LinkedIn Agent Skill：让 Claude 自动帮你运营 LinkedIn 的 11 条指令

Skill超级捕获手技术创作者 2026-10-06 66 阅读

这是一套让 Claude 自动帮你运营 LinkedIn 账号的免费 Skill 包——发什么、怎么写hook、评论回复、人设优化，全部通过 11 条指令搞定。最特别的是内置了一个人性化处理器，能自动去掉 AI 写作痕迹（隐形字符、Em Dash、机械词汇），在本地对你的文案打分，跑完 humanize.py 后分数能从 24.8 跳到 69.7。9 月刚发布就拿到了 1,347 颗星，增长速度在同类 Skill 里罕见。

功能与原则

整套 Skill 围绕一个核心设计原则：AI 写，你发，你负责。因为 LinkedIn 没有对个人主页开放的官方发帖 API，任何第三方自动化工具都违反用户协议，所以这套技能全部输出可复制文本，由你手动粘贴发布。

11 条指令各有专职：

/li-post — 一个想法进，一副完整帖子出，附带 3 个 hook 选项（来自 21 种公式）
/li-comment — 读别人的帖子，判断类型，写评论（9 种类型，绝不是”Great post!”）
/li-reply — 把你帖子下的评论按 lead/substance/peer/support/noise 五类排序，逐条写出回复
/li-profile — 对照 12 项评分表打出 0-100 分，按失分最多优先顺序重写
/li-plan — 规划本周内容计划：发什么、何时发、与哪些人互动，输出到 ~/.claude/linkedin/plan.md
/li-human — 人性化处理器（见下节）
/li-carousel — 文件帖：逐页文案 + 封面设计逻辑 + PDF 上传包
/li-repurpose — 一个视频/新闻稿/文字稿转成一周 5 篇独立帖
/li-dm — connection 请求的 200 字开场白、第一条私信、两轮 follow-up
/li-inbox — 把收件箱 triage 成 lead/recruiter/peer/ask/spam，说明判断依据
/li-audit — 对已发内容做复盘，按 engagement rate 和 reach multiplier 排名

认可度

GitHub Star：1,347（截至 2026-10-06）
Forks：202
创建时间：2026-09-07（距今不到一个月）
上一次更新：2026-10-06（持续维护中）
属于 9 月新发布、短期内快速积累关注的社媒类 Skill，在 GitHub trending 和 Smithery 等平台均有曝光

链接

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

原作者

Jake Schincariol（GitHub @Jakeschincariol），独立开发者，专注于 AI 写作工具链和个人效率类 Skill，9 月发布本包后快速进入 trending 视野。

介绍

LinkedIn Agent Skill 起源于一个实际需求：想让 AI 帮自己持续运营 LinkedIn，但又不想把账号安全押在第三方自动化工具上。作者花时间把完整运营流程拆解成 11 个独立 Skill，覆盖从内容创意、写作、人性化处理到 inbox 管理全链路。

安装方式有三种：直接在 Claude 对话框粘贴 GitHub 链接让 AI 安装；在 Claude Code 里用 /plugin marketplace add；或者手动 git clone 后复制到 ~/.claude/skills/。不需要任何 API key、账号或第三方服务。

整个包用 MIT 协议开源，Python 脚本全部只依赖标准库，没有任何 pip 依赖，下载即用。配置文件（如 hooks.json、slop.json、rubric.json）都是可编辑的 JSON，你可以根据自己行业和文风调整钩子公式、黑词列表和评分维度。

特点

11 条指令专职分工：从写稿、人性化、评论到 inbox 管理，每条指令做一件事，做到专业
内置 AI 人性化处理器：Python 脚本在本地跑，处理隐形 Unicode 字符（零宽空格、软连字符等），替换 113 个机械词汇，打分后输出可读性报告
21 种 Hook 公式：/li-post 提供 3 个候选 hook，来自 21 种经过验证的 LinkedIn 内容结构，hook 损坏方式也有记录
零依赖、纯本地：Python 脚本只用标准库，不访问任何外部 API，数据不离开你的机器
可配置的规则文件：hooks.json、slop.json、rubric.json 全部是明文 JSON，用户可自行修改，适应不同行业和表达风格
完全合规：不自动发帖，需要你手动复制粘贴，符合 LinkedIn 用户协议，账号不会被封

