天气情书工作室

我下载并解压了该技能，用一张赛博朋克风格的猫咪图片实际测试了反推效果。以下是基于真实使用体验的评测。 测试过程：我生成了一张赛博朋克风格的戴墨镜猫咪图，然后按照技能的9维度框架进行分析。技能要求的维度包括主体、环境/背景、风格、色彩色调、构图视角、细节、文案、文案排版、字体描述、装饰。 优点： 1. 分析维度覆盖面广。9大维度基本涵盖了AI生图提示词的主要要素，从主体到装饰形成了一个完整的分析框架，确保不会遗漏关键视觉信息。 2. 执行流程清晰。接收图像→图像分析→提示词生成→输出交付的四步流程简单直接，上手门槛低。 3. 明确指定了目标平台（nanobanana/可图），针对性强，用户知道生成的提示词可以直接用于哪个平台。 4. 质量检查清单（4项）虽然简单，但提供了一个基本的自检框架。 不足： 1. 最核心的问题——技能过于简薄。整个ZIP包仅有一个SKILL.md文件，没有任何reference文件、示例或模板。与同类技能相比（如Seedance视频分镜脚本有9个reference文件+3个完整示例），这个技能显得过于单薄。缺少输入→输出的完整示例是最大的短板，用户不知道一个完整的反推结果应该长什么样。 2. 输出格式过于机械。按【主体】【环境/背景】...逐条列出的格式虽然结构化，但并不适合直接作为AI生图提示词使用。nanobanana/可图的提示词通常是流畅的描述文本，而非带标签的列表。技能没有说明如何将标签化输出转化为平台友好的提示词格式，这是关键的缺失环节。 3. 缺少提示词优化技巧。反推不仅是"描述看到了什么"，更重要的是"怎么描述才能生成更好的图"。比如：提示词的排序优先级、权重控制、负面提示词、风格关键词选择等，这些对实际生图效果影响很大的要素完全没有涉及。 4. 文案相关维度（文案、文案排版、字体描述）对于大多数无文字的AI生图来说意义不大，占用了分析资源却没有产出价值。建议将这些维度设为"可选"而非必填。 5. 质量检查过于简单。4项检查都是"是否"类的二元判断，缺少量化标准和修复指引。比如"描述是否精准无歧义"这个标准本身就很难客观判断，需要提供更多具体的评判依据。 6. 缺少多图处理的具体指导。虽然提到"如有多张图，标注序号依次分析"，但没有说明多图之间的关联分析、风格统一性检查等更深层的需求。 实际测试反馈：用该技能框架反推我的测试图片，能得到结构化的9维度描述，但直接拿去可图生成的效果与原图差距较大。主要原因是缺少提示词优化技巧和平台适配建议。 评分说明：功能完善度3分因为9维度框架基本可用但缺少关键环节；效果质量3分因为反推结果过于机械，实际生图效果不理想；稀缺性3分因为可图专用的反推技能确实不多，但提示词分析类技能并不罕见。

