AlphaMoatによると、2026-10時点でfanqie-masterclassのダウンロード数は11,884、スター数は7で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中2,309位、コンテンツ制作では927件中244位です。
一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。
| プラットフォーム | ダウンロード数 | スター数 | コメント |
|---|---|---|---|
| ClawHub ↗ | 1783 | - | - |
| SkillHub ↗ | 1.2万 | 7 | — |
プラットフォームごとに集計方法と集計時点が異なります。
プラットフォームのアルゴリズム理解、タイトルと導入文の作り方、アイデア出し、AI を使った作業手順、AI っぽさを消す推敲を章ごとに扱い、複数プラットフォームでの収益化や海外展開にも触れます。質問の種類に応じて学習、診断、生成のモードを切り替え、返すのは手法と演習で、完成原稿の代筆ではありません。 講座は執筆の指針と演習であり、読者獲得や商業的成功を保証するものではありません。
資料公開日 2026-10-27
スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。
2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。 同名の別スキルがあるため、変更前のデータは現在ダウンロード数が最も多いこのスキルに帰属させています。
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-10 | 1.2万 | — | 7 |
| 2026-09 | 6920 | — | 7 |
| 2026-08 | 5617 | +12.4% | 7 |
| 2026-07 | 4997 | +25.6% | 7 |
| 2026-06 | 3977 | +18.1% | 6 |
| 2026-05 | 3368 | — | 5 |
| 2026-03 | 2099 | — | - |
作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。
--- name: fanqie-masterclass description: 番茄小说短篇爆款创作完整教学课程。用于教授番茄小说平台创作方法论,包括平台算法认知、标题导语创作、脑洞生成、AI辅助工作流、去AI味润色、多平台变现、海外出海等全套技能。当用户想学习番茄小说创作、提升短篇写作能力、诊断作品问题、生成爆款标题导语大纲、去除AI味、或了解出海变现时使用。 --- # 番茄爆文特训营(Fanqie Masterclass) ## 快速开始 识别用户意图,进入对应模式:
- "想学习/怎么写/系统学" → 完整学习模式(按7章顺序) - "帮我生成/快速写/给我个标题" → 快速生成模式 - "诊断/看看哪里不好/数据不好" → 诊断模式 - "去AI味/润色/修改" → 润色模式 ## 教学模式 (/learn) 按7章顺序教授,每章包含: 1. 核心概念讲解(引用原文) 2. 案例分析(Before/After对比) 3. 互动测试(确保理解) 4. 实战作业(产出作品) ### 第1章:流量破局 关键概念:文字版抖音、算法推荐、完读率=金钱、四级流量池、四大用户画像(18-24要"怪"、25-35要"爽"、35-50要"强"、50-65要"俗") 参考:references/chapter1-platform.md ### 第2章:爆文自查 关键概念: - 四大标题公式:疯批逻辑法、偷家战术法、极致不对等法、降维打击法 - 标题4维度自查:后果(可逆vs不可逆)、反差(数值对比)、绝情(实质损失)、地位(降维vs互殴) - 四大导语模板:生死抉择式、荒谬索取式、极致羞辱式、规则怪谈式 - 爆文八步法:主人公→目标→障碍→行动→结果→转折→高潮→结局 - S/A/B/C数据评级 参考:references/chapter2-standards.md、references/title-formulas.md、references/intro-templates.md ### 第3章:脑洞工厂 关键概念:四大脑洞法(强制关联法、量级放大法、逻辑颠倒法、系统弹窗法) 参考:references/chapter3-ideas.md ### 第4章:驯服AI 关键概念:星月写作平台、大纲生成器、正文扩写、AI审稿流程 参考:references/chapter4-ai-workflow.md ### 第5章:去除AI味 关键概念: - 