使用方法

安装（最简单方式）：

在 Claude 或 Claude Code 对话框输入：

Install this skill, then confirm /li-post works.
https://github.com/Jakeschincariol/linkedin-agent-skill

安装后先配置 voice.md（重要！）：

# 方法 1：复制模板并手动填写
cp skills/li-human/slop.json ~/.claude/linkedin/voice.md
# 然后打开 voice.md，填入你的行业、词汇偏好、表达风格

# 方法 2：让 AI 从你的历史帖子学习
# 把 3 篇你自己的 LinkedIn 帖子粘贴给 Claude，说：
# "write my voice.md from these"

基本调用：

/li-post
我想分享一个关于 remote work 生产力的观察

# Claude 返回：
# - 3 个 hook 选项（来自 21 种公式）
# - 1 篇完整草稿（已人性化处理）
# - 你直接复制粘贴到 LinkedIn

人性化处理（本地跑）：

# 先跑 humanize，再跑检测
python3 skills/li-human/humanize.py draft.txt --report
python3 skills/li-human/detect.py draft.txt

# 输出示例：
#  HUMAN SCORE ######.................. 24.8 FLAGGED
#  （跑完后）
#  HUMAN SCORE #################....... 69.7 REVIEW (+44.9)

项目级安装（不用全局安装）：

把 skills/ 目录下的任意子目录复制到你的项目 .claude/skills/ 里即可，适合团队共享同一套 LinkedIn workflow。

使用场景与人群

LinkedIn 创作者/个人品牌建设者：需要持续输出内容但时间有限，AI 帮助完成初稿，你保留最终决定权
B2B 销售与商务拓展：用 /li-dm 和 /li-inbox 管理 connection 请求和潜在客户识别
招聘者/猎头：用 /li-profile 和 /li-plan 维护专业形象，主动规划内容策略
想借助 AI 写 LinkedIn 但担心被识别为 AI 生成内容：先跑 humanize.py 做本地处理再发布，降低被检测风险
不适合：需要全自动发帖、批量自动化运营（这些违反 LinkedIn 协议且有封号风险）

输入与输出案例

案例 1：/li-post 输入与输出

输入：

主题：AI coding agents 让 junior dev 生产力翻倍，但老工程师反而焦虑

输出（示例）：

Hook 选项：
1. [数字开头] 我统计了 12 周的代码提交数据，发现一个反直觉的事实...
2. [冲突/矛盾] AI 让所有人效率更高，除了经验最丰富的那批人
3. [直接建议] 如果你是 senior engineer，以下是我见过的最大职业陷阱...

完整帖子（已人性化处理）：
---
[完整 3-4 段 LinkedIn 帖子，约 300-500 字，已通过 humanize.py 处理]
---

案例 2：/li-human 人性化处理前后对比

处理前（原始 AI 草稿，检测得分 24.8）：
– 包含隐形 Unicode 字符（零宽空格、软连字符）
– 大量 Em Dash（——）代替逗号
– 出现”leverage”、”seamless”、”crucial”等 19 个机械词汇（24.1/100 词密度）
– 句子长度高度均匀，缺少自然的 burstiness

处理后（humanize.py + 手动微调后，检测得分 69.7）：
– 零宽字符全清，Em Dash 替换为逗号或句号
– 113 个黑词替换为日常表达
– 句子长度出现自然变化（Burstiness 73.0）
– 仍需手动处理”规则三连”等结构性问题，但核心指纹已消除

案例 3：/li-plan 输出示例

# 本周 LinkedIn 计划

## 建议发帖主题
- 周二：AI tools 对团队协作的影响（附具体数据）
- 周四：远程团队管理踩坑实录
- 周六：读《某本书》的 3 个核心观点

## 建议发布时间
- 周二 8:00 AM（职场人士刷帖高峰）
- 周四 9:00 AM（周中内容消费上升）
- 周六 10:00 AM（周末信息流竞争少）

## 建议互动对象（本周 Top 10）
1. @张明-产品负责人 [某科技公司]
2. @李华-全栈工程师 [某创业公司]
...（按相关度和互动概率排序）

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

评论区

0 条评论

登录后可评论。