Claude + LinkedIn：用AI分析帖子，打造可复用的内容技能

ruben_ 发布于 2026-06-22 阅读 90

本文是一篇详细指南，教用户如何利用Claude AI分析自己的LinkedIn帖子，提取最佳内容模式，并创建可复用的技能（skill）来生成新帖子。

如何在 Claude 上训练你的（最佳）Linkedin 帖子

你可以在 Claude 上训练你的（最佳）Linkedin 帖子。

方法如下：

  1. 重要的是不要从你的账户进行操作（永远不要做任何自动化操作）。
  2. 因此，你要使用一个可以安全合法地提取你 Linkedin 帖子的工具。
  3. 怎么可能？嗯，你的 Linkedin 帖子都在网络上公开可见。
  4. 该工具每提取 1,000 个帖子收费 2 美元。很便宜。
  5. 完成后，你将其下载为电子表格。
  6. 然后你进入 Claude 并上传电子表格。
  7. 我构建了一个自定义的 /skill 来创建一个（巨型）报告。
  8. 然后，你从你最佳的 Linkedin 帖子中创建一个个人的 /skill。
  9. 现在，每当你想要写一个帖子时，你就调用你的 /skill。

我会教你每一步，附带截图，以便在你的账户上操作（或者任何账户，但不要在我账户上操作，因为你很好并且你爱我——对吧？对吧？？）。

但首先，这是最终的样子，一旦它运行起来：

我只需为 Linkedin 调用我新的 /skill。我将以 Alex Hormozi 的帖子为例，但它适用于任何有 30 条以上帖子的人。

Claude 知道我所有的帖子以及哪些是最佳帖子，并找出合适的角度以及与之匹配的图片。我有 5 个选项。如果需要，我可以要求 500 个。

一旦我选择了最喜欢的选项，它就能完成所有事情：图片 + 文案 + 使其（甚至）更好的后续步骤。

而这仅仅是从我的最佳帖子中优化出来的，没有来自互联网的任何东西（这可能已经过时了）。

这期 newsletter 是一份完整的 Claude 操作手册，用于提升你的 Linkedin 表现。

如何设置它。我如何每周都使用它来写（好的）帖子。如何创建一个正反馈循环：更好的帖子 = 更好地训练 Claude = 写出更好的帖子。

开始之前先做两件事：

  1. 保存这份指南，并在这个周末花 30 分钟设置好 Claude。
  2. 发送给任何想在 Linkedin 上获得更好结果的人。

我比你更了解 Linkedin

很少有人比我更了解 Linkedin。

去年我增加了 340,000 名新粉丝。我在广告上花了 0 美元。

我与加入我在 Linkedin 上的 Circle 的人建立联系。已经有 3,700 人加入，年费 200 美元。由于 Linkedin 在连接数超过 30,000 后会限制你，我仍然可以与 12,000 人建立联系。点击这里加入我们。

在最多 30,000 个连接中，我已经有 18,000 个。

是的，我像这样发送了 3,000+ 个连接请求。

好了，现在开始分步指南。

1. 花 2 美元提取 1,000 条帖子

我们需要安全合法地提取你的 Linkedin 帖子。

我为此使用 Apify。我没有关联关系，这只是最好的方法。

步骤 1：进入这个网站并创建一个免费账户。

创建账户不仅是免费的，而且注册后你还会得到 5 美元的免费额度。这足以提取 2,000 条 Linkedin 帖子。所以你不需要付钱。

步骤 2：进入这个 'agent' 来获取 Linkedin 帖子。

步骤 3：添加一个 Linkedin 个人资料 + 这些设置 + 点击保存并开始。

步骤 4：等待几分钟。它会像这样，我知道这看起来很吓人——我们快完成了！！

我在这里抓取了 489 条帖子，花费了大约一美元。但我是免费获得 5 美元额度的，所以我什么也没付！

步骤 5: 使用这些设置导出你的结果。

保存此文件以备后用。是时候进入 Claude 了！

是时候进入本 newsletter 的第二部分了。

2. 用你的 Excel 训练 Claude

我们将用我们的 Linkedin 帖子训练 Claude，以创建一份报告，然后创建一个可重复使用的 /skill，这样它就可以帮助我们制作新帖子。

步骤 1: 进入 Claude Cowork 并粘贴我的提示词 + 上传 Excel。

这是你可以复制并粘贴的提示词（只需做一次，别担心）。

我要给你一个 Apify 的 "LinkedIn profile posts" 导出文件——一个 CSV 或 XLSX 抓取文件，包含一个人的 LinkedIn 帖子，数量从 50 到 5000+ 行不等。我辅导这个人的内容，需要一份基于决策的报告，说明什么真正有效，这样我就可以告诉他们应该加倍投入什么，放弃什么。请将此视为一份严肃的分析交付成果，而不是一份快速总结。如果没有附加文件，请在做其他事情之前先向我要。

