cheat-on-content 深度教程

2.1 理解核心概念（非常重要）

在你动手安装前，务必理解这个工具不是帮你写文案的，而是帮你优化整个内容运营策略的量化闭环系统。它由 13 个子技能组成，每个子技能负责一个环节，但它们必须串联使用才会产生最大价值。

简单说：

1. 你写一篇文章前，先让 AI 预测它的各项指标（点击率、转化率等）。
2. 然后用内置的评分标准为文章打分。
3. 发布后，收集真实数据。
4. 让 AI 复盘：预测准不准？评分标准是否有效？
5. 如果某条评分标准总是预测失败，系统会自动建议修改标准，并重新为历史内容打分来验证新标准，最终决定是否启用。

经过多次循环，你的评估标准会越来越贴合你自己的账号受众，相当于训练出了一个专属的内容策略师。

2.2 安装与初始化

前置条件

你必须在本地安装好 Claude Code 并完成 claude login。确认终端输入 claude --version 能返回版本号。

克隆仓库并安装技能包

仓库地址：github.com/XBuilderLAB/cheat-on-content

git clone https://github.com/XBuilderLAB/cheat-on-content.git
cd cheat-on-content
bash install.sh

脚本会将 13 个技能以符号链接的方式注册到 ~/.claude/skills/。

如果你希望固定版本（不跟随上游更新），使用 bash install.sh --copy 会复制文件而不是链接。

验证安装

在终端输入 claude 进入会话，然后输入 /skills。你会看到一个列表，包含 coc-predict、coc-score、coc-review、coc-rubric 等技能，说明安装成功。

2.3 创建你的第一个内容项目

启动 Claude Code，输入：

/coc-init

系统会询问你一系列问题，包括：

• 项目名称（用于存储数据）
• 你的内容领域（如"SaaS 产品博客"）
• 主要目标指标（点击率、注册率、购买率等）
• 历史内容数据来源（可直接提供 CSV 或 JSON 文件路径）

回答完毕后，一个项目配置文件会在 ~/.cheat-on-content/ 下生成，后续所有分析数据都会保存于此。

2.4 完整工作流操作详解

假设你即将发布一篇新文章 article-draft.md。

第一步：预测 (Predict)

/coc-predict article-draft.md

AI 会读取你的文章，结合历史数据，输出预测值，例如：

预测点击率：2.3%
预测转化率：0.8%
预测分享量：15

这些数据会被存入项目数据库。

第二步：发布前评分 (Score)

/coc-score article-draft.md

系统使用当前的 Rubric（评估量表）打分，Rubric 初始是通用标准，如"标题吸引力"、"结构清晰度"、"CTA 强度"等，每项 1-5 分。输出示例：

标题吸引力: 3
结构清晰度: 4
CTA 强度: 2
总分: 9/15

第三步：发布并收集真实数据

你照常发布文章。一周后，把真实点击率、转化率等数据整理成一个简单的 CSV：

url,clicks,impressions,conversions
https://your.blog/article-1,120,5000,3

保存为 real-data.csv。

第四步：复盘 (Review)

/coc-review article-draft.md --real-data real-data.csv

AI 会对比预测值与真实值，并分析哪项评分标准与真实表现最相关或最不相关。输出可能包括：

预测点击率 2.3%  vs 实际 2.4%  ✅
预测转化率 0.8% vs 实际 0.6%  ⚠️
评分项"结构清晰度"与转化率无显著相关性 (p=0.8)
建议: 考虑降低该标准权重或替换为"信息密度"评分项。

第五步：进化评估标准 (Rubric)

/coc-rubric evolve

系统会基于复盘记录提出具体的标准修改草案，并自动应用新标准重新为所有历史文章打分，展示新分数与实际数据的相关性报告。你可以选择接受或手动调整。

2.5 与其他工具的对比与定位

• 与 ChatGPT 写作提示的区别：这个是策略框架，不是写作助手。
• 与 Google Analytics 的区别：GA 告诉你"发生了什么"，cheat-on-content 帮你"在发布前预测并持续优化决策逻辑"。
• 适合谁用：需要稳定内容产出的独立开发者、内容站长、小型市场团队。

2.6 高级技巧

• 批量预测：你可以对一个文件夹内的多篇草稿执行 /coc-predict-batch drafts/，一次生成所有稿件的预测值。
• 历史数据回溯：如果你已有较多已发布内容，可以先用 /coc-review-batch 将历史文章和真实数据一次性录入，让系统快速建立初始基准。
• 自定义评估维度：可以直接编辑 ~/.cheat-on-content/projects/<项目名>/rubric.json 来添加你自己的评估项（如"SEO 友好度"、"社交货币"），然后运行 /coc-rubric reload。

2.7 常见问题

Q：安装时提示 permission denied。
A：执行 chmod +x install.sh 后重试。

Q：技能列表能看到，但调用无反应。
A：检查是否在 Claude Code 会话内（不是普通终端）。确保路径没有中文字符。

Q：数据隐私怎么保证？
A：所有数据均存储在本地 ~/.cheat-on-content 文件夹内，不会上传到任何第三方服务器。与 Claude API 的交互内容遵循 Anthropic 的隐私政策，你可以选择不发送敏感数据。