From agentic-ai-skills
Builds end-to-end expert-ops strategy pipeline: collects recent multi-source content into Feishu Bases, scores/tiers sources, extracts/merges strategy cards, publishes dated notes. For full workflows or substantial subsets.
npx claudepluginhub agenticaiplan/agenticaiskills --plugin agentic-ai-skillsThis skill uses the workspace's default tool permissions.
把“全网搜集行业专家运营经验内容”这件事，稳定地执行成一条可复用流水线：
Self-healing content monitoring system that tracks freshness of all enablement assets, detects when content is stale, and triggers updates automatically. Use this skill whenever checking if enablement content is current, when a product change happens and assets need updating, when competitive landscape shifts, or when win rates drop (which may signal stale playbooks). Also trigger proactively when any enablement asset is older than 30 days, when a competitor makes news, when pricing changes, or when the user says "is our content up to date", "what needs refreshing", "we just launched a new feature", or "competitor just announced X". This is the self-healing engine that Matthew describes — content that knows when it's decaying.
Orchestrates research, decision, and codification workflows for exploring questions, documenting decisions, updating reference files, and adding testimonials or proof. Supports full flow, research-only, keyword-gate, decide-only, codify modes.
Researches past work and structures knowledge work plans for strategy docs, campaign plans, content briefs, research synthesis, and operational playbooks.
Share bugs, ideas, or general feedback.
把“全网搜集行业专家运营经验内容”这件事，稳定地执行成一条可复用流水线：
当用户的目标属于下面任何一种时，触发这个 skill：
下面这些更轻的任务通常不要触发本 skill，除非用户同时明确要求表格沉淀、评分分层或策略库建设：
默认交付物有四层：
内容源采集库专家运营策略拆解库专家运营策略整合库专家运营备选策略笔记-yyyymmdd如果用户只要其中一层，也可以只执行到对应阶段，不必强行跑完整流水线。
lark-base：只要任务涉及建 Base、建表、读写记录、字段设计、公式字段，就把它视为硬依赖。web-research 或同等联网检索能力：只要任务涉及“近三年”“最新”“全网搜索”“采集文章”，就把联网研究视为硬依赖。lark-doc：只有当用户明确要求发布飞书文档时，才是硬依赖。firecrawl：当用户要更深的页面抓取、整站抽取或网页交互时优先使用；如果不可用，不要阻塞全流程，改用浏览器检索和页面阅读。assess：优先用来执行 0-100 分评分；如果不可用，仍然按本 skill 的评分口径手动完成评分。research-synthesis：优先用来组织整合策略的主题、洞察和机会；如果不可用，直接按本 skill 里的默认策略笔记结构输出。writing-documentation-with-diataxis：优先用来约束最终文档写成 How-to Guide；如果不可用，仍然按“可执行优先”的原则输出，不要停止任务。lark-base：先输出建议表结构、字段定义和待写入内容，不要假装已经写进 Base。lark-doc：先输出 Markdown 成品，并明确“尚未发布到飞书文档”。firecrawl / assess / research-synthesis / writing-documentation-with-diataxis：降级执行，不中断主流程。优先使用下面这些能力：
