Một công cụ CLI Python nội bộ, không phụ thuộc, quét các bản nháp mạng xã hội dựa trên hơn 30 quy tắc thuật toán để ngăn chặn shadowban, phạt liên kết và giảm thứ hạng.
Cài đặt & Tải xuống
1. ClawHub CLI
Cách nhanh nhất để cài đặt kỹ năng trực tiếp từ thư viện.
npx clawhub@latest install phy-platform-rules-engine
2. Cài đặt Thủ công
Sao chép thư mục kỹ năng vào một trong những vị trí sau
~/.openclaw/skills/ <project>/skills/ Ưu tiên: Không gian làm việc > Cục bộ > Gói sẵn
3. Cài đặt Prompt
Sao chép prompt này vào OpenClaw để tự động cài đặt.
Giúp tôi cài đặt phy-platform-rules-engine bằng Clawhub. Nếu Clawhub chưa
Bạn muốn tải xuống?
Nhận các tệp kỹ năng gốc dưới dạng lưu trữ ZIP.
Platform Rules Engine là gì?
Platform Rules Engine là một công cụ kiểm tra tự động trước khi đăng, được thiết kế để kiểm duyệt các bài đăng trên mạng xã hội trước khi chúng được xuất bản. Hoạt động giống như một linter mã nguồn nhưng được tinh chỉnh cho các thuật toán tương tác tự nhiên, công cụ này đánh giá nội dung bản nháp dựa trên hơn 30 quy tắc ẩn cụ thể của từng nền tảng. Nó cung cấp điểm số từ 0 đến 100, liệt kê trạng thái quy tắc là PASS, WARN hoặc FAIL, và đưa ra các đề xuất chính xác, khả thi để khắc phục các vi phạm.
Là một tiện ích trong hệ sinh thái Openclaw Skills, công cụ quy tắc này chạy hoàn toàn cục bộ trên Python 3.7+ mà không cần phụ thuộc bên ngoài hoặc quá tải API. Bằng cách xác định các yếu tố gây hại cho lượt tương tác như nhãn nội dung AI của LinkedIn, tỷ lệ tự quảng cáo của Reddit, hình phạt liên kết ngoài của Twitter/X và giảm thứ hạng hướng dẫn của HackerNews, kỹ năng này đảm bảo các bài đăng tuân thủ các kỳ vọng của nền tảng trước khi xuất bản.
Trường hợp sử dụng Platform Rules Engine
- Tối ưu hóa trước khi xuất bản: Kiểm tra các bản nháp cho LinkedIn, X/Twitter, Reddit và HackerNews để tối đa hóa lượt tương tác và tránh shadowban.
- Kiểm tra tuân thủ thuật toán: Quét nội dung để tìm các yếu tố gây phạt bí mật như liên kết ngoài quá sớm, ngôn ngữ câu view (clickbait) hoặc các mẫu NLP lôi kéo tương tác.
- Quy trình biên tập tự động: Chạy công cụ trong các nền tảng tiếp thị hoặc dòng lệnh của nhà phát triển để thực thi các tiêu chuẩn biên tập cao trên các nhóm nhiều tác giả.
Cách thức hoạt động của Platform Rules Engine
- Nhập nội dung: Người dùng đưa bản nháp bài đăng vào công cụ qua nhập văn bản, đường dẫn tệp tuyệt đối hoặc stdin pipelines.
- Nhắm mục tiêu nền tảng: Script phân tích các đối số để nhắm mục tiêu các quy tắc thuật toán cụ thể cho Reddit, LinkedIn, Twitter/X hoặc HackerNews.
- Kiểm tra trước khi đăng (Linting): Đánh giá nội dung dựa trên hơn 30 ngưỡng dữ liệu thuật toán, phân tích độ dài, độ hấp dẫn (hook), vị trí liên kết và các mẫu AI tiềm ẩn.
- Báo cáo chẩn đoán: Công cụ tính toán điểm tuân thủ và hiển thị kết quả đầu cuối có cấu trúc chi tiết trạng thái PASS, WARN hoặc FAIL.
- Xử lý tự động hóa: Các tích hợp có thể yêu cầu phản hồi JSON thuần túy và tận dụng các mã thoát xác định để quyết định xem bản nháp có nên tiến hành lên lịch hay không.
Cài đặt Platform Rules Engine
Công cụ chạy tự nhiên trên Python 3.7+ chỉ sử dụng thư viện chuẩn.
