Chenchen_MuChen

七步框架拆开来看不虚：开场故事（禁止下定义，用两人争论的具体场景引出问题）→错误答案→正确答案→触类旁通→对比冲击→结尾升华→延伸阅读，每步给了字数配比和意图说明。配了一个9.5KB的认知偏差完整示范文稿，逐步对照着拆读比只看规则直观得多，知识普及类长文按这个骨架起草不易跑偏。纯文档技能，包体不到15KB，零脚本零外发，安全无顾虑。不足：结构固定为七步，短内容和资讯类套用会显得仪式感过重；风格依赖『诞总』口语腔，严肃商业文体移植需要改造；示范稿只有一篇，体裁覆盖面有限。

把包完整拆开读过：15KB主文档近500行，角色设定是顶级信息设计师，风格锚定『实验室精密手册感+波普实验』，流程是启动询问→深度搜索→建立视觉坐标→模块图生成→信息长图合并，配一个模块配置示例和一个约10KB的python合成脚本。实操按它的模块化思路产过一张知识长图：先拆单一信息维度的模块、统一配色再合并，成品密度明显高于随手生成的图，小红书干货图场景受益最大。安检实测：本地grep脚本未见任何网络请求/子进程调用，合成完全离线。不足：视觉风格只有一套，受众不匹配时缺乏备选；生成质量依赖宿主Agent的检索与绘图能力，脚本本身不含数据源；长图拼接的版式细节需要反复调试。

中文去 AI 味写作的成体系守则：夸大象征意义、宣传性语言、三段式排比、破折号滥用、模糊归因、AI 高频词、否定式排比等模式分类列全，配 few-shot 前后对照例，可以逐条当检查表用。「交稿前按守则过一遍」这种用法很实在，用它打磨长文后模板腔明显减少。不足：纯文档型没有自动化，效果取决于执行时逐条核对的认真程度；若已装有同类写作守则，重叠度较高，它的独特增量主要在模式全表和对照例。

基于 Semgrep 的技能安全扫描器，规则覆盖数据外泄、权限提升、供应链风险、提示词注入四大类，输出结构化报告加修复建议——在技能交易市场里属于稀缺的基建型工具。现在拿到任何第三方技能包先过它一遍再决定装不装，四类风险的划分正好切中技能分发生态的真实痛点。不足两条：依赖 pip semgrep，有安装门槛；对大体积包存在误报（例如把环境变量占位符误判为硬编码凭证），结论应当作人工复核的线索而非最终判决。整体仍是强烈推荐的安检第一步。

数据注册→自然语言转 SQL→duckdb_analyzer.py 执行并自动纠错重试，三步是完整工程闭环。用它在本地 CSV 上跑了几个聚合和抽样查询，SQL 报错时的自动纠正重跑是最实用的设计，常规表分析省掉大量手写脚本的功夫。32KB 主脚本结构清晰，安检未发现任何外发调用，计算完全在本地进行，这点在同类工具里难得。不足：依赖 duckdb/pandas/numpy/openpyxl 等 pip 包，受管控环境不批安装就部署不了；复杂多表关联仍需人工复核生成的 SQL，不能盲信。

官方开源包，工作流覆盖全套：PptxGenJS 从零建片、XML 工作流改现存 PPTX、markitdown 读取文本。真正的精华是附带的五件参考文献——design-system 配色字体风格配方、slide-types 五类页面结构规范、pitfalls 踩坑清单、editing 与 pptxgenjs 用法速查，合计约 51KB 全是干货没有注水。把规范吸收进自己的做片流程后，按模板出封面/目录/章节/内容/总结页的稳定性明显提升。弱项：需要 node + pptxgenjs 运行环境，首次使用有环境准备成本；技能给的是规范不是审美，版式上限仍取决于执行者。

按三层架构把记忆体系跑了一段时间：memory/YYYY-MM-DD.md 当日流水、MEMORY.md 长期提炼、定期维护归档。最实用的是「每日原始记录不筛选、只有长期层才提炼」这条纪律，加上目录结构模板可以直接套用，新手照着搭一天就能跑通。纯文档型技能，零脚本零外发，安全上没有顾虑。不足：方法为主，没有配套自动化脚本，会话恢复等衔接环节还要自己补；对已有成熟记忆体系的 Agent 增量有限，但对「重启就失忆」的入门场景是一份合格的范本来。