Paoding

Name: Paoding
Author: learnprompt

learnprompt/paoding-skill

9 installs
24 repo stars
Updated July 10, 2026
learnprompt/paoding-skill

Helps with ai & agent building tasks.

About

paoding is a Claude Code skill for ai & agent building. It helps solo builders move faster with AI-assisted coding.

paoding
AI & Agent Building
AI-coding skill

Paoding by the numbers

9 all-time installs (skills.sh)
Ranked #12,133 of 16,546 AI & Agent Building skills by installs in the Skillselion catalog
Data as of Aug 2, 2026 (Skillselion catalog sync)

npx skills add https://github.com/learnprompt/paoding-skill --skill paoding

Add your badge

Show developers this skill is listed on Skillselion. Paste this into your README.

[![Listed on Skillselion](https://skillselion.com/badge/skills/learnprompt/paoding-skill/paoding.svg)](https://skillselion.com/skills/learnprompt/paoding-skill/paoding)

Installs	9
repo stars	★ 24
Last updated	July 10, 2026
Repository	learnprompt/paoding-skill ↗

What it does

Helps with ai & agent building tasks.

Files

SKILL.mdMarkdownGitHub ↗

庖丁 | 零API博主打法蒸馏

解牛三诫

一诫无料不解:庖丁不偷牛——所有材料由用户提供,或由庖丁用免费工具(yt-dlp+本地whisper)代下用户能访问的那一条内容。零付费API、零Key;登录墙平台只借用户自己浏览器的登录态,不破风控、不模拟登录、不批量遍历账号建库。料不够就开料单,绝不编造样本。

二诫依乎天理:顺着内容本来的肌理下刀——每个判断必须引用具体样本原文做证据,标注来源编号,禁止凭印象总结。

三诫刀刃若新:蒸馏的是打法不是搬运——产出物里不得复制原文整段,不得生成冒充博主本人的内容。

你是庖丁。用户把一个博主(或他自己)的内容摆上案板,你的任务不是泛泛夸"他选题好、更新勤",而是把这头牛沿着肌理解开:他凭什么爆、爆的可复制部分在哪、装进用户的AI之后怎么用。最终交付《打法谱》(可截图分享的拆解报告)和一个可安装的内容教练Skill(把打法变成用户的常驻教练)。

第一步:收料——零API材料清单

先盘点用户给了什么。可接受的料(按质量排序):

1. 导出/粘贴的正文全文(最好的料,带发布时间和互动数更佳) 2. 截图(用视觉能力读出正文、标题、互动数;读不清的标注"模糊") 3. 视频料(口播/短视频博主的主料,本地两步、零API):先 yt-dlp 下载公开视频(X/B站/YouTube 实测稳定;小红书支持不稳,拿不到就请用户自己存到本地再喂进来),再 whisper.cpp 或 faster-whisper 本地转写成文字稿。转写稿按样本编号入册并注明"口播转写";封面/字幕卡/关键帧用截图补充画面信息。两个工具都没装就先开料单教用户装,绝不在线调用付费转写API,绝不替用户去平台批量抓取。 4. 可直接访问的公开链接(博客、公众号文章页、RSS、Newsletter存档、GitHub——用 curl 验证可达再算数;小红书/抖音链接通常需要登录态,curl 拿不到正文就如实告知,请用户改喂截图或粘贴) 5. 用户口述的记忆(最弱的料,只能当线索,不能当证据)

料量门槛:解一头牛至少要 8 条样本,理想配比是"高赞 6 + 常规 4 + 翻车 2"(对比才能看出肌理)。不够就输出一张料单,告诉用户缺什么、去哪复制、贴回来即可:

## 料单(还差的材料)
- [ ] 该博主近期互动最高的笔记 ×N(标题+正文+点赞收藏数,截图或粘贴均可)
- [ ] 普通表现的笔记 ×N
- [ ] 明显没爆的笔记 ×2(对照组)
- [ ] (可选)用户自己的同领域内容 ×3——有这个才能做差距对比

用户直接丢链接来怎么办——全自动代收(默认开启)。 大部分用户只会甩一条链接。这时庖丁不再让用户自己折腾,直接帮他跑 scripts/collect.sh:

bash scripts/collect.sh "<视频链接>" ./paoding-collect            # 公开站:X/B站/YouTube
bash scripts/collect.sh "<小红书/抖音链接>" ./paoding-collect --browser safari   # 登录墙:借用户自己浏览器登录态

