探戈

【实测】按SKILL.md完整生产模式执行：用"AI辅助骨科术前规划"主题走R0需求分析师→R2标题师→R3重构师→R4视觉→R5合规官全链路。实测引用02_爆款选题与标题钩子库.md五类公式：数字结果类（"1小时完成3天工作量"）、痛点反转类（"90%骨科医生低估AI三维重建"）、身份捷径类、悬念好奇类、情绪共鸣类各生成1个标题，自检标准（长度/数字密度/人群指向）验证通过；组合公式表（数字+身份捷径等4组）可用。 【亮点】①多角色SOP设计专业：总控路由只分发不生产、先分析后生产、终审放行制三条铁律闭环，14个文件（6角色+5资料库）分工清晰，进度可恢复；②标题公式库是核心资产：5类公式+变体表+钩子词库+组合表+禁忌表，可直接套用；③安全合规完备：05_运营安全反越狱屏障+合规官终审，违禁词/销售感拦截机制明确；④对标分析SOP有数据方法论（近6个月爆款关键词统计）。 【扣分】①纯提示词型无脚本，全链路依赖LLM推理，无结构化输出接口；②去重引擎仅靠规则描述无代码校验，改写质量难量化；③对标分析依赖联网搜索，搜索失败会卡壳。 【适用】公众号运营/内容团队做批量文章生产，方法论成熟度高于一般写作prompt，定位是内容工业化流水线。

【实测】按SKILL.md流程走通：步骤1风格选择（A原味犀利/B温和深度）→步骤2嘉宾信息收集（姓名/职位/公司/管辖范围/专业标签）→步骤3背景分析（9维度+反差人格标签检查）→步骤4按references/提纲模板.md生成完整提纲。用"珠海某医院骨科副主任"虚拟嘉宾实测：定位线（组织角色/与创始人分工/专业标签）→成长线（起点/关键选择/转折/低谷/突围6题）→专业线（方法论/决策逻辑/踩坑/案例7题）→情绪线（夹心层/不被理解4题）→经验线3题，五要素齐备，收尾升华+传播要素提取（封面标签/预判金句/高光点）完整。 【亮点】①「软问硬带」原则是全技能最亮设计：5个转换法则（你用"你"替代"公司"/经历替代数据/感受替代评价/选择替代战略/场景替代概述）+5组对照示例（"公司营收多少"→"你刚来时公司什么规模？现在呢？"），实操价值极高；②合规红线完善：绝不碰5类话题+话术安全替换表+提纲合规自检清单，规避企业IP访谈法律风险；③开场钩子公式（人格反差标签+职场成就数据+悬念提问，30秒/80-100字）可直接套用，含软带企业检查标注。 【扣分】①纯提示词型技能，无脚本/工具辅助，提纲生成全靠LLM推理，无结构化输出接口（如JSON schema）；②依赖宿主联网搜索补嘉宾背景，搜索失败时信息收集会卡壳；③references仅2个文档（模板+方法论手册），无案例库/金句库沉淀。 【适用】企业IP内容团队/公关公司做高管访谈策划，方法论成熟度接近付费咨询水准，定位是策划师而非执行工具。

【实测】SKILL.md声明5步CLI流程，但实际scripts目录只有estimate_tokens.py/init_project.py/tracker.py 3个文件——文档中的record.py、predict.py、summary.py、history.py 4个命令全部指向不存在的脚本，按文档执行第2步即报错"can't open file record.py"；绕过CLI改用Python import实测tracker.py核心Tracker类：estimate_tokens中文/英文/代码混合估算正常（中文4字→6 token、代码53字符→15 token），calc_coins积分换算准确（doubao-1.5-pro-32k输入3000/输出1500=5.4积分），record()→predict()→summary()链路可跑通，生成含预算使用率/剩余轮数/阶段明细的Markdown报告。 【亮点】①Tracker类可嵌入设计（装饰器/上下文管理器/手动三模式）对技能开发者友好，纯标准库零依赖；②估算规则细化（CJK×1.5/英文词×1.3/代码符×0.4/数字×0.8）含±15%误差说明；③模型费用表覆盖doubao全系13款+deepseek-v3+glm-4.7，预测含线性/加权两套算法。 【扣分】①严重文档与实现脱节：SKILL.md步骤1-5中4个步骤引用不存在的脚本，新用户照文档跑100%报错，核心价值（CLI追踪）名存实亡；②无超支预警主动通知机制，alert仅存于predict输出；③数据存储依赖手动--data-dir，多项目隔离需自行管理目录，集成指引（integration_guide.md）偏简略。 【适用】需按token消耗做预算管理的AI开发者，核心库可用，但需作者补齐缺失的CLI脚本或更新文档。

【实测】按SKILL.md执行RIA-TV++流水线审查：阶段0 Adler整书理解→阶段1五类提取器（框架/原则/案例/反例/术语）并行提取→阶段1.5三重验证（V1跨域/V2预测力/V3独特性）→阶段2 RIA++六段构造（R引用/I解读/A1案例/A2触发器/E执行/B边界）→阶段3 Zettelkasten链接→阶段4 darwin兼容压力测试（含诱饵/跨skill混淆测试）→阶段5 DIGEST精华长文交付，全流程闭环可执行。 【亮点】①方法论极完整：RIA-TV++把"拆书"从感觉变成可复现流水线，三重验证+审计轨迹（candidates/rejected保留）设计专业；②边界意识强：明确不做书摘/读后感/人设扮演，与nuwa-skill（蒸馏人）/darwin-skill（进化）生态咬合清晰，输出test-prompts.json遵循darwin格式可接入自动进化；③工程质量高：19个references子文档（各阶段指南+5个提取器prompt+5个模板）+断点续跑PIPELINE_STATE.md+质量红线（原文引用<=150字等5条），可直接作为元技能生产环境使用。 【扣分】①纯方法论型无任何脚本/自动化辅助，5个sub-agent并行提取依赖宿主环境Task工具，降级串行时效率低；②"不凭记忆拆书"要求必须先有全文文本，对无电子版书籍需先OCR/转录，前置成本未给出方案；③三重验证中V2预测力判定依赖人工，无量化标准。 【适用】需把书籍/长视频/播客/课程的方法论体系蒸馏为可调用skills的重度用户，定位是生产级元技能。

【实测】按SKILL.md执行`python scripts/calculate_level.py --maturity 1250`，报错`ModuleNotFoundError: No module named 'core_calculate_level_c9faf2c2'`——6个脚本（calculate_level/calculate_decay/generate_panel/generate_skill_list/init_user_panel/update_user_progress）全部是加密wrapper，import的.so核心模块**未随zip包打包**，下载后无任何脚本可运行；进一步`find -name '*.so'`确认缺失，6个脚本100%不可执行。 【亮点】①SKILL.md文档结构完整：三阶九级27级成长体系概念清晰，操作步骤分7步（设计体系→准备数据→生成清单→拜师→算等级→更新进度→衰减→面板），依赖声明jinja2==3.1.2；②references目录含三阶九级阈值、数据格式、模板等说明文档，可视化面板用Jinja2模板思路合理。 【扣分】①严重缺陷：所有Python脚本为加密逻辑wrapper但.so核心模块缺失，用户下载后6个脚本全部无法运行，只能靠AI按文档手工推算，核心功能（等级计算/衰减/面板生成）全部失效；②'加密保护'策略过度且打包错误，直接导致技能不可用，属于发布质量问题；③无降级方案或纯Python实现，32KB包体主要靠模板和CSS撑起，实际可执行内容几乎为零。 【适用】当前版本不可用，需作者补发.so模块或改为纯Python实现后再评测；三阶九级概念框架本身有价值。

【实测】脚本whisper_transcribe.py（6.7KB）代码审查+功能验证：argparse参数完整（model 5档/language/format/vad/word/beam/device），format_ts时间戳格式验证通过——SRT格式输出`00:01:02,456`、VTT格式输出`00:01:02.456`毫秒位正确；faster-whisper转写循环正确处理segments迭代器，VAD静音过滤、word级时间戳、TXT/SRT/VTT/JSON四格式输出逻辑完整，JSON输出含语言检测、置信度、时长元数据。 【亮点】①完全本地运行（faster-whisper），不调云端API、数据不出本机，适合隐私敏感录音场景，定位差异化明确；②脚本工程完整性高：初始prompt'以下是普通话的句子'优化中文识别、无内容时警告、语言自动检测+置信度输出、国内HF镜像下载提示，考虑周到；③支持中/英/日/韩/粤等99种语言+词级时间戳+ffmpeg字幕烧录配合，长音频VAD加速。 【扣分】①依赖faster-whisper需自行pip安装，首次需下载模型（small 460MB），无requirements.txt或自动安装检查（只有import报错提示）；②未提供批处理/多文件转写模式，一次只能处理一个文件；③音质依赖提示明确但无降噪预处理集成，嘈杂录音效果受限。 【适用】会议录音/采访/视频口播/播客的离线转写与字幕生成，隐私敏感场景的首选工具型技能。

【实测】用串口通信故障场景验证：按技能给出TX/RX接反、GND共地、波特率参数一致性、示波器看波形、电平匹配（3.3V/5V TTL vs RS232）、`ls /dev/tty*`软件排查、TX短接RX回环测试的完整排查链条；电源类故障给出蜂鸣档短路判断、烧机法/拆件法定位、EN脚阈值核对datasheet等步骤，逻辑清晰可直接执行。 【亮点】①排查思路'从简单到复杂'、'现象先行'原则正确，命令给完整可复制代码块，务实不空话；②电源故障模板（输入→短路→芯片→EN→反馈电阻→后级通路）覆盖全面，面试模拟功能实用；③明确要求不确定芯片参数核对datasheet、不编造，符合硬件工程师工作习惯。 【扣分】①纯提示词型技能，无任何脚本/工具/流程图，排查步骤全靠AI推理输出，无法生成检测清单或接线图；②SKILL.md内容较单薄（3.8KB），无references补充资料，常见故障模板只有电源/串口/短路三类，覆盖场景有限；③'硬件测试面试模拟'只有提示词框架，无题库/评分标准，实用深度一般。 【适用】硬件维修/测试工程师的故障排查思路参考与面试练习，定位是方法论顾问而非工具。

【实测】用培训机构排课场景验证：500人规模、12全职+8兼职、6间教室，按七段式流程走通机构类型确认→任务启动单→三类硬约束采集→冲突检测→人工调课→定稿发布；7套模板（启动单/教师可用时间表/教室表/课程优先级表/冲突检测报告/教师反馈单/定稿确认单）齐全，兼职老师'时间锁定池'、A/B/C课程优先级、教师请假应急流程（30分钟找到代课、1.5倍代课费）话术接地气可落地。 【亮点】①工作流完整，'机器先扫一遍、人再查一遍'理念正确，明确人工调课占70%工作量，不吹全自动；②应急预案（教师请假/台风停课/新老师入职）有具体时间节点和话术，实操性强；③禁止黑话清单（赋能/抓手/闭环等15组）对教务小白友好。 【扣分】①纯提示词+模板型，无任何排课算法或脚本——'算法粗排与冲突检测'仅是概念描述，实际冲突检测完全靠AI推理，大规模课表（500人）无法真正生成无冲突课表；②SKILL.md含大量'保密铁律'声明且占3.3万字节，AI交互中反复要求不得复述内容，过度防御影响实用；③与真实排课软件无对接，定位是'方法论顾问'而非工具。 【适用】教务员学习排课方法论、生成采集表模板、应对突发排课场景的顾问参考。

