前言¶

做内容选题时，最常见的做法是凭经验和竞品稿子倒推「用户关心什么」。这类选题表能很快列出来，但很难回答一个问题：这个选题的证据从哪来，事后怎么验证它真的有效。

在企业微信朋友圈这个场景里，这个问题更突出。朋友圈的评论分散、场景私密、难归档，搜索问题又散落在各处，人工汇总既慢又容易漏掉真实诉求。

下面介绍的 Skill 试图把这条链路固化下来：从真实评论和搜索问题出发，产出优先选题，交付一份选题证据表，再用朋友圈有效回复率做复查。适合需要持续产出朋友圈内容、又希望选题有据可查的运营和内容同学。

这是什么¶

一句话定位：它是一个把「用户原声」加工成「可执行选题清单」的 Agent Skill。

出品方与来源：发布者 user_fccf428b，坐标 @user_fccf428b/wecom-moments-demand-topics，来源标记为 community，分类为 content-creation。

解决的问题：把企业微信朋友圈场景下散落的真实评论和搜索问题，转成优先级明确的选题，并把每个选题背后的证据整理成表，最后用有效回复率回看选题是否站得住。

当前版本：1.0.0。是否需要 API Key：不需要，标签为 requires_api_key=false。

核心功能¶

这个 Skill 的能力边界可以从官方简介逐条拆出来，以下是已核实的三项。

1、收集输入。输入材料是两类真实原声：企业微信朋友圈里的评论，以及相关的搜索问题。这一步的意义在于让选题建立在用户实际说过的话上，而不是运营人员的猜测上。

2、转成优先选题。Skill 对输入做整理后输出带优先级的选题列表，而不是把所有问题平铺出来。输出形态是一份选题证据表，每个选题对应其证据来源，便于回溯和复核。

3、用有效回复率复查。选题交付后，Skill 以朋友圈的有效回复率作为复查指标。这一步把选题质量从「发布时的主观判断」变成「发布后的可观测数据」。

需要说明的是，官方资料只给了简介层面的描述，没有列出选题评分规则、证据表的具体字段、复查的阈值或时间窗口。这些属于实现细节，使用前需要以官方页面为准。

安装与启用¶

官方给出的入口有两处，都在 SkillHub 上：

官方地址: https://api.skillhub.cn/user_fccf428b/wecom-moments-demand-topics
SkillHub 页面: https://www.skillhub.cn/skills/user_fccf428b/wecom-moments-demand-topics

定位坐标（用于在平台内检索和引用）：

@user_fccf428b/wecom-moments-demand-topics

目前抓取到的资料中没有提供安装命令、Skill 目录路径、配置字段，也没有针对 Cursor、Codex CLI、Claude Code 的分别说明。因此这里不写未经核实的接入步骤。这类 Skill 基于通用 SKILL.md 格式，实际安装方式取决于你使用平台的加载机制，建议先打开上面的官方地址确认。

已经可以确认的一点：requires_api_key=false，意味着启用时不需要准备额外的密钥。

典型用法¶

官方简介给出了一条完整的可复现流程，按顺序执行即可。

1、准备输入。把企业微信朋友圈的真实评论导出或粘贴，同时准备相关搜索问题清单。两类材料都需要，只有评论没有搜索问题会缺一部分需求面。

2、跑选题生成。让 Agent 按 Skill 处理这两类输入，产出优先选题列表，并要求附带证据表。

3、落地发布。按优先级顺序安排朋友圈内容，记录每篇发出的时间、主题和对应证据条目。

4、回看数据。收集每篇的回复情况，计算有效回复率，回到证据表上标记哪些选题成立、哪些需要降级或替换。

第 4 步是这条流程里容易被省掉的一环。跳过它，证据表就只是一次性产物，下一次选题仍然从零开始。

适用场景与注意¶

适合谁：

• 企业微信私域运营，需要持续产出朋友圈内容的人。
• 内容团队希望选题有证据留痕，而不是靠拍脑袋排期的人。
• 想用真实回复率反过来校准选题方向的人。

限制和坑：

1、输入质量决定输出质量。评论和搜索问题如果本身是转述过的、或者数量过少，产出的选题证据强度有限。尽量用原始表述。

2、有效回复率受发布时机、话术、账号信任度影响，不完全等同于选题好坏。复查时需要把这几类因素一起看。

3、官方页面当前显示安装量为 0，评分为 100000、下载量为 1169（数据来自抓取到的官方页面快照）。样本量偏小，社区验证还不充分，引入前建议自己先跑一轮小范围验证。

4、分类是 content-creation，不是数据分析或客服工具。它输出的是选题和证据，不负责评论回复本身。

结语¶

这个 Skill 的价值不在「自动生成选题」，而在把选题的证据和复查指标固定成流程：输入是真实评论与搜索问题，输出是优先选题和证据表，闭环是朋友圈有效回复率。相比人工整理评论再凭经验排期，这套做法至少让每次选题都能回溯到具体原声。

想进一步确认实现细节，可以访问：

https://www.skillhub.cn/skills/user_fccf428b/wecom-moments-demand-topics