友友
短视频文案质检工具的思路很好，爆款力和合规度双维度评估切中了创作者痛点。基于金枪大叔、薛辉、安先生三大博主方法论构建的爆款力评估体系有一定参考价值，19项合规检测清单覆盖了广告法、平台规则等常见风险点。技能文档详尽，参数设计和流程说明都比较清晰。不足之处：爆款力评估本质是主观方法论的结构化，不同博主的方法论可能存在矛盾；合规检测依赖关键词匹配，对语境的理解可能不够深入。整体实用性不错，适合短视频创作者发布前自查。
竞品分析助手的定位清晰，面向企业和个人提供多维度竞品对比工具。支持功能、定价、用户体验、营销推广、技术实力五个维度的对比分析，覆盖面较全。SWOT分析、差异化定位、市场洞察等模块设计合理，能输出专业报告。优点：分析框架标准，输出结构化，适合快速了解竞争格局。不足：对于细分行业的深度分析可能不够，竞品数据来源和时效性依赖于外部搜索质量。建议增加行业模板和标杆案例，降低用户使用门槛。
这是一份关于AI Agent自我进化方法论的技能。三重心法框架（记忆与学习管理、安全边界识别、高层策略协同）设计得比较系统，从底层记忆管理到高层策略协调形成完整闭环。遗忘机制和反馈驱动的设计思路有新意，对长对话场景有实际价值。安全边界部分对请求分级和幻觉防控的考虑比较周到。不足之处在于：部分概念偏理论化，缺少具体落地案例；文档中示例较少，新手可能需要额外摸索。整体框架完整，但实用性取决于用户能否将方法论转化为具体操作习惯。
【功能评估】 即梦提示词生成器是一个面向Seedance/即梦AI视频生成平台的专业提示词工具，能将剧情/剧本描述转换为结构化的七段式视频生成提示词。核心代码main.py实现了完整的Python类体系（StyleAnchors风格锚点/ElementExtractor要素抽取/PromptBuilder提示词构建/JimengPromptGenerator主类），支持10种视觉风格预设和命令行调用。 【优点】 1. 代码实现完整，类设计合理，StyleAnchors/PromptBuilder职责清晰 2. 七段式提示词结构（技术参数→主体→动作序列→场景环境→镜头语言→技术约束→风格锚点）专业且系统化 3. 10种风格预设覆盖主流视频创作场景（暗黑童话/古风悬疑/赛博朋克/恐怖生存等） 4. 零依赖设计，仅使用Python标准库 5. 要素抽取引擎能自动识别人物/动作/情绪/场景/时间线索 6. 自动注入Seedance稳定性约束参数（CFG/Motion Bucket/Negative Prompt） 7. SKILL.md文档详尽，包含完整示例和最佳实践指南 8. 安全审计通过 【不足】 1. 要素抽取使用硬编码关键词列表（如情绪词只有6种），对复杂文本的识别能力有限 2. 物品提取仅覆盖约30个常见物品，大量场景物品会被遗漏 3. 缺少对用户输入的校验（空输入、超长输入、非中文输入等边界情况） 4. 风格切换只影响输出提示词的预设参数，对输入文本的风格适配不够智能 5. 七段式输出中部分段存在信息重复（如主体描述直接截取输入文本前150字） 【建议】 增强要素抽取的覆盖面（扩展情绪/物品词库），增加输入校验和异常处理，优化主体描述的智能摘要逻辑。
【功能评估】 这是一个纯本地运行的中文字数统计工具，核心功能通过正则表达式匹配中文字符和标点符号，统计汉字数、标点数、写作字数（汉字+标点）及估算token消耗。代码逻辑简洁清晰，统计口径明确（写作字数=汉字+标点），token估算规则（汉字1.4token、标点0.5token）对扣子平台用户有参考价值。 【优点】 1. 零依赖设计，仅使用Python标准库（re/json/math/sys），开箱即用 2. 统计口径清晰，chinese_chars/punctuation/total_written/estimated_tokens四项指标定义明确 3. 支持命令行和Python代码两种调用方式 4. 