blog-post

Redacción de publicaciones de blog de formato largo con delegación de investigación, plantillas de contenido estructurado e imágenes de portada generadas por IA. Delega la investigación a subagentes antes de escribir, almacenando los hallazgos en markdown para referencia y contexto. Aplica una estructura de publicación de cinco partes: gancho, contexto, contenido principal (3–5 secciones), aplicación práctica y conclusión con llamado a la acción. Genera imágenes de portada optimizadas para SEO utilizando indicaciones detalladas que cubren tema, estilo, composición, color e iluminación. Genera publicaciones para...

npx skills add https://github.com/langchain-ai/deepagents --skill blog-post

Blog Post Writing Skill

Research First (Required)

Before writing any blog post, you MUST delegate research:

  1. Use the task tool with subagent_type: "researcher"
  2. In the description, specify BOTH the topic AND where to save:
task(
    subagent_type="researcher",
    description="Research [TOPIC]. Save findings to research/[slug].md"
)

Example:

task(
    subagent_type="researcher",
    description="Research the current state of AI agents in 2025. Save findings to research/ai-agents-2025.md"
)
  1. After research completes, read the findings file before writing

Output Structure (Required)

Every blog post MUST have both a post AND a cover image:

blogs/
└── <slug>/
    ├── post.md        # The blog post content
    └── hero.png       # REQUIRED: Generated cover image

Example: A post about "AI Agents in 2025" → blogs/ai-agents-2025/

You MUST complete both steps:

  1. Write the post to blogs/<slug>/post.md
  2. Generate a cover image using generate_image and save to blogs/<slug>/hero.png

A blog post is NOT complete without its cover image.

Blog Post Structure

Every blog post should follow this structure:

1. Hook (Opening)

  • Start with a compelling question, statistic, or statement
  • Make the reader want to continue
  • Keep it to 2-3 sentences

2. Context (The Problem)

  • Explain why this topic matters
  • Describe the problem or opportunity
  • Connect to the reader's experience

3. Main Content (The Solution)

  • Break into 3-5 main sections with H2 headers
  • Each section covers one key point
  • Include code examples, diagrams, or screenshots where helpful
  • Use bullet points for lists

4. Practical Application

  • Show how to apply the concepts
  • Include step-by-step instructions if applicable
  • Provide code snippets or templates

5. Conclusion & CTA

  • Summarize key takeaways (3 bullets max)
  • End with a clear call-to-action
  • Link to related resources

Cover Image Generation

After writing the post, generate a cover image using the generate_cover tool:

generate_cover(prompt="A detailed description of the image...", slug="your-blog-slug")

The tool saves the image to blogs/<slug>/hero.png.

Writing Effective Image Prompts

Structure your prompt with these elements:

  1. Subject: What is the main focus? Be specific and concrete.
  2. Style: Art direction (minimalist, isometric, flat design, 3D render, watercolor, etc.)
  3. Composition: How elements are arranged (centered, rule of thirds, symmetrical)
  4. Color palette: Specific colors or mood (warm earth tones, cool blues and purples, high contrast)
  5. Lighting/Atmosphere: Soft diffused light, dramatic shadows, golden hour, neon glow
  6. Technical details: Aspect ratio considerations, negative space for text overlay

Example Prompts

For a technical blog post:

Isometric 3D illustration of interconnected glowing cubes representing AI agents, each cube has subtle circuit patterns. Cubes connected by luminous data streams. Deep navy background (#0a192f) with electric blue (#64ffda) and soft purple (#c792ea) accents. Clean minimal style, lots of negative space at top for title. Professional tech aesthetic.

For a tutorial/how-to:

Clean flat illustration of hands typing on a keyboard with abstract code symbols floating upward, transforming into lightbulbs and gears. Warm gradient background from soft coral to light peach. Friendly, approachable style. Centered composition with space for text overlay.

For thought leadership:

Abstract visualization of a human silhouette profile merging with geometric neural network patterns. Split composition - organic watercolor texture on left transitioning to clean vector lines on right. Muted sage green and warm terracotta color scheme. Contemplative, forward-thinking mood.

