XBuilderLAB/cheat-on-content是一个给内容创作者用的 Agent Skill 系统。它不帮你"多写几条"，而是逼你把每条内容当作一次可记录、可预测、可复盘、可升级的实验。
它的核心问题意识
创作者最常见的循环是：发内容、等数据、凭感觉总结、下一条继续赌。发了 200 条，也未必比第 1 条更懂自己，因为中间没有记账。
Cheat on Content 的思路是把直觉变成账本：
这里的关键词是"盲预测"。在看到真实播放、阅读、点击或转化数据之前，先写下判断。三天后再回来结算：哪里判断对了，哪里自欺了，哪些维度要更新。
安装与支持环境
安装方式很直接：
bash
git clone https://github.com/XBuilderLAB/cheat-on-content.git
cd cheat-on-content
bash install.sh它支持 Claude Code，也支持 Codex：
bash
bash install.sh --codex
bash install.sh --all安装后会把多个子技能链接到 agent 的 skill 目录。仓库还提供 uninstall.sh，卸载不会碰你的内容数据。
日常工作流
README 给出的日常命令很像一个内容工作台：
text
score this scripts/<...>.md
start prediction scripts/<...>.md
shot scripts/<...>.md
shipped https://...
retro videos/<...>/
status / fetch trends / find topic / bump rubric / find benchmark背后对应一组子技能：
| 子技能 | 作用 |
|---|---|
cheat-init |
初始化内容项目状态和目录 |
cheat-score |
根据 rubric 给草稿打分 |
cheat-predict |
写盲预测和决策日志 |
cheat-shoot |
创建拍摄后的内容文件夹并维护 buffer |
cheat-publish |
记录发布链接和发布状态 |
cheat-retro |
T+3d 写数据复盘 |
cheat-bump |
升级 scoring rubric |
cheat-learn-from |
导入对标账号或样本 |
cheat-status |
查看 buffer、待复盘和候选池 |
它不是单一提示词，而是一套状态机。你每做一步，都会留下文件。
三条硬原则
项目的 SKILL.md 写得很强硬，有三条不能破：
- 盲预测：预测必须在看到任何实际数据前写完，写完后不可改，只能在复盘区追加。
- 升级要全量重打：rubric 升级时，要用新公式重新给历史样本打分，新排序不更准就不能放行。
- rubric 是工作台，不是博物馆：被数据推翻或已吸收进正式维度的观察要删掉，历史交给 git。
这三条让它和普通"内容建议工具"分开了。普通工具给灵感，这个工具管理校准。
项目目录设计
初始化后，它期望用户的内容项目大致长这样：
text
rubric_notes.md
WORKFLOW.md
STATUS.md
.cheat-state.json
benchmark.md
scripts/
predictions/
videos/
samples/
candidates.mdpredictions/ 是不可随意改写的预测日志；videos/ 放发布后的脚本和复盘报告；samples/ 放对标账号样本；rubric_notes.md 是评分规则的工作台；.cheat-state.json 则给子技能共享状态。
为什么它不只是内容工具
这个项目的好处在于方法论可迁移。任何能被量化的内容形式都能用，比如视频、文章、播客、newsletter、短文 thread。更进一步，凡是"先判断、后拿结果、再校准"的工作都能借这套循环。
它特别适合这些人：
- 想建立自己内容公式的创作者；
- 经常复盘但复盘不成体系的团队；
- 希望把账号增长变成实验系统的人；
- 做内容选题、脚本、发布节奏管理的 Agent 工作流。
不适合的人也很明确：只想让 AI 代写、追热点、批量出稿，不愿意记账和复盘的人，可能会嫌它麻烦。
真实价值
Cheat on Content 最有意思的地方，是它把创作里的"手感"拆成了可验证的步骤。它不承诺每条都会爆，也不把 AI 包装成神谕。它只是让你每一次判断都留下证据，然后逼你面对这些证据。
这很朴素，但对创作者很要命。因为大多数人不是缺内容灵感，而是缺一个不会替自己找借口的复盘系统。