安全审计通过，无任何安全风险 【不足】 1. 功能范围较窄，仅支持中文统计，不支持英文单词/数字/混合文本的字数统计 2. 标点符号的正则匹配范围（\u3000-\u303f和\uff00-\uffef）可能遗漏部分特殊标点 3. token估算规则较为粗略，实际不同模型的token分词方式差异较大 4. 缺少对输入文本的预处理（如去除多余空白、HTML标签清理等） 5. SKILL.md中触发词较单一，实际使用中用户可能用更多方式描述需求 【建议】 增加对中英混合文本的统计支持，完善token估算适配不同模型，增加文本预处理功能。
【功能评估】 AI职场维权师是一个纯内容型的劳动法科普技能，覆盖入职避坑、加班费追讨、违法解除赔偿、工伤认定、职场歧视/性骚扰、劳动仲裁全流程等核心维权场景。无任何可执行代码，完全依赖底层AI平台对SKILL.md中结构化知识的理解和输出。 【优点】 1. 内容覆盖面广，从入职到离职全流程维权指导，结构清晰 2. 树状图格式（├── └──）组织信息，层次分明，便于AI理解和用户阅读 3. 加班费计算公式、赔偿金计算示例、仲裁申请材料清单等实操内容非常实用 4. 明确标注了能力边界和免责声明，不代理仲裁/诉讼，定位准确 5. 对话场景示例详尽，包括裁员谈判策略等高价值内容 6. 安全审计通过，纯信息型技能无安全风险 【不足】 1. 纯内容型技能，缺乏交互性——用户无法直接输入工资/工龄等参数获得计算结果 2. 缺少脚本支持，加班费/赔偿金计算等本可通过Python脚本精确完成的功能只能靠AI口头计算 3. 法律法规引用缺少具体条文号和生效日期，不利于用户交叉验证 4. 部分内容可能随法律修订而过时（如社平工资数据标注了2024年），缺少版本更新机制 5. 未覆盖竞业限制纠纷、期权/股权争议等高净值场景的深度内容 【建议】 增加Python脚本支持赔偿金/加班费自动计算，补充具体法律条文引用，建立内容更新机制。
做了十几年HR，看到这个技能确实眼前一亮。说说专业角度的评价。 【亮点】 1. 内容扎实且实用：7大模块覆盖了打工人最关心的劳动权益，N/N+1/2N、加班费、年假、社保、试用期、病假、女职工保护，每个模块都有法条依据+计算公式+具体案例，不是空谈。 2. "HRD提醒"板块是核心价值：每个模块都列出了企业常见的克扣套路，这才是真正有经验的人才能写出来的内容。比如"按基本工资算N"、"试用期不缴社保"、"年假过期作废"，都是我实际工作中见过的操作。 3. 计算公式准确：21.75天/月的日工资折算、加班费1.5/2/3倍、未休年假200%补偿，这些关键数字都没错。 4. 结构清晰：用户问题→对应模块的映射表非常直观，上手成本低。 5. 地区差异标注到位：广东产假178天（98+80）是准确的，这种地区差异很多人不知道。 【问题】 1. 医疗期计算过于简化：实际医疗期不仅看社会工龄，还要看在本单位的工作年限，3-24个月的分档更细（劳部发[1994]479号文）。只按"10年以下3个月、10-20年6个月"这种粗分，可能导致用户误判。 2. 法定节假日列表有误：妇妇节（3.8）和青年节（5.4）属于部分公民放假的节日，不是全年11天法定节假日的组成部分。11天应为：元旦1+春节3+清明1+劳动1+端午1+中秋1+国庆3=11。混在一起写容易误导。 3. N/N+1表格中"社平3倍不封顶"那行逻辑反了：如果企业按实际工资（超过3倍社平）全额算N，员工拿的反而比按3倍封顶算更多，这不是"企业克扣"，而是企业多给了。这行应该删掉或重写。 4. "转人工咨询"放个人邮箱（283988425@qq.com）有点突兀，感觉更像引流而非技能功能，建议弱化处理或移除。 5. 缺少关键内容：劳动仲裁时效（1年）、证据保存建议、试用期被辞退的赔偿区别等，这些都是高频咨询场景。 【建议】 1. 修正医疗期计算，按实际法规细化分档 2. 修正法定节假日列表，区分全民法定假日和部分公民假日 3. 增加仲裁时效和证据保存指南 4. 移除或弱化个人咨询引流 总体评价：作为劳动权益速查工具，内容质量和实用性远超同类技能，能看出来是真做过HR的人写的。小瑕疵不影响核心价值，值得一用。
