据 AlphaMoat 统计,截至 2026-09,news-writing 累计下载 2,648 次、获 6 个星标,在全部 5,078 个 AI 技能中排名第 3,985 位,在「内容创作」分类(362 个)中排名第 264 位。
| 平台 | 累计安装 | 累计下载 | 星标 | 评论 |
|---|---|---|---|---|
| ClawHub ↗ | 69 | 2,278 | 5 | - |
| SkillHub ↗ | 206 | 2,648 | 6 | — |
各平台的计数口径不同,统计时间不一致。
流程先明确任务约束(新闻类型:快讯/通稿/深度稿/采访稿/活动报道;发布渠道、目标读者、字数语气与是否中英双语),缺约束时用保守默认:中性客观语气、标准新闻结构、便于二次排版的 Markdown。素材阶段先建「素材清单」,原始来源(公告、采访记录、会议纪要、监管文件、统计数据)、二级来源(权威媒体、公开数据库)与背景信息按固定字段整理(编号、事实陈述、来源链接、时间、地点、可核实状态、备注)。写作前执行最小核实:关键事实双来源交叉验证(原始来源优先),时间、地名、人名、头衔、数字逐项核对,引述标注来源与语境、不改写原意,争议点显式标注「尚无独立证实」;只有已核实事实进正文,未核实内容进待确认列表。正文默认倒金字塔结构(结果导向标题、一句话导语交代谁-何时-何地-发生什么-影响、按重要性递减展开、结尾给后续安排或官方回应);排版不改事实,单段单信息点、数字统一单位与格式、保持可扫描结构。发布前终检覆盖事实准确、逻辑完整、法律合规(不含诽谤、隐私泄露、未经证实指控)、语言质量与版式统一,输出最终稿加核实记录。默认输出三段:新闻正文、事实核验摘要、待补充信息(为空写「无」);规范细节在 references/fact-check.md、references/writing-style.md 与 assets/news-article-template.md。skill-card 说明默认中文输出,可要求其他语言或双语。
资料发布于 2026-10-27
以下是根据技能文档生成的示例,不代表实际运行结果。
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-09 | 2,648 | — | 6 |
| 2026-08 | 2,249 | +6.2% | 6 |
| 2026-07 | 2,118 | +13.0% | 6 |
| 2026-06 | 1,875 | +9.1% | 5 |
| 2026-05 | 1,718 | — | 4 |
| 2026-03 | 1,154 | — | 4 |
以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。
--- name: news-writing description: 新闻素材收集、整理、写作、排版与校对的完整工作流。用于用户需要生成新闻稿、快讯、深度稿、企业新闻、活动报道,或需要对现有新闻内容进行事实核实、结构优化、标题导语改写、版式统一与发布前审校时。 --- # News Writing 按以下流程执行,确保内容可发布、可追溯、可复核。 ## 1) 明确任务约束
先确认并记录: - 新闻类型:快讯 / 通稿 / 深度稿 / 采访稿 / 活动报道 - 发布渠道:网站、公众号、邮件、内刊、社媒 - 目标读者:行业、地区、专业程度 - 输出要求:字数、语气、发布时间、是否需要中英双语 缺少约束时,先用保守默认:中性客观语气、标准新闻结构、便于二次排版的 Markdown。 ## 2) 收集并整理素材 先建立“素材清单”再写作,素材至少包含: - 原始来源:公告、采访记录、会议纪要、监管文件、统计数据 - 二级来源:权威媒体、机构网站、公开数据库 - 背景信息:时间线、关键人物/机构、历史对比数据 用表格整理素材,字段固定为: - `编号` `事实陈述` `来源链接/出处` `时间` `地点` `可核实状态` `备注` 需要完整规范时,读取 [references/fact-check.md](references/fact-check.md)。 ## 3) 写作前核实 仅把“已核实”事实写入正文;未核实内容放入“待确认列表”。 执行最小核实标准: - 关键事实至少双来源交叉验证(原始来源优先) - 时间、地名、人名、头衔、数字逐项核对 - 引述必须标注来源与语境,不改写原意 - 争议点显式标注“尚无独立证实” ## 4) 生成新闻正文 默认采用“倒金字塔结构”: - 标题:结果导向,不堆砌形容词 - 导语:一句话交代 `谁-何时-何地-发生了什么-影响` - 主体:按重要性递减展开,补充背景和数据 - 结尾:后续安排、官方回应或可执行信息 可直接基于模板产出: - [assets/news-article-template.md](assets/news-article-template.md) 需要更多标题、导语、段落节奏规则时,读取 [references/writing-style.md](references/writing-style.md)。 ## 5) 排版与可读性优化 在不改变事实前提下统一格式: - 单段表达单一信息点 - 数字统一单位与格式(货币、百分比、同比/环比) - 引用、数据、时间线使用小标题或列表分隔 - 保持“可扫描结构”:标题、小标题、短段、必要列表 ## 6) 审校与发布前检查 发布前执行终检并输出两部分: - `最终稿` - `核实记录`(来源与未确认项) 终检清单: - 事实准确:无未标注推测 - 逻辑完整:导语与正文一致 - 法律与合规:不含诽谤、隐私泄露、未经证实指控 - 语言质量:无错别字、病句、歧义指代 - 版式统一:标题层级、标点、空格、日期格式一致 ## 输出格式 默认输出为以下三段: 1. `新闻正文` 2. `事实核验摘要` 3. `待补充信息`(如果为空,写“无”)
识别并去掉文本里的 AI 写作痕迹,让文字读起来更像人写。
把文本里 AI 写作的典型痕迹挑出来并改写得更自然,同时保留原意的写作编辑技能。
识别并去除 AI 生成文本痕迹的中文文字编辑技能。
wechat-search 检索公众号热门文章,并按相关性、热度和时效整理结果。
从公开短视频分享链接提取标题、简介和口播文案,并给出改写版本。
humanizer 为中英文文本提供更自然的表达和风格编辑指导。
写网文章节并按文件落盘,聊天里只回摘要与指针。
把一组营销方法模块收进同一个技能,按请求路由到对应模块取清单与可交付稿。
数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。