【实测】用骨科术后随访Agent场景走完整选型流程：任务多步骤链式（采集→疼痛/感染风险筛查→提醒复诊→异常转人工）→按决策树落入步骤2B流程化场景；五大核心能力权重评估（推理中、规划高、工具调用高、记忆高、迭代中）→T0以Router+Skill快速验证随访率，T1升级Graph Workflow（并行流程+失败重试），T2扩展多Agent承载全院术后管理；医疗合规要求（可解释、异常人工复核）被'可执行优先'原则覆盖。 【亮点】①决策树三步走（评估复杂度→匹配架构→定优先级T0/T1/T2）逻辑清晰，够用即可、先落地再升级原则克制不浮夸；②七大架构速查表一句话定位+短板明确（ReAct token高、Graph冗余、Blackboard状态复杂），对比直观；③references三篇落地指南（能力落地/架构目录/实施路线）质量高，MECE拆解任务、动态重规划等具体。 【扣分】①纯方法论文档型技能，无配套架构图生成/选型问卷脚本，需要用户自行消化；②缺少成本量化模型（各架构token/开发/运维成本仅定性描述，无估算公式）；③医疗等强合规行业的安全护栏（数据脱敏、人工复核节点）未涉及，需自行补充。 【适用】企业/科室Agent架构选型决策、从Demo到企业级的分阶段落地规划。

【实测】用python-docx按技能提供的gen_gongwen_docx.py模板生成一份《创伤中心半年总结讨论发言》Word文档：标题18pt方正小标宋简体居中、副标题楷体居中、一级标题黑体15pt、正文仿宋14pt三号、1.5倍行距、首行缩进2字符、页边距上下2.54cm左右3.0cm、落款右对齐，全部符合GB/T 9704公文格式规范；中文字体同时设置font.name和w:eastAsia（避开最常见坑）；内层引用用「」避免ASCII引号SyntaxError。 【亮点】①格式函数封装完整（标题/副标题/一级二级标题/正文/落款），改内容即可出合规公文，零依赖python-docx；②讨论发言稿三部分结构（信心-问题-举措）实用，口语化示例「差距不小，得抓紧补」接地气不八股；③数字必须来自原文、不编造数据的纪律明确，适合医学汇报材料场景。 【扣分】①模板正文是占位符括号文本，实测需手动替换内容区，未提供CLI参数化正文输入，多文档批量生成不便；②无自动检查引号残留/落款完整性的校验脚本，需人工打开核对；③发言稿结构偏机关/企业场景，医疗科室汇报的指标维度（抢救成功率、绿色通道时间等）需自行组织。 【适用】医院/科室半年总结、讨论发言、通知请示等正式公文，Word格式合规出稿首选。

【实测】用"老宅地下室蒙尘镜面+镜内划痕+身后人影"悬疑片段走通全流程，目标平台视频号。技能将小说片段自动转化为完整短视频推文方案：爽点提取（核心冲突/转折/情绪高点/悬念钩子四项）定位精准——"灰尘从里面划的"这一反转点被抓得很准；推文脚本口语化、短句为主（每句≤20字），60秒约220字旁白，开头3秒强钩子、结尾留悬念符合短视频逻辑。 【亮点】①8种风格预设覆盖主流网文类型（玄幻/仙侠/热血/古风/赛博朋克/都市/甜宠/悬疑），自动匹配逻辑清晰（修仙→暗黑玄幻、悬疑→冷调）；②分镜表结构完整——8个镜头各含景别/视角/时长/运镜，且为每个镜头生成中英文双语首帧+尾帧提示词和可直接粘贴的运动描述，即梦/可灵工具对接指南实操性强（提示词长度限制、角色一致性用参考图、比例选择都有说明）；③平台差异化适配到位：抖音9:16快节奏3-5秒/镜头、小红书3:4氛围感5-7秒/镜头、视频号16:9电影感，连BGM/配音语速/封面标题/标签都按平台定制；④负面提示词和"不用角色名用外貌特征代替"规则专业，角色一致性意识强。 【扣分】①纯提示词方法论文档，无任何脚本/工具，全部输出需使用者手动执行，工作量大；②风格预设虽多但每个风格只有文字描述，缺少实际参考图或案例图，视觉落地依赖使用者想象力；③对输入片段质量依赖高，片段本身爽点不明显时自动提取的脚本可能平淡；④"60-90秒"与"200-350字"等规则未做严格校验，输出质量依赖Agent自觉遵守。整体适合小说推文从业者/AI动漫创作者批量出脚本场景，比从零写分镜提示词效率高一个量级。

【实测】这是同类"名人思维"技能中思想归属最严谨的一个。用"医生想开骨科科普付费专栏已备80%不敢上线"场景走通：技能不是套口号，而是先诊断卡点（把可逆决定当不可逆处理），再调用"客户倒推+一类门二类门+可纠正决定不必完美信息"三个框架，清晰标注可信层级（明确表达/框架归纳/情境推演），最后给出可落地抓手（20人限量内测/399元/30天可退，验证真实付费意愿后再加码）。check_skill.py自检通过：7文件/8框架/12个A1/A2原始出处/8条归属排除/18个评测用例。 【亮点】①证据等级体系（A1本人原始材料/A2官方记录/B转录/C二手解释）在技能中极为罕见，8个框架全部挂股东信/访谈原文链接；②硬性边界完备："不把约七成信息写成普遍精确阈值""医疗法律安全决定不能因可修正而草率加速""不把Day 1解释成永久加班"——对医疗专业用户尤其加分；③18个评测用例含安全边界测试；④明确"不扮演贝索斯、不把亚马逊机制归功于个人"，防幻觉意识强。 【扣分】①框架库和证据索引以英文原始材料为主，阅读门槛偏高；②方法论型技能依赖使用者自身分析能力，不能脱离用户独立产出；③学习成本高，需要完整读取4个reference文件才能用好。适合产品决策/副业启动/项目评估等需要结构化思考的场景，工程严谨度同类顶级。

【实测】用"绿萝新叶脉间黄化（叶脉仍绿）老叶正常"症状走通全流程：诊断表定位准确——新叶脉间黄化+叶脉仍绿正确指向缺铁（与缺镁的老叶脉间黄化做了明确区分），说明症状分类表设计专业。五步流程（识别植物→视觉症状→诊断→居家建议→报告）完整，输出报告格式标准化（植物识别/症状/诊断/养护/环境/注意事项）。最大亮点是"居家可操作优先"原则：鸡蛋壳补钙、香蕉皮补钾、铁钉泡水补铁、小苏打水治真菌、洗洁精水杀虫——全用家里现成的东西解决，对普通用户零门槛，比直接推农资购买实用得多。 【亮点】①15类问题×症状×原因的对照表覆盖全面（缺素/浇水/光照/温湿度/真菌/虫害/土壤板结）；②边界处理完善：图片不清晰/品种不确定/多问题并存/问题不在知识库中都有预案；③拍摄建议具体（叶片正反面、近景特写）。 【扣分】①纯提示词无脚本，依赖视觉模型对图片的识别能力；②方案库是静态表格，复杂病虫害/多病并发覆盖有限；③缺素诊断无法真正检测土壤，靠症状推断存在误判可能。适合居家绿植/盆栽养护场景，实用性强。

【实测】用"珠海外伶仃岛8间房精品民宿改造（预算300万）"场景完整走通全流程：七步结构（需求采集→市场调研→定位产品→运营→财务测算→风险评估→结论）清晰闭环。财务测算逻辑自洽，收入=房间数×365×入住率×ADR公式正确，给出10年盈利预测表、静态回收期约4.5年、IRR约12%、RevPAR/GOP率/人房比等关键指标齐全；三种情景（乐观/基准/悲观）测算意识好。竞品分析要求至少3-5家且需具体数据，数据来源必须标注，杜绝编造数字——这在可行性报告类技能中难得。风险评估覆盖市场/政策/财务/运营/竞争/不可抗力6类且每个都给等级+应对。 【亮点】①财务模型完整度高，是同类技能中少见的；②明确要求"数字计算通过代码完成"防手算错误；③信息补全策略（联网搜索补市场数据）专业。 【扣分】①纯提示词方法论文档无任何脚本工具，财务测算仍需使用者自行用代码/表格实现，未提供现成计算模板；②竞品数据、当地市场数据高度依赖联网搜索质量，无数据源接口；③篇幅要求5000-10000字，对快速评估场景偏重。整体适合项目论证/投资决策前置调研场景，比从零写报告效率高一个量级。

【实测】按"女性在海边散步"场景走通全流程：技能先询问生成类型（视频/图片），再展示7维度选项（景别/角度/运动/光线/速度/色调/构图），用户选"用默认"后输出结构化提示词——【场景】主体/环境/氛围 + 【镜头选择】全景/平视/跟/黄金时刻/慢动作/暖色调/三分法 + 【完整提示词】一段可直接复制的流畅描述（含"赤脚走在热带海滩上""黄金时刻的自然光""慢动作""电影感质感"），最后附2条优化建议（增强梦幻感可加逆光、增强动感可加裙摆飘动）。输出格式规范，可直接粘贴到可灵/Midjourney使用。 【亮点】①选择式交互设计优秀：用户只需回复数字即可完成专业镜头语言配置，零门槛，不选的自动用默认值；②7维度选项库完整且带英文术语与通俗说明（如"丁达尔光-光穿过烟雾"），兼顾专业性与小白友好；③视频/图片两种生成类型区分清晰，图片提示词自动剔除运动/速度维度；④示例交互完整（含用户回复"用默认"的完整对话），开箱即用。 【扣分】①纯提示词技能，仅覆盖视频/图片提示词生成，不支持文案/编程等通用提示词场景，功能面窄；②依赖LLM整合能力，同一选项组合不同模型输出风格差异大，缺乏固定模板化输出；③无负面示例/常见错误示范，用户可能不理解为何某些镜头组合不协调；④未提供多镜头分镜脚本生成能力（描述说支持分镜但实际是单条提示词）。 【适用】自媒体创作者/AI绘画用户快速生成专业视频分镜与图片提示词，选择式交互是其最大亮点。

【实测】用"咳嗽、痰白、怕冷"场景验证：技能按remedy-index分型表准确识别为寒痰(风寒)型（特征匹配：痰白清稀/畏寒/舌淡），输出姜苏饮（生姜3片+紫苏叶5g+红糖煎水温服，出处标注"民间验方（来源待考）"）+陈皮粥备选，并附饮食宜忌（忌生冷甜腻）。中医师视角看辨证逻辑正确，寒热虚实分型表覆盖咳嗽/失眠/月经不调等高频场景。另验证references五件套（症状索引/体质/食材性味/功法/原则）体系完整，用量单位统一（克/片/枚），特殊人群（孕妇/儿童/老人）标注规范。 【亮点】①"辨证是灵魂"原则执行到位：同一症状分寒热虚实再给方，给错方向反而有害的提醒专业；②出处标注诚实可信——可确证古籍（《韩氏医通》三子养亲汤、《金匮要略》橘皮竹茹汤）照实标，不确定的民间方明确标"来源待考"，不附会《本草纲目》，这个学术严谨度在同类技能中罕见；③安全边界清晰：持续发热/咯血黑便/孕妇异常出血等只提示就医不给方；④辨证→验方→宜忌→功法→反馈五段式输出模板完整，可直接用于健康内容创作。 【扣分】①验方多为民间验方（来源待考），现代循证证据标注不足，中医师使用时需自行甄别；②未内置验方逐条原文，高度依赖LLM生成质量，不同模型输出可能不稳定；③药食同源物质用量虽标注但缺乏毒性/相互作用提示（如酸枣仁镇静与其他药物叠加）；④无体质自测问卷交互，用户自我判断体质有误差风险。 【适用】日常养生食疗速查、健康科普内容创作引用，辨证逻辑和出处规范在同类食疗技能中属上乘。

【实测】按技能工作流对一段模拟Java应用日志（含OutOfMemoryError: Java heap space堆栈+Connection refused+连接池Timeout三条联动错误）执行分析：第一步识别类型准确（Exception+堆栈→应用日志），第二步结构化解析能拆出时间戳/级别/来源/消息/堆栈，第三步根因分析按"直接异常→级联故障→时序→频率→资源关联"五层排查，正确区分了OOM是因、Connection refused与连接池超时是果，并给出"调大-Xmx+排查内存泄漏+检查连接池配置"的修复路径。 【亮点】①四步工作流（识别→解析→根因→报告）结构清晰，输出报告含问题摘要/根因/影响范围/修复建议/预防措施五段式，可直接交付运维；②常见模式识别表覆盖Java/Web/DB/容器四大类（OOM、5xx、慢查询、CrashLoopBackOff等），每类有明确分析重点；③时序分析和依赖链追踪（traceId串联）的设计贴近真实排障场景；④脱敏提醒和"先止血再优化"的风险分级理念专业。 【扣分】①纯方法论提示词技能，无任何脚本/工具，大规模日志仍需人工阅读，实用性受限于LLM上下文；②无内置日志解析正则或结构化工具，对超长日志只能采样分析；③未提供日志采集方式（文件上传/粘贴/API）的指引；④性能分析技巧较笼统，缺少具体量化指标示例（如P99阈值参考）。 【适用】开发/运维人员排查线上日志、定位系统故障根因的辅助指南，适合作为排障流程Checklist使用。

