Agent skill
x-mastery-mentor
Quellcode ansehen: alchaincyf/x-mentor-skill
Installation
npx skills add alchaincyf/x-mentor-skill --skill x-mastery-mentor1.5K
Installationen
EU-hosted inference API
Power your AI agent skills with open-source models.
Drop-in OpenAI-compatible API. No data leaves Europe.
MiniMax
MiniMax M3
$0.40 / $1.40
per M tokens
Z.ai
GLM 5.3 Flash
$0.20 / $0.60
per M tokens
MoonshotAI
Kimi K3
$4.00 / $18.00
per M tokens
DeepSeek
DeepSeek V4.1 Flash
$0.40 / $1.40
per M tokens
X导师.skill
<p align="center"> <img src="assets/hero.gif" alt="x-mentor-skill Hero Animation" /> <br/> <sub>动画由 <a href="https://github.com/alchaincyf/huashu-design">huashu-design</a> skill 制作</sub> </p><br>「格式化是你能对写作做的最简单的10倍提升。」——Nicolas Cole
女娲的第一个「非人类」作品。不是蒸馏一个人,是蒸馏一个领域。
<br>基于 Nicolas Cole、Dickie Bush、Sahil Bloom、Justin Welsh、Dan Koe、Alex Hormozi<br>
六位年收入百万美元级X创作者的方法论 + X开源算法精确权重数据,<br>
提炼 6 个核心心智模型、10 条决策启发式、完整的选题-写作-增长操作手册。
看效果 · 安装 · v2.0更新 · 蒸馏了什么 · 调研来源
</div>v2.0 更新
这是一次架构级重构,核心变化:
1. 渐进式披露(SKILL.md 从769行 → 249行)
v1把所有内容塞进一个文件。v2拆成三层:
| 层级 | 内容 | 加载时机 |
|---|---|---|
| SKILL.md(249行) | 路由表 + 5个场景执行规则 | 每次激活 |
| 操作层references(5个文件) | 写作工坊/算法/增长/质量/心智模型 | 按场景按需加载 |
| 调研层research(6个文件) | 原始调研报告 | 仅追溯来源时 |
为什么这么做:Skill.md越长,AI实际执行时越容易「淹没在知识里忘了动手」。249行的路由+执行规则让AI先动起来,需要深入知识时再按需加载。
2. 场景E:账号诊断与数据采集
v1只有写推文/选题/审阅/增长策略4个场景。v2新增第5个场景:账号诊断。
流程:
- 通过 computer-use / 浏览器工具 自动采集用户近100条推文数据
- 如果自动采集失败,引导用户手动提供数据(三级降级)
- 生成经济学人风格的HTML诊断报告(KPI/内容ROI/传播漏斗/时间分析/品牌叙事/行动建议)
- 所有数据和报告保存在
user-data/{username}/目录
3. 用户数据持久化
Skill现在能「记住用户」。每次激活时:
- 自动检查是否有该用户的历史诊断数据
- 如有 → 静默读取个性化策略,让所有场景的建议更精准
- 如超过30天 → 提醒重新诊断
数据结构:
user-data/{username}/
├── profile.md # 账号基本信息
├── tweets_{date}.json # 推文原始数据
├── tweets_{date}.md # 可读版汇总
├── report_{date}.html # 诊断报告
└── strategy.md # 个性化策略4. A/B实测验证
我们对v2做了真实的A/B测试——同一个prompt分别用「带skill」和「不带skill」两个子agent跑:
| 维度 | 无skill | 有skill | 差距 |
|---|---|---|---|
| 内容质量 | 7/10 | 8/10 | +1 |
| 策略深度 | 3/10 | 9/10 | +6 |
| 个性化 | 1/10 | 8/10 | +7 |
| 可操作性 | 4/10 | 9/10 | +5 |
| 避坑能力 | 2/10 | 9/10 | +7 |
推文本身的质量差距不大(好的LLM都能写像样的推文),但策略层面的增量巨大——知道为什么这样写、什么时候发、发了之后数据会怎样。
工作逻辑

效果示例
写推文:生成3版Hook,标注公式来源
用户 ❯ 帮我写一条推文,关于我用Claude Code做了一个AI编程助手
X导师 ❯ 先确认:短推文 or Thread?目标受众?
