5000字保姆级教程：如何用 Claude Code 开发一个带“爆款评分引擎”的公众号选题 Skill？

这篇文章，我会一步一步教大家使用 Claude Code+GLM5.1 定制化开发独属于自己的公众号选题 skill。让大家掌握自己开发 skill 的流程，这个流程也适用于开发其他 skill。

这个开发流程并不只适用于 Claude Code，其他工具，比如 Cursor、Trae 都是可以复用的，细微差别大家可以按照流程和自己的要求，让 AI 进行调整。

下面回到这个案例的主题：选题。

一）为什么选题很重要

在开始今天的硬核实操之前，我想先问大家一个问题：做公众号，最难的是什么？

很多人可能会说："是排版不够好看"、"是文笔不够优美"、"是 AI 写的文章没有'人味儿'"。

但如果你去问任何一个真正拿到结果的自媒体操盘手，他们的答案一定出奇地一致：最难的是选题。

自媒体圈有一句黑话："选题定生死，标题定转化，内容定留存。"

一个烂选题，你花三天三夜用世界上最顶级的模型去打磨、去润色、去排版，最后发出去，阅读量依然是惨淡的两位数。为什么？因为用户根本不关心。

相反，一个击中用户痛点、踩中当下热点的神级选题，哪怕内容只有简单的几百字，也极有可能瞬间引爆朋友圈，斩获 10W+ 的阅读。

选题，是公众号运营的"第一杠杆"。

但在过去，找选题是一件极其消耗心智的"体力活"。你需要每天像雷达一样扫视知乎热榜、微博热搜、GitHub Trending、竞品公众号，然后在海量的信息垃圾中，像淘金一样筛选出符合你账号定位的那几粒金子。这个过程，不仅费时，而且极其考验个人的"网感"。

不过，时代变了。

既然我们在讲 Agent Skills，为什么不把这件最枯燥、但又最重要的事情，交给 AI 来做呢？

今天这篇手册，我就手把手带大家，从 0 到 1 开发一个名为 wechat-topic-radar 的 Agent Skill。

它不仅能 24 小时全网巡逻帮你抓取热点，还能根据你的账号人设进行爆款潜力打分，最后直接把每天要写的 Top 5 选题和极具诱惑力的标题喂到你嘴边。

在开始之前，先给大家看一张图，这张图是 AI 阅读这篇文章之后帮我生成的 skill 流程，可以帮助大家更好的理解这个 skill 的原理。

准备好了吗？我们直接进入正题。

二）创建第一个版本的 skill

我这里直接使用 Claude Code 来完成整个 skill 的开发，如果大家不习惯原生的 Claude Code，也可以在 VS Code 中使用 Claude Code，或者直接使用其他 AI 编程工具也是完全可以的。

打开本地 Claude Code，输入下面的提示词（简单说明需求），让 AI 帮我们创建第一个版本的公众号选题 skill。

/skill-creator 创建一个skill，目标是：AI领域的公众号文章选题推荐。
要求：按照固定选题模板输出，要求有选题、选题下的公众号爆款标题推荐。
skill名字就叫 wechat-topic-radar 
要求：
1、选题维度，支持两种选题维度，1）当天的AI热点新闻/事件，触发方式：每日选题；2）基于指定的关键词搜索，触发方式：选题：{关键词}。
2、希望输出格式包含的内容：1）选题主题；2）爆款标题推荐；3）目标读者画像；4）内容要点提示；5）预估传播潜力评分；6）热点日期；7）原文链接。
3、每次输出至少5个选题、最多 10 个选题
4、每个选题输出5个标题

等待几分钟之后，第一个版本的 skill 已经帮我们开发好了。

可以打开 Claude Code skills 目录下的这个 skill 文件目录。可以看到完全符合 skills 的标准规范。

我们来试用一下，看看选题效果。使用斜杠+tab 键，选择刚才创建的 skill，输入每日选题。

/wechat-topic-radar 每日选题

开始选题推荐

选题优先级

我们也能看到现阶段这个 skill 的选题来源都是通过网络搜索，仅通过网络搜索会有很大的局限性。

主要缺点

• 时效与可达性不稳定：限流、收录延迟、地区屏蔽导致热点漏检或滞后
• 排序与覆盖偏差：搜索引擎偏大站/SEO，长尾优质内容与灰度发布难命中
• 内容质量参差：伪原创、搬运与营销软文多，可信度不一且重复转载严重
• 结构化困难：网页格式杂乱，标题/时间/来源抽取不一致，解析与去重成本高
• 合规与版权风险：robots 与版权限制，全文抓取或过度引用可能违规
• 易被操纵：关键词与排名规则可被"标题党"/站群影响，噪音干扰判优

