前言¶
選題會最容易耗時間的地方不是討論,而是反覆爭論”這本書到底好不好”。每個人手裏有一套標準,吵到最後靠感覺拍板,事後也說不清當時爲什麼這麼定。
「圖書選題評估7問法」要解決的就是這個問題:把感性判斷拆成可覈對的證據和維度,輸出一張能留檔、能複覈的打分表。
這是什麼¶
一句話定位:一個基於「出版選題七問」的圖書選題評估 Skill,用來判斷一本書是否值得立項、推進或加碼。
- 出品方:孫三野(發佈者 ID
user_6509230e),來源標記爲community。 - 座標:
@user_6509230e/book-topic-evaluator - 版本:1.1.1
- 分類:
business-ops - 標籤:
requires_api_key=false,即不需要額外配置 API Key - 平臺數據(抓取時點):評分 100000,下載 1161,安裝 0
它面向的使用者是出版社編輯、策劃、市場和發行人員,而不是程序員。落地的形態是一份 Excel 打分表,而不是一段代碼。
核心能力¶
下面列出的能力均來自該 Skill 的官方簡介,按其描述的流程順序排列。
1、證據分級。從不同來源拿到的信息不在同一可信度水平上,先按來源分檔,再進入評分。
2、七維評分。圍繞「出版選題七問」的七個維度分別打分,而不是給一個總分。
3、硬門檻判斷。除維度得分外,單獨檢查是否存在一票否決的硬門檻條件。
4、風險診斷。指出當前選題的風險點在哪裏。
5、驗證動作。針對風險點給出後續需要補的驗證動作,即”還需要去確認什麼”。
6、生成 Excel 打分表。把上述結果落到一張可審計的表格裏,便於留檔和復盤。
輸入信息可以來自七類材料:簡介、作者資料、目錄、樣章、書稿、競品信息、渠道信息。七類不必全部具備,能提供多少就先評估多少,但材料缺失本身會反映在證據分級和風險診斷裏。
輸入與輸出¶
輸入:上述七類材料,可以直接貼文本,也可以給文件。
輸出:一份結構化的評估結果,含證據分級、七維得分、硬門檻結論、風險診斷和驗證動作,並生成 Excel 打分表文件。
需要注意的是,Skill 本身不做事實調查。作者資料、競品銷量、渠道政策這類外部信息是否準確,仍然要靠使用者自己覈實。
安裝與啓用¶
該 Skill 基於通用 SKILL.md 格式,可直接被支持該格式的 Agent 運行時加載。
抓取到的元數據中沒有提供官方的安裝命令或目錄路徑,也沒有給出 Cursor、Codex CLI、Claude Code 各自的差異說明。因此這裏不臆造命令。
可行的獲取方式:
官方地址:https://api.skillhub.cn/user_6509230e/book-topic-evaluator
SkillHub 頁面:https://www.skillhub.cn/skills/user_6509230e/book-topic-evaluator
兩點提示:
- 標籤顯示
requires_api_key=false,正常情況下不需要先準備密鑰。 - 安裝數爲 0,說明目前沒有可觀察的大規模部署記錄,接入前建議先小規模試一兩個選題驗證輸出質量。
典型用法¶
官方簡介給出的觸發場景如下,可直接照此使用:
1、評估一個出版選題值不值得做。把簡介、目錄、樣章交給 Skill,先看七維得分和硬門檻結論。
2、開選題會前做初篩。用同一套維度給多個候選選題打分,會議討論就有了共同座標系。
3、立項初篩。硬門檻不通過的直接出局,不必進入詳細評估。
4、分配營銷資源。按維度得分判斷這本書更適合投內容還是投渠道,而不是平均撒預算。
5、診斷書賣不動的原因。拿已有書稿和競品信息跑一遍,看風險診斷指向哪個維度。
6、製作選題評分表。需要統一模板時,直接用它生成的 Excel 表作爲底版。
用法上的一個建議:七維打分的價值在於維度拆開看,不要只看總分。總分接近的兩個選題,可能一個靠作者影響力撐起來、另一個靠內容稀缺性撐起來,後續的營銷打法完全不同。
適用場景與注意¶
適合誰:
- 需要對大量選題做標準化初篩的編輯和策劃。
- 需要留檔依據的選題會,尤其是多人協作、需要復盤的場景。
- 想用統一模板替代個人經驗的團隊。
不適合或需要謹慎的場景:
- 作者知名度、競品銷量、渠道政策這類信息 Skill 無法自行覈實,輸入材料不準,輸出結論也會偏。
- 涉及重大投入的選題,打分表只能作爲決策輸入,不能替代人工判斷,尤其是涉及合同、版權、合規的部分。
- 該 Skill 來自
community來源,評分和下載數據來自 SkillHub 頁面,接入前建議自行驗證一次輸出。
結尾¶
這個 Skill 的價值在於把”這本書好不好”這種無法討論的判斷,變成”證據是什麼、七個維度各得多少分、硬門檻過沒過”這種可以逐條覈對的判斷。Excel 打分表讓結論可追溯,也方便下次復盤時回看當時漏了哪類材料。
它的邊界同樣清楚:它處理的是評估框架,不負責提供外部事實。材料質量和判斷責任仍在使用者這邊。
官方地址:https://api.skillhub.cn/user_6509230e/book-topic-evaluator