jamditis/claude-skills-journalism · 上手攻略

仓库：jamditis/claude-skills-journalism
链接：https://github.com/jamditis/claude-skills-journalism
分类：academic-writing / journalism / agent-skills
作者：Tom
更新：2026-08-29

这是什么

jamditis/claude-skills-journalism 是一个面向新闻从业者、研究人员、学术界人士和媒体传播从业者的 Claude Code Skills 集合。它不是一个大模型，不是一个 API，而是一套模块化的提示词技能包（Agent Skills），在 Claude Code（或 Codex）执行相关任务时自动加载对应的领域知识、工作流和模板。

GitHub 自述开篇即明确定位："A collection of Agent Skills for journalists, researchers, academics, media professionals, and communications practitioners."

该仓库由 jamditis 维护，遵循 Agent Skills 规范，同时适用于 Claude Code 和 Codex（Claude Only 的技能有明确标注）。

解决什么问题

AI 辅助新闻和学术写作存在三个核心痛点，这个仓库对症下药：

信息来源核查缺失：记者需要验证图片、视频、文档的真实性，但通用 AI 无法调用专业核查工具。这个仓库提供了 source-verification（含 deepfake 检测、C2PA 元数据验证）和 fact-check-workflow（结构化核查流程）。
信息公开申请（FOIA）复杂：美国 FOIA、巴西 LAI、新泽西 OPRA 等政府信息公开制度流程繁琐，普通人难以上手。仓库提供了 foia-requests、brazil-records-requests、nj-opra-requests 等专项技能。
学术写作质量参差不齐：AI 生成内容常带有"机器腔"，学术场景需要真实、可溯源的写作风格。academic-writing 技能专注论文起草、ai-writing-detox 去除 AI 味、newsroom-style 提供 AP Style 规范。
多智能体工作流难以协作：一个调查报道项目可能需要多个 AI agent 同时处理数据、写作、核查等不同环节。仓库内置了 superjawn（OpenClaw 风格的超级能力包）和 director（多 agent 调度），支持 fan-out、pipeline 和 adversarial-verify 等高级模式。

快速安装

前置依赖：已安装 Claude Code（官方安装指南）。在终端运行 claude --version 确认已安装。

方法一：插件方式安装（推荐）

# 在 Claude Code 会话内执行
/plugin marketplace add jamditis/claude-skills-journalism
/plugin install pdf-playground@jamditis/claude-skills-journalism

# 然后重启 Claude Code（关闭并重新打开）

方法二：手动克隆

git clone https://github.com/jamditis/claude-skills-journalism.git
cd claude-skills-journalism
# 然后在 Claude Code 中通过 /skills 命令加载本地路径

安装后验证

# 在 Claude Code 会话中运行
npm run validate:catalog
# 预期输出：catalog 校验通过，所有技能包路径正确

安装完成后，Claude Code 在处理 journalism、research 或 academic 相关任务时会自动提示加载对应技能。完整技能清单见 skills-catalog.yaml。

核心用法与技能包详解

技能包总览

仓库将技能组织为 11 个包（packages），共 50+ 个独立技能（skills）：

包名	技能数	核心场景
`journalism-core`	15	AP 风格写作、AI 味去除、FOIA、事实核查
`dev-toolkit`	13	记者的技术工具：无障碍合规、Web 抓取、Python 管道
`research-toolkit`	6	学术写作、数字存档、页面监控
`security-toolkit`	4	API 安全、身份验证加固
`superjawn`	13	OpenClaw 风格超级能力（规划、调试、TDD 等）
`pdf-playground`	2	PDF 设计、文档排版
`autocontext`	1	跨会话知识持久化与技能进化
`video-toolkit`	4	视频下载、转录、帧提取
`visual-explainer`	1	可视化解释图生成
`okf-wiki`	1	Open Knowledge Foundation Wiki 数据

高频使用示例

1. FOIA 信息公开申请

# 在 Claude Code 中激活 foia-requests 技能
# 然后描述你的申请需求，例如：
"我需要向 FDA 申请 2020-2024 年批准的新药临床试验数据，
  涉及 Pdufa 流程，请帮我撰写 FOIA 请求信草稿。"

Claude Code 加载 foia-requests 技能后，会输出符合法律规范的请求信模板、所需费用估算、响应时间线，以及针对不同联邦机构的差异化注意事项。

2. 来源核查（图片/视频/文档）

# 激活 source-verification 技能
"分析这张新闻图片是否经过 AI 生成或深度伪造，
  并检查其 EXIF 元数据和 C2PA 内容凭证。"

source-verification 技能整合了 deepfake 检测、C2PA 元数据读取和图片反向搜索的工作流指引，帮助记者快速判断素材可信度。

3. 学术论文起草

# 激活 academic-writing 技能
"我需要写一篇关于气候变化对农业产量影响的实证研究论文，
  方法是面板数据回归，数据来自 USDA 和 World Bank，
  请帮我起草 Introduction 和 Method 部分。"

academic-writing 技能提供结构化学术写作框架，包括 Introduction → Literature Review → Methodology → Results → Discussion 的规范流程，以及 LaTeX 模板和引用格式建议。