缓解建议

• 多源直采+RSS 订阅：通过三方 API 批量获取各种类型网站的热搜榜单，比如知乎、微博、GitHub、Hacker News 等
• 两段式流程：先通过热搜榜单内容过滤掉无关内容，获取到热词之后再定向网络检索缩小空间、提升命中
• 质量控制：引入评分引擎与事实校验，设置信任级别与时效阈值

基于此，我们需要修改 skill 的爆款流程，修改成先获取全网热搜内容，分析获取热点词，然后通过热点词进行网络检索，再通过对选题打分，最后进行格式化输出的整体流程。

下面，我们来开始 skill 的迭代优化。

三）迭代优化

1、抓取热点词

1.1 章节介绍

• 目标：通过三方网站 newsnow 抓取多平台榜单（公众号、知乎、微博、GitHub 等）， 动态提取客观热点词 ，锚定真实流量趋势，避免模型幻觉与过期信息。
• 过滤策略：
  • 可以通过公众号人设定位进行过滤
  • 可以通过关键词进行过滤
  • 可以通过 AI 提示词进行模糊过滤

为什么要过滤？

每天各个平台的热搜是很多的，但是不同的公众号定位是不一样的，一个纯技术公众号并不适合写娱乐、财经之类的文章，所以这些类型的热搜我们并不关心。

1.2 首次实践

/wechat-topic-radar 按照 skill-creator 的规范更新这个skill，增加抓取热搜词的流程，基于热搜词再进行网络搜索。
具体策略：
新建脚本，通过 newsnow 网站抓取各个平台的热点内容，指定平台 id 就可以抓取对应平台的热搜榜单内容，平台id可使用：https://github.com/sansan0/TrendRadar/issues/95。
抓取知乎平台热搜示例：https://newsnow.busiyi.world/api/s?id=zhihu&latest=true 
要求：
1、支持通过单独的文件配置公众号人设，文件格式是 markdown
2、支持通过单独的文件配置热搜过滤的关键词，文件格式是 markdown
3、支持通过单独的文件配置AI提示词模糊过滤，文件格式是 markdown
4、过滤掉纯新闻，没有实操价值的新闻类热搜，文件格式是 markdown

开始优化 skill，增加热搜词流程

技能更新完成。

测试一下今天的热搜词都有哪些

/wechat-topic-radar  获取今日热搜词

发现问题：newsnow 数据获取失败。

看到 newsnow 数据获取失败了，直接执行了 Web Search 的流程，这不是我们预期的结果。

需要对 skills 进行优化。

这里可以注意一下，newsnow 这个网页的数据，直接使用 curl 是获取不到数据的，AI 可能会跳过这一步，使用兜底网络检索获取热搜数据。

有的 AI 大模型能够自己解决这个问题，有的不能，如果不能，GLM5 可以提示使用 mcp__web_reader__webReader MCP 工具进行获取。

/wechat-topic-radar 修复skill，确保获取到 newsnow 的结果，不要使用web search 的方式，我直接访问 https://newsnow.busiyi.world/api/s?id=zhihu&latest=true                              
是可以获取到知乎平台的热搜内容的。                                                                                                                                                     
如果获取不到内容，可以尝试使用 mcp__web_reader__webReader 工具获取。

可以看到使用 mcp__web_reader__webReader 工具之后，就可以获取到 newsnow 的热榜内容了。

输出今日热搜词

展示不同平台的热搜词

到这一步，我们这个 skill 已经可以准确获取到不同平台的热搜了。

1.3 热搜过滤

这一步我们的目的是过滤掉不符合我们公众号定位的热搜内容，只返回匹配公众号定位的热搜内容。

在前面我们已经让 skill 给我们预留了几个过滤策略的文件，我们只需要修改这几个过滤的文件，就可以将不符合公众号定位的热搜过滤掉，不进行返回。

核心有三个文件：

• ai_filter_rules.md 如果对关键词和定位都描述不太清晰，可以直接使用提示词，进行模糊过滤
• filter_keywords.md 关键词，按照关键词维度进行过滤
• persona.md 公众号定位、个性化需求