正确处理这种导出格式的特殊之处，因为显而易见的列可能会误导：
- `type` 列每一行都显示 "post"——忽略它。根据哪些媒体列有数据来推导每个帖子的 FORMAT：如果 `document/*`（例如 document/title, document/totalPageCount）有内容 → 轮播图/文档；否则如果 `postVideo/*` → 视频；否则如果 `article/*` → 分享的文章/链接；否则如果 `postImages/0/url` → 图片；否则 → 纯文本。
- 每个帖子的参与度 = `engagement/likes` + `engagement/comments` + `engagement/shares`。反应构成在 `engagement/reactions/N/type` 和 `/count` 中（喜欢、共情、赞美、有趣……）——用它来读取情感基调。帖子文本在 `content` 中；作者的用户名和帖子链接在 `linkedinUrl` 中。
- 没有日期列，但时间戳编码在活动 ID 中（`engagement/id`，也就是 URL 中 "activity-" 后面的数字）：将其视为一个 64 位整数，右移 22 位得到 Unix 毫秒（日期 = id >> 22，然后 ÷1000）。用它来构建时间线，了解发布频率和最佳日期/时间。

在代码中计算所有帖子的定量统计，以确保数字精确。将异常值定义为参与度是基线某个倍数的帖子，并说明你使用的倍数。

然后对突出帖子进行定性解读——表现最好和最差的帖子，每个异常值，以及中等帖子的代表性样本。不要根据数字推断帖子说了什么，对于视觉帖子，不要仅凭文案判断：实际上打开媒体并查看它。下载并查看图片（`postImages/N/url`）和视频缩略图（`postVideo/thumbnailUrl`）；对于轮播图，从 `document/transcribedDocumentUrl`（或 `document/manifest/transcribedDocumentUrl`）中提取幻灯片上的文字，并查看封面/幻灯片图片（`document/coverPages/.../imageUrls`，`document/manifest/perResolutions/N/imageManifestUrl`）。对于每个获胜的视觉帖子，描述其上的具体内容——图片上或第一张幻灯片上的文字和Hook，视觉风格（抓拍照片、自拍、截图、数据图表、引文/文字卡片、图表、memes），布局——并将这些视觉选择与它表现出色的原因联系起来。每次都引用Hook并链接帖子。

报告必须提供具体的细节和真实的例子：
- 先给出结论：用 3-4 句话说明什么有效，什么需要改变。
- 什么 FORMAT 获胜（文本 / 图片 / 轮播图 / 视频 / 文章）——每种格式的平均和中位数参与度以及样本量，标记任何一种看起来很强但仅基于少数帖子的格式，对于获胜的视觉格式，具体说明强大的图片/幻灯片实际上是什么样子的。
- 什么 ANGLE / Hook / 主题获胜：将帖子聚合成这个人实际使用的角度（个人故事、逆向观点、操作方法、新闻反应、列表/框架、热点观点等），按参与度排名，并指出与高参与度相关的开头句和第一张幻灯片模式。
- 最大的异常值：那些显著高于或低于基线的帖子，每个都带有数字、Hook、链接、图片/幻灯片上的内容，以及你对原因的最佳解读。
- 停止 / 继续 / 开始：停止什么（一贯表现不佳的格式、角度、习惯），保留什么，以及下一步测试什么——具体到本周就可以行动。
- 任何数据明确支持且精明的策略师会想要的其他信息：发布频率和一致性、最佳日期/时间、理想长度、评论与反应比率（对话 vs 被动点赞）、反应构成的线索（争议 vs 温暖）、反复出现的主题、疲劳或下降的迹象，以及最具杠杆作用的单一改变。

保存两个新文件（不要修改我上传的文件）：
1. 一份可以从头到尾阅读的书面报告——清晰的层次结构，结论在前，没有废话，每个主张都与一个数字或引用/链接的帖子相关联。
2. 一份用于下一篇帖子的 SOP，从最高的异常值反向推导：逐步说明的可重复配方——Hook公式、获胜的格式和角度、视觉模板（幻灯片 1 / 图片应该包含什么以及看起来像什么），并以真实的异常值帖子作为工作示例。

将每项发现都基于数据。如果导出文件缺少某部分所需的内容（例如，视频太少无法判断，或媒体 URL 无法打开），请明确说明，而不是猜测。在你认为完成之前，请对照文件重新检查你的主要数字，并确认每个格式、角度和视觉主张都与导出文件中的实际内容相符。

你会对结果感到震惊。

它继续运行，生成了某种 "agents" 来遍历整个 Excel。

抱歉，Grant，我的好朋友，Gamma 的 CEO。

我的 Claude Cowork 运行了足足 8-10 分钟。

结果如下：

我在下面分享这两个文档。

因为内容很长，我不得不把所有内容放在一个 Google 文档里：https://docs.google.com/document/d/1z3m98wl7FhwvYZE8Gx0L2689UZWAFKbtEzDOlaMdHtg/edit?usp=sharing。

