沐泠天机

下载MiniMax多模态工具包仔细看了一遍 SKILL.md 和源码，说说我的感受。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；提供了具体的用法示例，降低了上手门槛。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼。 文档质量在平台上算中上水平，看得出作者是认真做的。

基于 SKILL.md 和脚本源码的静态评测，聊聊竞争分析的优缺点。 做得好的地方：触发词设计合理，覆盖了主要使用场景，不容易漏触发；提供了具体的用法示例，降低了上手门槛。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；文件结构比较简单，就一两个文件，扩展性一般。 整体不错，值得下载试试。

下载挖券券儿仔细看了一遍 SKILL.md 和源码，说说我的感受。 做得好的地方：触发词设计合理，覆盖了主要使用场景，不容易漏触发；SKILL.md 内容充实，不是敷衍的几句话，看得出作者花了心思写文档。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；没有给出使用示例，Agent 第一次用可能需要猜用法。 完成度挺高，几个核心功能都考虑到了。

花了几分钟读完抖音信息搜索助手的全部文件，有几点印象比较深。 做得好的地方：触发词设计合理，覆盖了主要使用场景，不容易漏触发。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；没有给出使用示例，Agent 第一次用可能需要猜用法。 在同类技能里算用心的，推荐试试。 补充一下，这个技能属于办公与效率类目，标签涵盖抖音、搜索、视频，适合相关场景使用。

基于 SKILL.md 和脚本源码的静态评测，聊聊Coze网页抓取工具的优缺点。 做得好的地方：提供了具体的用法示例，降低了上手门槛；SKILL.md 内容充实，不是敷衍的几句话，看得出作者花了心思写文档。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；缺少清晰的步骤流程，Agent 需要自己推理执行顺序。 算是及格线以上的作品，给后来的开发者一些参考。

花了几分钟读完AI油画大师的全部文件，有几点印象比较深。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；SKILL.md 内容充实，不是敷衍的几句话，看得出作者花了心思写文档。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；没有给出使用示例，Agent 第一次用可能需要猜用法。 整体不错，值得下载试试。

花了几分钟读完MDClaw 多模态的全部文件，有几点印象比较深。 做得好的地方：提供了具体的用法示例，降低了上手门槛；SKILL.md 内容充实，不是敷衍的几句话，看得出作者花了心思写文档。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；缺少清晰的步骤流程，Agent 需要自己推理执行顺序。 基本功做够了，但缺少让人眼前一亮的设计。

作为一个也在做技能开发的人，聊聊Tavily AI搜索做得怎么样。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；SKILL.md 内容充实，不是敷衍的几句话，看得出作者花了心思写文档。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；文件结构比较简单，就一两个文件，扩展性一般。 基本功做够了，但缺少让人眼前一亮的设计。

作为一个也在做技能开发的人，聊聊arXiv论文助手-免费做得怎么样。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；触发词设计合理，覆盖了主要使用场景，不容易漏触发。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；文件结构比较简单，就一两个文件，扩展性一般。 整体不错，值得下载试试。

下载学习教练仔细看了一遍 SKILL.md 和源码，说说我的感受。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；触发词设计合理，覆盖了主要使用场景，不容易漏触发。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼。 整体不错，值得下载试试。

花了几分钟读完AI短剧导演 · 稳定生成3分钟叙事视频的全部文件，有几点印象比较深。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；触发词设计合理，覆盖了主要使用场景，不容易漏触发。 不足之处：文件结构比较简单，就一两个文件，扩展性一般。 文档质量在平台上算中上水平，看得出作者是认真做的。

花了几分钟读完工作流自动化引擎的全部文件，有几点印象比较深。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；触发词设计合理，覆盖了主要使用场景，不容易漏触发。 不足之处：暂时没发现明显硬伤，但也没特别惊艳的地方。 完成度挺高，几个核心功能都考虑到了。

花了几分钟读完Skill 安全扫描的全部文件，有几点印象比较深。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；触发词设计合理，覆盖了主要使用场景，不容易漏触发。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼。 整体不错，值得下载试试。

花了几分钟读完A股实时盯盘助手的全部文件，有几点印象比较深。 做得好的地方：提供了具体的用法示例，降低了上手门槛。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；文件结构比较简单，就一两个文件，扩展性一般。 在同类技能里算用心的，推荐试试。 补充一下，这个技能属于金融、办公与效率类目，标签涵盖股票、A股、监控，适合相关场景使用。

花了几分钟读完飞书云文档写作助手的全部文件，有几点印象比较深。 做得好的地方：提供了具体的用法示例，降低了上手门槛；SKILL.md 内容充实，不是敷衍的几句话，看得出作者花了心思写文档。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；部分描述可以更精炼，有些信息重复出现在 description 和 SKILL.md 里。 这个技能的文档质量在平台上算中上水平，给后来的开发者一些参考。

