翔宇工作流 · 5 个 Skill 打造 Twitter 自动化流水线
从「对话式编程」跃迁到「流水线式自动化」：用 5 个 Claude Code Skill（克隆→采集→创作→配图→发布）串成 Twitter 内容运营管线；更核心的是 Skill 编排方法论——单一职责、文件系统传递、时间戳隔离、无头 vs 子 Agent 选型，以及与 n8n 的互补分工。
基本信息
- 来源类型：YouTube 视频 + 官网完整图文（视频字幕关闭；ingest 以 companion blog 为主）
- 作者：翔宇工作流（翔宇）
- 视频：https://www.youtube.com/watch?v=41WHXjVE—Q
- 图文：https://xiangyugongzuoliu.com/39-skill-workflow-automation/
- 原始素材：raw 文件
- 系列位置：Make → Claude Code → Skill 编排路径上的第 39 期；前作含 2026-07-21-youtube-xiangyu-claude-code-video-app（视频自动化剪辑应用）
- 体量声称：Skill 编排方法论「三万字 / 十七个维度」（课程侧）；本公开图文覆盖流水线架构与原则摘要
核心观点
-
Skill 把 Claude Code 从「盯着的工具」变成「可放手的系统」：对话式每次手动触发；Skill 编排后可独立跑约 1 小时、自动处理错误、串联多任务。无头场景单次可达约 一千万 Token 量级（作者自测）。
-
Twitter 流水线 = 5 个单一职责 Skill：
- 克隆：用户名或「分析自己时间线」→ 采约 30 条推文 → 输出人格画像
- 采集：按关注话题搜 近 12 小时 新闻/热点
- 创作：画像 + 素材生成推文 → 人格化打分筛选
- 配图：风格与文案一致
- 发布：原创 / 引用 / 回复；需 Twitter Developer 写权限（采集可用浏览器自动化）
-
无头模式 vs 子 Agent 模式是生产选型，不是偏好问题：无头（
claude -s独立实例）质量稳定性约高 30%、Token 约为子 Agent 的 3 倍、全流程约 20–40 分钟；子 Agent 约 10–15 分钟、适合调试。建议：先子 Agent 摸系统，正式生产用无头。详见 无头模式。 -
人格复刻三维度远超「文风仿写」（人格复刻）：信息偏好（选题）+ 思维方式（认知角度/归因/推理/态度/边界）+ 写作风格（句式/用词/修辞/节奏/情绪）。目标是「像你会说的话」，不是「像你写过的句式」。
-
多 Skill 最大难点是数据流，不是模型能力：一 Skill 一输出目录（
/clone//collect//create//image/）；时间戳子目录隔离；采集与创作做 增量去重。先画输入/输出契约表再写实现，可省大量返工。 -
Skill 设计五原则（反面即事故源）：单一职责、文件系统传递（最重要）、幂等性、可观测、容错。文件（Markdown/JSON）比库/API 更可调试。
-
与 n8n 是互补不是替代：「当 A 做 B」规则链路 → n8n；「分析 A 再决定 B/C/D」→ Skill。实战混合：n8n 定时与平台 API，Skill 做生成与质检。分散发布（09/12/20）互动率约比集中发高 40%；周人工抽检 10–15 分钟。
-
从零五步 + 工程卫生：终态倒推 → 拆 3–5 个 Skill → 契约表 → 逐个测通再串 → cron。命名「领域-动作-对象」；版本号+变更日志；标准用例防回归；写清设计意图与已知限制。社区已有 140+ Claude Code Skill，优先改再自写。
实操内容保留
5 Skill 流水线契约（公开版摘要）
| Skill | 输入 | 输出目录 | 关键行为 |
|---|---|---|---|
| 克隆 | Twitter 用户名或「分析自己」 | /clone/ | ~30 推文 → 人格画像 |
| 采集 | 克隆识别的话题 | /collect/ | 近 12h 新闻；查历史去重 |
| 创作 | 画像 + 素材 | /create/ | 多推文 + 人格化打分筛选 |
| 配图 | 高分推文 | /image/ | 风格一致配图 |
| 发布 | 推文+图 | 发布队列/API | 原创/引用/回复；写权限 |
运行模式命令心智
- 无头：每 Skill 独立
claude -s（或等价无头启动），干净上下文，适合生产长跑。 - 子 Agent：主会话 Task 调度，省 Token（约 1/3），易受主会话污染。
从零搭建步骤（原文结构）
- 确定终态（一条推文 / 公号文 / 短视频脚本…）
