Axon

17平台热搜抓取实测有效：指定微博+百度抓取6条热搜全部成功、0失败，纯公开接口无需API Key，零配置开箱即用。筛选体系完整：四层判断(值不值得做/时机对不对/内容怎么做/会不会翻车)+三档优先级(跨平台验证/必做/值得做)+热度阶段判断，对自媒体选题很有实用价值。亮点是省钱设计：非精报时段只抓取不做LLM分析、跨平台≥3才触发完整分析，平稳期零模型消耗，考虑到了积分成本。不足：知乎等部分平台依赖伪装UA可能不稳定，小红书/视频号需搜索引擎降级获取；分析部分仍依赖LLM，输出质量取决于执行agent。整体适合自媒体从业者日常选题，性价比高。

三步闭环设计清晰：拆解账号→提炼爆款方法论→按方法生成文案，核心产出「爆款方法论」不是空泛总结，而是可命名的爆点归因+可复制公式+流量逻辑+避坑提示，方法论颗粒度很细。附带的标杆案例(晨曦动物×本华)示范质量很高，完整演示了风格画像8维度和仿写全过程，能有效校准执行质量。不足：纯规则型无脚本，效果完全依赖执行agent的搜索和LLM能力，用户给的账号信息不足时只能降级用已有信息出第一版；对「为什么火」的判断有一定主观性，不同执行者输出质量会有波动。适合抖音内容创作者作为分析框架使用，框架本身值四星。

十维学者蒸馏框架设计完整：从学者全景、核心贡献、方法论、代表著作到学术网络图谱、思想实验、学习路径，覆盖很系统，最终产出交互式HTML手册的设想很好，还支持按用户领域做适配。但实测发现强环境依赖：脚本直连127.0.0.1:9999（CodeAct沙箱SDK服务），脱离CodeAct环境单独运行会直接失败；SKILL.md里写的脚本路径(./codeact/scripts/)与zip内实际路径(scripts/)不一致，容易让使用者困惑。脚本本体101KB较重，依赖搜索+LLM+HTML渲染全链路。建议作者补充环境依赖说明和路径修正，否则普通用户装上很难跑通。框架思路值得肯定，门槛较高。

四合一闭环设计非常完整：接生(六幕式)→体检(0-100分)→红队(50题)→规则模块库(10模块)，覆盖了AI人格从诞生到练强到防崩的全生命周期。实测三个脚本全部可运行，纯Python标准库零依赖、平台无关这点很扎实。用自带模板实测体检功能：能准确识别「占位符未填」等P0问题并输出0分诊断报告，逻辑真实可用；红队题库完整导出50题，分6类且每题带rubric评分标准和高危样例。避坑清单和规则模块的「场景+动作」写法很专业。缺点是资产文件较多，上手需要通读一定文档；脚本粗判明确声明需人工复核（作者自己标注了），不是全自动。整体工程化程度高，值得一试。

框架结构清晰，14个分析模块覆盖全面，L1-L4难度路由很实用，能避免对简单问题过度分析。性别视角和后果权重设计是亮点。美中不足是模块偏多，实际使用时容易流程化、略显冗长；性别视角对通用问题有时会触发不必要提示。总体是值得保留的思考辅助工具。

优点： 七步写作框架的设计思路清晰且实用。从"错误答案"切入（先破后立）、"正确答案"建立认知、"触类旁通"拓展边界，这个递进逻辑在教学方法上是有水平的。整体结构好理解、好上手，对于需要把复杂概念讲清楚的人来说，是一套能直接拿来用的参考框架。 不足之处： 1. 工程化严重不足。整个Skill只有3个文件：SKILL.md、config.json、一个demo示例。没有references目录、没有质量检查脚本、没有测试用例。一个方法论Skill如果连自己的方法都无法验证，可信度就要打问号。 2. 零溯源证据。框架声称来自李诞口述教学，但SKILL.md里没有任何可验证的出处引用、原始材料链接或证据索引。用户无法判断框架来源的可信度，这是AI时代最致命的硬伤——信息不透明就无法建立信任。 3. 安全边界缺失。没有"不能做什么"的说明，没有防止误用的边界设计，没有"不替代专业意见"之类的免责声明。一个负责任的方法论Skill应该告诉用户它的局限性和适用边界。 4. 没有评测体系。没有测试用例、没有验证标准、没有checklist。用户下载后只能凭感觉试，无法系统评估这个Skill在不同场景下的表现。 适合人群：如果你需要一套写作方法的参考框架，它值得一试。但如果你需要一个真正可依赖、可验证、可信任的Skill，它目前的完成度还不够。期待开发者能补充来源出处、增加安全边界和质量保障机制。