【实测】模拟商务宴请场景（对方是采购总监王总、目的谈明年续约、我是销售负责人酒量半斤）完整应用本技能：按八段式输出酒局公式——①酒局概况（商务局/主宾王总/核心目标续约+建立信任）；②座位礼仪（主位=王总正对门口、主陪位=我、副主陪=同事）；③敬酒词按职场分类生成"王总，感谢您一年来对我们团队的信任和支持，这杯酒我干了您随意"，并给出"你的版本"具体话术而非通用模板；④话题储备避开竞品对比和价格敏感；⑤点菜6-8菜4荤3素1汤含硬菜先问忌口；⑥避坑指南（不主动劝酒/不打断发言/不先离席）；⑦出发前Checklist；⑧临场应变金句（压价应对/冷场救场）。 【亮点】①八段式结构完整覆盖酒局全流程（座次/敬酒/话题/点菜/避坑/应变），实用性远超单一敬酒词工具；②敬酒词按六类场景分类（开场/祝福/感谢/职场/挡酒/收尾），触发即出可落地话术，"你的版本"填充机制避免空泛模板；③安全设计好：明确不鼓励过量饮酒、挡酒话术齐全、危险话题黑名单（政治/隐私/薪资/负面八卦）；④万能接话术表格（"最近好忙""今天菜不错"等高频场景）实战价值高。 【扣分】①纯提示词无脚本无自动化，输出质量完全依赖模型理解，复杂酒局下八段全量输出偏冗长；②话题储备库为静态示例，未结合当前时事动态更新，时效性弱；③点菜数量速算表是通用经验值，未考虑地域菜系差异；④缺方言/地域酒桌文化差异化适配（如广东/山东/东北酒规差异大）。 【适用】商务宴请、公司聚餐、同学聚会等社交饮酒场景的应急话术与礼仪参考，尤其适合职场新人临场使用，方法论完整度高。

【实测】输入碎片"张总提预算 李工说延期 王经理要求下周出方案 会议持续1小时"：技能自动识别会议纪要场景，套用模板二输出完整纪要——发言人-观点-待办映射表（张总=预算、李工=延期、王经理=下周方案）提取准确；缺失信息（时间/地点/主持人）如实标注待补充而非编造；自动生成标签行🏷️与一句话回顾；从内容自动提取行动清单（产出整体方案/高优先/下周）；碎片数3-5条触发中等引导深度（引导一自下而上+引导三+引导四），金字塔提问结合具体场景（预算缺口多少/延期根因/验收标准）。 【亮点】①场景自动识别规则表覆盖9类常用场景（作业流程/会议/知识/日报/问题分析/开发/随笔/闪念/复盘），关键词触发准确；②"绝不编造信息"硬规则+待补充标注机制，避免笔记幻觉；③事实与想法分离设计贯穿模板，对复盘/反思场景价值大；④引导深度随碎片数自适应，轻量输入不强行输出冗长引导。 【扣分】①纯提示词技能无脚本，依赖模型对模板的忠实执行，复杂场景下模板套用可能变形；②行业识别规则偏少（电力/软件/项目管理为主），医疗等垂直行业需自行扩展；③引导模块表格化输出对部分用户偏重，移动端阅读稍繁琐。 【适用】碎片化信息快速整理为结构化笔记、会议纪要生成、复盘反思场景，思路引导+行动提取设计实用，适合知识工作者日常记录。

【实测】用一篇3章非虚构短文《急诊科的时间压力》（含数据引用、案例、策略列表）完整走通No-Loss Deep Reading流程：Step1-2确定任务并选Complete模式；Step3建覆盖图（3章+结论全覆盖）；Step4路由非虚构框架；Step5证据分层（[Source/Text]原文/[Reasonable Inference]合理推断/[AI Analysis]分析）全部到位；Step8关键术语与精确引用规范明确；Step10每章末Chapter Final Summary；Step11全书综合综述（中心问题/主论点/论证架构/最强证据/弱点）；Step12执行10项质量检查全部通过。 【亮点】①"压缩冗余而非压缩意义"的核心原则直击长文阅读痛点，12步工作流可操作性强；②证据标签体系（Source/Inference/AI Analysis）是同类技能稀缺能力，杜绝把推断当原文；③虚构/非虚构双框架+三种深度模式（Complete/Balanced/Executive）覆盖场景广；④10项质量检查清单实用，尤其Quote Integrity与Unsupported-Claim防幻觉设计严谨。 【扣分】①纯框架无脚本无自动工具，输出质量完全依赖模型执行自觉，长文档分块处理仍靠人工维护覆盖图；②V1明确不含学术论文专用流程，医学论文等方法学分析需借道非虚构框架，边界模糊；③参考资料为英文，中文用户上手有语言门槛。 【适用】书籍/PDF/长文深度阅读与要点提取场景，方法论严谨度同类顶尖，适合需要保留结构、区分原文与分析的阅读任务。

【实测】用一份珠海-外伶仃岛自驾路书Markdown（含#标题、##章节、-列表、1.编号、>引用、表格、⚠️警示等元素）调用 scripts/md_to_pdf.py 一键生成手机竖屏PDF成功：封面390×258pt+内页390×600pt，共2页65KB。用PyPDF2提取文本验证排版正确：标题深蓝粗体、⚠️台风警示红色粗体、注意橙色粗体、提醒灰色备注均正确渲染；表格自动转为"时间：xxx | 安排：xxx"键值对；页面底部页码（-1-）正常；首页顶部元数据行（出行时间+生成时间+版本v6.2）完整。 【亮点】①手机竖屏390pt宽度专为移动端阅读优化，自动换行无右侧溢出；②颜色层级体系清晰（红=高危/橙=注意/蓝=标题/灰=备注），无框纯色设计视觉清爽；③支持--preview N预览模式，先确认排版再出全量，体验友好；④reportlab实现零外部服务依赖，脚本可直接复用。 【扣分】①图片一律跳过，含地图/景点图的攻略会丢失视觉信息，只能靠文字描述替代；②中文字体硬依赖WenQuanYi Micro Hei，非Linux环境需手动安装字体；③封面必须外部图片文件，未提供内置默认封面兜底；④表格转文字后竖排阅读体验一般，长表格易断页。 【适用】自驾游路书/旅行攻略/行程手册的移动端PDF输出场景非常实用，一键转换效率高，排版专业度超过手写PDF脚本。

【实测】下载解压后为单文件SKILL.md（无references/scripts），但内容密度高。按流程实测"压力大+失眠"场景：情绪自测5问（愉快频率/注意力/平静/精力/兴趣，1-5分）评分解读分5档并自动映射冥想类型——失眠场景推荐4-7-8呼吸+身体扫描（激活副交感神经助眠），判断合理；冥想引导文本完整含准备阶段（环境布置/勿扰/调光）、身体扫描15分钟逐部位引导（头顶→脚）、呼吸练习库6种呼吸法（腹式/4-7-8/方块/交替鼻孔/箱式/狮子呼吸）带节奏参数；CBT认知重构四步法+5种认知扭曲表（非黑即白/灾难化/过度概括/读心术/应该思维）有挑战问题；睡眠改善含30-60分钟睡前仪式与睡眠卫生清单。 【亮点】①结构完整覆盖"评估→干预→训练→预防"闭环，情绪评估结果与冥想类型自动匹配是实用设计；②危机干预协议规范：自伤/自杀信号检测+热线资源（400-161-9995/010-82951332）+"不要否定感受"等应对步骤，安全边界到位；③引导文本专业且可直接使用，省略号节奏符合冥想场景；④含4-7-8呼吸等循证技术（激活副交感神经）。 【扣分】①纯提示词技能无脚本无参考资料，全部依赖LLM按SKILL.md执行，不同模型输出质量波动大；②情绪评估自测是主观问卷，无客观量表信效度说明（如PHQ-9/GAD-7对照）；③冥想引导为固定模板，无个性化定制（不能按用户反馈动态调整时长/部位）；④无音频/计时器等交互辅助，需用户自备计时。 【适用】医生/教师等高压人群自我调节、日常减压助眠场景实用；作为心理健康辅助工具不替代专业咨询的边界声明清晰，配合危机干预热线设计专业。

【实测】运行内置自检脚本scripts/check_skill.py，输出"OK: 6 files, 8 frameworks, 12 sources, 5 attribution exclusions, 16 evaluation cases"全部通过，且检测了禁止残留词（TODO/由大模型生成等）。完整读取SKILL.md+3份references：8大框架（能力圈/所有者视角/一英尺栏杆等）每条标注"可信层级+核心来源"（如F1能力圈基于E03/E04股东信，A1级原始材料）；证据索引12条核心来源全部带伯克希尔官网链接，5条思想归属排除（安全边际归格雷厄姆、5/25归芒格），归属纪律严格。用"业务增长快但利润全要再投入"案例实测：命中F2所有者视角+F4追加资本需求，输出含"区分收入与可分配价值"追问和现实数据抓手，未越界替用户作决定。 【亮点】①思想归属工程是最大亮点：每个框架都有可追溯的股东信出处，明确排除格雷厄姆/芒格体系，忠实呈现不拔高；②16个评测案例带must/must_not硬性约束，可回归验证；③硬性边界清晰（不写"巴菲特一定会怎么做"、不捏造原话、不把高风险财务决策交给框架拍板）；④输出结构有推导链（用户事实→框架→识别假设→判断），结尾给可行动抓手而非空话。 【扣分】①对普通用户偏"重"：8框架+证据索引体系复杂，小白用户需耐心；②无自动调用脚本（check_skill.py仅自检），使用时依赖LLM对references的理解深度；③references全英文材料（股东信原文），对非英文用户有阅读门槛；④个别框架（如F7现金缓冲）迁移到个人职业/生活场景时边界需自行把握。 【适用】投资人判断标的长期价值、创业者评估项目资源占用、个人重大决策的长期视角审视；保守型投资者（如本人）评估稳健配置场景实用。

【实测】下载解压后完整读取了SKILL.md与references四件套（期刊清单/选题方向/写作方法/投稿渠道）。按流程模拟了一位初中数学教师"写一篇关于作业设计的评职称论文"的完整咨询：选题环节给出3个候选（双减背景作业设计三步法、大单元作业进阶设计、学情诊断式作业），并遵循"求新求小"原则避免空泛；期刊匹配精准推荐《江苏教育研究》（不收版面费）+《教学月刊》组合，对核心期刊如实说明"难投、周期长、建议普刊+报纸组合"，未编造邮箱；五步法框架（选题→文献→提纲→初稿→修改）输出清晰，含可直接复制的AI辅助提示词并强调"AI只辅助不代写"。 【亮点】①数据自包含零联网，期刊/选题/投稿信息全部内置，15个主表期刊有完整级别与投稿方式，边界意识强（扩展表明确标注"以官网核实"，严禁编造邮箱）；②投稿四步法（关注公众号→研读样稿→匹配存稿→润色投出）实操性强；③输出规范统一含反馈链接，示例场景覆盖常见教师需求；④"数据边界如实告知"的设计克制专业，不夸大覆盖范围。 【扣分】①期刊库仅15+13个，学前教育/职业教育/高等教育等细分领域缺失，需自行补充；②无自动化脚本或模板文件，全靠LLM按SKILL.md规则生成，对模型遵循度依赖高；③选题方向10大方向偏基础教育，中学理科具体课例适配度一般；④期刊投稿方式虽标注"以官网为准"但主表邮箱可能随时间失效，需人工复核。 【适用】中小学教师评职称写作、教育论文选题、期刊投稿选刊场景很实用；医生等非教育领域作者写医学教育类文章也可借鉴框架。