- 拆成 3–5 个独立 Skill（太少过重、太多编排开销大）
- 先写输入/输出契约表（读哪些文件、写哪些、目录位置）
- 从最简 Skill 逐个实现与单测
- 编排脚本 + cron；生产用无头
调度与发布策略（作者生产配置）
- 每日 09:00 跑流水线 → 生成 3–5 条入队
- 分散发布：09:00 / 12:00 / 20:00
- 每周 10–15 分钟 质量抽检；问题回改画像或创作参数
- 全流程：无头 20–40 分钟；子 Agent 10–15 分钟
Skill 五原则速查表
| 原则 | 含义 | 反面教材 |
|---|---|---|
| 单一职责 | 一件具体的事 | 又采集又创作又发布 |
| 文件系统传递 | 文件交换数据 | 内存/环境变量隐式传 |
| 幂等性 | 同输入重跑无副作用 | 重跑多发一条推 |
| 可观测 | 日志与输出文件 | 跑完不知做了什么 |
| 容错 | 单步失败不拖垮全线 | 采集失败整线崩 |
权限与质量 FAQ（可操作）
- API：发布需 Twitter Developer 写权限；采集/分析可用浏览器自动化。
- 质量：取决于克隆数据；新号用时间线模式看信息偏好；只有高分进发布队列。
- 社区 Skill：先搜再写；GitHub 社区统计作者称 140+ 专用 Skill。
Prompt / 模板
（公开图文未展开完整 SKILL.md 与打分 Prompt；课程侧宣称十七维度方法论。本摘要不臆造未公开源码。）
关键概念
- Claude Code — 被 Skill 编排后成为自动化引擎
- Skill — 持久、可组合、可无头独立运行
- Claude Code 五大组件 — 与 skill/agent/hooks/MCP 框架衔接（前作）
- 无头模式 — 独立实例长跑生产路径（本批新建）
- 人格复刻 — 三维度数字人格 → 生成与打分（本批新建）
- n8n — 规则调度互补；非替代
- Agentic Workflow / Multi-Agent — 子 Agent 模式与调度
- 纯文本：人格化打分筛选、时间戳隔离、增量去重、文件系统传递、幂等发布
与其他素材的关联
- 与 2026-07-21-youtube-xiangyu-claude-code-video-app：同一作者系列进阶——前作讲「大模型+环境」与做产品（地铁 vs 出租车）；本稿讲 Skill 串成内容运营管线 与数据流设计。
- 与 2026-07-19-youtube-codex-ai-marketing-team：同属多 Agent/多角色内容生产线；本稿强调 文件系统契约 + 无头生产，Codex 篇强调
agent.md/brand.md与 QA known gap。 - 与 2026-06-27-claude-code-ai-marketing-team：营销 Skill 矩阵 vs Twitter 五段管线；可交叉「参考驱动/人格画像」作为风格真相源。
- 与 2026-07-19-juejin-ai-skills-specialized-employee / 2026-07-08-woshipm-skill-validation-version-handoff：工程手册与交接边界；本稿补 编排层数据流与运行模式。
- 与 2026-07-18-bnext-ai-agent-reverse-workflow：反向拆解 + ROI 闸门；本稿五步终态倒推一致。
- 与 2026-07-07-woshipm-content-repurposer-skill：内容多平台；本稿聚焦 Twitter 端到端自动化 + 人格打分。
原文精彩摘录
Skill 让 Claude Code 从一个需要持续盯着的工具变成了一个可以放手运行的系统——一个能独立运行一个小时、自动处理错误、串联多个复杂任务的 AI Agent。
无头模式的输出质量稳定性比子 Agent 模式高约百分之三十……子 Agent 模式的 Token 消耗只有无头模式的约三分之一。
三个维度组合起来，就是一个完整的数字人格。有了它，生成的推文不只是”看起来像你写的”，而是”像你会说的话”。
「文件系统传递」是最重要的设计决策。为什么不用数据库或 API？因为文件是最简单、最可调试、最透明的数据传递方式。
如果一个任务可以用”当 A 发生时做 B”来描述……用 n8n 就够了。如果一个任务需要用”分析 A 然后判断应该做 B 还是 C 还是 D”来描述……就需要 Skill 的 AI 判断能力。
先花半小时画一张数据流图，能省下后面好几天的调试时间。
工具会过时，方法论不会。n8n 是盘子，Claude Code 是筷子，但真正重要的是你的思维方式。