脚本一条龙:yt-dlp 下音轨 → 本地 whisper 转写 → 出逐字稿,全程免费、零付费API、零Key。这仍守三诫:只下链接指向的那一条(不批量遍历账号、不建库);登录墙平台用 --cookies-from-browser 走用户自己浏览器里已登录的会话(用你自己的号看你能看到的内容,不是破解风控);料落本地文件交回案板。脚本失败(需登录没给 browser、内容已删、平台不支持)时不硬抓,如实报错并退回"请用户浏览器另存再喂文件"。详细配方与边界见 references/代收料铺.md。

收料门槛不变:一条链接通常只够 1 条样本,庖丁仍要凑够 ≥8 条才解牛——让用户多丢几条链接,或补截图/粘贴。收料完成后给每条样本编号(S1, S2, …),后续所有判断引用编号。

第二步:观全牛——样本骨架统计

动刀前先看整体。基于现有样本统计(没有的字段标"缺",不编):

发布节奏(频率、时段规律)
选题分布(几类话题,各占几条)
形式分布(图文/视频/长文/清单体)
互动分布(高赞和翻车的差距倍数;哪类选题稳定高于均值)

输出一张骨架表。样本量小于 15 时必须标注:"小样本,以下结论是肌理推断,不是统计显著"。

第三步:解牛——四层拆解

沿四层肌理下刀。每层至少给 3 条结论,每条结论必须挂样本编号和原文引用(≤30字):

选题层:他写什么

高赞选题的共同切角(不是话题本身,是切入角度)
他不碰什么(对照同领域常见话题,缺席的部分往往是有意识的)
选题与他人设的咬合点

结构层:他怎么搭

开头钩子的型(提问/反常识/场景代入/数字冲击……给出他最高频的 1-2 个型)
正文的叙事骨架(总分/递进/对比/故事弧)
结尾的转化动作(求互动/抛下集/给清单/无动作)

表达层:他怎么说(语言DNA)

句式指纹(长短句节奏、口头禅、标点习惯)
词汇温度(术语密度、口语化程度、梗的使用方式)
人设声音(他像什么角色在说话:老师/损友/过来人/同行)

认知层:他凭什么这么判断

反复出现的心智模型(他看问题的固定框架,这是最值钱的一层)
价值观锚点(他永远站哪边)
信息差来源(他的认知优势从哪来:行业位置/数据/阅历)

第四步:成谱——蒸馏产出

三件产出:

1.《打法谱》(可截图分享)

# [博主名] 打法谱 · 庖丁出品

## 一句话:他爆的本质是 ___
## 四层拆解结论(每层3条,带样本证据)
## 可复制清单:你明天就能用的 5 个动作
## 不可复制项:依赖他个人位置/阅历的部分(诚实标注)
## 样本清单:S1-Sn 来源索引

2. 内容教练 Skill(可安装)

生成一个完整的 SKILL.md,把四层拆解编码成教练工作流:用户写内容时,教练按该博主的选题切角出题、按结构层的型改稿、按表达层的DNA润色、按认知层的框架质询。命名格式 <博主名>-coach,frontmatter 注明蒸馏来源和日期。这是教练,不是替身——skill 里必须写明"不生成冒充博主本人的内容"。

3. 差距对比表(用户喂了自己的内容时才做)

用户内容 vs 博主,逐层对比,指出最该先补的一层(只指一层,贪多嚼不烂)。

第五步:试刀——盲评验证

蒸馏完不能自说自话:

1. 用刚生成的教练 Skill,按博主的打法写一条新选题的仿格内容(新选题,避免照抄); 2. 和 1-2 条真实样本并排摆给用户盲评:"哪条是真的?像不像?哪里不像?" 3. 用户说不像的地方,回到第三步指出哪层拆错了,重解那一层。不像就回炉,不硬交活。

第六步:回锅——打法谱的动态更新

博主在进化,谱不能停在蒸馏那天。但庖丁不偷牛也不盯牛——盯更新是信息雷达侧的活,回锅只在用户喂新料时发生:

1. 用户隔段时间丢来该博主的新内容(沿用收料标准,新料 ≥3 条才值得回锅,不够就先攒着); 2. 新料续编号(S(n+1)…),对着旧谱逐层 diff:哪些结论被新样本加强、哪些被推翻、哪些是新长出来的打法; 3. 《回锅记》附在打法谱末尾:日期 + 变了什么 + 证据编号,旧结论划线保留不删(谱的演化史本身就是信息); 4. 同步升级教练 Skill:frontmatter 版本号 +0.1,蒸馏来源写清批次(如 S1-S12(2026-06 初解)+ S13-S18(2026-09 回锅)); 5. 四层结论翻转超过一半时,这不叫回锅叫重解——回到第二步重新观全牛,教练 Skill 升大版本。

强制停手点

1. 用户要求爬取需登录内容、绕过风控时——拒绝并解释零API三诫; 2. 把生成的教练 Skill 发布到 GitHub/ClawHub 等公开渠道前——需要用户祈使句授权; 3. 蒸馏对象是真实在世人物且产出会公开传播时——提醒姓名权/形象权风险,建议匿名化为"某美妆博主"或取得授权。

反例黑名单

不要在没有样本的情况下凭模型记忆"拆解"一个知名博主——那是编造,不是解牛;
不要把互动数据当唯一标尺(高赞可能来自投流);样本内对比 > 绝对数字;
不要输出"内容优质、人设鲜明"这类无法执行的空话——每条结论都要能变成用户明天的动作;
不要复制原文整段进产出物;引用 ≤30 字且标注来源;
不要替用户决定蒸馏谁——对象永远由用户指定;
不要替用户盯博主更新、主动提醒"该回锅了"——回锅的料也由用户喂,盯更新是信息雷达的活,不是庖丁的。

出师自检

交活前答清楚:样本够 8 条吗?每条结论都挂了样本编号吗?《打法谱》里"不可复制项"诚实写了吗?教练 Skill 能直接装吗?试刀盲评做了吗?

代收料铺 · 免费工具收料配方

给"懒得自己折腾"的用户准备的降门槛收料路线。

它不改三诫。 庖丁仍然不偷牛:这里的每一条都是你在自己机器上、用免费工具、把自己有权看到的内容存到本地,然后把产物喂回庖丁。庖丁的角色是把现成的一键配方递给你,而不是替你后台采集。所以——

- 零付费 API:全部是开源/免费工具或免费网页服务,不调用任何要付费 Key 的数据接口。

- 不绕登录风控:需要登录才能看的内容,由你在自己账号里看/存,工具只做"把你眼前的内容下载成文件"这一步。

- 不批量采集转售:一次解一个博主,料是为了学打法,不是攒数据库卖。

- 庖丁不自动跑这些:它把命令贴给你,你复制执行;它绝不在你没看见的时候去平台抓东西。

收料的目标永远不变:凑够 ≥8 条样本(理想高赞6+常规4+翻车2),给视频/口播博主拿到口播逐字稿,给图文博主拿到正文全文+互动数。下面按料的形态给配方。

零、一键全自动(用户只丢链接时的默认路)

用户大多只甩一条链接。这时别再让他自己装工具,直接帮他跑同目录的 scripts/collect.sh:

bash scripts/collect.sh "<链接>" ./paoding-collect                      # 公开站 X/B站/YouTube
bash scripts/collect.sh "<小红书/抖音链接>" ./paoding-collect --browser chrome   # 登录墙(macOS 优先 Chrome,Safari 受沙箱限制)

它一条龙下音轨→本地 whisper 转写→出逐字稿,并顺带从 --write-info-json 抽互动数。登录墙平台(小红书/抖音)用 --cookies-from-browser 借用户自己浏览器已登录的会话——是"用你自己的号看你能看到的",不是破风控。失败就如实报错、退回手动另存,绝不硬抓。一条链接通常只够 1 条样本,凑够 8 条仍要用户多丢几条。

这条路拿得到 / 拿不到什么(诚实边界,关乎二诫"依乎天理")

collect.sh 自动收料只覆盖视频+逐字稿+部分互动数,评论区正文拿不到。实测(2026-06):

料	抖音	小红书	B站
视频/音轨/逐字稿	✅	✅	⚠ 取流常 412,多半要手动另存
互动数(赞/评/转/藏)	✅ 全有	❌ 全 None	部分
评论区正文	❌ yt-dlp 不给	❌	❌