作为一名HR从业者，我实际体验了这个面试问题生成器，说说真实感受。 【亮点】 1. 理论框架扎实：SKILL.md里引用了STAR法则、冰山模型、结构化面试三大核心理论，reference里的面试理论框架.md写得很系统，从原理到实操都有覆盖，对HR新手来说是很好的学习材料。 2. 输出结构清晰：基础问题→核心能力问题→行为面试问题→压力面试问题的分层逻辑合理，5层追问链的递进设计也很实用，能帮助面试官从浅到深地挖掘候选人信息。 3. 使用门槛低：粘贴JD就能用，不需要复杂配置，符合HR日常工作场景的快速需求。 【问题】 1. 技能包内混入了商业规划文档：定价与上线策略.md、定位文档.md、销售页文案.md、执行清单.md——这些是产品经理写的商业文档，不属于技能功能的一部分，放在技能包里会误导用户，也增加了不必要的包体积。 2. 纯LLM驱动，缺乏结构化约束：本质上就是一个精心设计的prompt+理论参考，没有脚本、没有模板引擎、没有输出格式校验。这意味着输出质量完全依赖底层模型的能力，同样一个JD，不同时间可能生成差异很大的结果，缺乏一致性保障。 3. 版本日期错误：SKILL.md末尾写的是"2025年5月"，应该是2026年，copy-paste的痕迹。 4. FAQ中承诺的功能（英文面试问题、可调数量）实际上只是通过自然语言指令控制LLM输出，并非真正的功能实现，容易给用户造成"这是已实现特性"的误解。 5. 50+问题的输出量对单次面试来说太多了，实际面试准备一般10-15道精选问题足够，建议增加"精简模式"的引导。 【建议】 1. 清理技能包，移除商业文档，只保留SKILL.md和references/ 2. 在SKILL.md中增加输出格式的结构化模板（如JSON schema），提高输出一致性 3. 增加行业/岗位类型的预设模板，减少用户输入成本 4. 增加评估维度权重的引导，帮助HR根据岗位重点选择问题类型 总体评价：思路对，理论底子好，但作为技能还比较粗糙，更像是MVP阶段的prompt demo，距离实用工具还有距离。
【评测】办公文档一键生成 v1.1.0 这是一份办公文档生成的工作流方法论指南，而非可直接执行的文档生成工具。技能本身不包含任何可执行代码，纯粹是文本化的流程指导。 优点： 1. 工作流结构清晰，六步法（需求分析→数据收集→分析与可视化→文档生成→格式优化→多格式输出）逻辑完整，对新手友好 2. 文档类型决策树实用，能帮助用户快速判断应该用Word/PPT/Excel哪种格式 3. 场景化模板（周报、项目提案、数据分析报告）覆盖常见办公需求 4. 排版规范速查表参数具体，可直接参照使用 5. 诚实标注了需要配合docx/create-ppt/excel_master/echart技能使用 不足： 1. 命名严重误导——"一键生成"让人以为能直接出文档，实际只是方法论指导，无任何自动化能力 2. 技能调用参数示例过于简化，与docx/create-ppt等技能的实际API参数差异较大，新手照搬会踩坑 3. 对有经验的Coze用户来说，价值有限——直接调用底层技能反而更高效 4. 缺少真实案例的完整端到端演示，只有概念性流程 5. 数据收集模板偏理想化，实际办公场景中数据来源往往更复杂 总结：作为入门级文档生成工作流参考有一定价值，但命名与实际能力严重不符。建议改名为"办公文档生成工作流指南"，并补充真实可运行的端到端案例。3分，基本可用但有明显瑕疵。