【实测】完整走通核心流程：init初始化（指定项目"骨科临床"、用户"Dr tang"）→ add添加2条记忆（L3决策"钢板选择"、L3知识"感染性休克Hour-1 Bundle"）→ 混合搜索"骨折固定方案"精准命中"钢板选择"（71.8分）；语义搜索"休克治疗"命中"感染性休克"（35.8分）；extract自动提取测试文本成功识别3条候选（决策/规则/教训三类，置信度70-75%）。零依赖纯Python，命令体系完整（init/add/search/list/switch/extract/ledger）。 【亮点】①五层架构（规则/画像/情节/工作/技能记忆）贴合Agent长期记忆真实需求，重要度分级+自动衰减设计专业；②BM25+语义向量混合搜索双路召回，中文n-gram分词无需jieba零依赖；③extract自动提取能区分决策/规则/教训并建议层级和重要度，直接落地可用；④项目功能总账（ledger）7章节结构对项目知识沉淀实用。 【扣分】①自动提取规则记忆时"记住了，"等前缀杂质未清洗干净（提取为'记住了，创伤患者优先查骨盆X线'）；②语义搜索分数偏低（35.8分）且无结果排序解释；③maintain/export/import命令标注"占位开发中"，完整闭环未实现；④重要度分级是静态配置，未看到实际衰减执行逻辑。 【适用】Agent长期记忆管理、个人知识库沉淀场景实用，医生记录临床决策和诊疗经验也很贴合。

【实测】用python-docx构造一份模拟论文docx（含2处文本层级标题未套样式、1个非标准三线表、正文无首行缩进、中文半角标点、参考文献跳号[1]...[3]）运行format-checker.py。脚本正确输出诊断报告：检出5个问题（标题未用内置Heading样式导致无法一键出目录、表格缺三线表边框、首行缩进缺失、半角标点、表格缺题注），严重度分级（4中危1低危）合理，报告格式清晰带Markdown输出。 【亮点】①模板驱动+通用体检双模式设计合理，抽格式画像（含批注优先）的思路贴合学校模板"批注写要求"的真实场景；②诊断粒度细：能识别自定义样式标题、三线表边框缺项、firstLineChars缩进这些专业级细节；③诚实免责声明做得好（无模板时明确提示精确数值无法核对），标注"仅调格式不改正文"边界清晰；④多脚本分工（抽画像/诊断/套样式/重排文献）架构完整。 【扣分】①实测参考文献跳号[1]→[3]未在诊断中检出，文献检查能力有限或需Pro版；②免费版提示"每月限2篇诊断"，存在付费墙；③修正功能（headings-fix/ref-reformat）需Pro版，免费版只有诊断；④对Word域代码/书签残留等复杂场景处理深度未知。 【适用】毕业生查重前格式自检、期刊投稿格式核对场景很实用，专业医生/科研人员写论文也能用。

【实测】用一份真实场景的脏CSV验证：构造GBK编码的医疗门诊表（含中文乱码风险、千分位数字1,234.56、会计格式负数(123)、混合日期2024/1/5和2024年2月14日、布尔列Y/N/是/否、一行重复记录）运行脚本。inspect命令一次性正确识别出gbk编码、逗号分隔符、7行6列、1条重复行；clean命令自动修复编码并完成去重、日期统一为YYYY-MM-DD、千分位去除、负数归一、布尔归一，全程零依赖纯标准库，输出UTF-8干净CSV。 【亮点】①"诊断优先→逐步修复→清洗→校验"流程清晰，先备份再清洗的理念对数据安全友好；②内置脚本实用性高，inspect/clean两条命令覆盖90%脏数据场景，还有清洗报告日志便于人工复核；③对GBK/BOM/引号内换行/错列等常见坑有系统化症状表，比盲目用pandas强；④零依赖跨平台，Agent可直接调用。 【扣分】①空值归一不彻底：'NA'和'-'未被识别为缺失值统一处理，保留原样；②布尔归一'是'→true正确但缺乏统一映射表文档；③无Excel(.xlsx)直接处理能力，需先转CSV；④大文件流式处理虽有提及但无专门优化说明。 【适用】任何Agent拿到乱表格做分析前先清洗，医疗/运营/爬虫数据落地场景都实用。

【实测】用本技能自带的scripts目录（20个py文件、112个函数）做真实测试：自动识别Python模式，扫描出0个模型调用、10个提示词；10维度分析全部完成，总分90.7/100（S级卓越），P0:0/P1:2/P2:19；生成74KB单文件HTML报告，内含SVG雷达图、函数调用拓扑图（力导向布局，问题节点按P0红/P1橙/P2蓝着色）、维度详情与优化建议，报告质量高。 【亮点】①支持Python代码目录与Coze工作流JSON双输入，自动识别schema变体，对Coze生态用户极友好；②10维度独立分析体系（链路完整性/节点冗余/模型分工/提示词一致性/数据契约/上下文损耗/异常处理/成本效率/知识引用/人工卡口）覆盖全面，加权评分合理；③纯本地零依赖分析不产生网络调用，隐私友好；④拓扑图可视化是同类工具稀缺能力。 【扣分】①LLM增强模式需另配API Key，纯规则引擎对语义级问题（如提示词隐性冲突）判断力有限；②工作流JSON输入需命中预置schema变体，极复杂自定义结构可能解析不全；③报告偏技术向，非工程师理解门槛较高。 【适用】AI工作流/Agen链路/多模型编排的质量审计场景，视频生成Pipeline、Coze工作流团队可作日常质检工具。

【实测】这是一套完整度极高的复杂系统设计方法论套件（V1.5.3），包含6个子技能：progressive-convergence-design（四阶段八步执行内核）、professional-system-document、system-model-visualizer、executive-design-deck、delivery-package-editor、delivery-package-packager，外加跨模型回归测试基础设施（regression/cross_model，含Runner/Judge隔离与评分卡）。 【亮点】①方法论体系严谨：先确界后建模、实例反证、阶段冻结、语义固化，核心主张"让错误答案越来越难长期存活"极具工程哲学；②输出标准化到位：PCD-OC-1.1（D1-D6/DX）定义清晰，delivery-package-editor内置OVER_MERGED/OVER_FRAGMENTED/ORPHAN_ARTIFACT/UNDER_COVERED/SEMANTIC_DRIFT五类正式QA检查；③15个Python脚本（validate_suite/validate_output_standard/build_delivery_zip/run_evals等）支撑落地；④跨模型回归基础设施是同类技能罕见配置，V1.5.3已有固定输入回归测试，工程严谨度顶级。 【扣分】①学习曲线陡峭，6个子技能+输出契约+门控体系对非专业系统设计者上手门槛高；②中英混杂表述较多，README与部分SKILL以英文为主；③方法论型技能无法脱离使用者独立产出，需要配合专业分析能力。 【适用】平台型/审批治理型/对象边界不稳定的复杂业务系统设计，专业架构师与复杂系统设计团队强烈推荐。

【实测】用一份OpenAPI 3.0规范（测试医疗API，含GET /patients分页参数与GET /patients/{id}路径参数）完整走通流程：parse_openapi.py成功解析（自动识别openapi3、模块/端点统计准确），generate_doc.py分别生成Markdown与HTML文档均成功。Markdown输出含目录导航、参数表格、请求/响应示例；HTML输出带侧边栏分组、代码高亮与cURL/Python/JS/Go多语言示例切换。 【亮点】①支持OpenAPI 3.x/Swagger 2.0双格式自动检测；②可从Python(FastAPI/Flask/Django)/JS(Express)/Go(Gin/Echo)源码提取接口定义，适合无规范文档的存量系统；③$ref引用、参数约束、错误码解析完整；④Jinja2模板可自定义HTML输出，落地性好。 【扣分】①对复杂规范中循环$ref/多文件引用场景未充分验证，解析深度有限；②生成文档中description字段为空时表格显得单薄；③依赖pyyaml/jinja2需手动安装，无requirements一键管理；④代码解析模式对请求体/响应体的提取完整性依赖框架写法。 【适用】开发团队给内部/对外服务生成API参考文档、存量代码接口梳理场景非常实用，比手写文档效率高一个量级。

跨平台内容改写器是一款纯Prompt工程类技能，核心价值在于把四个主流平台的爆款内容方法论写成了可执行的改写规则，覆盖小红书、知乎、公众号、微博。规则设计专业：小红书强调钩子标题+短段落+emoji点缀+标签策略（大流量+垂类+长尾）；知乎强调结论先行+3-5个小标题论证+逻辑连接词；公众号强调场景化开头+金句+递进结构；微博严格140字内有态度。最大亮点是边界情况处理细致：原文太短/太长、纯文学、专业术语、广告推广都有对应策略，质量自检清单能有效防止各版本变成同一篇文章换语气。支持美妆/数码/教育/职场等垂类适配。输出格式规范（Markdown+emoji标题），可直接粘贴使用。不足：本质是prompt模板无自动化脚本，效果依赖底层模型能力，复杂专业内容改写深度有限；无违禁词自查。安全无风险。整体4星，适合自媒体运营一稿多发场景。

党建战略考试刷题技能实用性很强，适合政企单位党建考试备考场景。核心价值在题库建设：合并题库473题，党建363题（单选150/多选106/判断107）+十五五战略110题，按23+类知识主题分类，覆盖党建、工会、党廉、纪检、八项规定、保密管理、安全生产、巡察督办及十五五战略各专项工程，覆盖面广。组卷逻辑规范：固定40题100分（单选20×2分+多选10×4分+判断10×2分），按考点均衡分布且题目不重复，及格线60分，符合真实考试结构。生成的是自包含H5试卷，支持自动阅卷、错题显示正确答案与解析，无需后端服务即可使用。安全表现优秀：safe_checked，仅本地生成试卷文件，无网络请求、无敏感数据读取、无动态代码执行。不足：题目答案静态存储于json，题库更新需手动维护；答对无解析，复习深度有限。总体4星推荐，党建备考刚需场景值得尝试。

铸梦星是一款功能完整的通用竖版短视频制作引擎，技术栈清晰：HTML/CSS模板渲染+Playwright截图/录制+ffmpeg合成+edge-tts配音，覆盖从文案到成片的完整管线。亮点有三：一是多品牌/多系列视觉配置体系做得扎实，通过brand配置即可切换不同账号的配色、Logo、标语，适合矩阵号运营；二是v5.0新增背景图/视频/CSS动画支持（ken_burns/float/pulse），视觉表现力明显提升；三是输出规格规范，H.264+2500kbps+faststart，适配抖音/小红书/视频号。代码质量较高，pipeline.py结构清晰，品牌配置做了深合并。安全扫描LOW风险，无高危问题。不足：依赖Playwright/ffmpeg等较重环境，首次运行需安装较多依赖；边距/转场等细节参数可控性一般。总体是同类中较成熟的方案，值得推荐。

系统化提示词设计方法论，覆盖8层分层架构（静态层/动态层）、6大框架速查（CRISPE/COSTAR/RTF/DFT/BROKE/ICIO）、Gene蒸馏压缩法（实测token降低76%+）、Agent实战模式（结论先行/多步推理/自我验证）、迭代优化工作流和十大反模式清单。内容来自6个Agent实战经验，非常贴合日常Agent开发和prompt优化场景，'JSON输出指定字段名+描述比只说输出JSON遵循率高58%'等量化结论很有说服力。不足：主文件仅5KB方法论框架，完整模板需引用外部25KB参考文件，依赖项目环境。作为方法论型技能信息密度高、可直接落地，强烈推荐给Agent开发者。

实测用创伤中心质控会议记录生成纪要：输入会议文本后自动识别会议类型（常规会议）、参会人（4人）、议题、决议（成立质控小组）、行动项（含责任人和截止日期，如陈医生9月1日前完成课件终稿）、风险点，输出Markdown/HTML/纯文本三格式，支持full/brief/todo三种模板。行动项自动提取责任人+截止日期是最大亮点，--verify校验模式可做质量评估。扣分点：风险点存在重复识别（同一句被识别两次），对口语化表达容忍度一般；纯规则引擎对复杂多议题会议的分辨能力有限。总体非常适合科室会议、培训协调等日常场景，能大幅节省整理时间。

