前言¶
选题会最容易耗时间的地方不是讨论,而是反复争论”这本书到底好不好”。每个人手里有一套标准,吵到最后靠感觉拍板,事后也说不清当时为什么这么定。
「图书选题评估7问法」要解决的就是这个问题:把感性判断拆成可核对的证据和维度,输出一张能留档、能复核的打分表。
这是什么¶
一句话定位:一个基于「出版选题七问」的图书选题评估 Skill,用来判断一本书是否值得立项、推进或加码。
- 出品方:孙三野(发布者 ID
user_6509230e),来源标记为community。 - 坐标:
@user_6509230e/book-topic-evaluator - 版本:1.1.1
- 分类:
business-ops - 标签:
requires_api_key=false,即不需要额外配置 API Key - 平台数据(抓取时点):评分 100000,下载 1161,安装 0
它面向的使用者是出版社编辑、策划、市场和发行人员,而不是程序员。落地的形态是一份 Excel 打分表,而不是一段代码。
核心能力¶
下面列出的能力均来自该 Skill 的官方简介,按其描述的流程顺序排列。
1、证据分级。从不同来源拿到的信息不在同一可信度水平上,先按来源分档,再进入评分。
2、七维评分。围绕「出版选题七问」的七个维度分别打分,而不是给一个总分。
3、硬门槛判断。除维度得分外,单独检查是否存在一票否决的硬门槛条件。
4、风险诊断。指出当前选题的风险点在哪里。
5、验证动作。针对风险点给出后续需要补的验证动作,即”还需要去确认什么”。
6、生成 Excel 打分表。把上述结果落到一张可审计的表格里,便于留档和复盘。
输入信息可以来自七类材料:简介、作者资料、目录、样章、书稿、竞品信息、渠道信息。七类不必全部具备,能提供多少就先评估多少,但材料缺失本身会反映在证据分级和风险诊断里。
输入与输出¶
输入:上述七类材料,可以直接贴文本,也可以给文件。
输出:一份结构化的评估结果,含证据分级、七维得分、硬门槛结论、风险诊断和验证动作,并生成 Excel 打分表文件。
需要注意的是,Skill 本身不做事实调查。作者资料、竞品销量、渠道政策这类外部信息是否准确,仍然要靠使用者自己核实。
安装与启用¶
该 Skill 基于通用 SKILL.md 格式,可直接被支持该格式的 Agent 运行时加载。
抓取到的元数据中没有提供官方的安装命令或目录路径,也没有给出 Cursor、Codex CLI、Claude Code 各自的差异说明。因此这里不臆造命令。
可行的获取方式:
官方地址:https://api.skillhub.cn/user_6509230e/book-topic-evaluator
SkillHub 页面:https://www.skillhub.cn/skills/user_6509230e/book-topic-evaluator
两点提示:
- 标签显示
requires_api_key=false,正常情况下不需要先准备密钥。 - 安装数为 0,说明目前没有可观察的大规模部署记录,接入前建议先小规模试一两个选题验证输出质量。
典型用法¶
官方简介给出的触发场景如下,可直接照此使用:
1、评估一个出版选题值不值得做。把简介、目录、样章交给 Skill,先看七维得分和硬门槛结论。
2、开选题会前做初筛。用同一套维度给多个候选选题打分,会议讨论就有了共同坐标系。
3、立项初筛。硬门槛不通过的直接出局,不必进入详细评估。
4、分配营销资源。按维度得分判断这本书更适合投内容还是投渠道,而不是平均撒预算。
5、诊断书卖不动的原因。拿已有书稿和竞品信息跑一遍,看风险诊断指向哪个维度。
6、制作选题评分表。需要统一模板时,直接用它生成的 Excel 表作为底版。
用法上的一个建议:七维打分的价值在于维度拆开看,不要只看总分。总分接近的两个选题,可能一个靠作者影响力撑起来、另一个靠内容稀缺性撑起来,后续的营销打法完全不同。
适用场景与注意¶
适合谁:
- 需要对大量选题做标准化初筛的编辑和策划。
- 需要留档依据的选题会,尤其是多人协作、需要复盘的场景。
- 想用统一模板替代个人经验的团队。
不适合或需要谨慎的场景:
- 作者知名度、竞品销量、渠道政策这类信息 Skill 无法自行核实,输入材料不准,输出结论也会偏。
- 涉及重大投入的选题,打分表只能作为决策输入,不能替代人工判断,尤其是涉及合同、版权、合规的部分。
- 该 Skill 来自
community来源,评分和下载数据来自 SkillHub 页面,接入前建议自行验证一次输出。
结尾¶
这个 Skill 的价值在于把”这本书好不好”这种无法讨论的判断,变成”证据是什么、七个维度各得多少分、硬门槛过没过”这种可以逐条核对的判断。Excel 打分表让结论可追溯,也方便下次复盘时回看当时漏了哪类材料。
它的边界同样清楚:它处理的是评估框架,不负责提供外部事实。材料质量和判断责任仍在使用者这边。
官方地址:https://api.skillhub.cn/user_6509230e/book-topic-evaluator