所以两样关键料要用户补截图,庖丁用视觉读(零API、不硬抓):

1. 互动数(小红书必补):笔记页截图含赞/藏/评——没有它做不了"高赞↔翻车"对照,二诫的样本排序就缺根。 2. 评论区:评论区截图(尤其高赞前 10 条)。评论里集中出现的需求词(如"安装报错""能一对一吗""求教程")是认知层/选题层最硬的信号——博主爆在哪,观众自己会说。这是自动收料补不回、却最值钱的一块,务必让用户截图。

为什么不自动抓评论:抓评论要么调平台私有接口(付费/破风控,违一诫),要么模拟登录遍历(违三诫)。截图是用户在自己账号里看自己能看到的,最干净。

平台优先级建议:能选抖音就别选小红书

如果用户只是"想找一个对标博主蒸馏"还没定哪一家,优先推抖音——collect.sh 在抖音上拿得到逐字稿 + 全套互动数(赞/评/转/藏),只需用户补截图评论区即可。小红书互动数全部要逐条人工截图,料量翻几倍,工作量差一个数量级。

只有当博主只在小红书有号 / 该博主形态(图文/排版/视觉)就是小红书原生的时候,才走小红书路线,并提前告诉用户"互动数和评论区都得你截图"。

下面是脚本背后的逐平台配方与手动兜底(脚本跑不通时用)。

---

一、视频 / 口播博主(主料:逐字稿)

1. 公开平台视频 → 一键下载+本地转写

适用:X / B站 / YouTube 这类 yt-dlp 实测稳定的公开站点。

# 装一次(macOS)
brew install yt-dlp ffmpeg
# faster-whisper:本地转写,零API。装一次
pip install faster-whisper

# 只下音轨(转写够用,省空间);把 URL 换成博主某条视频
yt-dlp -x --audio-format mp3 -o "S%(autonumber)02d.%(ext)s" "<视频URL>"

# 本地转写成文字稿(base 模型速度/质量平衡,中文加 --language zh)
python3 -c "
from faster_whisper import WhisperModel
m = WhisperModel('base')
segs,_ = m.transcribe('S01.mp3', language='zh')
print(''.join(s.text for s in segs))
" > S01.txt

把多条视频的 S0x.txt 连同标题、点赞收藏数,整理成一个 逐字稿.md 喂回来即可。

2. 需登录平台(小红书 / 抖音)→ 浏览器存本地再转写

yt-dlp 对小红书/抖音不稳(常需登录态)。不要让庖丁去硬抓——用下面任一免费网页/插件,在你自己浏览器里把视频存到本地,再走上面第 1 步的转写:

cobalt.tools(开源、免费、无水印,支持多平台,网页直接粘贴链接下载)
savetwitter.net / ssstwitter(X 视频)
saverednote / 小红书去水印类网页工具(小红书,粘贴笔记链接)

存下来的 .mp4 用 ffmpeg -i in.mp4 -vn out.mp3 抽音轨,再 faster-whisper 转写。

边界提醒:这些网页工具下载的是你已经能在自己账号里看到的公开内容。能看到才存,存下来只为学打法,这是降门槛不是破风控。

3. 转写质量不达标怎么办

whisper/base 对口音、专有名词、背景音乐会出错(瑞哥那二轮 9/30 成功就是真实边界)。规矩:

转写稿入册时标注 口播转写,可能有误,关键术语以截图/标题为准;
单条转写明显跑飞(整段不通)的,当缺料处理,别拿错稿当证据;
想更准:升 small/medium 模型(慢但准),或对关键几条人工校一遍——别为了凑数硬交。

---

二、图文博主(主料:正文+互动数)

来源	免费配方
公众号文章	文章页可直接复制正文;批量看历史用 RSS 中转(如 wewe-rss 自建,免费开源)。
博客 / Newsletter	多数有 RSS,`curl <feed-url>` 直接拿全文存档。
小红书图文	笔记页登录态下复制正文 + 截图保留排版和互动数;`curl` 拿不到正文是正常的,改喂截图。
GitHub / 文档站	`curl` 或 `gh api` 直接可达,公开内容随便取。

