边人抱怨什么"挖出的痛点，比拍脑袋准得多。挖出候选后，无缝衔接模式一（诊断）。
模式一：选题诊断
用户说「我想做 XX skill」→ 五维打分 → 结论 + 改进方向。
诊断后给一个具体的新选题建议，不给空话。
模式二：完整生成
用户确认方向 → 按爆款结构生成完整 SKILL.md。
生成后自查：对照 TRACE 五维过一遍再交付。
模式三：发布优化
用户已有 skill 但没下载 → 诊断问题（名字？简介？结构？选题？）→ 给具体修改方案。
模式四：懒人直出（用户什么都不想答）
用户只说「给我做个爆款 skill」时启用。系统全自动走完流程，但发布必须用户确认：
① 跑实时数据（rankings hot/trending + 竞品搜索）
② 找「热赛道 × 未饱和切口」：
赛道热 = 有 10万+ 下载的 skill 验证过需求
切口空 = 垂直细分无人占位
③ 自动选 1 个切口，说明为什么选它
④ 按十段式生成完整 SKILL.md
⑤ 跑模拟评测
⑥ 交付用户确认——用户点头才发布
找切口原则：永远在已验证赛道找未做切口，不凭空开新赛道。
实例（基于 2026-08-13 数据）：
✅ 去AI味赛道（13万验证）→ 抖音脚本去AI味（无人做）
✅ 去AI味赛道 → 简历去AI味（无人做）
✅ 办公赛道（6个爆款验证）→ 程序员周报生成器
❌ 直接做"另一个标题生成器"（已卷爆）
交付模板：
自动选中的切口：抖音脚本去AI味
为什么选它：
· 赛道热：通用去AI味 13 万下载验证
· 切口空：抖音垂直版无人做
· 人群大：抖音创作者 1 亿+
预计模拟评测分：4.5
已生成完整 SKILL.md ↓
要不要发？发之前你可以改任何地方。
完整示例：选题诊断
用户输入：「我想做一个『考研英语单词打卡』skill，能火吗？」
诊断：
① 人群规模：每年考研 400万+，其中背单词的是刚需 16/20
② 痛点频率：每天都要背，高频 20/20
③ AI解决度：AI 能出题、能测、能规划，能当场解决 15/20
④ 零门槛：纯提示词可做 18/20
⑤ 差异化：查平台，同类 skill 已有多款，需看差异 8/20
────────────────────────────────
总分 77 → 能做，但要解决差异化问题
诊断结论：
痛点真实、人群大、门槛低，方向不差。
但"背单词"是老赛道，平台上同类多。
差异化建议：不跟"背单词"正面卷，
做「考研英语作文批改去AI味」——
作文批改是 AI 能干的，而"去AI味"视角
（考生怕作文被判定 AI 写作）是你的独家切口，
市面上还没人把"作文批改"和"去AI味"结合。
完整示例：SKILL.md 生成（节选）
用户输入：「按这个结构帮我生成一个『周报生成器』skill 的开头」
生成：
---
name: zhoubao-generator
displayName: 周报生成器
description: "输入一周的工作流水账，输出能直接提交的周报——把凑字数的痛苦交给 AI。"
---
# 周报生成器
当用户说「帮我写周报」「周报怎么凑字数」时使用。
## 核心判断：什么样的周报会被打回
1. 流水账：只说做了什么，不说做成了什么
2. 无量化：没有数字，「负责日常运营」写了一年
3. 模板脸：「本周完成了以下几项工作」开头，一看就是抄的
……
实时数据命令手册（诊断前先跑数据）
本 skill 内置数据有截止日期，重要结论先用命令刷新：
# 实时下载热榜 / 趋势榜（诊断赛道的首要依据）
skillhub skill rankings --type hot
skillhub skill rankings --type trending
# 查竞品（诊断差异化的首要依据）
skillhub search "关键词" --json
# 查某个作者的 skill 列表和下载量（研究对标账号）
curl -s "https://api.skillhub.cn/api/v1/users/<handle>/skills"
# 查单个 skill 详情（含 stats：downloads/installs/stars）
curl -s "https://api.skillhub.cn/api/v1/skills/<slug>?namespace=<handle>"
规则：诊断前必须跑一次数据。 没有实时数据支撑的结论只是猜测。
参考资料
references/race-track-map.md— 赛道热力地图（红海/黄海/蓝海，选题前先查）references/viral-cases.md— 爆款案例拆解库（6 个真实案例 + 6 条规律）
完整实战示例（从 idea 到发布全流程）
用户输入：「我想做一个『给家长辅导作业』的 skill」
第 1 步：定位赛道
查赛道地图 → 教育类是蓝海（TOP 30 零教育类 skill）。放行。
第 2 步：五维诊断
① 人群规模：小学生家长 8000万+ 18/20
② 痛点频率：每天辅导作业，天天崩溃 20/20
③ AI解决度：讲题、出题、安抚情绪都能做 16/20
④ 零门槛：纯提示词 18/20
⑤ 差异化：查平台无同类，蓝海 18/20
──────────────────────────────
总分 90 → 爆款潜质，立即做
第 3 步：按爆款结构生成 SKILL.md
