LinkedIn Agent Skill 今日发布

技能简介

LinkedIn Agent Skill 是专为 Claude Code 设计的一套 LinkedIn 账号运营工具包，包含 11 个独立 Skill，覆盖从内容创作、人机互动到主页优化、数据复盘的全链路。MIT 协议、完全免费、无需注册账号、无需申请 API Key，所有技能写好后由用户确认再发布，真正做到 AI 辅助写作而不替用户做主。

核心能力

一、十一大 Skill 模块：/li-post（根据 21 种钩子公式生成帖子）、/li-comment（针对他人帖子撰写评论）、/li-reply（回复自己帖子下的评论流）、/li-profile（按 12 项 rubric 给主页打分并逐一修复）、/li-plan（制定每周发帖计划并推荐互动对象）、/li-carousel（生成图文幻灯片 PDF）、/li-repurpose（将视频或文章转化为一周帖子）、/li-dm（个性化连接邀请与跟进消息）、/li-inbox（收件箱分流）、/li-audit（历史内容复盘与优化建议），以及核心的 /li-human（人性化处理）。

二、Humanizer 双重防线：第一重 humanize.py 自动清除 AI 指纹（零宽字符、弯引号替换、113 个套路词汇还原），并保留修改日志；第二重 detect.py 按五个维度给文本打分（句子长度变化度、具体性指标、套路词密度、隐藏字符数、真实口语度），总分 60% 均值权重 + 40% 最弱项权重，得分低于阈值会标记需人工复核。

三、零宽字符与格式字符清理：移除 Unicode 零宽空格、软连字符、词接合符、字节序标记等键盘无法输入的隐藏字符——这类字符是 AI 生成内容被检测的主要原因之一，且在各类编辑器中完全不可见，humanize.py 可彻底清除并出具修改报告。

四、22 种 Hook 公式库：/li-post 内置 21 种经过验证的 LinkedIn 帖子开头公式（Eachine hook、反直觉 hook、数字 hook 等），可一次生成三个不同版本供用户选择，贴文标题由公式决定而非随机生成。

五、评论智能分类：评论按 lead / substance / peer / support / noise 五类自动排序，对应不同的回复策略，确保对话顺序合理且不遗漏高价值互动机会。

六、账号规划系统：/li-plan 产出每周内容计划，包含发帖时间节点、内容方向、应互动目标账号列表（10 个/周），并写入 ~/.claude/linkedin/plan.md 供后续参考。

七、无 API 安全设计：所有 Skill 均止步于「生成 copy-ready 文本」，不调用 LinkedIn API，不自动发布。LinkedIn 官方不允许个人主页无 Partner App 直接 API 发帖，本工具包以此为设计边界，规避账号被封禁的风险。

安装配置

方式一（推荐）：直接告诉 Claude Code 安装地址 在 Claude Code 对话框中粘贴以下内容：

https://github.com/Jakeschincariol/linkedin-agent-skill

Install this skill, then confirm /li-post works.

方式二：手动 git clone

git clone https://github.com/Jakeschincariol/linkedin-agent-skill.git
cp -r linkedin-agent-skill/skills/li-* ~/.claude/skills/

方式三：作为插件安装

/plugin marketplace add Jakeschincariol/linkedin-agent-skill
/plugin install linkedin-agent

方式四：项目本地安装 将 skills 目录下的各 li-* 文件夹复制到目标仓库的 .claude/skills/ 目录。

必做：填写 voice.md（最重要的一步） 安装完成后，复制模板文件到用户目录并填写：

cp templates/voice.md ~/.claude/linkedin/voice.md
# 用编辑器填写你的 LinkedIn 写作风格（可粘贴三篇自己写的帖子让 AI 学习）

不填写 voice.md 产出的内容会听起来像所有人，没有个人特色。

使用步骤

第一步：完成安装并填写 voice.md。这是所有 Skill 的读取入口，决定内容的口语化程度。

第二步：用 /li-post 生成第一条帖子。输入一个想法或主题，/li-post 返回三个不同 Hook 公式生成的版本，用户选择或修改后再让 /li-human 做人性化处理。

第三步：运行 Humanizer 质检。用 detect.py 给待发布内容打分，五维中任一维度过低都会触发标记，确保内容通过检测后再复制发布。

第四步：用 /li-plan 制定每周计划。系统产出本周内容日历、发帖时间节点、10 个推荐互动账号。

第五步：用 /li-profile 自评主页。系统按 12 项 rubric 给当前主页打分，并按修复优先级逐一给出改写建议。

第六步：周期性复盘。用 /li-audit 回顾已发布内容，按互动率和触达倍数排序，识别高表现内容模式。

适用场景

场景一：个人品牌建设。希望在 LinkedIn 建立专业影响力但缺乏写作灵感或时间的职场人士，通过 AI 生成结构化内容后做人性化微调。

场景二：内容规模化生产。需要定期输出 LinkedIn 内容的营销人员或创业者，通过 Skill 提升产量，同时保持内容质量与人情味。

场景三：B2B 销售与获客。销售从业者利用 /li-dm 和 /li-comment 模块主动拓展高质量人脉，用数据驱动的互动方式替代群发消息。

场景四：内部知识分享。企业员工或高管借助 Skill 将内部文档或行业洞察转化为 LinkedIn 帖子，扩大内容传播半径。

场景五：内容合规与防封号。通过 Humanizer 移除 AI 指纹与隐藏字符，降低被 LinkedIn 检测为机器操作的概率，保护账号安全。

适用人群

• 有 LinkedIn 内容输出需求的职场人士、创业者、销售与营销从业者
• 希望提升 LinkedIn 互动率但缺乏持续写作灵感的内容创作者
• 需要管理多个 LinkedIn 账号的专业运营团队
• 对 AI 生成内容有「机器味」困扰、关注发布安全的谨慎用户

工作原理

Skill 由一组 Claude Code 指令文件（SKILL.md）和两个 Python 脚本组成。/li-* 命令触发对应的 Skill 指令文件，Claude Code 执行其中的 prompt 逻辑生成文字内容。humanize.py 在本地运行正则替换与字符清洗，不上传任何数据。detect.py 通过启发式规则（句子长度变化度、具体词密度、套路词汇命中率、隐藏字符数量、口语化特征）对文本打分，五维评估中得分最低的维度权重最高，确保任何单一弱点都会被放大标记。所有数据处理在用户本地完成，不经过任何第三方服务。

官方链接

• GitHub 仓库：https://github.com/Jakeschincariol/linkedin-agent-skill
• 作者主页：https://opusjake.ai
• Skill 完整介绍：https://opusjake.ai/r/linkedin-agent