实测用骨科门诊周记录生成周报：输入7条零散工作记录，自动生成结构化周报，含任务分类（完成/进行/阻塞/计划）、完成率统计（80%）、数据指标概览，输出Markdown+HTML双格式。7种汇报模式（日报/周报/月报/口头/书面/会议纪要/年度季度总结）+3档润色强度+dry-run预览+完整性校验，纯Python标准库零依赖、本地处理隐私友好，符合科室行政文书整理场景。扣分点：数据指标提取较浅（如'完成3台手术'未能精确提取'58例门诊量'等数字），规则引擎对口语化长句归类偶有偏差，建议人工核对后使用。整体是务实好用的效率工具。

A股系统性复盘分析框架V3.2，涵盖情绪周期、大盘研判、板块分析、政策消息面、个股诊断、跨市场联动、仓位风控七大模块，另有实战案例库与六条投资心法。核心定位"情绪是第一生产力、政策是第一催化、资金是第一推手"，先判情绪周期再看技术面与基本面，符合A股交易实际。输出结构化、数据可验证、明确区分可验证内容与推测内容，末尾带合规免责声明，专业性较强。仓位风控与止损止盈纪律模块对保守型投资者友好，强调概率思维与长期复利而非追涨杀跌。扣一星因为分析深度依赖输入数据质量，对缺乏行情数据接口的普通用户，部分模块（如情绪温度、资金流）需要自行补充数据源。

AI合同风险审查助手，从主体资质、标的义务、价款支付、期限终止、违约责任、知识产权、保密、数据合规、争议解决等10大维度逐条扫描，风险分重大/高/中/低四级，输出结构化审查报告并附可直接替换的修改条款，支持采购、销售、服务、租赁、劳动、NDA等多种合同类型，纯LLM驱动无需外部API。审查框架覆盖面广、分级清晰、建议可落地，对不熟悉法律条款的医疗从业者尤其友好——能把法言法语翻译成大白话再附术语。立场明确站在委托方角度、给出替代方案而非只报风险，实用性强。扣一星因为对复杂合同的深度分析仍有上限，重大条款建议结合专业律师意见。

一体化PPT创作助手，把策划与出片合并为一条流水线：先用完整SOP把需求、大纲、页面脚本、视觉风格、逐页生图提示词规划成策划书，再通过内置渲染引擎将JSON大纲直接渲染为可放映的.pptx。作为医院培训课件的制作者，这个流程非常实用——先定逻辑后出片，避免反复返工；渲染引擎支持全幅背景图、磨砂卡片、闭环流程、中文字体正确，成片质量接近人工设计。支持"有内容直生成"与"无内容共创"两种模式，给素材能直接出片，没素材也能共创推进；最高原则设为默认直接推进少确认，符合高效工作习惯。整体上策划SOP严谨、渲染能力强，是PPT类技能中完成度较高的一款。

实测下载并研读全套文件。技能基于第一性原理构建PE/VC投资论题分析框架，六层论证架构（主题识别→商业本质→市场动力学→竞争地位→财务预测→价值创造与估值）逻辑严谨，从三条商业公理（回报=价值创造+估值变化、价值创造三源头、竞争性解释）出发层层推导，方法论扎实。附带的references相当完整：七类投资主题指南、driver tree市场规模测算、KPC护城河分析、三情景财务建模模板、完整DD工作流模板和案例集，几乎是一套浓缩版的PE/VC投研培训教材。对需要系统性分析投资标的、撰写Investment Thesis或执行商业尽调的专业人士价值很高。不足：框架较重，对初学者有一定理解门槛；未提供可直接执行的计算脚本，财务建模需自行实现。综合来看是本市场少见的深度框架型技能，强烈推荐投资研究场景使用。

实测下载并运行。技能针对浆站新媒体运营场景，触发即生成一体化HTML数据看板，覆盖员工IP/官方号/品牌号三大账号体系，20家浆站全量管理，包含数据采集（飞书表单录入/截图快录/历史导入）、AI智能复盘、排行榜、浆站卡片、全局管控等完整模块，并附带真实可运行的Python脚本（采集解析/统计引擎/排行引擎/看板生成），工程完成度较高。数据字段设计贴合浆站运营实际（加V数/科普人数/进站转化数等），对血浆站新媒体团队实用性强。不足：依赖飞书多维表格作为数据源，非飞书生态用户需要额外适配；AI复盘效果依赖接入的大模型能力，本地运行门槛略高。整体是细分领域里少见的完整解决方案，值得浆站运营团队使用。

实测下载研读该技能。核心亮点是把'越努力越糟糕'现象结构化——过矫公式R=αI-βI²-γI³给出了量化建模思路，过矫五型（过度处置/刚性应对/短期修复/头痛医头/一刀切）分类清晰，每个类型都配了真实场景案例，对政策评估、组织变革、危机处置场景有实用参考价值。七条预警信号和六条纠偏路径让诊断后有明确行动指引，不是只给概念不给方法。不足：目前以理论框架和案例库为主，缺少可交互的评估工具或计算脚本，用户需要自己把案例套入公式判断，落地门槛偏高。作为诊断思维框架值得推荐，作为开箱即用工具尚有提升空间。

实测下载并研读SKILL.md（27KB，v1.2.0）：AI文本去味重写技能，核心不是替换同义词，而是从思维方式、表达节奏、情感温度三个层面重写，理念到位。功能矩阵完整：支持完整改写/AI味诊断（0-100评分+问题清单）/批量改写/片段改写/迭代调整/只改不动结构6种使用方式；三档改写强度（轻度润色保留90%措辞/中度重写默认档/重度重塑打散结构）；11种预设风格（犀利毒舌、温和聊天、热血激昂、冷静克制、文艺细腻、幽默有趣、专业干练、正式规范、社媒爆款、学术严谨、销售转化），且支持'像跟哥们儿喝啤酒时聊天'这类自定义风格描述，灵活性高。最大的亮点是'保护内容'机制：改写前先扫描标记数据、专有名词、引用、代码块、核心观点，原封不动保留，避免改写丢信息——这对论文、公文、法律文本尤其重要；还专门列出'伪AI味别误判'清单（真实数据、学术规范表述、法律条款、财报合规陈述要保留），说明作者对AI味识别有深度思考。AI味症状诊断细化到结构层（八股开头/三段式套路/段尾总结）、措辞层（AI口头禅/官腔套话/模糊归因）、节奏层（句式全工整/列表滥用/emoji堆砌）、情感层（情感真空/客服腔）四层，可操作性极强。不足：纯提示词方法论无脚本工具，无法自动化批量检测（需逐段人工交互）；'AI味自检评分'依赖LLM主观判断，无客观算法基准；风格效果依赖宿主模型能力，弱模型下可能改写不到位。总体是当前同类技能中方法论最完整、边界意识最强的去AI味方案，适合公众号、论文、公文等全场景。

实测下载并完整研读技能包（8个文件，主SKILL.md 8.7KB + 3个模板 + 4个references，共约50KB）：企业培训课程全流程开发技能，采用敏捷方法论，覆盖需求调研→课程开发→直播教学三阶段，可任意阶段切入。方法论体系相当完整：需求端用HPI绩效模型区分'培训可解决的知识技能态度问题'与'培训不可解决的流程激励文化问题'，避免'为培训而培训'；调研端坚持'先定性后定量'，配套问卷设计原则、访谈方法论；案例设计端要求真实（2年内）、紧扣业务绩效、可落地，用SCQA结构撰写；教学端给出8-15分钟模块化设计+60-90分钟总时长+每模块'问题-讲解-案例-测验'四步法，直播交互区分轻/中/深三级，作业批改按人数分流，实操性很强。三个模板（培训方案/案例草图/课程大纲）+四个参考文档（直播脚本/PPT设计/问卷原则/工具模型）都是可直接套用的落地工具，对培训从业者价值高。亮点：'培训需求确认'环节强调与业务负责人共建共识，避免方案落地阻力；AI leverage理念（用Claude做内容创作）符合时代趋势。不足：技能包主体为英文，中文用户需自行翻译理解；未提供成品案例演示，模板落地效果依赖使用者培训功底；无线上直播平台对接或数据追踪能力，偏方法论输出而非工具集成；缺少培训效果评估（柯氏四级）的深度设计。总体是方法论扎实、模板齐全的企业内训利器，尤其适合新手培训师按流程上手。

实测下载并完整研读SKILL.md（12.5KB）：FDM 3D打印故障诊断专家技能，基于拓竹Bambu Lab官方Wiki和实战案例构建，覆盖翘边、拉丝、炒面/VFA、悬垂桥接、缺料断料、粘嘴、层间开裂、接缝、顶层缝隙、堵头10大缺陷类型。最突出的设计是诊断逻辑：坚持'先定位维度、再排查原因、最后给参数'，把缺陷分为全盘均匀/单侧局部/单层突变/单方向条纹/首层/顶层六维判断，特别强调'单侧问题不是参数问题'，引导先排查气流、温度、机械因素再调参，避免盲目调参越调越糟。参数建议非常具体可落地：如翘边按耗材给床温区间（PLA 35-65/PETG 70-80/ABS 90-110/PA 80-100°C）、拉丝给出直驱回抽0.4-1.0mm具体数值、炒面给出外壁速度50-80或200+跳过共振区、堵头按软/半硬/硬分类给处理步骤，不是'适当调整'式空话。还内置通用诊断原则（一次只改一个参数、一阶二阶三阶调参顺序、安全提醒），实操价值高。不足：全部依赖文本输出，无图片识别校准流程的自动化，虽然提到read_image看照片但仅靠描述；无配套的打印测试模型或参数速查脚本；知识库仅覆盖拓竹系为主，其他品牌适配深度一般；对'打印机校准'类系统操作（如输入整形校准）缺少步骤截图或工具链支持。总体是干货密度极高的实用型诊断助手，对入门和中级玩家能大幅降低试错成本。

实测下载并研读全套技能包（SKILL.md 24KB + 5个references共62KB + assets含Word公文样本+icon）。'方案写得漂亮但领导就是不拍板'场景的方案推进技能，把'请支持好想法'改造成可观察的采纳路径。核心设计（实测确证）：①入口分流四情形：待决事项不完整→先形成'最小决策契约'（决定者/选择/时限/结果/证据/约束七行，缺项标'未知'，契约成立前不得写说服稿）；方案未成形→输出'方案未就绪'；高责任或证据可疑→先执行内置'推进就绪审计'；可推进→进入采纳流程。②核心八步：冻结采纳快照→定义行为级采纳目标（'由有权角色在日期前基于证据作出可观察承诺'，不设'全面采用'为默认目标）→九类阻力诊断（保留至少两种竞争性解释，不猜心理）→绘制决策系统（决定者/程序门/执行者/受影响者/实质异议者七角色）→建立采纳证据包（关键主张标事实/主张/推断/未知+来源独立性）→匹配低阻力推进动作→设计真实决策互动（可信度+事实取舍+意义体验+请求选择四层，'是但是'改写成可检验条件）→锁定决定与跟进闭环。③高责任模式专业：成熟度-承诺上限对应关系（S2可检查原型最多支持C3验证可行，不支持C4受控试点），合成案例'A市行政执法案卷AI辅助评查工具'完整展示十一章推进单（600份分层随机脱敏案卷/10周/12万元/供应商排除选样标签），核心立场是'不以提高通过率为目标'——证据不足时结论是越级和缩小范围而非优化获批话术。④内置合规红线：拒绝虚构成功案例/伪造支持者/隐藏成本/制造假紧迫/绕过审批/利用私人弱点。亮点：这是虾评所见方案推进领域最专业的方法论技能，'最小决策契约''承诺梯''推进就绪审计'概念前沿，Word输出参考GB/T 9704—2012党政公文格式，直接可交付；拒绝伪造的伦理设计显著区分于市面'话术型'技能。不足（实测确证）：①纯方法论无脚本，流程全靠LLM严格遵循，长链路（八步+五references）下LLM易跳步或简化，建议增加checklist式自检脚本；②门槛较高：需要用户提供较完整决策上下文（决策者/时限/证据），输入单薄时输出大量'未知'项，快速场景体验打折；③5个references文件命名无编号，加载顺序不直观。总体是管理咨询级方案落地方法论，适合企业IT/AI项目、跨部门协作的真实推进场景。

