单方面宣布，同事做的 Slax Reader 已经是现在最喜欢的稍后阅读工具了，刚刚试了，对 URL 划线、评论、分享非常丝滑。试着分享一个链接给大伙看看：https://t.co/E139E9xibe

EP.19 实验复盘：我如何制作出「复刻优质商稿」的 Skill — luca wu 的阅读笔记

Source: https://r.slax.com/b/d2c5ea66-98e3-4cae-acf4-046401bec42f 最近一个公司找来合作，我派遣 Manus 做了对方创始人的背调，越读越觉得他特立独行，反套路但持续在累积成功，值得对外分享，作为其商业 PR 策略。

恰逢苹果即将换帅的新闻曝出，对接替者的深扒又成了媒体抢头条的功课，流量哗哗的。

因为这两件事，我专门约了擅长写商业稿子的媒体人朋友交流。对方鼓励我，一是将平时自行研究的有趣商业内容，借助 AI 杠杆对外输出，不浪费注意力和边角流量；二是反过来倒逼好奇心，不当无趣的老登，持续吸收商业世界的新鲜养料。

我一想，行啊。借着 AI 产出点卖相不那么差的「行活」商稿，也能对冲一下我平时「自己必须亲手古法产出自己深度折腾/调研后的独家洞见」这类慢稿的低频次。

行活商稿，就放在公众号的流量池里跑跑量，总有喜欢它的受众。

于是说干就干，还真搞出来了。这篇就是一个完整的记录。

零、苹果那篇稿子到底好在哪里

先说回那篇苹果稿子。我印象最深的公众号稿子，是差评X.PIN的这篇《执掌苹果15年后，库克决定把苹果交给一个纯理工男》。

它的结构粗看是标准的人物报道：背景介绍、新闻事件、人物履历、未来展望。但仔细拆解会发现，它有一些独特的写作技巧。

譬如，整篇文章最有力的段落，发生在特努斯出场之后：

蝶式键盘、Touch Bar 特努斯都参与过 → 2021 款 MacBook Pro 他自己把 Touch Bar 取消、把接口加回来 → 外界评价：「这是苹果近十年来第一次让人觉得它在听用户说话」

这是一个完整的「先做错后改对」的故事。而且是同一个人、同一个产品线、先参与后纠错。非常符合英雄之旅的套路。

类似的原稿分析，靠人工肯定是低效的。

于是我直接把这篇稿子保存下来成 html，丢给 Claude Code（公众号链接丢给它会因反爬虫而无法读取），让 Claude Code 帮我分析它好在哪里。

Claude Code 果然给出了不少有趣的洞见，比如那篇文章还有一个结构值得注意：首尾回环。

开头引的是乔布斯对库克说的话：「永远别问我会怎么做，做你认为对的事。」 结尾落的是一个细节：库克在杭州浙大参加编程教育活动，听障学生打手语提问，他花了正常提问好几倍的时间听完回答。 这两个细节表面上看不出联系，但文章最后一句话把它们串了起来：「他们都把时间花在了一些不那么赚钱、但对某些人来说很重要的事情上。」 这不是升华，这是呼应。读者读到结尾会回头想：原来开头那句话不是随便引的，它指向的是一种价值观的传承。

见识了一篇文章的优秀之处，咱们就来「反编译」（从结果倒推过程，并复现类似的结果），萃取它的作者才华。

把这件事搞得体系化一点，我请 Claude Code 帮我做两件事：

1、第一步：基于原文，倒推出需要做哪些前期的调研，筹备哪些材料，作为写作的原始素材。 2、第二步：基于上述调研出的结果，如何丢给 AI 让它写作。

一、第一步：商业人物稿的前期素材准备

苹果稿子之所以有质感，是因为它有足够多的一手素材——特努斯的宾大毕业设计、库克的无障碍公益、蝶式键盘的前世今生。这些信息不是现成的，需要专门去挖。

这个挖掘前期素材的步骤，我与 AI 推导了好几次。

一开始 AI 返回的结果，太过聚焦在本次「苹果 CEO」这个个例上，不够泛化。慢慢地，形成了更泛化的模板，并生成了如下提示词，我还挺满意（尤其是提出了「横纵分析法」这个关键方法），直接分享如下：