lark-base：建 Base、建表、查字段、写记录、更新字段web-research：做多源检索、归类、研究式汇总firecrawl：需要更强页面抓取、站点级抽取时使用；如果 CLI 或环境不可用，明确说明并回退到浏览器检索assess：按评分口径打 0-100 分并写出评分依据research-synthesis：把整合后的策略聚类成主题、洞察、机会writing-documentation-with-diataxis：把策略整合成可执行的笔记文章，优先写成 How-to Guidelark-doc：把最终 Markdown/结构化内容发布成飞书文档如果用户是问“有没有更合适的 skill 可以补采集能力/补渠道/补整理能力”，再补用 find-skills。
先确认 Base、表结构、字段设计和评分口径，再扩大采集量。不要一上来抓很多内容，最后发现字段不够用。
不是所有文章都值得入库。优先保留：
默认过滤掉：
只要用户要“近三年”“最新”“当前”“现在还适用吗”，就必须用联网检索确认，不要靠记忆。
>= 60 才进入“值得参考”集合。
90-100：S-可直接复用80-89：A-高价值参考70-79：B-部分参考60-69：C-谨慎参考<60：D-不建议参考如果用户没有特别指定，默认只把 >=60 的内容推进到策略拆解环节。
当输出执行方案、验收标准或 dry-run 结果时，明确写出：>=60 的内容才进入策略拆解，<60 默认只保留在源表或标记为不建议参考。
先判断用户当前处在哪一阶段：
如果用户已经给了 Base、表名、文档名、评分规则、目标数量，优先复用现有资产，不要重复建新的。
如果需要建库，优先保证至少有这三张表：
内容源采集库专家运营策略拆解库专家运营策略整合库至少包含这些字段：
内容标题来源平台内容链接作者/账号发布时间内容类型核心摘要原文摘录/要点运营阶段评分依据专业可信度分方法可复用分证据完整度分业务匹配度分落地可操作分时效性分风险透明度分参考总分(自动)内容分层(自动)是否值得参考(自动)内容分层参考分值入库状态把字段归属写清楚，避免 agent 同时写自动列和手工列：
参考总分(自动)内容分层(自动)是否值得参考(自动)专业可信度分方法可复用分证据完整度分业务匹配度分落地可操作分时效性分风险透明度分评分依据入库状态内容分层参考分值默认 contract：
(...自动) 字段。内容分层 / 参考分值 和它们的自动版本，默认把自动列视为唯一真值来源。内容分层 / 参考分值。至少包含这些字段：
策略名称适用阶段核心打法执行步骤适用前提风险点参考分值分层标签来源文章来源文章标题来源文章链接至少包含这些字段：
策略名称适用阶段核心打法执行步骤适用前提风险点参考分值分层标签来源文章来源策略卡片来源文章标题来源文章链接如果用户已经有这些表，只做差异化补齐。
采集时遵循这些规则：
采集后先写入 内容源采集库，不要跳过源表直接写策略表。
对每篇内容按统一口径评分。详细标准看 references/scoring-rubric.md。
默认维度是：
写分时要同步写 评分依据，建议按下面格式：
优点：
- ...
风险：
- ...
适用前提：
- ...
只对高分内容做策略拆解。
执行原则：
每条策略至少要回答：
当用户要求做“整合库”“母策略”“去重归并”时：
按这些维度判断相似性：
适用阶段核心打法执行步骤适用前提风险点整合后要：
如果是脚本化处理，优先做幂等写入：
生成笔记时，默认采用：
research-synthesis：整理主题、洞察、机会writing-documentation-with-diataxis：按 How-to Guide 输出文章默认结构：
# 专家运营备选策略笔记-yyyymmdd
## Executive Summary
## Key Themes
### 战役模块
#### 策略名称
- 适用阶段：
- 推荐等级：
- 核心打法：
- 执行步骤：
- 适用前提：
- 风险边界：
- 来源覆盖：
## Insights → Opportunities
## 推荐落地顺序
## Methodology Notes
如果用户要求发布，继续用 lark-doc 发成飞书文档。
如果用户明确说这是评估、dry run、演练、不要真实写入，输出开头要先说明边界：
本次是 eval dry run：没有实际联网搜索、没有写入飞书多维表格、没有发布飞书文档。
随后仍然给出真实执行时会采取的步骤、字段、质量门禁和验收方式，避免只说“不能执行”。
拆解库 保留细粒度策略整合库 只保留归并后的母策略专家运营备选策略笔记-yyyymmddExecutive Summary、Key Themes、Insights → Opportunities、推荐落地顺序、Methodology Notes本次是 dry run：未实际发布到飞书文档。 然后给出真实发布时的 lark-doc 交接步骤如果只返回一堆链接，没有写入源表、没有分层、没有拆策略，这不算完成任务。
没有评分依据，后续无法复核，也不利于团队共识。
<60 分默认不进策略拆解库，除非用户明确要求保留观察样本。
重跑脚本前检查幂等性；如果是基于名称或阶段归并，先做重复巡检。
最终策略笔记要优先帮助用户落地，而不是只展示你读了多少文章。
Example 1
Input: “用飞书多维表格建一个专家运营策略库，再去全网搜近三年经验帖，给每篇打分并沉淀到表里。”
Output: 建 Base/建表 -> 搜索采集 -> 写入 内容源采集库 -> 按 7 维评分 -> 自动分层 -> 输出入库结果。
Example 2
Input: “把策略拆解库里相似的内容去重整合成 sheet3，并重新命名。”
Output: 读取拆解库 -> 按阶段/打法/步骤归并 -> 生成整合库 -> 巡检重复项 -> 回写无重复结果。
Example 3
Input: “把专家运营策略整合库写成一篇策略笔记，并发到飞书文档。”
Output: 聚类主题 -> 生成 专家运营备选策略笔记-yyyymmdd.md -> 发布为飞书文档。
在需要具体评分细节或方法论口径时，再读：
不要一次性把全部参考文件都塞进上下文；按需要读取。