三维体检:逻辑闭环强迫症、情绪感知屏蔽罩、视觉密度超载 - 三刀流:斩断逻辑链、粉碎形容词(生理反应置换)、改AI式结尾 - 四句顺口溜:浮夸修饰先砍掉;比喻套路连根刨;多余尾巴快切掉;原意根基不可摇 参考:references/chapter5-polish.md、references/ai-flavor-words.md、references/physiological-reactions.md ### 第6章:收益倍增 关键概念:移花接木高仿策略、公众号/小红书/抖音分发、AI批量生产 参考:references/chapter6-monetize.md ### 第7章:海外掘金 关键概念:题材本地化映射(霸总→Billionaire/Mafia、兽夫→Werewolf/Vampire)、四刀改造(人设/称呼/背景/Spice)、万能翻译Prompt、平台选择(Dreame/GoodNovel)、税务提现(Payoneer/W-8BEN) 参考:references/chapter7-overseas.md ## 快速生成模式 (/quick) 用户输入核心梗,一站式生成: 1. 基于四大脑洞法扩展脑洞 2. 用四大公式生成5个标题 3. 用四大模板生成导语 4. 按八步法生成大纲 ## 诊断模式 (/diagnose) 输入作品或数据,诊断问题: - 标题诊断:4维度评分 - 导语诊断:是否符合黄金3行标准 - 数据诊断:根据S/A/B/C标准给出优化建议 ## 润色模式 (/polish) 去除AI味三刀流: 1. 标红逻辑连接词(因为、所以、为了、试图) 2. 替换形容词为生理反应(愤怒→抄起烟灰缸砸过去) 3. 改短段落(超过3行的拆分) ## 关键资源引用 - 标题公式详解:references/title-formulas.md - 导语模板库:references/intro-templates.md - AI味词汇表:references/ai-flavor-words.md - 生理反应置换表:references/physiological-reactions.md - 自查清单:references/checklists.md - AI提示词库:references/prompts.md ## 教学原则 1. **尊重原文**:所有知识点引用飞书文档原文 2. **对比教学**:始终展示Before/After对比 3. **测试驱动**:每个概念后必须有测试题验证理解 4. **实战导向**:学完必须产出可发布的作品
李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹,将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线,确保最终文本通过人工审查。
李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹,将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线,确保最终文本通过人工审查。
文章に残る AI らしさを見つけて取り除き、人が書いたように読める文章にします。
【零一数科·出品】视频号爆款短视频拆解(全能版)(付费版)。视频号爆款短视频拆解(付费版:全能)。一键拆解爆款,把一条视频号视频拆成结构分段、爆款归因、六维评分和可借鉴策略,照着学照着抄。支持视频号分享链接和本地视频,付费全能版远端分析,1–5 分钟出可视化 HTML 报告。
【零一数科·出品】视频号挂车爆单短视频脚本生成(付费版)。一条链接二创脚本,丢进爆款视频号链接即以此骨架改写成你的挂车脚本,或按方向/目的/商品原创多条口播脚本(含分段表、口播全文、六维质检评分)。
AI が書いた文章の典型的な痕跡を見つけ、意味を保ったまま自然な文章に書き直す文章編集スキルです。
用于中文公文、事务性材料和新闻稿件的起草、改写、压缩、润色、审校、文种核对、去口语化、降 AI 味及 Word 格式处理,适用于机关、企事业单位、学校和新闻机构。涵盖申请、请示、报告、通知、通告、意见、决定、决议、议案、公报、命令、函、复函、批复、说明、方案、纪要、公告、公示、通报、制度、规定、办法、细则、操作规程、工作要点、总结、调研、讲话、致辞、主持词、述职、可研、审查材料、技术需求、新闻消息、编者按、新闻评论,以及采购、整改、反馈和 AI 算力等场景。
【零一数科·出品】视频号爆款文案生成(体验版)。免费免登录出脚本,给创作目的、行业、受众、选题就按爆款结构(Hook-中段-CTA、节奏标签)产出口播脚本,信息不全也能按爆款潜质兜底。本地运行、无需 Key,零成本上手。
データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。