用这个方式，我在 Manus 里跑了下，调研了迪士尼新 CEO Josh D’amaro，效果还不错：

二、第二步：撰写过程的倒推

我让 Claude Code，帮我把苹果稿子的结构模板提取出来。然后我只要把 Manus 调研获得的那个素材文档，丢给这个 prompt，就能产出一篇卖相尚可的文章。

废话不多说，直接上 prompt 最终结果：

三、反复调试，迭代优化

前面给的是最终的成果。但过程也是进行了多轮打磨。比如会出现如下问题——

问题一：反差叙事找不到合适的。

苹果稿子里，特努斯的「先做错后改对」是天然存在的——蝶式键盘、Touch Bar，都是他参与过的，后来他自己亲手纠错。但迪士尼这个案例里，Josh D’Amaro 的履历太干净了。他干了 28 年主题公园，一路升上来，没什么可指摘的「污点」。

AI 硬着头皮写了一个「D’Amaro 主导了疫情期间的裁员重组」作为对比张力，但这个对比不够有力——他是接收烂摊子的人，不是制造问题的人。

Prompt 里的「反差叙事三条件」，在迪士尼这个案例里天然不满足。但 AI 没有意识到这一点，只是生硬地套了模板。

问题二：结尾落点飘在半空。

苹果稿子的结尾是库克和听障学生互动的细节，这个细节能落地。D’Amaro 的稿子 AI 写的是「他面临流媒体盈利压力、AI 技术冲击」，这些是大词，落点不在「人」上。

Prompt 里写的是「落点在『对某些人很重要』的事情上」，但 AI 没有给出具体的替代方案。

问题三：调研 Prompt 的「反差时刻」标注没有被充分强调。

初版调研 Prompt 里虽然有「反差时刻」这一项，但它是放在「横纵交汇」部分的一个普通子项，没有被强调为「核心」。导致 Manus 的调研报告里，这个问题只是一笔带过。

这说明 Prompt 的结构本身有问题——重要信息没有被放在足够显眼的位置。

发现这些问题后，我继续指挥 AI 去优化，它给了一些修改方案，比如 ——

修改一：撰稿 Prompt 增加了「替代方案」条款。

当反差叙事找不到「先做错后改对」的案例时，允许降级使用三种替代方案：

• 替代方案A：承诺与现实的落差
• 替代方案B：两种能力的对比
• 替代方案C：个人信念与组织现实的摩擦

修改二：结尾 Prompt 增加了「降级方案」。

当找不到「职业生涯早期做过的不赚钱但对某些人重要的事」这个素材时，允许用「这个人亲口说过的一句话，在结尾换一种语境重现」。

开头是承诺，结尾是践行或修正。

修改三：调研 Prompt 把「反差时刻」单独拎出来，提前到第二步的横向扫描部分，并且加了优先级标注。

这一点很重要。Prompt 里的信息顺序会影响 AI 的注意力分布。「反差时刻」应该是调研的核心产出，不是一个附注。

修改四：增加了自检清单。

每篇稿子写完之后，AI 需要逐项核对：

• 开头有核心引语，且没有背景介绍？
• 有反差叙事，且满足「同一负责人、先做错后改对、有具体产品承载」三条件？
• 如果找不到反差，用了替代方案且叙事连贯？
• 结尾在讲「对某些人很重要」的事，而不是讲趋势？
• 首尾回环，且结尾换了表达方式不是简单重复？

这份清单后来直接变成了（后面要提到的） Skill 文件里的「写作自查清单」。

有了改进版 Prompt 之后，我又测试了一个新案例：哪吒汽车 CEO 方运舟。

这一次 Manus 的调研报告回来，我按照改进版 Prompt 去写，明显感觉顺畅很多。

方运舟这个案例天然满足反差叙事的条件——他早期参与的哪吒车型有过一轮争议，后来他自己主导了产品迭代。这形成了一个清晰的「先参与后纠错」线索。

结尾的落点也更好找。他早年做工程师时做过一个公益项目，给山区学校设计了一套光伏发电系统。这个细节和哪吒汽车「让科技普惠普通人」的定位形成了呼应。

写完之后我意识到：这个案例比迪士尼更适合展示 Prompt 的效果。因为它天然满足三条件，不需要降级方案。

但这不是重点。重点是：我已经有了一套可复用的工作流。

六、封装：从 Prompt 到 Skill

测试完哪吒汽车这篇稿子之后，我决定把这套工作流封装成一个 Skill。

封装的理由很简单：这套流程跑通了，但它还不够顺手。每次用都要手动发邮件、等 Manus 反馈、再粘贴报告、调用撰稿 Prompt——这些步骤能不能串起来，变成一个半自动的流程？