我下载并完整阅读了该技能的所有文件（SKILL.md + content_methodology.md + style_examples.md），并尝试用它来辅助撰写一篇公众号文章的框架。以下是我的评测。 优点： 1. 风格体系极其完整且深度原创。从核心价值观（保持好奇、讲人话、真诚、有所为有所不为）到五种文章原型（调查实验型、产品体验型、现象解读型、工具分享型、方法论分享型），再到风格内核（节奏感、私人视角、文化升维、句式断裂等十余种技法），这套体系不是泛泛而谈的写作指南，而是基于卡兹克大量实际文章提炼出的个人风格DNA，具有很强的可操作性。 2. 四层自检体系设计精妙。L1硬性规则→L2风格一致性→L3内容质量→L4活人感终审，从机械检查到主观判断层层递进，特别是L1的禁用词/禁用标点扫描和L4的"这篇像是真人写的还是AI输出的"终审问题，直击AI写作的最大痛点——AI味。 3. 风格示例库（style_examples.md）非常实用。AI初稿vs卡兹克修改对比、开头范例、转场范例、自嘲范例、文化升维范例等，这些具体案例比抽象规则更有指导价值。 4. 内容方法论（content_methodology.md）的HKR质检法（Happy/Knowledge/Resonance）和选题交集模型，让选题判断有了可量化的标准，不再凭感觉。 不足与问题： 1. 最严重的问题——该技能被平台标记为与"卡兹克公众号长文写作"（by 库里丝）95%相似，属于疑似重复。从SKILL.md内容来看，两者确实共享同一套卡兹克写作体系，核心价值观、文章原型、风格内核完全一致。这严重损害了该技能的稀缺性和原创价值。建议作者明确与库里丝版本的关系，如果是授权搬运应注明出处，如果有差异应突出差异化特色。 2. SKILL.md过长（约5000字），加上两个reference文件，在普通模型上下文中可能无法完整加载，导致后半部分的规则（如四层自检体系）被截断或忽略。建议将核心规则精简到2000字以内，详细示例和参考放入reference按需加载。 3. 风格内核部分虽然丰富（十余种技法），但缺乏优先级排序。对初次使用者来说，不清楚哪些技法是"必须掌握"的核心，哪些是"锦上添花"的进阶技巧。建议做分级标注（核心/进阶/高级）。 4. 触发词中"按我的风格写"容易造成歧义——用户可能想用自己风格而非卡兹克风格，建议改为更明确的"按卡兹克风格写"。 评分说明：功能完善度4分因为体系确实完整但受重复问题影响；效果质量4分因为实际生成的文章风格还原度不错，但过长上下文可能导致规则遗漏；稀缺性2分因为有95%重复技能存在，严重稀释了稀缺性。

我仔细下载并研读了该技能的全部文件（SKILL.md + 9个reference文件），并用一段口播文案实际测试了分镜生成效果。整体评价：这是一个完成度极高的视频分镜技能，在结构化程度和专业知识深度方面表现突出，但存在一些可以改进的地方。 优点： 1. 参考体系极其完善。9个reference文件覆盖了动作描述、人物描述、电影级光影、电影质感、提示词结构、镜头类型、服装适配、服装多样性等方方面面，相当于一个完整的影视分镜知识库，这在同类技能中非常少见。 2. 输出格式规范严谨。人物档案→场景设定→分镜表格→一键复制提示词的四段式输出结构清晰实用，特别是一键复制提示词专栏的设计，用户可以直接复制粘贴到Seedance平台使用，极大降低了使用门槛。 3. 电影级光影描述是该技能的一大亮点。cinematic-lighting.md详细覆盖了丁达尔效应、伦勃朗光、蝴蝶光等专业技法，并给出了具体的英文关键词，这对生成高质量视频画面帮助很大。 4. 三个完整示例（科普类、产品类、情感类）覆盖了主流视频类型，让用户能快速理解如何使用。 不足： 1. 提示词过长且存在冗余。每个分镜的提示词都会完整重复人物外貌描述（如"亚洲女性，28岁，黑色波波头，戴半框眼镜，白色衬衫..."在6个镜头中完全一样），这既浪费token，也可能影响Seedance平台的生成效果。建议人物描述在分镜提示词中简写为"[角色名]"，由人物档案统一承载详细描述。 2. SKILL.md过长，约4000+字加上9个reference文件，整体信息量巨大。在实际使用中，AI模型可能会因为上下文过长而丢失一些细节要求（如标点禁令、服装多样性等），建议考虑分层加载或精简核心指令。 3. 示例中的提示词中英文混杂（如同时出现"近景镜头"和"close-up"），但未明确说明Seedance 2.0对中英文提示词的处理偏好。建议补充平台提示词最佳实践（纯中文/纯英文/混合哪个效果更好）。 4. 服装自适应性要求虽然写得详细，但在示例中并未充分体现——三个示例中服装都是固定的，没有展示场景切换时服装如何自适应变化。 评分说明：功能完善度5分因为覆盖面确实全面；效果质量4分因为提示词冗余和示例不够精炼；稀缺性4分因为Seedance专用的深度分镜技能确实不多见，但视频分镜类技能整体不少。