用户 ❯ 短推文,给AI开发者看
X导师 ❯ 3个Hook版本:
版本A(好奇缺口 + 可信度锚点):
「我用Claude Code做了一个AI编程助手。
48小时,零框架,纯vibe coding。
最意外的不是它能跑——是它比我手写的版本快3倍。」
版本B(Value Equation:高结果/低effort):
「不会写代码?没关系。
我刚用Claude Code在2天内做了一个AI编程助手。
整个过程没写一行代码。这是我的完整过程:」
版本C(争议观点 + 具体数据):
「大多数AI编程助手的评测都是Demo级别的。
我用Claude Code做了一个真正上线的版本。
区别在哪?30个edge cases和一个愿意debug到凌晨3点的AI。」
推荐版本A,因为有具体数字(48h/3倍)和悬念。
建议发布时间:工作日上午9-11点。
⚠️ 不要放外链,如需要放第一条回复里。审阅Hook:诊断问题 + 给改写版
用户 ❯ 帮我看看这条:I tested 5 AI coding tools. Here's what I found.
X导师 ❯ Hook评分:3/10
问题诊断:
❌ 零好奇缺口——没有悬念,读者不需要点进来
❌ 无可信度锚点——谁都能说"I tested"
❌ 无具体收益——"what I found"太模糊
改写版:
「I mass-tested 5 AI coding tools on the same project
(a full-stack app in 48 hours).
One saved me 12 hours. The others were useless.
A thread:」
改了什么:加了具体场景(full-stack app)、时间锚点(48h)、
悬念(哪个?)、可信度(实测数据)诊断增长瓶颈
用户 ❯ 我500粉丝,最近涨不动了
X导师 ❯ 500粉 → 0-1K冷启动阶段。先确认:开了Premium吗?
用户 ❯ 没有
X导师 ❯ 找到瓶颈了。
没有Premium = TweepCred从-128起步。
正常分发门槛是+17,你离这个门槛差145分。
Premium订阅即时+100,这是你现在ROI最高的投资。
开了Premium之后的每周行动计划:
1. 每天发2-3条短推文(验证哪些话题有共鸣)
2. 每天在5-10个AI大号评论区留高质量回复
(200-400字,不是"好帖子")
3. DM 3个同量级创作者建立互助
4. 不急着写Thread,先找到你的高ER话题
预期:日均增粉5-10,4-8周到1K。v2.0新增:账号诊断报告
用户 ❯ 分析一下我的X账号 @AlchainHust
X导师 ❯ 发现 user-data/AlchainHust/ 有历史数据(2026-04-06采集)。
上次诊断的核心发现:
1. 结构性错配:34%精力给了ROI最低的AI评论(均值37 likes),
橙皮书类均值480+ likes,差距13倍
2. 收藏型账号:书签率(4.38‰) > 点赞率(3.79‰)
3. 发布时间错配:最常发的16:00互动率仅3.1‰,
最优10:00高达23.7‰
要用现有数据直接出报告,还是重新采集最新数据?安装
本 skill 基于开放的 Agent Skills 协议,可在任何 skills-compatible 的 AI agent runtime 中运行(Claude Code、Codex、Cursor、OpenClaw、Hermes Agent、CodeBuddy、Workbuddy、Gemini CLI、OpenCode 等 50+ runtime)。
方式一:一行命令(推荐,跨 runtime 自动检测)
npx skills add alchaincyf/x-mentor-skill通用 CLI 安装器(vercel-labs/skills,支持 55+ runtime)会自动识别当前 runtime 并把 skill 放到正确目录。需要指定 runtime 时加 -a claude-code / -a codex / -a cursor / -a openclaw 等参数。
方式二:手动安装
<details> <summary>展开查看各 runtime 的 skills 目录</summary>| Runtime | 安装路径 |
|---|---|
| Claude Code | ~/.claude/skills/x-mentor-skill/ |
| Codex CLI | ~/.codex/skills/x-mentor-skill/ |
| Cursor | ~/.cursor/skills/x-mentor-skill/ |
| OpenClaw | ~/.openclaw/workspace/skills/x-mentor-skill/ |
| Hermes Agent | 跑该 runtime 的 install 脚本或 clone 到其 skills 目录 |
git clone https://github.com/alchaincyf/x-mentor-skill <对应路径>方式三:作为参考资料使用
即使 runtime 不支持 Agent Skills 自动加载,你也可以把 SKILL.md 的内容粘贴进对话——它本质就是一份 markdown + YAML frontmatter。
使用
装好后,告诉你的 agent:「帮我写条推文」「X策略」「推特怎么涨粉」「帮我审阅这条tweet」「分析我的X账号」即可激活。
蒸馏了什么
与人物Skill的区别
| 维度 | 人物Skill(如乔布斯.skill) | 主题Skill(X导师.skill) |
|---|---|---|
| 蒸馏对象 | 一个人的思维方式 | 一个领域的方法论 |
| 信息来源 | 围绕一个人的6维度调研 | 6位顶级从业者 + 平台算法数据 |
| 输出风格 | 模拟该人语气回答 | 中性专业,给操作手册 |
| 核心价值 | 用别人的眼睛看你的问题 | 给你可直接执行的行动计划 |
6个核心心智模型
| 模型 | 一句话 | 来源 |
|---|---|---|
| 精益验证飞轮 | 先发tweet验证,数据好再扩展 | Cole/Bush + Sahil + Hormozi + Welsh |
| 注意力工程 | 前2行决定生死,hook可以被工程化 | Cole + Hormozi(Value Equation) + 算法验证 |