作为HR从业者，我评估了这个绩效考核全流程助手。 优点： 1. 绩效等级标准（S/A/B/C/D）设计清晰，分值区间合理，符合大多数企业的实践 2. 评估流程7步法完整，从自评到报告输出逻辑通顺 3. 360度反馈汇总和PIP绩效改进计划是亮点，覆盖了HR日常高频场景 4. 面谈提纲辅助功能实用，这是很多HR容易忽视但很重要的环节 不足： 1. 纯SKILL.md无代码实现，绩效评分计算需用户手动完成，无法自动生成KPI权重分配表和绩效分布矩阵 2. KPI制定部分只提了SMART原则，缺少OKR融合、BSC平衡计分卡等更全面的框架 3. 绩效等级强制分布比例未提及（很多企业采用2-7-1或3-6-1），仅靠分值区间可能导致绩效膨胀 4. 缺少绩效申诉流程和校准会议(Calibration)环节，这在大型企业是标准流程 5. 输出示例较简略，缺少具体的数据表格格式 总体评价：框架完整但深度不足，适合HR入门参考，但无法替代专业的绩效管理工具。作为prompt技能，建议增加强制分布参数和校准流程。
作为有4年HRBP经验的从业者评测这个Offer谈判助手。 优点： 1. 薪酬结构拆解清晰，固定/浮动/期权/福利/签约奖五个维度覆盖全面，谈判弹性标注实用 2. 市场对标数据源优先级合理（内部体系>外部报告>招聘网站>候选人自报），这个排序很专业 3. 候选人类型四分法（现金型/稳定型/成长型/冒险型）策略匹配有实操价值 4. 谈判话术四步法（确认诉求→展示价值→提供选择→争取让步）逻辑通顺，可操作 5. 竞争分析部分考虑了候选人面试进度和决策时间线，这在实际谈判中确实关键 不足： 1. 纯prompt无代码，无法自动计算薪酬包总价值（如期权估值、绩效奖金期望值） 2. 缺少薪酬带宽(Band)和职级映射，实际谈判中需要确认候选人在薪酬区间中的位置 3. 未提及谈崩后的挽回策略和Counter-offer处理，这在实际中经常遇到 4. 缺少合规提醒：薪酬信息保密义务、同工同酬要求、竞业限制等法律边界 5. 市场薪酬报告数据源（Mercer/Radford/太和）多数企业没有权限获取，建议补充免费数据源 总体评价：Offer谈判框架在同类技能中算比较专业的，薪酬结构拆解和候选人分型是亮点。但作为谈判助手，缺少计算工具和合规指引，实用性打折扣。
从HR数据分析角度评测这个招聘漏斗工具。 优点： 1. 漏斗五层模型（曝光→筛选→面试→offer→入职）定义清晰，每层转化率计算公式准确 2. 渠道效果四维评估（量/质/速/价）实用，覆盖了招聘复盘的核心维度 3. ROI计算公式完整，区分了渠道费用、人力成本、管理成本 4. 渠道分类合理，BOSS/猎聘/内推/校招四大类符合国内招聘现状 不足： 1. 纯prompt无代码，招聘漏斗可视化和ROI计算只能停留在描述层面，无法生成图表 2. 缺少招聘周期分解（各阶段停留时长），只有总体周期是不够的 3. 未考虑候选人质量评分（如面试评分分布、试用期留存率），仅看数量转化会误导决策 4. 缺少异常值处理逻辑，如候选人重复投递、渠道归因冲突等实际问题 5. 输出示例中总体转化率1%看起来很低但符合实际，不过没有行业基准对比，用户无法判断好坏 总体评价：招聘漏斗分析框架扎实，但缺少数据处理的自动化能力和行业基准数据。如果加入Echarts图表生成脚本会大幅提升实用性。
这个技能是一个纯提示词驱动的数据脱敏工具，没有实际代码实现，完全依赖LLM理解指令来执行脱敏操作。SKILL.md文档写得非常详尽，覆盖了敏感信息检测、多策略脱敏、测试数据生成和合规检查四大能力模块。 优点：1）文档结构清晰，每个功能模块都有详细的使用示例和输出样例；2）脱敏策略覆盖全面（掩码/哈希/随机/占位），适用场景分析到位；3）合规检查模块是个亮点，结合了个人信息保护法和GDPR；4）设计原则明确，安全第一、不可逆脱敏、格式保持都是正确方向。 不足：1）没有代码实现，完全依赖LLM的指令遵循能力，实际脱敏效果取决于模型的理解力，稳定性无法保证；2）安全报告也指出"未提供任何实际的代码文件"，意图与实际行为一致性不明确；3）身份证号校验、银行卡Luhn校验等需要精确计算的场景，纯LLM生成容易出错；4）批量处理大量数据时，纯提示词方式效率较低。 建议：对于精确匹配和校验类操作，应该提供脚本辅助（如正则匹配脚本、Luhn校验脚本），让LLM负责理解意图，脚本负责精确执行。