我把这个封装要求直接丢给 Claude Code，让它帮我变成技能。

它最终给我的 Skill 文件的结构设计如下：

/xuanti_to_gongzhonghao_business_person
    │
    ├── 分支A：用户指定人物/事件
    │   → 生成 Manus Prompt → 发邮件 → 等待结果
    │
    └── 分支B：用户提供调研报告
        → 撰稿（结构 Prompt）→ 润色（writing skill）

两个分支的设计是必要的。调研和撰稿是两个独立的任务，各自有不同的输入输出。用户可以选择只走调研（等报告），或者直接拿报告走撰稿。

这不是偷懒，这是工作流的自然切分。

Manus 负责调研，我负责写稿，这是合理的分工。一个 Skill 试图把所有事情都自动化，反而会变得笨重。保持人的参与节点，反而让工具更灵活。

Skill 文件最终包含：

• 功能定位：专门针对商业人物稿，内置反差叙事筛选标准、首尾回环设计、价值观结尾落点
• 分支判断规则：检测用户输入里是「指定人物」还是「提供报告」
• 两个分支的完整 Prompt：分支A发邮件，分支B撰稿
• 写作自查清单：11 项检查，逐项核对
• 润色流程：调用 writing skill 做字词层面的仿写润色

其中，调用 Manus 发送 prompt 获取前期调研这步，走的是 Manus 的官方「Mail Manus」功能，你可以在网站的「设置」入口找到，并配置好你的邮箱（形如[email protected]）。

这样，你只要给自己配置的邮箱发送一个 Email，就相当于给 Manus 发了新的 prompt 任务。

这个最终的 Skill 的内容，我就不分享了。原因：

• 它不是单纯的 prompt，是内嵌了大量的（依赖我本地环境的）代码、外部项目资源，所以分享出来你们也没法用。
• 不需要照抄，有了前两步作为基础打底，这一步生成 Skill 完全是 Claude Code 自己能搞定的。

就给大家看个图吧：

七、方法论沉淀：这个 Skill 教给我什么

写到这里，回顾一下大致的流程如下：

分析苹果稿子
    ↓
提取「反差叙事」结构
    ↓
泛化为两个 Prompt（调研 + 撰稿）
    ↓
测试迪士尼案例 → 发现问题
    ↓
改进 Prompt（替代方案 + 降级方案 + 自检清单）
    ↓
测试哪吒汽车案例 → 验证效果
    ↓
封装成 Skill

创建这个 Skill 的过程，让我重新审视了一件事：什么是「可复用的经验」？

多数人积累经验的方式是收藏。每遇到一个好的文章，就评头论足一番，最多记一条笔记、存一份模板。但这些笔记和模板躺在那里，很少被真正复用。

少数人积累经验的方式是抽象。从一次实战里提取出「这件事的本质是什么」，然后把这个「本质」变成一个工具。

这两种方式的区别在哪？

收藏是平面的，抽象是立体的。收藏是「我见过好的」，抽象是「我知道怎么复现出好的」。

从苹果稿子到两个 Prompt，再到 Skill，这个过程走的是抽象路径。我没有直接保存「苹果稿子」然后每次写作之前丢给 AI 去直接仿写，而是解决了更根本的问题：

• 「支撑这篇文章的底层结构是什么？」
• 「如果素材变了，什么元素是必须保留的？」
• 「哪些元素是可选的，需要根据情况降级的？」

这三个问题的答案，构成了 Skill 的骨架。

希望这篇对你有帮助。

后续我也会持续打磨这一个单一的 Skill，让写出的稿子有更多我的独特风格和思考。并且在「商业人物侧写」之外，开辟更多 Skill 来产出稿子。

当然，这类稿子，但凡我发出去的一定代表我看过/选过、人工编纂过，并且确实有值得向大众投喂之处。不过这也就是走个量的写法。真正深度的、有洞察的、有实战经验的（像这篇），还是离不开大量的古法手作。那还是优先发在 VIP 圈子里，舍不得直接公开发，哈哈。