4. 数据新闻分析

# 激活 data-journalism 技能
"我有一个 CSV 文件包含美国各郡 2010-2023 年的房价中位数数据，
  请帮我进行探索性分析，找出值得深挖的趋势和异常值，
  并生成可直接引用的数据可视化代码（Python/matplotlib）。"

5. AI 味去除

# 激活 ai-writing-detox 技能
"将以下段落改写为自然的人类写作风格，
  去除模板化句式和过度使用的连接词，
  保留原始数据和核心论点：\n[粘贴待改写文本]"

工作流指南（来自官方文档）

仓库本身提供了三个重要的工作流指南（非技能，纯文档）：

Autonomous and hands-on dev work：自主模式 vs 人工监督模式的实操对比，包含可复制的 Claude Code 提示词模板。
Multi-agent workflows：fan-out（分发）、pipeline（流水线）和 adversarial-verify（对抗验证）三种多 agent 模式，配合 ICIJ、The Markup、Full Fact 等真实案例。
Persistent sessions：使用 tmux 保持会话存活，处理长时间调查报道项目的配置指南。

⚠️ 以上工作流文档托管在 skills.amditis.tech，非 GitHub 仓库本身，文档更新频率可能高于代码仓库。

典型适用场景

场景	推荐技能
调查报道中的政府信息公开申请	`foia-requests`、`brazil-records-requests`
社交媒体图片/视频真实性核查	`source-verification`
数据新闻的数据分析与可视化	`data-journalism`
学术论文全流程写作	`academic-writing`
去除 AI 生成文本的机器腔	`ai-writing-detox`
新闻编辑室风格统一（AP Style）	`newsroom-style`
多语言采访音频转录与翻译	`interview-transcription`
突发危机公关传播策略	`crisis-communications`
Web 归档与存档	`web-archiving`、`digital-archive`

坑与注意

superjawn 与 OpenClaw Superpowers 高度重叠：该包中的 13 个技能（brainstorming、TDD、systematic-debugging 等）与 OpenClaw 内置的 Superpowers 技能高度相似，如果你同时使用 OpenClaw 和 Claude Code，可能会遇到技能冲突或重复加载。建议在 Claude Code 中仅加载 journalism-* 相关包，在 OpenClaw 中使用原生 Superpowers。
插件安装需要重启 Claude Code：添加 marketplace 插件后必须完全重启（close and reopen），单纯重置会话不生效。
npm run validate:catalog 在非 Node.js 环境可能失败：该校验命令需要 Node.js 环境。如果 node 命令不可用，可直接查看 skills-catalog.yaml 的 YAML 格式内容手动确认路径正确性。
巴西 LAI 和 NJ OPRA 技能仅覆盖特定司法管辖区：brazil-records-requests 适用于巴西《信息公开法》（LAI，Lei de Acesso à Informação）；nj-opra-requests 专门针对新泽西州 Open Public Records Act，不可跨州或跨国混用。
academic-writing 不负责内容真实性：该技能提供写作框架和格式规范，但不会替你验证研究数据的准确性。所有引用和数字仍需人工核验。
autocontext 的知识进化是单向累积的：/autocontext:evolve 命令将 lessons 合并回技能文件，但不会自动清理过时内容；长期使用后技能文件可能膨胀，需要定期人工审查。
官方文档与 GitHub 仓库内容不同步：工作流指南（autonomy、workflows、persistent-sessions）托管在独立域名 skills.amditis.tech，不是 GitHub 仓库的一部分，可能存在版本不一致。

与同类对比

项目	定位	覆盖范围	独特优势
`jamditis/claude-skills-journalism`	新闻/学术场景的 Claude Code Skills	50+ 技能，11 个包，含多 agent 协作	FOIA 专项、source-verification、跨 agent 协作
`anthropics/claude-code`（官方）	通用 AI 编程工具	全场景	官方支持，稳定迭代
`abnerla/ai-paper`	学术论文 AI 辅助	专注论文写作	单一场景，深度打磨
`composiohq/composio`	工具调用平台	1000+ 工具集成	工具广度，不专注写作

jamditis/claude-skills-journalism 的核心竞争力在于垂直场景深度——它不是为了取代通用编程技能，而是为已经需要 AI 辅助但缺乏工程背景的新闻和学术从业者，提供了开箱即用的领域定制方案。相比通用 Agent Skills 库，它的门槛更低、更贴近实际工作流程。

一句话推荐结论

如果你是在新闻调查、学术写作或媒体传播领域工作且使用 Claude Code，直接装上这个技能库——它将原本需要四处搜索提示词的核查、FOIA、学术写作工作流压缩成可复用的模块，显著提升信息核查和内容生产的可信度与效率。

⚠️ 注：本文基于 2026-08-29 GitHub README v1 及 skills-catalog.yaml 撰写。技能包版本号和具体命令请以官方文档为准。