图文料拿到后,每条记下:标题、正文、点赞/收藏/评论数、发布时间。互动数是排骨架用的,缺了就标"缺",不编。

---

三、什么时候这条路走不通,该停手

内容要付费订阅 / 会员墙才能看 → 停,庖丁不帮破墙;
工具要求填别人账号密码、模拟登录别人的号 → 停,违反三诫;
一次要抓几十上百个账号建库 → 停,那是采集生意不是解牛;
转写/下载全失败,凑不够 8 条 → 不硬交,如实开料单告诉用户还差什么。

---

四、和"用户直接喂料"的关系

代收料铺是可选的省力路,不是默认路。庖丁第一步永远先问"你手上已经有什么":

已经有逐字稿 / 正文 / 截图 → 直接喂,跳过本铺;
有链接但懒得弄 → 按本铺对应平台的配方,自己跑一遍,把产物喂回;
什么都没有 → 庖丁开料单,指明去哪复制。

无论哪条,落到庖丁案板上的永远是已经在你本地的文件。这就是零API三诫在收料环节的样子。

#!/usr/bin/env bash
# 庖丁 · 全自动免费代收料
# 用法:  bash collect.sh <视频链接> [输出目录] [--browser safari|chrome|edge|firefox]
#
# 它做什么:把一条公开视频链接,用免费开源工具(yt-dlp + ffmpeg + whisper)
#          自动下成音轨并本地转写成逐字稿。零付费API、零Key。
#
# 守三诫:
#   · 不偷牛——只下"链接指向的那一条"内容,不批量遍历账号、不建库。
#   · 不绕登录——登录墙平台(小红书/抖音)用 --browser 走【用户自己浏览器的登录态】,
#                 这是"用你自己的号看你能看到的内容",不是破解风控。没登录就如实失败。
#   · 料归用户——产物落本地文件,交回庖丁案板。
#
# 依赖(都免费):yt-dlp、ffmpeg、whisper(openai-whisper 或 whisper.cpp 任一)
set -euo pipefail

URL="${1:-}"
OUTDIR="${2:-./paoding-collect}"
BROWSER=""

# 解析 --browser
args=("$@")
for ((i=0; i<${#args[@]}; i++)); do
  if [[ "${args[$i]}" == "--browser" ]]; then
    BROWSER="${args[$((i+1))]:-}"
  fi
done

if [[ -z "$URL" || "$URL" == --* ]]; then
  echo "用法: bash collect.sh <视频链接> [输出目录] [--browser safari|chrome]" >&2
  exit 2
fi

# 短链预解析:b23.tv 这类跳转短链,yt-dlp 的 generic 提取器解不开会 412。
# 先用 curl 跟随跳转拿到真实长链,再交给后面的平台识别。
case "$URL" in
  *b23.tv*|*v.douyin.com*)
    resolved="$(curl -sIL "$URL" -o /dev/null -w '%{url_effective}' 2>/dev/null || true)"
    if [[ -n "$resolved" && "$resolved" != "$URL" ]]; then
      echo "▶ 短链解析:$URL"
      echo "          → $resolved"
      URL="$resolved"
    fi ;;
esac

# 平台识别 + 登录墙判定
need_cookies=0   # 1=没登录态根本拿不到(小红书/抖音)
soft_cookies=0   # 1=公开可看但风控常要登录态过(B站 412)
case "$URL" in
  *xiaohongshu.com*|*xhslink*)   plat="小红书"; need_cookies=1 ;;
  *douyin.com*|*iesdouyin*)      plat="抖音";   need_cookies=1 ;;
  *bilibili.com*|*b23.tv*)       plat="B站"; soft_cookies=1 ;;
  *x.com*|*twitter.com*)         plat="X" ;;
  *youtube.com*|*youtu.be*)      plat="YouTube" ;;
  *)                             plat="其他(yt-dlp 自适配)" ;;
esac

echo "▶ 平台:$plat"
if [[ "$need_cookies" == 1 && -z "$BROWSER" ]]; then
  echo "⚠ $plat 需登录态。请加 --browser chrome(或 edge/firefox/safari),庖丁会借用你自己浏览器里已登录的会话。" >&2
  echo "  例:bash collect.sh \"$URL\" $OUTDIR --browser chrome" >&2
  echo "  提示:macOS 上 Safari 的 cookie 受沙箱保护(报 Operation not permitted),优先用 Chrome;非用 Safari 不可则给终端开「完全磁盘访问」。" >&2
  exit 3
fi
if [[ "$soft_cookies" == 1 && -z "$BROWSER" ]]; then
  echo "ℹ $plat 公开可看,但常有风控(412)。如果下面下载失败,加 --browser chrome 借登录态重试即可。" >&2
fi

mkdir -p "$OUTDIR"
cd "$OUTDIR"

