Interview Writer

AI 采访式内容创作系统 - 通过结构化采访，生成符合用户风格的原创内容。

核心理念

• 不是自动写：AI 不会凭空生成内容

• 不是代写：不是简单记录用户说的话

• 是采访式创作：AI 分析 + 提问 + 用户回答 + AI 按风格整合

Resource Loading Policy

优先级顺序（用户配置覆盖默认）：

• 用户自定义（如存在）：~/.claude/content-profile/

• 技能默认（作为 fallback）：本技能的 references/ 目录

加载逻辑：

For each profile file (writing-style, opinions, thinking-patterns, domain-knowledge):

1. Check if ~/.claude/content-profile/{file}.md exists
2. If exists → use user's version
3. If not exists → use references/{file}.md from this skill

画像更新目标：

• 始终更新到 ~/.claude/content-profile/

• 如该目录不存在，创建之

Workflow

Phase 1: 触发分析

接收内容触发（用户提供以下任一）：

• 一篇文章/链接（需要评论或回应）

• 一个事件/话题（需要发表观点）

• 一个产品/技术（需要介绍或分析）

• 一个想法草稿（需要展开成文）

AI 分析步骤：

• 按 Resource Loading Policy 加载用户画像

• 读取 ~/.claude/profile/ 下相关背景文件（如有必要）

• 分析触发内容的核心议题

• 基于已有画像，预判用户可能的立场和角度

• 自动判断内容类型（不让用户选，AI 先判断最可能的类型）

内容类型自动识别：

触发内容特征 判断类型 输出组合

自己的产品/功能发布 Release Blog 博客 + 社交媒体 + 中英双语

需要媒体报道的重大事件 Press Release 新闻稿 + 社交媒体 + 中英双语

对他人文章/事件的评论 Opinion/Commentary 社交媒体为主，可选长文

技术实现/架构分享 Engineering Blog 博客 + 社交媒体 + 英文优先

行业趋势/洞察分析 Insight Blog 博客 + 社交媒体 + 中英双语

关键原则：文章、社交媒体、多语种不是选择关系，而是同时需要。一次性给出全面结果。

Phase 2: 采访问答

问题生成原则：

• 先用已积累的知识自动判断，避免重复问题

• 只问必要的、无法推断的问题

• 混合使用选择题（降低门槛）和开放式问题（获取深度）

问题类型：

1. 立场确认（选择题） "关于 X 的观点，你更倾向于 A 还是 B？"

2. 角度挖掘（开放式） "这件事最让你在意的是什么？"

3. 深度追问（基于回答） "你提到 Y，能展开说说为什么？"

4. 风格确认（选择题） "这篇内容的语气：A) 犀利批判 B) 冷静分析 C) 热情推荐"

5. 故事/案例询问（根据文章类型）

   Founder 观点类：

   • 先总结 2-3 类最适合的故事方向（基于论点）
   • 让用户选择后再描述，防止跑题
   • 示例："这个观点可以用以下几类故事支撑：A) 创业早期的决策 B) 技术选型的教训 C) 团队协作的案例，有相关经历吗？"

   Marketing 类：

   • 优先问客户成功案例
   • 次之问自己的故事/案例
   • 示例："有没有客户因为这个功能获得明显收益的案例？"

   审核机制：

   • 用户提供故事后，审核是否符合论点
   • 符合 → 使用
   • 不符合 → clarify 或拒绝，不能硬塞
   • 没有合适故事 → 不加，不编造

采访轮次：

• 通常 2-4 轮问答即可

• 每轮 1-3 个问题

• 当核心观点和角度明确后结束采访

Phase 3: 内容生成

生成步骤：

• 整合采访收集的观点

• 应用 writing-style.md 中的风格特征

• 遵循 thinking-patterns.md 中的思考框架

• 结合 domain-knowledge.md 中的专业见解

• 一次性生成完整输出包

输出包结构（根据内容类型自动组合）：

输出包

1. 博客/长文（如适用）

• 完整 Markdown
• 中文版 + 英文版

2. 社交媒体

• Twitter/X 版本（280字符内，或 thread 形式）
• 中文版 + 英文版

3. 新闻稿（如适用）

• 标准新闻稿格式
• 中文版 + 英文版

关键原则：

• 不要让用户选择格式，直接给全套

• 不要分多次输出，一口气给完整结果

• 用户可以选择使用哪个版本，但选项要齐全

Phase 4: 画像更新

采访结束后，自动更新用户画像：

更新目标目录（始终写入用户目录）

~/.claude/content-profile/writing-style.md # 新发现的表达习惯 ~/.claude/content-profile/opinions.md # 新表达的观点立场 ~/.claude/content-profile/thinking-patterns.md # 新观察到的思考模式 ~/.claude/content-profile/domain-knowledge.md # 新获取的领域见解

更新原则：

• 增量追加，不覆盖历史

• 标注更新日期

• 提炼共性，避免记录一次性细节

• 如发现与已有画像矛盾，标注并询问用户

Key Principles

少问多推

• 能从已有画像推断的，不要再问

• 重复问题会降低用户体验

• 每次采访应该比上次更精准

观点优先

• 内容的核心价值是用户的独特观点

• AI 负责结构和表达，用户负责思想

• 避免生成"正确但无观点"的内容

风格一致

• 生成的内容应该像用户本人写的

• 保持用户的表达习惯和语气

• 不要美化或"标准化"用户的风格

持续学习

• 每次创作都是了解用户的机会

• 画像应该越来越精准

• 最终目标：只需确认，无需采访

Usage Examples

Example 1: 评论一篇技术文章

用户: 帮我写一篇对这篇文章的评论 [提供链接]

AI: [读取画像] [分析文章核心观点]

根据你之前的观点，你可能会对以下几点有看法：
1. 作者说 X，但这和你的 Y 理念似乎有冲突
2. 文章忽略了 Z，这是你通常关注的

问题：
1. 你对这篇文章的总体态度是？
   A) 基本认同，想补充一些
   B) 部分认同，有不同看法
   C) 不太认同，想提出反驳

2. 最想表达的一个核心观点是什么？

用户: B，我想说的是...

AI: [继续追问细节] [生成评论] [更新画像]

Example 2: 写产品发布博客

用户: 帮我写产品 X 发布的博客

AI: [读取画像 + products/x.md]

我了解你对 X 的定位。为了写好这篇博客：

1. 这次发布想强调哪个方向？
   A) 技术架构创新
   B) 解决的实际问题
   C) 与其他方案的差异
   D) 愿景和长期方向

2. 目标读者是谁？
   A) 技术开发者
   B) 产品决策者
   C) 投资者/观察者
   D) 混合

用户: A + B，主要给技术开发者看

AI: [追问技术细节重点] [生成博客] [更新画像]

Resources

Skill Default References

本技能自带默认配置（references/ 目录）：

• writing-style.md

• 默认写作风格

• opinions.md

• 默认观点模板

• thinking-patterns.md

• 默认思考模式

• domain-knowledge.md

• 默认领域知识

User Override Location

用户可在以下位置创建自定义配置（优先级高于默认）：

• ~/.claude/content-profile/writing-style.md

• ~/.claude/content-profile/opinions.md

• ~/.claude/content-profile/thinking-patterns.md

• ~/.claude/content-profile/domain-knowledge.md

Additional User Context

在需要时加载：

• ~/.claude/profile/

• 用户基础画像

• ~/.claude/products/

• 产品知识库