这一步，可以打开文件直接进行修改文件内容也可以直接让 AI 帮我们修改。

举个例子，AI 给我生成 persona.md 初始内容如下。

我发现有一些不太准确、全面的描述，比如核心定位，我需要修改成 AI领域职场成长与工具应用及利用AI在职场搞副业，以及目标人群，修改为对AI感兴趣的职场人士，希望了解AI技术趋势、学习AI工具应用、提升职场竞争力；想利用AI在职场搞副业，扩展第二曲线的职场人。

/wechat-topic-radar 更新这个skill，优化人设描述。
核心定位，我需要修改成 AI领域职场成长与工具应用及利用AI在职场搞副业；以及目标人群，修改为对AI感兴趣的职场人士，希望了解AI技术趋势、学习AI工具应用、提升职场竞争力；想利用AI在职场搞副业，扩展第二曲线的职场人。

打开 Claude Code 直接输入提示词即可。

执行完成之后，我们打开人设配置文件，可以看到已经帮我们修改好了。

其他两个过滤文件，我们查看后确认与我们的需求不符，也可以按照这种方式进行修改。

下面是重新测试之后的结果，可以看到明显更符合公众号定位的要求。

PS1：如果不满足要求，可以仔细检查三个过滤文件的信息是否不符，或者描述清楚我们的定位、要求，让 AI 帮我们检查修改。

过滤后的热搜词。

PS2：另外，如果发现符合要求的热搜太少，可能是覆盖的平台范围太少。

比如，我这里默认的平台就比较少，如果是 AI 领域，可以增加科技类平台的热搜榜单。

默认只有知乎、微博、抖音、B 站、百度几个平台的热搜内容。

直接让 AI 帮我们修改即可。

全部平台的 id 对应关系，可以看一下这个 issue：github.com/sansan0/Tre…

  /wechat-topic-radar 优化skill，增加 newsnow 平台扫描范围，增加科技类平台，具体如下：# === 科技类平台 ===
  - id: "ithome"name: "IT之家"
  - id: "juejin"name: "掘金"
  - id: "github"name: "GitHub"
  - id: "hackernews"name: "Hacker News"
  - id: "solidot"name: "Solidot"
  - id: "v2ex"name: "V2EX"
  - id: "nowcoder"name: "牛客网"
  - id: "pcbeta"name: "远景论坛"
  - id: "sspai"name: "少数派"
  - id: "producthunt"name: "ProductHunt"

增加渠道之后，内容明显更加丰富了，我们的选择也更多。

2、定向召回爆款文章

• 思路：把"热点词"作为变量代入检索公式，定向命中高价值内容池（公众号优先）。
• 核心检索公式示例（将 [热点词] 替换为步骤一产出）：
  • 变现向：site:mp.weixin.qq.com "[热点词]" 赚钱 OR 实测
  • 教程向：site:mp.weixin.qq.com "[热点词]" 教程 OR 保姆级
  • 评测向：site:jiqizhixin.com "[热点词]" OR 评测
  • 案例向："AI" "副业" OR "月入"
• 候选池规模：20–30 篇；不足时扩大源与时间范围。

/wechat-topic-radar 按照skill-creator规范更新这个skill，增加根据上一步获取到的热搜词使用爆款公式进行网络搜索步骤。
搜索列表包含：公众号、知乎、机器之心 

增加基于热搜词的网络搜索流程。

测试一下

/wechat-topic-radar 每日选题

优化流程后的效果

优化流程之后的选题推荐效果

输出选题，不过我们看不到热点的日期，无法判断是否是实时的热点，那就需要用到第三部分的内容，给热点打分，结合人设匹配度、传播潜力与时效性对爆款选题进行打分。

3、选题打分

利用满分 120 分的 爆款优化评分引擎 ，从人设匹配度、传播潜力与时效性三个维度对候选文章进行量化打分与过滤。

在我们的 Skill 逻辑里，其实已经植入了一个"评分引擎"（步骤 3）。一个好的选题，在跑出结果时，必须在这几个维度上经得起推敲：

1. 信息差与稀缺性（是不是烂大街的旧饭）

差选题："什么是大语言模型？"（太老套、太宽泛，百度一搜全都是，Skill 评分应该低于 50 分）

好选题："昨天刚开源的 XX 模型，实测代码能力吊打 Claude-sonnet-4.6，附本地部署教程。"（有时效性，有实操价值，高分预定）

2. 情绪价值与痛点（能不能戳中读者）

差选题："程序员如何学习 Python。"（像教科书，没人愿意点）

好选题："35 岁被裁后，我靠写 AI 脚本在闲鱼月入过万（附踩坑指南）。"（有焦虑感，有搞钱痛点，有逆袭爽感）

3. 人设匹配度（适不适合你的账号发）

• 如果你的账号定位是"AI 实操变现"，那么 AI 给你推一个"大模型底层 Transformer 架构原理解析"的选题，那就是不及格的，因为你的粉丝根本看不懂也不想看。