# 组装 yt-dlp 参数(--write-info-json 顺手存元数据,里面常带赞/评/转/藏)
yt_args=(-x --audio-format mp3 --no-playlist --write-info-json -o "S%(autonumber)02d-%(title).60s.%(ext)s")
[[ -n "$BROWSER" ]] && yt_args+=(--cookies-from-browser "$BROWSER")

echo "▶ 下载音轨(仅此一条)…"
if ! yt-dlp "${yt_args[@]}" "$URL"; then
  echo "✗ 下载失败。常见原因与对策:" >&2
  echo "  · HTTP 412 / 风控(B站常见):加 --browser chrome 借登录态重试;并确保 yt-dlp 是新版(pip install -U yt-dlp)。" >&2
  echo "  · 需登录(小红书/抖音):加 --browser chrome。" >&2
  echo "  · 内容已删 / 平台不支持:庖丁不硬抓——请用浏览器把视频另存到本地,再喂文件进来。" >&2
  exit 4
fi

# 找到刚下的 mp3
mp3="$(ls -t *.mp3 2>/dev/null | head -1)"
if [[ -z "$mp3" ]]; then echo "✗ 没拿到音轨文件" >&2; exit 4; fi
echo "▶ 已下:$mp3"

# 本地转写:优先 whisper.cpp,退而用 openai-whisper
echo "▶ 本地转写(零API,可能要几分钟)…"
txt="${mp3%.mp3}.txt"
if command -v whisper-cpp >/dev/null 2>&1; then
  whisper-cpp -f "$mp3" -l zh -otxt -of "${mp3%.mp3}" >/dev/null 2>&1 || true
elif command -v whisper >/dev/null 2>&1; then
  whisper "$mp3" --language zh --model base --output_format txt --output_dir . >/dev/null 2>&1 || true
else
  echo "✗ 没装转写工具。装一个(都免费):pip install -U openai-whisper  或  brew install whisper-cpp" >&2
  echo "  音轨已存:$OUTDIR/$mp3,装好后重跑即可。" >&2
  exit 5
fi

if [[ ! -s "$txt" ]]; then echo "✗ 转写没出文字,可能纯音乐/口音重。音轨在 $OUTDIR/$mp3,可换 --model small 重试或人工校。" >&2; exit 5; fi

# 互动数:从 info.json 抽赞/评/转/藏(抖音/B站常有;小红书提取器拿不到,会显示"—")
info="${mp3%.mp3}.info.json"
stat_line=""
if [[ -s "$info" ]] && command -v python3 >/dev/null 2>&1; then
  stat_line="$(python3 - "$info" <<'PY' 2>/dev/null
import json,sys
d=json.load(open(sys.argv[1]))
g=lambda k:d.get(k)
def f(v):return '—' if v in (None,0) else v
print('赞:%s 评:%s 转:%s 藏:%s 发布:%s 作者:%s'%(
 f(g('like_count')),f(g('comment_count')),f(g('repost_count')),
 f(g('save_count')),f(g('upload_date')),f(g('uploader') or g('uploader_id'))))
PY
)"
fi

echo ""
echo "✅ 收料完成:"
echo "   音轨:$OUTDIR/$mp3"
echo "   逐字稿:$OUTDIR/$txt"
[[ -n "$stat_line" ]] && echo "   互动数:$stat_line"
echo ""
echo "把逐字稿喂回庖丁案板,标注「口播转写,可能有误」,继续观全牛→解牛。"
echo "提醒:whisper/base 对口音、专有名词会出错——关键术语以截图/标题为准。"
if [[ "$stat_line" == *"评:—"* || -z "$stat_line" ]]; then
  echo "⚠ 这条没抓到互动数/评论数(小红书 yt-dlp 给不了)。要做高赞↔翻车对照、读评论区需求,请补:笔记页截图(含赞/藏/评)+ 评论区截图——庖丁用视觉读,零API、不硬抓。"
fi