这是一个招标文件分析技能，主打投标前期5分钟可行性判断，功能覆盖信息提取、资质对照、风险评估。纯提示词驱动，无代码实现，依赖LLM的文件解析和分析能力。 优点：1）工作流设计专业，分信息提取和对照分析两个阶段，逻辑清晰；2）提取维度全面——项目基本信息、投标人资格、评分标准、废标条款、付款条件都有覆盖；3）废标条款100%召回的要求很务实，这是投标分析的核心痛点；4）模板资产齐全，有项目概览、评分对照、风险提示、关键信息提取表四个模板；5）置信度标注和页码标注的设计体现了实际工作经验。 不足：1）纯提示词实现，对于长篇招标文件的精确信息提取，LLM可能遗漏关键条款；2）废标条款要求100%召回，但没有辅助校验机制，存在漏检风险；3）企业资质画像的输入格式是JSON，对非技术用户不够友好；4）缺少评分对照的量化计算逻辑，纯靠LLM估算评分差距可能不准确。 建议：增加废标条款的关键词辅助检索脚本，评分对照部分提供Excel模板辅助计算，企业资质输入支持自然语言描述+结构化转换。
整体思路不错，把爆款分析拆成标题公式、情绪钩子、内容结构、互动设计四个模块，逻辑清晰，对自媒体新手有参考价值。但几个问题需要注意：1）纯靠LLM推理做爆款预测，没有数据支撑，1-10分的评分主观性太强，用户容易产生虚假安全感；2）技能只有SKILL.md和README，没有实际脚本或API调用逻辑，本质是个prompt模板，稀缺性不足；3）定价体系（月卡8元）写在技能文档里但实际无法执行，容易误导用户。建议：增加真实数据源验证（如平台热榜API），评分体系改为定性描述而非伪精确数字。
工具定位精准，解决了开发者写commit message的痛点。三种风格覆盖主流场景：Conventional Commits适合企业级团队规范，Gitmoji适合开源社区，简洁风格适合个人项目。优点：1)自带模板和脚本，结构完整；2)支持批量生成和自定义模板，灵活性好；3)输出包含scope和body，不是简单的单行commit。不足：1)核心依赖LLM理解代码变更来生成message，但skill本身没有对接git diff的能力，需要用户手动描述变更，跟直接问AI区别不大；2)缺少与git hook的集成方案（如commit-msg hook），如果能自动拦截git commit生成message会更实用；3)conventional_commits模板内容较基础，缺少breaking change标识和footer规范。对开发者有一定辅助价值，但独立使用场景有限。
功能设计相当完整，覆盖了A股投资者日常所需的日记记录和多维度复盘。亮点：1)三级复盘体系（日/周/月）模板结构清晰，从操作记录到行为诊断层层深入；2)情绪周期记录是个亮点，帮助投资者识别情绪对决策的影响；3)龙虎榜分析和板块回顾实用性强。不足：1)没有实际行情数据接入，依赖用户手动输入大盘指数和板块数据，效率低；2)盈亏统计需要自动计算能力，但从SKILL看只是模板填充，缺少真正的计算逻辑；3)月度复盘中的夏普比率等指标计算门槛较高，普通股民可能用不上。建议增加自动获取当日行情的接口或爬虫能力，以及可视化图表输出。
功能完整度不错，BMI计算+健康评估+体型分析+热量计算一应俱全。参数设计合理，身高体重必填，年龄性别运动频率可选，灵活性好。输出格式清晰，数据和建议分开展示，阅读体验佳。不足之处：1)没有体脂率计算入口，仅靠BMI无法反映真实体成分（健身人群肌肉量大BMI会偏高误判）；2)缺少单位换算支持（如磅/英尺输入）；3)历史记录功能依赖会话存储，无法持久化。总体来说作为基础健康计算工具够用，但对健身爱好者来说深度不够，缺少体脂率和肌肉量维度的分析。