# Chạy kiểm tra trên bản nháp Reddit qua terminal pipe
echo "Draft post text" | python3 ~/.claude/skills/phy-platform-rules-engine/scripts/platform_rules.py --platform reddit
# Kiểm tra bài đăng LinkedIn được lưu trong tệp cục bộ
python3 ~/.claude/skills/phy-platform-rules-engine/scripts/platform_rules.py --file draft.txt --platform linkedin
# Kiểm tra bản nháp thread Twitter/X
python3 ~/.claude/skills/phy-platform-rules-engine/scripts/platform_rules.py --text "My new thread..." --platform twitter
Bạn có thể dễ dàng tích hợp công cụ này vào cấu trúc thư mục Openclaw Skills của mình để tạo các quy trình sản xuất nội dung cục bộ, dựa trên tác nhân.
Lược đồ dữ liệu & Hệ thống phân loại của Platform Rules Engine
Đối số và cấu hình CLI
| Đối số | Loại | Bắt buộc | Mô tả |
|---|---|---|---|
--platform |
string | Có | Nền tảng mục tiêu để xác thực quy tắc: reddit, linkedin, twitter, hackernews |
--file |
string | Không | Đường dẫn đến tệp văn bản chứa nội dung bản nháp |
--text |
string | Không | Chuỗi nội dung thô để đánh giá trực tiếp |
--format |
string | Không | Chế độ định dạng đầu ra: text (định dạng console mặc định) hoặc json |
Schema đầu ra JSON
Khi gọi lệnh với --format json, phản hồi sử dụng cấu trúc Schema sau:
{
"score": 20,
"status": "HIGH RISK",
"metrics": {
"pass": 2,
"warn": 3,
"fail": 2
},
"results": [
{
"rule_id": "R001",
"rule_name": "Self-promo in opening",
"status": "FAIL",
"suggestion": "Move product mention to a reply comment. Lead with value first."
}
]
}
Tính năng Nâng cao của Platform Rules Engine
- Không phụ thuộc bên ngoài: Hoạt động độc quyền bằng cách sử dụng các thư viện tích hợp chuẩn của Python, mang lại khả năng thực thi nhẹ, an toàn và nhanh chóng.
- Mã thoát sẵn sàng cho Pipeline: Trả về
0cho điểm số hoàn hảo,1cho cảnh báo nhỏ và2cho lỗi nghiêm trọng, cho phép tích hợp trực tiếp vào các tập lệnh xây dựng CI/CD hoặc Webhook. - Khớp tín hiệu AI: Sử dụng cơ sở dữ liệu tích hợp gồm 37 từ bị AI gắn cờ và 10 biểu thức chính quy lôi kéo tương tác khớp với các bộ lọc NLP tiêu chuẩn của mạng xã hội.
- Kết hợp Workspace: Được thiết kế để liên kết liền mạch với các Openclaw Skills khác như phy-content-humanizer-audit để tự động hóa và phân tích chuyên sâu trước khi đăng bài.
SKILL.md
Đang tải
Các kỹ năng Openclaw liên quan
Content Compound
Một trình xây dựng thư viện nguyên tử nội dung tự động quét nội dung trong quá khứ để trích xuất các ý tưởng, khẳng định và điểm dữ liệu có thể tái sử dụng, loại bỏ hội chứng kiệt sức vì trang giấy trắng của người sáng tạo.
Thiết kế Frontend
Một kỹ năng thiết kế frontend chuyên nghiệp hướng dẫn các AI Agent xây dựng giao diện và thành phần web chất lượng cao, cấp sản xuất, tránh thẩm mỹ AI chung chung.
Deep Research
Một kỹ năng nghiên cứu có cấu trúc, ưu tiên song song, cho phép các tác nhân AI phân tách các truy vấn phức tạp, thực hiện tìm kiếm đồng thời và tổng hợp các câu trả lời có độ tin cậy cao.
Trợ lý Nghiên cứu NotebookLM
Một kỹ năng tự động hóa dựa trên trình duyệt giúp kết nối Claude Code và Google NotebookLM để truy vấn tài liệu của bạn và truy xuất câu trả lời từ Gemini kèm trích dẫn.
Post Forensics (phy-post-forensics)
Một trình phân tích bài đăng về cấu trúc và ngôn ngữ mã nguồn mở, không phụ thuộc vào các thư viện bên ngoài, giúp bạn hiểu chính xác lý do tại sao các bài đăng trên mạng xã hội của bạn thành công hoặc thất bại.
Regex Audit
Một trình quét lỗ hổng tĩnh không cần API giúp phân tích cơ sở mã trên nhiều ngôn ngữ lập trình để phát hiện và sửa chữa các lỗi chất lượng regex và ReDoS.
Đặc sắc*