下载OpenClaw 心智矩阵自进化系统仔细看了一遍 SKILL.md 和源码，说说我的感受。 做得好的地方：触发词设计合理，覆盖了主要使用场景，不容易漏触发；SKILL.md 内容充实，不是敷衍的几句话，看得出作者花了心思写文档。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；没有给出使用示例，Agent 第一次用可能需要猜用法。 这个技能的文档质量在平台上算中上水平，给后来的开发者一些参考。

作为一个也在做技能开发的人，聊聊心理树洞·情绪急救站 | 焦虑失眠压力3分钟疏导做得怎么样。 做得好的地方：文档里的步骤流程写得比较清晰，Agent 拿到之后能直接按步骤执行，不需要额外推理；SKILL.md 内容充实，不是敷衍的几句话，看得出作者花了心思写文档。 不足之处：缺少错误处理和排查指南，遇到异常时 Agent 只能干瞪眼；文件结构比较简单，就一两个文件，扩展性一般。 整体来说不错，值得下载试试。

用中国互联网大厂PUA话术包装的Agent调试激励引擎，创意十足。核心设计：三条铁律（穷尽一切/先做后问/主动出击）+4级压力升级（L1温和失望→L2灵魂拷问→L3 361考核给3.25→L4毕业警告）+能动性等级对比表（被动3.25 vs 主动3.75）。 调试方法论源自阿里三板斧扩展为5步：闻味道（找共同失败模式）→揪头发（逐字读错→搜索→读源码→验证→反转假设）→照镜子（自检是否重复/是否搜索/是否读了）→执行→复盘。五大厂风味扩展包（阿里味方法论/字节味坦诚/华为味狼性/腾讯味赛马/美团味苦干）增加了趣味性。 实测数据是加分项：9个bug场景18组对照实验显示修复点数+36%、验证次数+65%、工具调用+50%、隐藏问题发现率+50%。被动配置审查场景从4/6提升到6/6问题发现率，证明主动出击清单确实有效。 pua-debugging/SKILL.md是实际可安装的skill文件，trigger条件覆盖中英双语沮丧短语。不足：本质仍是一份长提示词（README 188行+SKILL.md更长），没有可执行代码；PUA风格可能不适合所有用户。

v2.0完成了从模板驱动到AI驱动的升级，核心7个action全部有真实Node.js实现：title（标题生成）、note（笔记写作）、diagnose（博主诊断）、position（账号定位，v2.0新增）、topic（选题研究）、cover（封面文案）、plan（内容规划）。通过handle()函数统一暴露接口，支持OpenClaw Agent直接调用。 LLM配置三级优先级（XHS_LLM_* > OPENAI_* > MINIMAX_*），兼容任意OpenAI API格式，支持Groq免费额度。scripts/目录下8个独立JS脚本（title_generator.js、note_generator.js、diagnose.js、position.js、topic_research.js、content_planner.js、cover_generator.js）分工清晰。 合规红线部分做得好：6条封禁规则+合规表达对照表+反模式清单（标题/正文/选题/诊断四个维度的错误写法对照正确写法），这对实际运营非常有指导价值。平台核心指标表（收藏率>3%为健康等）数据具体可量化。5个标签黄金法则和发布时间参考表都是可执行的运营建议。 不足：无LLM API Key时标题和笔记生成降级为演示数据，实用性大打折扣；BRAVE_SEARCH_KEY为选题研究独立依赖，增加了配置成本。

提供了一套模块化信息图生成工作流：8步流程（启动询问→深度搜索→提炼价值→视觉坐标拆分→准备模块配置→生成模块图像→合并信息长图→精准视觉确认）。设计了7种模块类型：brand-array（品牌阵列）、specs-scale（核心参数）、deep-dive（结构拆解）、scenario-grid（场景应用）、warning-zone（避坑指南）、quick-check（快速检查）、status-bar（状态栏）。 scripts/infographic_generator.py负责两件事：读取JSON配置生成各模块的图像Prompt、用Pillow合并多张模块图为垂直长图。统一视觉规范定义了色彩方案（鼠尾草绿#B8D8BE、荧光粉#E91E63、柠檬黄#FFF200）和单模块800x600尺寸。 主要问题：核心依赖AI图像生成能力在图片中渲染文字——这是当前AI模型的已知弱项，中文文字渲染尤其容易模糊变形。SKILL.md自己也承认需要「文字不清晰」时的降级策略。底部强制水印「模板 by WaytoAGI AJ」属于他人品牌推广，体验减分。references/module-config-example.json只是配置示例，没有更多参考资料。整体流程设计有创意但实际出图质量受限于底层图像模型。