| 品类创造 | 不找赛道挤进去,创造只有你的品类 | Cole(Snow Leopard) + Koe(Niche of One) |
| 价值前置 | 把秘密免费给出去,卖执行 | Hormozi + Welsh + Sahil |
| 公开建造 | 把过程变成内容,观众变成利益相关者 | levelsio(Build in Public) + swyx(Learn in Public) |
| 系统化复利 | 用模板替代灵感,让产出可预测 | Welsh(Content OS) + Koe(2 Hour Writer) |
10条决策启发式
- 先发推文再写长文 — tweet是想法炼油厂
- Hook占50%创作时间 — 写10-15个版本选最好的
- 对话碾压一切 — 对话回复=150个点赞(X开源代码)
- 1/3/1节奏 — 一句hook+三句展开+一句过渡
- 超级碗响应 — 新模型发布=AI赛道的超级碗,0-1h内响应
- 拥有你的受众 — 算法会变,newsletter不会
- 4A选题矩阵 — 一个话题×4角度=无限选题
- 给出秘密卖执行 — 99%的人不会自己做
- 模板大于灵感 — Cole用7种模板写了200+条Thread
- 评论区是金矿 — 一条回复获得6700次曝光
X算法关键数据(2026年4月,开源代码确认)
| 互动类型 | 算法权重 | 来源 |
|---|---|---|
| 对话回复(你的回复被作者回复) | 150x | 开源代码 |
| 普通回复 | 27x | 开源代码 |
| 停留时间(>2分钟) | 20x | 开源代码 |
| 转发 | 2x | 开源代码 |
| 点赞 | 1x(基准) | 开源代码 |
⚠️ 外部链接降触达30-50%,非Premium用户链接帖中位互动为零。
调研来源
操作层references(v2.0新增)
| 文件 | 内容 | 行数 |
|---|---|---|
references/writing-workshop.md |
短推文/Hook/Thread写法/选题系统 | ~120 |
references/algorithm-niche.md |
X算法速查 + AI赛道专精 | ~130 |
references/growth-monetization.md |
增长引擎 + 变现 + 流派对比 | ~100 |
references/quality-analytics.md |
质量清单 + 反模式 + 复盘 + 报告模板 | ~130 |
references/mental-models-heuristics.md |
6个心智模型 + 10条启发式 | ~220 |
调研层research
| 文件 | 内容 | 行数 |
|---|---|---|
01-writing-methods.md |
Nicolas Cole / Dickie Bush / Ship 30 for 30 写作方法论 | 503 |
02-growth-engines.md |
Sahil Bloom / Justin Welsh 增长引擎与系统化运营 | 386 |
03-content-brand.md |
Dan Koe / Alex Hormozi 内容品牌与价值前置 | 398 |
04-platform-mechanics.md |
X算法机制、开源代码分析、TweepCred | 415 |
05-ai-tech-niche.md |
AI/科技赛道策略、Build in Public、中国开发者出海 | 404 |
06-cases-antipatterns.md |
成功案例拆解与常见失败模式 | 369 |
核心人物
- Nicolas Cole — Ship 30 for 30联创,累计1亿+在线阅读量,Lean Writing/4A Framework/Category Design
- Dickie Bush — 30个月0→326K粉丝,Atomic Essay/75-25法则
- Sahil Bloom — 不到2年0→190万粉丝,内容飞轮/费曼式写作
- Justin Welsh — solopreneur标杆,$12M年收入90%利润率,Content OS/7步增长法
- Dan Koe — One-Person Business/Niche of One/2 Hour Writer
- Alex Hormozi — 零广告费6个月100万粉丝,Hook-Retain-Reward/Value Equation
信息源已排除知乎/微信公众号/百度百科。
这个Skill是怎么造出来的
由 女娲.skill 生成——但这次不是蒸馏一个人,是蒸馏一个领域。
女娲在处理「主题Skill」时的变体流程:
- 确认蒸馏对象:不是一个人名,而是一个主题(X运营)+ 3-5个核心人物
- 6路并行调研:每路Agent负责不同维度(写作方法论/增长引擎/内容品牌/平台算法/AI赛道/案例反模式)
- 交叉验证提炼:从6个人的方法论中找共识框架和分歧点
- 构建操作手册:不模拟任何人的语气,而是给出可直接执行的步骤
- 双Agent验证:独立Agent做质量测试(已知测试+边缘测试+风格测试)
- auto-optimizer迭代:用8维度rubric评分,hill-climbing优化到88分
想蒸馏其他主题?安装女娲:
npx skills add alchaincyf/nuwa-skill说「造一个关于XXX的skill」就行。人物和主题都支持。
仓库结构
x-mentor-skill/
├── README.md
├── SKILL.md # 路由+执行规则(249行,v2.0精简版)
├── references/
│ ├── writing-workshop.md # 写作工坊(按需加载)
│ ├── algorithm-niche.md # 算法+AI赛道(按需加载)
│ ├── growth-monetization.md # 增长+变现(按需加载)
│ ├── quality-analytics.md # 质量+复盘+报告模板(按需加载)
│ ├── mental-models-heuristics.md # 心智模型+启发式(按需加载)
│ └── research/ # 6个调研文件(2475行,追溯来源时读取)
├── user-data/ # 用户诊断数据(自动生成)