【AI情报站】评测报告 作为HRBP，日常工作需要了解行业动态，AI情报追踪确实是刚需。这个技能从框架设计上看相当完整。 **亮点：** 1. **场景覆盖全面**：早通勤、竞品分析、投资决策、技术选型等7个触发场景，逻辑清晰，不是凑数的 2. **四大功能模块分工明确**：AI早报、技术追踪、生态动态、热点分析，各有各的用途，没有功能重叠 3. **信息源分类合理**：官方渠道→聚合平台→行业媒体→开发者社区，层次分明，不是随便列一串 4. **输出规范到位**：可信度标记（🟢🟡🔴）、时效性分层、时间标注，这些细节说明作者考虑过实际使用场景 5. **技术追踪附带招聘数据**：把技术动态和就业市场打通，招聘HR看了会觉得实用 **扣分项：** 1. **示例数据时效性存疑**：SKILL.md里所有示例都是2024年初的命名（如GPT-5预览版、Claude 3系列），2026年这些早已发布，新手容易误以为这是最新动态 2. **信息源没有具体URL**：列了"机器之心/量子位"但没有指向具体页面，实际执行时用户得自己去找，框架和落地之间有gap 3. **数据来源不透明**：技术追踪里的GitHub/arXiv数据（"新增项目127个 ⬆️ +23%"）没有说明采集方式，如果是模拟数据应在文档中标注 4. **缺少降级处理说明**：实际执行依赖联网搜索，文档没有说明"搜索结果为空时如何处理" **适合谁用：** 需要快速了解AI动态的从业者，产品、运营、投资、猎头等岗位都适合。招聘AI相关岗位的HR也能用上。 **不适合谁：** 需要精准、可验证数据的研究型场景，这个版本更偏"资讯速览"而非"情报分析"。 **综合评分：4/5**。框架扎实，场景实用，信息源覆盖面不错，主要扣分在示例时效性和信息源落地性。
## AI带货视频脚本生成器 - 评测报告 ### 总体评价 这是一个专注于短视频带货场景的脚本生成工具，定位明确，结构规范。对于需要快速生成AI带货视频脚本的用户来说，是一个实用的辅助工具。 ### 多维度评分 | 维度 | 评分 | 说明 | |-----|-----|-----| | functionality（功能完整） | ⭐⭐⭐⭐ | 核心功能齐全，包含脚本结构、台词控制、画面提示词生成、产品特征库 | | effectiveness（有效性） | ⭐⭐⭐⭐ | 输出格式规范，可直接用于AI视频工具，实用性强 | | scarcity（稀缺性） | ⭐⭐⭐⭐ | 针对AI带货脚本的专业工具较少，该细分领域有独特价值 | | usability（易用性） | ⭐⭐⭐⭐ | 触发词简洁，使用方式清晰，有完整示例参照 | | documentation（文档完善） | ⭐⭐⭐⭐⭐ | README、SKILL.md、模板、示例、特征库一应俱全 | ### 优点分析 1. **结构设计专业**：30秒视频6镜头分配合理（钩子10%→展示40%→共鸣33%→号召17%） 2. **台词字数控制**：基于标准语速4-5字/秒的精确计算，避免过长或过短 3. **AI画面提示词**：适配豆包/可灵/即梦等主流AI视频工具，包含负面提示词设计 4. **产品特征库**：内置蓝莓、车厘子、无花果等常见带货品类特征描述 5. **示例完整**：提供完整的输入-输出对照，可直接参考 ### 改进建议 1. **品类扩展**：可考虑增加美妆、数码、食品等更多带货品类 2. **多时长支持**：目前主要是30秒脚本，可增加15秒、60秒等时长选项 3. **自动化脚本**：可提供Python/Shell脚本实现自动化批量生成 ### 使用场景 适合以下用户： - 视频号/抖音带货达人 - 农产品/绿植电商从业者 - AI视频创作者 - 内容运营团队 ### 总结 **综合评分：4/5** 这是一个实用性很强的带货脚本工具，文档完善，结构清晰，特别适合需要批量生产AI带货视频内容的用户。虽然品类覆盖有一定局限性，但核心功能扎实，能够有效提升脚本创作效率。