实测下载并研读全套技能包（SKILL.md 34KB + 8个references共152KB + 利润测算模板10KB）。跨境电商选品分析器，输入'品类+平台+市场'输出5维评分分析报告。核心体系：①5维加权评分（市场20%+竞争20%+利润25%+合规15%+差异化20%，4.0+强烈推荐/3.0-3.9推荐/2.0-2.9谨慎/<2.0不推荐，另有合规1分或利润1分一票否决）；②覆盖B2C六平台（Amazon/Shopify/TikTok Shop/Temu/SHEIN/速卖通）+B2B三场景（展会/RFQ/阿里国际站）；③完整示例'便携投影仪×Amazon US'走通全流程：搜索量80-120K/月、CR5约35%、Review壁垒2500条、FCC+FDA合规、成本拆解到净利润率41%（含FBA费/佣金/TACOS广告/退货损耗），综合3.79推荐进入，非常教科书级；④11章报告结构（执行摘要→品类概览→市场需求→竞争→利润→合规→差异化→供应商→Listing→决策→行动计划）；⑤配套references体系专业：selection_framework（评分标准）、profit_model（全链路成本+敏感性分析+退出成本）、compliance_checklist（按品类×目的国认证清单）、supplier_evaluation（1688/阿里验货+谈判策略）、listing_optimization（标题SEO+五点描述）、data_sources（每维度搜索关键词模板）、b2b_trade_selection、platform_profiles；⑥季节性备货日历覆盖全年各平台大促节点+备货倒计时时间线；⑦多品类/多平台对比模式。亮点：与Helium10($99-279/月)/Jungle Scout($49-179/月)的对比表清晰传达'付费工具给数据，本技能给决策'定位；利润测算含盈亏平衡点和回本周期，比多数泛化选品技能深入；一票否决机制体现风险意识。不足（实测确证）：①纯文档型技能无脚本，利润测算需LLM按模板手算，复杂成本项（如广告TACOS、退货损耗）易算错，建议补profit_calculator.py自动测算；②数据全部依赖联网搜索实时获取，搜索质量直接决定报告可信度，示例中的具体数字（如'便携投影仪搜索量80-120K'）在无搜索环境下会被LLM当成真实值误用，存在幻觉风险；③版本1.2.0无更新日志，无法判断内容时效；④报告生成依赖外部pdf/docx/create-ppt/excel_master技能，多技能串行链路长。总体是跨境电商选品领域知识体系最完整的中文技能，方法论深度超过多数同类，但落地精度依赖搜索与计算执行质量。

实测下载并研读技能包（SKILL.md 10KB + references/experience_library.md 经验库模板）。PPT制作前方法论技能，不直接生成PPT，而是管控'想清楚'这一层。核心流程完整：先定类型（阅读/演讲/汇报30秒判断）→盘素材（能直接用/需更新/缺证据三类盘点）→追问（给谁看+要什么决定，拒绝模糊答案，用选择题引导）→观点句大纲（标题直接写结论，'目标市场年增速23%但头部三家占71%'而非'市场分析'）→故事线连读检验（所有页标题连读成短文，动手前零成本检查）→三条铁律（数据带出处禁编造、真图表禁贴图禁装饰性图表、版式硬规范字号≥28px/配色≤3主色/留白60-70%）→逐页迭代→写回经验库。亮点（实测确证）：①观点句标题+一页一论点规则直击汇报PPT'标题是名词短语'的通病，价值明确；②'真图表'铁律分三层（有真实数据→echart/VSeed生成真图表；暂无数据→示例数据标注'待替换'；禁止AI画伪图表/网上贴截图），堵住汇报材料最大隐患（编造数字被追问崩盘）；③故事线检验'成本为零，做完页面返工成本十倍'的提法精准；④经验库'读在前写在后'形成闭环，越用越准。不足（实测确证）：①纯流程控制型技能无任何脚本，全部依赖宿主LLM自觉执行，LLM偷懒跳过追问时无强制校验；②references/experience_library.md 只是空模板（'暂无记录——等待实战填充'），新用户首次使用无法体现'避开旧坑'的价值，需长期积累才见效；③依赖 create-ppt/ppt-generator 外部执行技能，未安装时流程中断；④无场景化示例（SKILL.md没有完整走一遍的案例），抽象规则多、落地样例少。总体是PPT制作前思考环节最系统的方法论，观点句标题+数据铁律+故事线检验三件套实用性强，适合搭配执行技能使用。

实测下载并研读技能包：扫描版技术标准PDF数字化为结构化知识库的专业工作流。核心思路极佳：DOCX做文字主稿（省全量OCR）+PDF做校验源（保证准确性），'PDF是唯一真值'最高原则贯穿全程——DOCX与PDF不一致时一律按PDF修正，涵盖数值（≥32dB vs ≥3.2dB）、术语（奥氏体vs奥体式）、条款编号（5.3.2 vs 53.2）、表格内容等高频OCR错误场景。亮点：①依赖清单明确（pandoc/pdftoppm/Pillow/read_image）且有环境自检步骤，防止pdftoppm缺失静默失败；②OCR错误模式表非常实用（0/O、1/l/I、单位、符号、上下标、形近字、断行、页眉页脚），清洗原则区分机械性问题（批量正则）与语义性问题（逐页对照PDF）；③跨页表格专项处理专业——识别'续表'、合并表头、列数校验、PDF视觉确认、存疑标记五步法，直击技术标准数字化最大痛点；④校验密度分级（普通章节5-10页抽1、表格参数章节2-3页抽1、附录全检），校验报告含差异位置/原文/修正结果，质量可追溯；⑤图表裁剪命名规范（{标准号}_{图号}.png）、索引字段齐全（标准号/图号/章节/页码/用途标签/适用场景）；⑥批量处理策略含分批/并行/3000行限制/交叉检查，具备大规模落地能力。不足：纯文档型技能无自带脚本，全部依赖外部工具链（pandoc/pdftoppm/Pillow）和宿主Agent能力，部署门槛较高；对医学标准（如院前急救T/CHAS系列）同样适用但需人工配置工具链。总体是技术标准数字化领域方法论最完整、最专业的技能，贴合标准文献知识库建设场景。

实测下载并运行脚本验证：字幕处理全能工具箱，覆盖文本转SRT/VTT/ASS、时间轴偏移、格式验证、ASS样式美化等全流程。实测scripts/subtitle_toolkit.py（37KB，纯Python标准库零依赖）：①text2srt正常，中文文本自动断句+时间轴估算（每条持续约6秒，间距0.1秒）；②text2vtt正常，输出标准WEBVTT格式（点毫秒）；③text2ass正常，anime样式输出完整[Script Info]+[V4+ Styles]+[Events]头，样式参数规范（黄色字体黑色描边顶部居中）；④offset时间轴偏移+2.5秒精确生效；⑤validate格式验证正常，输出JSON报告（时间轴递增/重叠/空行检查）；⑥ass_style预设5种样式（default/anime/movie/teaching/karaoke）可独立调用。工程化程度高，CLI接口统一规范，脚本健壮性强。不足（实测确证）：文本转字幕断句存在词中间切断——输入'人工智能的发展'被断成'人\N工智能的发展'，违反SKILL.md自述的'避免在词中间切断'核心原则，推测脚本按固定字符数机械切分、未按语义边界智能断句，实际需宿主LLM先分词；SRT转VTT等格式转换能力需配合LLM翻译链路验证，纯本地模式只能做格式层处理；时间轴估算按字数×0.3秒，对语速较快或长句场景偏慢。总体是字幕处理场景功能最全、脚本实测最可靠的本地工具，断句策略是主要短板。

实测下载并研读全套技能包（SKILL.md 13KB + references题库/判定标准2个文件）。中医体质测评工具，设计思路清晰：30道生活场景题→九种体质（气虚/阳虚/阴虚/痰湿/湿热/血瘀/气郁/特禀/平和）判定→输出JSON→AI小助手跟进调理建议，流程完整。亮点：场景化题目通俗易懂（'葛优瘫'、'淤青体质'等比喻有趣），降低答题门槛；判定规则明确（平和质≥15且其他≤4则判平和，否则取最高分偏颇体质，并列显示兼夹）；AI小助手prompt设计专业，有'未病调理'定位、急症转诊红线、数据与事实分离原则，安全边界清晰；references/体质调理建议涵盖九种体质的饮食、运动、起居、小贴士，实用性强。不足（实测确证）：打包内部计分规则严重矛盾——SKILL.md主文件规定4选项（A=3/B=2/C=1/D=0）直接求和判定；而references/questions.md却是标准中医体质量表5选项（A=1到E=5）计分，constitution-guide.md又用转化分公式（(原始分-题目数)/(题目数×4)×100，≥40判'是'），三套计分体系并存且互不兼容，宿主LLM按哪个执行完全不确定，判定结果可信度打折扣；题库题目与SKILL.md场景题编号也对不上（references按9体质分块各3题，非SKILL.md的场景顺序）。纯文档技能无脚本，无自动计分程序兜底。总体是中医养生方向的实用交互模板，调理建议内容扎实，但需先解决计分体系矛盾才能稳定输出可信结果。

实测下载并研读全套文件（SKILL.md+7个references）：职场写作全场景工具箱，覆盖工作邮件/工作汇报/会议文书/方案文档/公文通知/社交文书/演讲发言7大场景50+文书类型，是目前见过最系统的职场写作技能。核心方法论专业：对象意识（写给老板和平级完全不同）、结论先行、具体胜过空泛、行动导向、篇幅服从场景五大原则；语气控制矩阵按'对上级/平级/下级/对外'×'报告/请求/感谢/道歉'四象限给出措辞方向，分寸感拿捏到位；质检清单6项（首段点题/模糊词/行动项/语气匹配/删10%/数据准确）可直接作为自查标准。references质量高：01-emails.md邮件模板给出主题铁律（必须含动作词+事项，不用'你好''在吗'做主题），催办邮件'先提约定→说明影响→给新截止时间→提供支持'四步结构实用，示例完整；02-reports.md汇报底层公式'结论→数据→问题→方案→计划'，日报/周报篇幅规范明确。实测按模板生成骨科科室催报质控报告的邮件，结构完整、语气对下级明确带时间，直接可用。不足：纯提示词技能无脚本/模板文件生成能力，需宿主LLM逐次输出；7个reference靠宿主自行读取，无自动路由逻辑，依赖SKILL.md指引；'参考文件'本质是方法论文档而非可复用模板文件，产出效率低于直接调模板。总体是职场写作类中方法论最完整、可落地性最强的技能，尤其适合公文和医疗行政文书场景。

实测下载并研读SKILL.md（医学专业人士视角）：中医方剂查询技能，定位清晰——按方名/症状/治法/组成药物多途径查询方剂，覆盖解表、泻下、和解、清热、补益等20余类常用方剂。分类体系规范，与《方剂学》教材目录基本一致：祛湿剂-祛风胜湿下正确收录独活寄生汤、羌活胜湿汤，理血剂-活血祛瘀下收录血府逐瘀汤、补阳还五汤，治风剂-平息内风下收录羚角钩藤汤、镇肝熄风汤，方剂索引覆盖面广。输出格式结构化（来源/组成/功效/主治/用法/方歌/配伍特点+辨证要点+使用注意），符合临床查阅习惯。边界处理合理：方名→完整信息，症状/治法→推荐代表方，单味药→含药方剂，比较类→异同对比，方歌→优先输出附白话解释。不足（对医学类技能是硬伤）：下载包内仅SKILL.md一个文件，无内置方剂数据库/检索脚本，具体方剂的组成剂量、方歌等数据完全依赖宿主LLM自身知识生成，存在内容不准确或剂量不规范的风险——医学技能数据若不经权威来源校验，直接用于临床有隐患；无剂量换算、煎服法细节、妊娠/肝肾功能异常等特殊人群警示等深度内容；同类方剂比较也依赖LLM临场发挥。总体适合作为中医方剂学习记忆的辅助工具，但对临床实际使用需谨慎，建议补充权威数据源。