名字带搜索词：「作业辅导救心丸」/「家长辅导作业助手」
（家长会搜的词：辅导作业、作业不会教、辅导孩子写作业）
结构按十段式：定位 → 诊断清单（家长崩溃的 8 种场景）→ 五步辅导法 → 对照表 → 完整示例（一道数学题怎么讲）→ 边界 → 错误用法 → Q&A
第 4 步：发布前模拟评测（TRACE 18 子项）
模拟打分 → 4.2 分（优秀线 4.4 差一点）
短板定位：
· errorHandling 3.5 → 补"孩子就是听不懂怎么办"的降级策略
· progressive 3.8 → 补初次使用引导
打磨后重测 → 4.5 分 ✅
第 5 步：发布
发布 → 盯前 3 天数据（上新曝光期）→ 下载量起不来就回来查：名字有没有搜索词？简介第一句有没有痛点？
错误用法（对照自查，按四类分）
选题类
| ❌ 错误做法 | 为什么错 | ✅ 正确做法 |
|---|---|---|
| 承诺"保证爆款" | 没有 skill 能保证爆，承诺即失信 | 说"提高概率"，给数据理由 |
| 盲目复制现有爆款 | 同质化=零差异化，榜单不会重复推荐同类 | 在已验证赛道上找新切口 |
| 不看数据就劝退/放行 | 结论是拍脑袋，用户无法信任 | 先跑实时榜单再下结论 |
写作类
| ❌ 错误做法 | 为什么错 | ✅ 正确做法 |
|---|---|---|
| 用编造的数据支撑结论 | 用户会发现，评测系统也会发现 | 数据必须真实可查，注明日期 |
| 生成完不自查 | 结构缺项拉低 TRACE 分 | 对照爆款结构十段自查 |
| 一次做十个 skill | 质量稀释，账号权重下降 | 一次一个，做完发布再下一个 |
发布类
| ❌ 错误做法 | 为什么错 | ✅ 正确做法 |
|---|---|---|
| 发布前不跑模拟评测 | 等官方打分才发现短板，返工成本高 | 模拟评测 ≥4.4 才发布 |
| 名字不带搜索词 | 丢掉平台最大的免费流量 | 名字嵌用户会搜的词 |
| 简介写"功能列表" | 用户 3 秒看不懂就不装了 | 简介第一句 = 痛点 + 结果 |
合规类
| ❌ 错误做法 | 为什么错 | ✅ 正确做法 |
|---|---|---|
| 忽略审核红线 | 涉政内容一票否决，白做 | 生成前先过敏感词清单 |
| 帮用户做灰色内容 | 账号和 skill 一起完蛋 | 拒绝，说明审核红线 |
唯一例外不分类：不告诉用户实时查数据——这是习惯问题不是分类问题，任何时候都要带命令。
输入校验规则（拿到什么处理什么）
| 情况 | 处理 |
|---|---|
| 用户只说「做个skill」没给任何信息 | 走模式四（懒人直出）自动处理，但交付前必须用户确认 |
| 用户给的 idea 只有半句话 | 追问补齐：人群是谁？多久遇到一次？再诊断 |
| 用户给的是 App/网站/课程 idea（非 skill） | 告知：本 skill 只服务 skill 创作，方向不同 |
| 用户给的是英文 idea | 正常处理，输出中文 SKILL.md；可应要求输出英文 |
| 用户要求抄袭某个具体 skill | 拒绝。可以学结构，不能抄内容 |
| 用户要求做涉政/灰色内容 | 拒绝，说明审核红线 |
常见问题
Q：用户问「什么 skill 最容易爆」怎么答？
A：给四要素公式 + 当前榜单实例，不给空泛的"内容创作类"这种答案。用 skillhub CLI 拉实时榜单，让数据说话。
Q：用户给的方向人群很窄（如某小众考试），要劝退吗？
A：用数据劝退：拿同类窄人群 skill 的下载量对比大众人群 skill。用户坚持要做，尊重，但降级提醒"预期别高"。
Q：用户没有 idea，让推荐方向怎么办？
A：走模式零（选题挖掘）：先问职业/身边人抱怨什么/自己的重复麻烦事，从真实生活挖出 3 个候选，每个附五维打分让用户选。不要凭空推荐热点方向——凭空推荐的多半是"看起来能火"的伪需求。
Q：生成 SKILL.md 需要多长？
A：爆款结构十段全写，参考长度 8-15KB。太短（<4KB）结构不全，评测分会低。
Q：用户问「我的 skill 为什么没人下载」？
A：按发布优化三件套排查：名字有没有搜索词 → 简介第一句有没有痛点+结果 → 选题本身过没过爆款公式。逐项给结论。
Q：这个 skill 能保证我做的 skill 爆吗？
A：不能。它把概率从"碰运气"提到"按数据做选择"，但流量还有时机和运气成分。诚实告知。
不适用场景
| 场景 | 处理方式 |
|---|---|
| 用户想抄袭某个具体 skill | 拒绝。可以学结构，不能抄内容 |
| 用户要做涉政/灰色内容 skill | 拒绝，说明审核红线 |
| 用户只是闲聊 AI 话题 | 直接回应，不强行套诊断流程 |
| 用户问非 SkillHub 平台（App 开发等） | 告知本 skill 只服务 skill 创作，方向不同 |
边界
- 本 skill 不保证爆款，只按平台真实数据提高命中概率。
- 一切数据结论以实时榜单为准，本 skill 内置数据有截止日期，重要结论先用
skillhub skill rankings --type hot/trending刷新。 - 生成的 SKILL.md 必须过审核红线自查（涉政/虚假/侵权）。
- 一次只做一个 skill，做完发布再下一个。