4. 标题的网感（有没有点击冲动）

• 好的选题一定能衍生出好标题。如果 AI 推荐的选题，连你想出的 3 个标题都平平无奇，说明这个选题本身就缺乏张力。

/wechat-topic-radar 继续按照skill-creator规范更新skill，增加选题评分流程。评分规则如下：
评分总分：120 分
人设匹配度（0–100，权重 40%）：关键词/受众精准度
爆款潜力（0–100，权重 60%）：数据震撼力、故事性、争议性、实操价值、情绪共鸣、社交货币、标题吸引力、可读性
时效性（±20）：近 30 天 +20，近 90 天 +10

Skill 更新完成，增加了评分机制。

测试一下：

/wechat-topic-radar 每日选题

• 评分总分：120 分
  • 人设匹配度（0–100，权重 40%）：关键词/受众精准度
  • 爆款潜力（0–100，权重 60%）：数据震撼力、故事性、争议性、实操价值、情绪共鸣、社交货币、标题吸引力、可读性
  • 时效性（±20）：近 30 天 +20，近 90 天 +10
• 过滤规则：
  • 剔除纯新闻/无实操；去重（标题相似度 > 70%）；保留综合 > 70 分
• 排序：综合分降序；同分优先最新

4、格式化输出

目标：输出评分最高的 Top10 选题，并自动生成深度分析与定制化标题，将原始资讯转化为可直接执行的结构化创作方案。

/wechat-topic-radar 继续按照skill-creator规范更新这个skill，增加固定模板输出选题的流程。
将最终的选题以markdown的格式保存到 topic 文件夹下，文件名使用固定模板：年月日-每日选题或者特定选题.md                                                                                              
  每日选题还是特定选题取决于用户选题模式，如果用户输入每日选题就是每日选题，输入特定选题，就是用户输入的选题。
  输出要素列表：
  1、选题评分，包含总评分以及细分评分
  2、匹配到的关键词
  3、AI 输出的评分理由
  4、写作角度建议
  5、标题建议TOP3
  6、原文链接、原文日期

Skill 更新完成，增加了结果格式化输出流程。

• 模板要点：Top10 条目 + 各分项得分 + 评分理由（单行）+ 写作角度建议（单行）+ 3 个具体标题示例 + 原文链接 + Sources 汇总。
• 标题公式示例：利益前置 / 痛点反差 / 情绪焦虑（每条必须给具体标题）。
• 输出格式参考：output-template.md

触发与模式

• 每日推送：说"每日选题" → 走"热点词 → 召回 → 评分 → Top10"
• 快速查找：说"选题：{关键词}" → 以用户关键词替代热点词执行流程

质量校验清单

• 必含 10 条（候选不足时说明并降级）；每条含原文链接；Sources 列全；动态日期/占位符替换；公众号优先；标题示例必须具体。

赛道迁移建议

• 更换数据源域名与关键词词表；调整评分权重（如强调"实拍/测评"）；更新标题公式词库与人设偏好。

测试一下

/wechat-topic-radar 每日选题

每日选题推荐结果。

/wechat-topic-radar harness engineer

固定选题测试

固定热点选题推荐结果。

四）进阶

1、对标账号都在写什么

www.dajiala.com/main/interf…

这个接口可以查看对标账号当前的更新情况，以及对应文章的阅读、点赞、在看、转发、收藏、评论数据，基于数据，我们可以对对标账号数据不好的内容进行反思改进，对于数据好的内容进行学习研究，改进自己对于爆款内容的理解，优化自己的模板。

五）总结一下

这个案例中基本上人只负责提需求，AI 帮我们实现完整的 skill 内容。

但是按照流程最终开发出来的 skill，并不一定完全符合我们的心意，还需要在不断使用的过程中进行迭代，慢慢朝着最适合自己、最好的效果去努力。

Skill 的开发并不是一次开发，终身使用的，不要抱有这种心态，skill 也是不断迭代的。