social-graph-ranker

social-graph-ranker 技能概觀

social-graph-ranker 是一個用於網路感知外展的加權圖排名層：它可以幫你評估 X 和 LinkedIn 上的 mutuals、橋接路徑，以及暖引薦的可能選項。當你需要的是排名引擎本身，而不是完整的開發名單或網路維護流程時，這個技能才是正確選擇。如果你想回答「誰最適合幫我介紹這個目標？」或「我圖譜裡哪一條橋最強？」，social-graph-ranker 會比一般提示詞提供更清楚的決策模型。

針對 Lead Research 與暖引薦的最佳適用情境

當你已經有目標清單、ICP，或一組人物資料，並且需要把你的網路關係對應到這些目標時，就適合用 social-graph-ranker 做 Lead Research。它最有價值的輸出，是幫你優先排序外展路徑、找出橋接價值，並把強的暖路徑與弱的、推測性的路徑區分開來。

它實際在排名什麼

這個技能聚焦在引薦價值、橋接分數，以及網路缺口分析。也就是說，它適合拿來做 mutual 排名、二階關係分析，以及暖路徑探索；但如果你需要的是廣泛的外撥系統、CRM 自動化，或從零開始找名單，它就不是最佳選擇。

什麼情況下不該安裝

如果你的主要需求是開發名單、序列安排，或名單建立，就不要選 social-graph-ranker。若你想做網路擴張與整理，範圍更廣的 connections 工作流程會更適合。這個技能最強的場景，是圖譜已經存在，而你要解的是「怎麼用它」。

如何使用 social-graph-ranker 技能

先安裝，並先打開正確的檔案

使用 npx skills add affaan-m/everything-claude-code --skill social-graph-ranker 安裝 social-graph-ranker。接著先讀 SKILL.md，因為這個 repo 目前是單檔技能，沒有其他 helper 資料夾可交叉核對。由於沒有 rules/、references/ 或 scripts/ 檔案，安裝判斷與提示品質都會依賴這份單一來源。

提供結構化的圖譜輸入

social-graph-ranker 的使用方式最有效的前提，是你提供：目標人物或公司、你在 X 或 LinkedIn 上的現有網路，以及你在意的權重優先順序。例如，不要只說「幫我找暖引薦」，而要說「請根據職位匹配、地理位置和二階連結性，替這 20 個目標排序引薦可能性」。

把模糊需求轉成完整提示詞

這份 social-graph-ranker 指南的強提示，應該包含圖譜範圍、目標集合，以及排名目標。例如：「使用 social-graph-ranker，根據這 12 位 SaaS 創辦人來評分我 LinkedIn 上的 mutuals。請把直接重疊與回應度的權重設得比產業相似度更高，並列出前 5 條橋接路徑及簡短理由。」這樣模型就有足夠脈絡去套用圖譜邏輯，而不是憑空生成一個通用外展計畫。

能提升輸出品質的工作流程

先從小型目標集合開始，檢視排名最高的橋接點，再在評分邏輯看起來合理之後才擴大範圍。如果第一次結果太模糊，就把輸入收緊，明確說出平台、深度上限，以及在你的情境裡「最好」到底代表什麼。這個技能最有用的地方，在於你要求它排名並解釋，而不只是列出關係。

social-graph-ranker 技能 FAQ

social-graph-ranker 只適用於 X 或 LinkedIn 嗎？

不是。repo 說明提到的是 X 和 LinkedIn，但核心概念是基於圖譜的關係路徑排名。只要你能把網路表示得夠清楚，讓評分邏輯可以比較不同路徑，它就能發揮作用。

它和一般提示詞有什麼不同？

一般提示詞可以要求暖引薦，但 social-graph-ranker 會加入可重複使用的排名視角：它能更有結構地比較 mutuals、橋接強度與路徑價值。當決策很重要，而且你想把同一套邏輯套用在多個目標上時，這會特別有用。

這個技能適合初學者嗎？

可以，只要你能提供目標清單，以及對自己網路的基本理解。你不需要是圖論專家，但你需要足夠的輸入細節，讓排名真的有意義。初學者最常犯的錯誤，就是目標描述太模糊，卻期待技能自動推斷整個網路。

什麼時候應該改用其他工具？

如果你需要的是名單來源、序列安排，或網路維運，就應該改用更廣泛的外展或 network-ops 技能。當問題明確是在 Lead Research 中，針對橋接與暖路徑做排名時，social-graph-ranker 會是更好的選擇。

如何改善 social-graph-ranker 技能

把排名標準說清楚

提升 social-graph-ranker 最快的方法，就是直接說明哪些因素最重要：職級匹配、產業重疊、地理位置、回應度、親近程度，或二階路徑品質。若你沒有明確排序，輸出可能會過度偏重那些顯而易見、但價值不高的連結。

以可用的格式提供圖譜

當你提供的是簡潔、結構化的網路視圖，而不是鬆散的敘述時，這個技能表現會更好。像是「人物、平台、關係類型、已知重疊、近期互動」這種簡單清單，會比「我認識很多科技圈的人」更有幫助。

留意最常見的失敗模式

最常見的失敗模式，是資料太薄卻過度自信：某條橋接路徑看起來很強，只是因為它連得廣，並不代表它真的相關。你可以要求 social-graph-ranker skill 把「可接觸」與「可信」的路徑分開，避免把接觸性誤認為匹配度。

用第二輪再迭代

第一次排名之後，可以再要求更窄的重排：「移除弱連結」、「偏好直接 mutuals」，或「只針對單一目標公司最佳化」。這個第二輪通常比第一時間硬把提示詞打磨到完美，更能產出可行動的結果，尤其是在 social-graph-ranker 用於 Lead Research 的情境裡。