好的，很棒，你有了不错的报告和 SOP（关于如何制作病毒式传播帖子的标准流程）。现在你必须用它创建一个 Claude skill。

3. 创建一个可重复使用的 skill

你希望在 Claude 内部创建一个 skill，这样就不必一遍又一遍地复制粘贴相同的提示词和相同的上下文。

你只需要在同一个对话中继续，使用这个提示词：

我在下面分享这个提示词。并确保回答 Claude 的问题。

复制并粘贴这个：

/skill-creator 创建一个 skill，结合内容报告中对 Grant Lee 写病毒式帖子至关重要的部分以及 SOP。将 skill 命名为 "grant-viral"。

由于没有我的输入你就无法创建病毒式帖子，所以当我调用这个 skill 时，你必须使用 AskUserQuestion 工具，根据 Grant 最擅长的内容进行调整，以便在生成角度/Hook/文案之前获得正确的输入。然后我会选择我最喜欢的，与你一起组合成一则病毒式帖子。

该 skill 必须反映这个过程。

你现在可以在这里保存 skill。

并在一个新的 Claude 标签页中使用 / 命令测试它。

每个角度都很棒。也许我应该把它卖给 Grant？

你只需选择一个，然后告诉 Claude。

Claude 现在理解了，并开始在网络上疯狂搜索。

我有完整的文案。

以及我应该如何制作与之匹配的媒体（= 图片）。

是的，理论上你可以去开一个代写代理机构。

4. “我一度爆火过”

爆火：只是我夸张的说法，表示你制作了一个帖子，按照你的标准来说做得非常、非常好。点赞数量无关紧要。如果你习惯了 5 个赞，而有一次得到了 100 个赞，我说的就是那个帖子。

你曾经爆火过，并且你想重复它。

只需创建一个 Claude skill 来捕捉那个帖子的“配方”，用于任何新帖子。

我以这个帖子为例：

这是 Alex Hormozi 的帖子。9,500 个赞！

截取帖子的屏幕截图（如果有视频，解释视频），然后进入 Claude。给它这个提示词：

上传屏幕截图是关键，使用 Opus 4.8。

如果你想复制并粘贴提示词：

/skill-creator 这个帖子非常病毒式传播。

我希望你创建一个 skill，捕捉使其病毒式传播的配方：

* 格式（这里是：）
* Hook（前两行可见文字）
* 整个文案（不是写的内容，而是如何写的）
* 格式（换行、节奏、语气……）

当我将来调用你创建的名为 "[待添加]" 的 skill 时，我们将通过问答迭代，直到生成这个帖子。

该 skill 必须在其中包含整个病毒式帖子以供将来参考。但是我用你的 "[待添加]" 创建的帖子可以是关于任何内容、为任何人创建的。

以下是你在 Claude 中拥有 /skill 后会发生的事情。

保存了 skill。现在你知道它是如何工作的了。点击“保存 skill”。

再次，Claude 会问你问题，读取答案，然后思考……

而……它起作用了。完美。

你甚至可以进行更长时间的迭代。而且我喜欢 AI 告诉你不要使用 AI。这是正确的。

好吧，你现在可以很容易地重新创建任何病毒式帖子。

不过要小心，你不能一次又一次地重复使用爆火帖子的配方。不是因为汉堡好吃，你就想每天吃汉堡。

对吧？对吧？？

5. 不足的地方（坦诚地说）

AI 没有创造力。 它非常擅长遵循指令。但是，当你将其消化大量上下文（如 400+ 篇帖子）的能力与你进行模式匹配的人类能力结合起来时，它就变得非常棒了。

它不会更快。 好的帖子需要时间。但现在你可以更有效地利用你的时间，让你有更大的机会爆火。

它很昂贵。 Claude 很贵。我每月支付 100 美元。

它不适用于单一帖子。 只有在你想每周至少发布一次的情况下，我才会这么做。而且你还需要有足够多的过往帖子。

如果你在 Linkedin 上表现不佳，它就不起作用。 如果 Claude 在糟糕的内容上训练（即使是 400+ 篇糟糕的帖子），它也不会变得更好。所以首先要确保给它好的帖子。

它只擅长重复。 爆火通常是新颖带来的。但每个人都是通过模仿（不是复制）最好的内容才变得擅长的。

明智地使用它。 我讨厌那种抄袭，然后在其评论中分享一小句话比如“鸣谢：Ruben”的人。不要成为这种人。

我不在乎 Claude

我不在乎 Claude、ChatGPT、Grok、Gemini 或任何其他模型。

我不选边站。我没有因为写这期 newsletter 而获得报酬。

我每周分享两次，我的工作是如何（非常快速地）随着 AI 发生转变的。

当我努力跟上步伐时，我希望你也能跟上。所以我们要以同样的速度前进。

我希望成为 AI 噪音中最好的过滤器。超过 700,000 人每周阅读两次，专注于如何做。有些人是因为我的 LinkedIn 而来。但大多数订阅者是因为他们信任的人将我的某篇文章分享给了他们。

  • 原文链接： ruben.substack.com/p/cla...
  • 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～
微信扫码分享

相关文章

0 条评论

登录后发表评论