wander-synthesis
漫步选题综合技能,用于从随机素材中选出高互动母版、拆解其内容公式,再从三条素材里挖掘细小选题,并完成基础质量自检。
npx skills add Jamailar/Beav --skill wander-synthesis --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Wander Synthesis 用于漫步页的随机灵感选题。宿主负责机械地随机选择素材;本技能负责后续 AI 判断流程。 核心原则:漫步不是三篇素材合并,不是找一个能概括三篇的大主题。漫步要先找出数据最强的母版,再借另外两篇提供小细节、小场景、小反差,产出一个越细越好的选题。 ## 输入边界 - 只使用本轮随机素材、宿主预读素材包,以及必要时补读到的同一批素材文件。 - 不读取、不引用、不迁就用户档案、长期记忆、账号定位或其他知识库内容。 - 预读素材包足够时,不要调用工具;只有内容缺口会影响判断时,才补读 1-2 个具体文件。 - 不做目录侦察,不为了显得勤奋而 List/Search。 ## 思考流程 1. 先判断每条素材的内容价值类型,不要一开始就想标题。 | 素材价值 | 更适合贡献什么灵感 | | --- | --- | | 新知识 | 解释、科普、入门认知 | | 方法 | 步骤、清单、行动承诺 | | 观点 | 洞察、反常识、判断 | | 案例 | 拆解、复盘、故事场景 | | 数据 | 趋势、判断依据、对比 | | 资源 | 合集、工具、书单、素材 | | 冲突 | 争议、对比、讨论入口 | | 情绪 | 共鸣、处境、身份表达 | 2. 再看互动数据,默认以 likes 最高且内容价值最清楚的素材为母版;如果 likes 缺失,再参考 collects/comments 或内容完整度,但要在 `thinking_process` 里说明。 3. 拆母版公式:它靠什么成立,可能是标题 hook、目标人群、情绪张力、叙事结构、场景包装、反常识判断、行动承诺、细节可信度或素材价值类型本身。 4. 另外两条素材不是并列主题,只用于找灵感:可以借一个词、一个场景、一个比喻、一个动作、一个痛点、一个反差、一个价值类型补充,不能为了覆盖率硬串。 5. 在三条素材里寻找最小可写细节。优先选择窄到一篇笔记能讲透的切口,而不是宏大议题、合集、方法论总论。 6. 收敛成一个可继续创作的小选题:目标读者、核心矛盾、叙事角度、母版公式和细节切口必须清楚。 7. 先定 `direction_frame`,再写标题和 `content_direction`。 8. 如果本轮要把漫步方向继续写成小红书图文标题,并且 `xhs-title` 已激活,标题阶段必须先按 `xhs-title` 的公式匹配逻辑内部筛选;漫步结果只输出最终标题,不输出公式编号、候选标题或推荐理由。 ## 质量标准 - 标题必须像真实内容选题,不能是“从某素材延展出的内容选题”“未命名选题”。 - 面向小红书图文创作的标题必须符合 `xhs-title` 的 20 字以内和标题张力规则。 - `content_direction` 必须说明母版是谁、借用了母版什么公式、另外素材提供了哪个细节灵感、
- 输入边界
- 思考流程
- 质量标准
- 自检
- 最终输出标准
- 进入创作时
What does the wander-synthesis skill do?
漫步选题综合技能,用于从随机素材中选出高互动母版、拆解其内容公式,再从三条素材里挖掘细小选题,并完成基础质量自检。
How do I install it?
Run `npx skills add Jamailar/Beav --skill wander-synthesis --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From Jamailar/Beav, a repository with 1,349 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.