└── examples/
└── account-diagnosis-demo.md # 真实X账号诊断案例更多.skill
女娲已蒸馏的作品,每个都可独立安装:
人物Skill
| 人物 | 领域 | 安装 |
|---|---|---|
| 乔布斯.skill | 产品/设计/战略 | npx skills add alchaincyf/steve-jobs-skill |
| 马斯克.skill | 工程/成本/第一性原理 | npx skills add alchaincyf/elon-musk-skill |
| 纳瓦尔.skill | 财富/杠杆/人生哲学 | npx skills add alchaincyf/naval-skill |
| 芒格.skill | 投资/多元思维/逆向思考 | npx skills add alchaincyf/munger-skill |
| 费曼.skill | 学习/教学/科学思维 | npx skills add alchaincyf/feynman-skill |
| 塔勒布.skill | 风险/反脆弱/不确定性 | npx skills add alchaincyf/taleb-skill |
| 张雪峰.skill | 教育/职业规划/阶层流动 | npx skills add alchaincyf/zhangxuefeng-skill |
主题Skill
| 主题 | 领域 | 安装 |
|---|---|---|
| X导师.skill | X/Twitter运营全栈 | npx skills add alchaincyf/x-mentor-skill |
想蒸馏更多?用 女娲.skill,输入任何名字或主题即可。
许可证
MIT — 随便用,随便改,随便蒸馏。
关于作者
花叔 Huashu — AI Native Coder,独立开发者,代表作:小猫补光灯(AppStore 付费榜 Top1)
| 平台 | 链接 |
|---|---|
| 🌐 官网 | bookai.top · huasheng.ai |
| 𝕏 Twitter | @AlchainHust |
| 📺 B站 | 花叔 |
| ▶️ YouTube | @Alchain |
| 📕 小红书 | 花叔 |
| 💬 公众号 | 微信搜「花叔」或扫码关注 ↓ |
Your next $10K/hr mentor doesn't need to be human.
<br>MIT License © 花叔 Huashu
Made with 女娲.skill
</div>Installationen
Sicherheitsprüfung
Quellcode ansehen
alchaincyf/x-mentor-skill
Mehr aus dieser Quelle
Give agents clean web context
Search and extract the public web as Markdown or structured JSON through one API or hosted MCP server.
So verwenden Sie diesen Skill
Install x-mastery-mentor by running npx skills add alchaincyf/x-mentor-skill --skill x-mastery-mentor in your project directory. Führen Sie den obigen Installationsbefehl in Ihrem Projektverzeichnis aus. Die Skill-Datei wird von GitHub heruntergeladen und in Ihrem Projekt platziert.
Keine Konfiguration erforderlich. Ihr KI-Agent (Claude Code, Cursor, Windsurf usw.) erkennt installierte Skills automatisch und nutzt sie als Kontext bei der Code-Generierung.
Der Skill verbessert das Verständnis Ihres Agenten für x-mastery-mentor, und hilft ihm, etablierte Muster zu befolgen, häufige Fehler zu vermeiden und produktionsreifen Code zu erzeugen.
Was Sie erhalten
Skills sind Klartext-Anweisungsdateien — kein ausführbarer Code. Sie kodieren Expertenwissen über Frameworks, Sprachen oder Tools, das Ihr KI-Agent liest, um seine Ausgabe zu verbessern. Das bedeutet null Laufzeit-Overhead, keine Abhängigkeitskonflikte und volle Transparenz: Sie können jede Anweisung vor der Installation lesen und prüfen.
Kompatibilität
Dieser Skill funktioniert mit jedem KI-Coding-Agenten, der das skills.sh-Format unterstützt, einschließlich Claude Code (Anthropic), Cursor, Windsurf, Cline, Aider und anderen Tools, die projektbezogene Kontextdateien lesen. Skills sind auf Transportebene framework-agnostisch — der Inhalt bestimmt, für welche Sprache oder welches Framework er gilt.