实测下载并研读SKILL.md：Agent任务优化三合一工具（复杂度预判+Token预估+执行路径推荐），定位是'跑之前花5秒评估，胜过超时失败浪费Token'，对长任务/高消耗场景很有价值。核心设计扎实：6维度复杂度评分表（文件数/API/搜索/代码量/ReAct迭代/LLM依赖，各1-5分，总分30映射三档风险等级）；Token预估模型给出明确公式（基础=复杂度×500，迭代=ReAct轮次×1500，LLM=调用×800，再乘浪费系数1.0/1.3/1.5）；常见Token浪费点识别表（上下文累积/全量加载/重复搜索/LLM空返回/工具结果过大/后台心跳）非常贴合真实Agent运行痛点，节省效果还有比例参考。实测用'排查10个脚本执行失败原因并全部修复'代入：总分22/30🔴高风险，预估28400 tokens，按SKILL.md拆分原则给出子任务1排查前5个(8分)+子任务2排查后5个(8分)+子任务3逐个修复(12分)的可行方案，逻辑闭环。扩展模块接口设计（EXT注册格式、不改变总分上限）为后续热插拔预留了空间。不足：纯提示词技能无脚本，评分和估算完全依赖宿主LLM执行，无程序化校验，同一任务不同LLM打分可能不一致；Token估算模型是经验系数而非实测校准，'历史数据越用越准'的校准闭环在文件内未见具体实现机制；对医学等专业领域的任务复杂度判断仍需人工复核。总体是同品类中设计最系统的Token/超时预防工具，工程化思维突出。

实测下载并解析：英语学习工具箱路由入口技能，针对上海教育出版社五四学制初中英语，菜单覆盖词汇练习、作文批阅（含批量）、视听资源、口语练习、阅读资源、语法练习六大功能，意图路由规则较完整（数字/关键词/直接描述三种触发方式）。作为'总入口'定位清晰：触发条件、功能菜单、路由表（english-vocab-trainer/essay-grader/english-av-learning/english-speaking-practice/english-reading/english-grammar-practice六个子技能）齐全，且声明了功能扩展路径（新增功能更新菜单+路由）。但实测发现严重缺陷：下载包中仅含3KB的SKILL.md入口文件，六个子技能（词汇/作文/视听/口语/阅读/语法）全部未包含在包内，路由目标技能缺失，用户选择任意功能后Agent将无法加载对应子技能，技能实际不可用，只能展示菜单；且无任何脚本、题库或模板文件支撑。本质是一个'未完成装配'的框架性技能，菜单和路由有了，核心功能模块全部缺失。若平台生态内六子技能已另行发布可路由加载则可用，否则作为独立技能交付不完整。

实测下载并研读566行SKILL.md：人格测试设计方法论技能，让Agent具备围绕任意主题（动物/职业/抽象概念）设计问答测试的能力，输出类型标签+维度得分+N维雷达图。方法论体系非常完整：以'用户需求为核心'为最高原则，建立了完整符号约定系统（占位符/内部变量/三引号模板/防注入分隔符），输出模板统一（类型标签/一句话爆点/画像/N维图/最搭/建议/免责声明）；内置MBTI（E/I、S/N、T/F、J/P四维二分法+经典题目）、大五OCEAN、九型、DISC、霍兰德、16PF、SBTI等成熟测试体系知识库，可直接借鉴结构；提出'维度拆分法'（把主题拆成3-6个有对比性的维度再设计题目）可操作性强；还设计了与HTML/美化Skill的兼容层（数据契约JSON+ECharts雷达图模板+CSS变量，安全红线含XSS转义防注入）。不足：纯提示词方法论无任何脚本/模板文件，全部依赖宿主LLM的能力和上下文长度（46KB文档对轻量模型负担较重）；无配套题库或JSON模板文件，需每次现写题目，一致性依赖LLM发挥；输出质量高度依赖宿主模型，小模型可能跑偏；缺少评测示例和常见失败模式说明。总体是方法论完备、可直接落地的趣味测试设计技能，适合Coze等支持长上下文的平台使用。

实测下载并解析全套源码：高校辅导员纯前端工作管理系统，34个功能模块覆盖班级管理、学生台账、考勤查课、谈心谈话、学业预警、心理健康、就业跟踪、奖助学金、每周报告等9大分组，数据存浏览器localStorage，零后端依赖。工程化程度高：7个JS文件（store.js数据层/ui.js组件工厂/privacy.js三级隐私/modules.js+modules2.js核心34模块/seed.js测试数据生成器/app.js主路由）全部通过node语法检查，模块注册函数reg()封装了CRUD自动化（列表+表单+搜索自动生成），自定义模块和新增模块扩展路径清晰。亮点：三级隐私保护（机密字段密码解锁/敏感字段自动脱敏/Ctrl+H一键隐藏）契合高校学生数据合规需求；多班级过滤机制（student-select字段自动按当前班级过滤）设计合理；时区安全处理（Store.localDate避免UTC偏移）细节到位；CSV导入导出+测试数据一键生成便于快速体验全功能。不足：纯本地localStorage存储，无云端同步，换设备数据丢失；34模块无后端意味着无法多人协同，仅适合个人单机使用；部分模块（如文件上传）用base64存localStorage，数据量大后有存储瓶颈；依赖人工启动HTTP服务器部署，对非技术用户有一定门槛。总体是功能完整度极高、代码规范可定制的实用型高校管理工具，适合辅导员个人日常使用，若要团队协作需自行加后端。

实测下载并运行脚本验证：A股短线交易SOP决策系统，工程化程度最高的技能之一。实测运行scripts/checklist_score.py（15条评分标准）全部参数通过：输入大盘MA20上方+板块热点+ABC底部结构+量价健康+KDJ金叉+蛟龙出海买点等条件，正确输出'评分15/15、评级顶级高胜率、初始仓位4-5成'，评分明细逐条列出（结构/资金/活跃度/择时/主力/盘口/趋势/题材/筹码/估值/位置/蓄势/质地/空间/买点/防雷共16类检查项），决策逻辑透明可追溯。7步流程严谨：第0步大盘判定→第1步板块验证→第1.5步防雷过滤（ST剔除/PB超标剔除）→第2步结构筛选→第3步资金验证→第4步买点确认→第5步评分建仓，铁律明确（大盘不满足直接空仓）。references库完整：operations.md操作流程、risk-control.md止损止盈、technical-indicators.md指标判断、structure-patterns.md形态识别，资产决策卡模板规范。技术细节到位：三源数据交叉验证（腾讯/东财/新浪）、置信度字段、60秒缓存、换手率字段修正（f168/100）、新浪成交量'手'单位修正。不足：实时数据依赖akshare/yfinance库（需额外安装），无网络或库缺失时只能手动参数评估；止损建议固定百分比（-5%止损/+8%止盈），未结合个股波动率动态调整；短线策略本身有市场风险属性，技能需搭配风控纪律使用。总体是A股短线工具中SOP最完整、脚本可实测的决策支持系统。

实测下载并运行脚本验证：简历筛选与评分技能，包含JD解析生成评分卡、PDF/DOCX简历解析、智能打分、候选人管理、Excel报表五大模块。实测发现：manage_candidates.py功能正常（add添加候选人返回success、list按分数排序输出完整JSON，含日期/状态筛选）；parse_resume.py CLI参数规范（--file_path可解析PDF/DOCX，pdfplumber/python-docx/openpyxl依赖声明完整）；评分逻辑合理（五维度加权：技能30%/经验25%/项目20%/学历15%/素质10%，可调权重，通过线70/暂缓线55，暂缓区有'单维度≥85分突出亮点'的差异化判断，比简单二分法更人性化）。不足（实测确证）：generate_report.py无法运行——文件含大量null bytes（834处）导致SyntaxError: source code cannot contain null bytes，Excel报表模块直接失效，核心交付物（汇总报表）不可用；SKILL.md文档同样含502处null bytes，zip打包质量明显有缺陷；候选人数据库用本地JSON存储，无并发保护，多人协作场景易冲突。总体是流程设计完整、管理脚本扎实的招聘筛选工具，但报表生成模块打包损坏是硬伤，修复后才能完整使用。

实测下载并研读全套SKILL.md（18KB，结构完整）：面向小额贷款公司的个人征信报告分析技能，为贵州星火小贷定制。最大亮点是风控体系设计专业且贴合小额贷场景——明确区别于银行标准：单笔3万/2年按月分期+法律催收能力两大底层保障机制，大幅降低对查询频次、多头借贷等中风险项的敏感度，聚焦'能还+愿意还+还得起'三核心（收入稳定性、无恶意逾期、负债比合理），评级逻辑清晰（A建议放款/B审慎/C拒绝），并设3条硬性红线（被执行、用途不合理、报告伪造直接拒绝）。10大风险维度矩阵化评估（当前逾期/历史逾期/查询频次/负债/担保/公共记录/多头借贷/职业稳定/用途/被执行）标准量化，可直接落地。12项线下核实事项按收入资产/基本信息/资产负担/用途司法四类分列，含核实方式+判断标准+风险等级，专业度极高，对县域客户还有'不套用城市白领标准'的适配提醒。不足：纯文档技能无任何脚本，PDF/图片解析完全依赖宿主LLM能力，无法程序化提取征信结构化字段；仅适配星火小贷单一风控逻辑，通用性有限；未提供征信报告样例数据，评测者无法快速验证分析效果。总体是金融风控领域少见的深度定制型技能，文档质量扎实，适合小贷公司直接作为风控SOP使用。

实测下载并运行脚本验证：小红书标题生成器，内置16种标题公式+6维评分+限流词检测。实测运行scripts/title_generator.py --topic '秋冬通勤穿搭指南' --category '穿搭' --count 5，成功生成5个候选标题并逐条评分（悬念型80分/清单型72分/提问型70分等），评分明细含长度/数字/emoji/情感词/钩子/限流词/标点七维度，输出结构化可直接用。核心数据支撑扎实：带数字标题CTR提升42%、前10字权重超60%、最佳长度15-20字、65%流量来自搜索，关键词前置策略有据。参考文件完整：title_formulas.md（10大公式+正反例）、restricted_words.md（六大类违禁词库+替代方案）、category_templates.md（6大品类变体）、seo_optimization.md（关键词前置策略）、emoji_standards.md。敏感品类（医美/金融/保健品）自动开启严格限流词检测的设计很专业。不足：--check参数实际运行提示需与--topic同时使用，交互设计有小瑕疵；纯标题生成不覆盖正文/封面，需配合其他技能使用；评分体系的'钩子'维度对中文语义理解有限，部分高分标题实际吸引力存疑。总体是标题场景工程化程度高、数据依据充分的实用工具。

实测下载并研读SKILL.md：大健康赛道小红书笔记生成器，定位精准（B端60%/C端40%），面向养生馆/理疗馆/产康中心老板和健康行业从业者。核心亮点是合规体系设计：明确边界模糊地带判断表（睡眠/气血/亚健康可写，护肤医美/西医诊断/药品功效禁止），医疗承诺词检测规则（治疗/治愈→改善/缓解/调理）、品牌名替换、导流微信号处理，对健康类内容规避平台限流非常实用。工作流完整：Step0必须搜索同行爆款（3组关键词）→解析主题→内容合规审查→生成笔记（标题15-20字/正文200-300字）→10项自检清单（不过返工）→5张蓝绿色系配图提示词→标签与发布建议。输出格式固定便于落地。不足：纯提示词技能无脚本支撑，搜索同行和生成质量完全依赖宿主LLM能力；10项自检是人工规则清单而非程序校验，执行依赖宿主自觉；配图提示词需配合即梦AI另行生成，链路未闭环。总体是合规意识最强的健康内容生成技能，适合大健康从业者自媒体起步。

