作者认为市面上教写标题的黄金公式和蒸馏大V标题的做法方向都是错的。核心问题是：用户输入的原始内容本身就缺乏吸引力，仅靠事后润色标题，要么无人点击，要么沦为标题党。正确流程是在正文完成甚至开始之前就思考标题：AI 应引导用户说出写作意图和素材，发散出吸引人的角度（即恩特曼的'框架'或修辞学的'争点'），再在变现目标、用户能力和流量层级三者间找平衡。一旦平衡点确定，标题、封面、开头和内容方向便自然解锁。好标题应是内容本身更吸引人的副产品。作者近期将开源一个同时写封面、标题和开头的 skill。
本文介绍了 dbskill 的新功能 `/dbs-good-question`。作者结合《无穷的开始》中的理论，提出 Agent 自动化的起点在于“更好的问题”。该工具旨在将模糊的问题重写为包含对象、目标、冲突、约束和反馈入口的“问题说明书”，从而生成可批评、可验证的候选解释，为 Agent 自动化任务提供稳定的基础。
文章指出 AI 时代下，明确的目标优于技术工程。作者介绍了 dbskill 的新功能 /dbs-goal，旨在通过三道关卡（可指物性、可否证性、真终点）将模糊的愿望审计为可执行、可检查的具体目标，从而提升 AI Agent 的执行效率。
文章分析了 YC CEO Garry Tan 开源的 Claude Code 工具集 'gstack' 中的 'plan-ceo-review' 技能。作者发现，这个约 600 行的技能通过定义审查姿态而非具体内容、设定领域无关的元问题以及提供完整的检查清单结构，实现了从工程审查到商业计划审查的无缝迁移。文章详细翻译并解析了该技能的提示词结构，包括三种审查模式（范围扩张、保持、缩减）和 10 个具体审查环节，展示了顶级提示词如何通过约束 AI 的行为模式而非单纯灌输知识来达到卓越效果。