SEO Considerations

  • Include the main keyword in the title and first paragraph
  • Use the keyword naturally 3-5 times throughout
  • Keep the title under 60 characters
  • Write a meta description (150-160 characters)

Quality Checklist

Before finishing:

  • Post saved to blogs/<slug>/post.md
  • Hero image generated at blogs/<slug>/hero.png
  • Hook grabs attention in first 2 sentences
  • Each section has a clear purpose
  • Conclusion summarizes key points
  • CTA tells reader what to do next

Más skills de langchain-ai

langgraph-docs
langchain-ai
Accede a la documentación de LangGraph para construir agentes con estado y flujos de trabajo multiagente. Obtiene la documentación oficial de LangGraph en Python que cubre máquinas de estado, diseño de agentes basado en grafos y patrones de intervención humana. Prioriza la documentación relevante según el tipo de consulta: guías de implementación para preguntas de procedimiento, páginas conceptuales para teoría, tutoriales para ejemplos completos y referencias de API para detalles técnicos. Selecciona automáticamente de 2 a 4 URL de documentación más relevantes y recupera su contenido para responder...
official
langgraph-human-in-the-loop
langchain-ai
Pausar la ejecución del grafo para revisión, aprobación o validación humana, luego reanudar con su entrada. Requiere tres componentes: un checkpointer (InMemorySaver o PostgresSaver), un ID de hilo en la configuración y cargas de interrupción serializables en JSON. interrupt(value) pausa y expone datos; Command(resume=value) reanuda y devuelve ese valor al nodo pausado. Todo el código antes de interrupt() se re-ejecuta al reanudar, por lo que los efectos secundarios deben ser idempotentes (usar upsert, no insert). Soporta flujos de aprobación,...
official
web-research
langchain-ai
Usa esta habilidad para solicitudes relacionadas con investigación web; proporciona un enfoque estructurado para realizar investigaciones web exhaustivas.
official
langchain-oss-primer
langchain-ai
SIEMPRE EMPIEZA AQUÍ para cualquier proyecto de construcción de agentes LangChain, Deep Agents o LangGraph. Punto de partida requerido antes de elegir otras habilidades o escribir cualquier…
official
skill-creator
langchain-ai
Guía para crear habilidades efectivas que extiendan las capacidades del agente con conocimientos especializados, flujos de trabajo o integraciones de herramientas. Usa esta habilidad cuando el usuario…
official
social-media
langchain-ai
Redacta publicaciones para redes sociales específicas de cada plataforma, con contenido respaldado por investigación e imágenes complementarias generadas. Admite publicaciones de LinkedIn (1.300 caracteres con tono profesional) e hilos de Twitter/X (280 caracteres por tuit con formato 1/🧵). Requiere delegar la investigación a un subagente antes de redactar, y luego leer los hallazgos para garantizar precisión y relevancia. Genera automáticamente imágenes llamativas para redes sociales usando la herramienta generate_social_image con composiciones audaces y de alto contraste optimizadas para tamaños pequeños...
official
deep-agents-memory
langchain-ai
Backends de memoria y archivos conectables para Deep Agents con opciones de enrutamiento efímero, persistente e híbrido. Cuatro tipos de backend: StateBackend (efímero, con ámbito de hilo), StoreBackend (persistente entre sesiones), FilesystemBackend (acceso real a disco para desarrollo local) y CompositeBackend (enruta diferentes rutas a diferentes backends). FilesystemMiddleware proporciona seis herramientas de operación de archivos: ls, read_file, write_file, edit_file, glob, grep. CompositeBackend utiliza coincidencia de prefijo más largo para enrutar...
official
deep-agents-orchestration
langchain-ai
Orquestrar subagentes, planificar tareas de múltiples pasos y requerir aprobación humana para operaciones sensibles. Delegar trabajo a subagentes especializados mediante la herramienta de tareas; los subagentes personalizados admiten conjuntos de herramientas aislados y mensajes del sistema, mientras que el subagente "de propósito general" predeterminado hereda la configuración del agente principal. Planificar y rastrear flujos de trabajo complejos con write_todos, organizando tareas en estados pendientes, en curso y completados; requiere un thread_id para la persistencia entre invocaciones. Implementar...
official