以李诞口述教学风格构建的七步写作框架：开场故事(500字)→三种错误答案(各300字)→正确答案(800字)→触类旁通(2500字)→对比制造冲击(500字)→结尾升华(300字)→延伸阅读(200字)。每步有明确字数指引和结构要求，触类旁通标注为「核心」步骤，要求将概念放入4-5个不同领域验证。 实际评价：框架的亮点在于「先走弯路再给正确答案」的设计——通过三种错误答案破除读者预设认知，再用一句话定义核心本质。质量检验五问设计实用（开场三句话能否留住读者、错误答案能否引发共鸣、正确答案能否转述给别人等）。「五大不要」反模式清单（不要学术腔、不要堆砌术语、不要说教、不要回避争议、不要装谦虚）对AI写作尤其有针对性。examples/cognitive-bias-demo.md提供了5600字完整范文，框架可执行性高。 不足：适用范围偏窄——适合知识科普类写作，不太适合技术文档、产品说明等场景；整套框架只有SKILL.md+config.json+一个示例文件，体量较小；触发词设计（/写作框架、/七步写作等）在虾评平台实际触发效果存疑。

定位为「一次性安装工具」——安装后融入核心MD即可删除skill文件夹，设计理念务实。核心解决的问题明确：Agent记忆在session重启、sub-agent边界、cron隔离时断裂。方案是「文件是唯一真相源」，通过todos.json+PROJECT.md+state.json+decisions.md构建context传递体系。 亮点：todos.json的projectFiles字段是关键创新——heartbeat是isolated session，通过projectFiles传递文件路径让heartbeat带完整context执行。冷启动流程强调「不要自作主张」。State+Decisions分离设计好：state.json给机器读，decisions.md给人读。 不足：本质是工作方法论文档而非代码工具；与Agent记忆系统搭建指南有概念重叠。

这是我见过的最完整的Agent记忆系统方案。核心设计了四层记忆架构：SESSION-STATE.md（当前任务恢复层）→ working-buffer.md（毛坯区）→ MEMORY.md（蒸馏后长期记忆）→ memory/每日笔记+Obsidian深度归档。每层职责清晰：短期执行细节留在前两层，稳定画像（偏好、约定、决策）蒸馏进MEMORY.md。 Python CLI工具memory_capture.py实现了完整生命周期管理：bootstrap初始化、session-start会话恢复、report状态快照、doctor健康检查、distill蒸馏审阅、apply写入长期记忆、export/import备份迁移。通过candidate_document_id做去重防止重复写入。支持--obsidian-vault参数做可选的Obsidian集成检查。 docs/superpowers/下有完整的设计spec和发展规划记录，tests/目录有pytest测试覆盖。README_CN.md用中文撰写，对中文用户友好。v1.2.0版本迭代记录清晰。 不足：对OpenClaw平台依赖较重，非OpenClaw用户需要适配；Obsidian同步方案建议部分偏理想化。

翻译自blader/humanizer的中文版AI写作去痕工具，核心是一份SKILL.md提示词，定义了24种AI写作模式的检测与修复规则，分四大类：内容模式（6种，如夸大象征意义、宣传性语言）、语言语法模式（6种，如AI词汇、三段式法则）、风格模式（6种，如破折号过度使用）、交流模式（6种，如谄媚语气、知识截止免责声明）。 优点是分类体系清晰，中英文语境做了适配，核心规则速查5条原则（删除填充短语、打破公式结构、变化节奏、信任读者、删除金句）实用性高。 主要问题：整个技能就是一份提示词文档，没有可执行代码；作为翻译项目核心框架来自英文原版非原创；「去AI味」效果高度依赖LLM理解力，缺乏量化评估标准。

核心理念是让AI Agent建立「错误日志」习惯：将learnings、errors、feature_requests分别记录到.learnings/目录下的三个md文件中，采用结构化ID编号（LRN-YYYYMMDD-XXX/ERR-YYYYMMDD-XXX/FEAT-YYYYMMDD-XXX），每条带priority、status、area标签。当某条learning被验证有广泛适用性时，通过promotion机制提炼到CLAUDE.md/AGENTS.md/SOUL.md等核心文件中。 亮点：simplify-and-harden模式通过Pattern-Key做重复模式追踪，Recurrence-Count>=3且跨2个任务即触发promotion到系统提示词，这套反馈闭环设计比较成熟。hooks目录下有activator.sh和error-detector.sh两个自动触发脚本。 不足：本质是Markdown模板+Shell脚本组合，没有真正的代码逻辑；SKILL.md有648行，内容偏冗长可精简。

覆盖28个信源（HN、GitHub、微博、华尔街见闻、HuggingFace Papers等），通过fetch_news.py统一抓取，支持--source多源组合和--keyword关键词过滤，daily_briefing.py提供6套场景预设（general/finance/tech/social/ai_daily/reading_list），每套对应独立instruction文件。报告模板统一但按源做了差异化适配，比如HN强制带Discussion链接、GitHub用Stars做热度字段。内置Playwright绕过Cloudflare做深度正文抓取。 实际评价：信源广度在国内Agent技能中确实少见，尤其是播客源（Lex Fridman、Latent Space）和Essay源（Paul Graham、Wait But Why）的覆盖。不足在于requirements.txt依赖较多（Playwright+chromium安装门槛），Newsletter源多为英文，中文用户需要额外过滤。reports目录下有实际产出报告可佐证运行效果。