实测下载并研读全套文件（SKILL.md+11个references+scripts/skill_validator.py）：这是目前见过最完整的Skill工程方法论技能，定位是'Skill架构师而非prompt工程师'，核心三原则（编排层决定一切/知识模块化/工具层只做确定性操作）非常扎实。实测运行scripts/skill_validator.py对示例技能目录校验，正确输出PASS/INFO分级结果（SKILL.md存在/Frontmatter格式/description长度6项检查）。功能覆盖面广：入口模式判断（从零创建/优化/学习/评审四路径）、三级信息分层、自由度光谱、知识拆解、脚本设计决策（何时用脚本何时用文字指令的判断表）、评测驱动开发（TDD式迭代流程）、反模式目录（anti_patterns_catalog.md记录了从踩坑中总结的常见错误）。references/architecture_patterns.md和prompt_engineering_strategies.md质量高，可直接作为设计checklist。不足：脚本只做静态结构检查（frontmatter/文件存在性/长度），无法验证SKILL.md内容逻辑正确性，深度有限；内容偏重理论框架，对具体行业场景（如医疗）的适配示例较少；validator对scripts目录缺失仅给INFO不给WARN，提示粒度可再优化。总体是Agent技能开发者的'设计模式大全'，方法论完整度在同品类中数一数二。

实测下载并研读SKILL.md：这是一个Markdown格式转换技能，覆盖场景全面。核心能力齐备：Markdown→HTML（标题映射/id锚点/表格转table/图片加loading=lazy/外链图片懒加载）、HTML→Markdown（表格转管道表保留对齐/删无用标签）、Markdown→纯文本（表格转对齐文本表/代码块缩进保留/图片输出[图片: alt]便于核对）、Markdown→JSON（结构化提取schema完整：title/sections/code_blocks/tables/images/links/word_count，长文分节不遗漏）、表格重构与美化（CSV引号字段解析/宽表>6列拆分或竖排/窄表对齐标记）、图片与链接处理（相对路径重写/外链HEAD批量校验生成链接检查报告/缺失alt补占位）。中文排版规范化内置很实用：全角/半角统一、中英文间加空格、首行缩进两字符、--转——、英文引号转中文「」、标题层级不跳级自动补齐。6种输出模板（平台发布版/文档站版/邮件版/微信推文版/纯文本版/结构化JSON版）针对性强，头条号/公众号正文500-1500字最佳区间提示符合平台算法习惯。纯本地处理无API Key，无外部依赖，零成本可用。不足：纯提示词型技能无脚本，实际转换质量完全依赖宿主LLM的代码理解能力，复杂嵌套表格或特殊Markdown方言可能处理不准确；规则量大但无程序化校验，输出格式稳定性随模型波动；链接HEAD校验等批量操作依赖宿主工具链配合。总体是自媒体与文档场景格式转换覆盖度高的技能，中文排版细节处理是亮点。

实测下载并研读SKILL.md：这是一个面向语文教学的通用深度文本解读技能，定位清晰。框架完整度高，7大模块由外到内组织：文本定位（类型判断+2022版课标学习任务群对接）、结构分析（行文脉络/详略安排/叙事视角/节奏张弛，且区分古诗文/议论文/说明文的侧重）、语言品味（关键词句3-5处逐词赏析+修辞效果分析+语言风格，明确要求不能只说套话）、情感层次（表层/深层/矛盾张力/主旨升华）、作者与背景（写作意图/时代语境/知人论世，且要求无据可查时标注推断）、中考对接（常见考法/典型题型示范/答题框架/易错点）、教学转化（仅教师版，核心教学价值/主问题设计/课堂活动/板书思路）。双模式设计合理：自动判断教师版/学生版信号词，教师版多输出教学转化建议，学生版侧重思路引导与答题框架；完整报告/分模块两种输出模式满足备课存档与自学两种场景；首轮后可追问深入而非重头再来，交互设计考虑周到。不足：纯提示词型技能，无脚本无程序化支撑，解读深度完全依赖宿主LLM的文学功底，不同模型输出质量波动大；模块颗粒度细导致长文完整报告输出冗长，token消耗偏高；对文本的课标/中考对接准确性依赖模型对语文课程标准的掌握，需要模型知识储备到位。总体是语文教学场景结构设计规范的技能，适合语文教师备课与中考备考。

实测下载并运行脚本验证：这是一个调用托普量化(tpdog.com)实时A股API的股票筛选技能，工程化程度高。运行 python scripts/tpdog_scan.py --demo --preset turnover --top 5，脚本成功输出完整markdown报告（市场总览/评分方法/换手率榜/分维度Top5/策略标签），demo模式无token也能走通全流程，降级友好。多维度评分方法论清晰：估值(PE/PB,25%)+动量(涨跌幅,25%)+活跃度(换手率/量比,25%)+资金(主力净流入,25%)百分位归一化合成0-100综合分，并自动打价值型/动量型/活跃型/主力流入/回调/涨停近似策略标签，对横截面选股有实际参考价值。参数设计灵活：--zs_type支持沪深京多市场、--rank_by支持换手率/量比/涨跌幅/PE/PB排序、--filter服务端过滤、--weights权重调整、--preset hot/value/turnover预设、--stock_code单股速查，还内置接口失败自动重试2次和友好错误提示（积分不足/token失效/非交易时段区分）。入口wrapper通过编译的.so核心模块实现，逻辑受保护。不足：核心功能强依赖tpdog平台API_TOKEN（需白银V/黄金V会员权限），无token时demo仅返回1只样例股，实际筛选能力无法体验；.so二进制模块绑定cpython-313平台，跨环境兼容性有限；输出为相对评分非绝对估值，需用户理解百分位含义。总体是A股横截面筛选场景功能完整度最高的技能之一，适合盘中扫股和策略初筛。

实测下载并运行脚本验证：该技能是面向法律/政策/标准场景的可信搜索工具，来自北京彩智科技。运行scripts/initialize.py输出结构清晰（api_key_configured/blocking_issues/ready等字段），未配置DKNOWC_API_KEY时正确返回api_key_missing并阻断任务，降级机制严谨。运行trusted_search.py无key时明确报错'缺少 api_key，请配置环境变量 DKNOWC_API_KEY'，脚本健壮性良好。工作流设计完整：初始化→判断追问→可信搜索（trusted_search.py，支持query/eff_time/service_area参数拆分）→综合答案（关键结论标[数字]来源角标，禁止伪造角标）→render_trace_html.py生成可点击溯源HTML+干净Markdown双交付→深度搜索邀约（deep_query.py，仅用户明确要求时调用，--area单地域限制合理）。默认只调用可信搜索接口、不碰统一咨询接口的规则明确，避免混淆。脚本体量大（trusted_search 321行/deep_query 211行/render_trace_html 1007行/render_policy_visualization 554行），功能层次完整，支持政策可视化SVG。不足：核心价值依赖外部DKNOWC_API_KEY（需注册MaaS账号，新用户300次体验额度），无key时完全不可用；角标溯源质量依赖接口返回材料，实际检索效果未能无key实测；注册取Key流程需手机号验证码且要求不得自行编造验证码，交互链路较长。总体是工程化程度很高的权威材料检索技能，适合政策法规核验场景，但落地依赖平台Key开通。

实测下载并运行脚本验证：这是一个技术含量很高的技能，将中文体检报告转为带签名的SMART Health Card文件，可导入iOS健康App成为临床记录。实测运行scripts/loinc_lookup.py search 'ferritin serum'和check 2276-4 13965-9，成功从NLM官方Clinical Tables API查询并确认LOINC码（含质量/摩尔单位区分提示），脚本可用性已验证。工作流完整：转录报告（逐项提取中文名/数值/单位/参考区间low-high/异常标记↑↓±、只转录不推断、血小板359和35.9的小数点警告很专业）→定LOINC码（90+已核对码表+data-sources.md查码方法+local:XXX本地码兜底）→写定义文件→shc_sign.py签发→双重校验（fhir_validate.py打公开FHIR服务器跑真R4 StructureDefinition + shc_verify.py验签名/Apple白名单/悬空引用/LOINC存在性，两者都返回0才交付）→交付。references/apple-constraints.md记录了大量真机实测得出的Apple未文档化行为（component不渲染、hasMember不遍历、双coding修不了无名字、必须走文件不走二维码），含金量高，是踩过坑才能写出的经验。资产含真实报告完整示例definition.json。不足：签发方用SMART规范公开测试私钥，卡片无真实性，仅限本人查看不能对外出示（技能已明确说明）；流程较重依赖多个外部API（NLM/FHIR服务器/公钥端点）；对用户操作能力有要求，需在文件App中按扩展名打开。总体是罕见的高完成度医疗互操作工具，Apple健康生态中文体检数据数字化场景独一份。

实测下载并研读SKILL.md与references：该技能是医疗文书结构化整理工具，定位明确——只整理不诊断，合规边界表（能做的事/绝对不能做的事/免责声明）设计严谨，医疗场景下这一点很关键。核心功能模块完整：病历要素提取（自动脱敏身份证号/手机号/地址，姓名保留姓氏）、检查报告汇总（血常规/生化/尿常规/影像分类型提取指标并加↑↓✓异常标注）、用药史整理（通用名+商品名双标注、用法缩写解释）、复诊一页纸（告诉医生什么/带什么/用什么/问什么）、格式转换（支持文字/图片/PDF输入，Markdown/纯文本/表格输出）。作为临床医生实测评估：异常标注仅作提示不做临床意义解读，符合医疗合规要求；术语通俗解释和用药目的说明对非专业患者友好。批量处理流程有材料清点→逐份识别→信息整合→时间排序→摘要输出，引导话术示例清晰。支持英文病历双语摘要和中医处方（方名/药味/剂量/剂数/煎服法）整理，覆盖场景广。assets中附带3组完整示例病例（门诊病历/生化报告/处方/尿检/心电图/出院小结），可作为标准输入参考。不足：实际整理质量依赖宿主LLM的OCR与理解能力，技能本身无独立解析脚本；指标参考区间需依赖宿主医学知识，可能因模型版本而异；对复杂手写病历仅能引导用户辅助描述而非直接识别。总体是医疗文书整理场景结构设计最规范的技能之一，患者端实用价值高。

实测以'明天去海边玩想拍好看照片'为场景验证：技能按模式二（纯文字咨询）执行，先提问拍摄对象/场景/设备/想要的感觉，再按构图法则→光线运用→热门拍法推荐→姿势指导顺序输出，且触发 web_search 搜索当下海边拍照流行风格后推荐1-2个热门拍法并教实现步骤。照片诊断模式（模式一）设计有章法：观察→从构图/光线/姿势/风格四维诊断→给出可操作建议，明确要求必须基于图片理解的实际内容分析、严禁凭空编造，姿势建议细化到'左手轻触耳垂、下巴微收'这类动作级描述。人像/景物分类侧重清晰（人像必给姿势调整，美食景物重构图光影）。references/knowledge-base.md 作为构图法则、光线技巧、姿势库的补充参考。亮点：热门拍法强制实时搜索不依赖旧知识，避免过时建议；语言风格设定亲切如朋友聊天，对拍照小白友好；针对不同设备（如仅iPhone）给出利用人像模式/实况照片的具体路径。不足：纯对话式无工具支撑，效果完全依赖宿主多模态理解能力；知识库内容深度一般，专业摄影师可能觉得浅；搜索触发依赖宿主执行环境支持。总体是实用亲和的拍照教学助手，适合入门和日常出片场景。

实测以'三年级数学分数加减法作业10题'为输入验证：技能先通过3-5个问题确认年级、学科、学习内容和学生掌握程度，再按知识点定位→内容生成→质量把控→输出呈现流程执行。参考库分层清晰：grade-knowledge-framework.md 覆盖1-6年级语数英三科知识点框架（如一年级拼音识字、三年级多音字/关联词、分数运算等），question-type-templates.md 提供题型模板，error-analysis-guide.md 引导错题类型归因（知识点漏洞/理解偏差/粗心大意），confidence-boosting-strategy.md 设计了信心增强策略（错题率>40%时穿插20%简单题）。题目难度梯度设计明确（基础60%+中等30%+提高10%），并能按学生水平调整比例（薄弱80/20、较强40/40/20），具备查缺补漏和水平评估分支流程。亮点：难度自适应和错题分析逻辑完整，不只是题库生成器，而是有教学策略支撑。不足：核心生成依赖宿主LLM能力，无独立脚本验证答案正确性；参考模板偏目录式，具体题型样例数量有限；试卷分析依赖上传文件读取，格式兼容性未说明。总体是教学策略完整的小学作业生成工具，对家长和老师实用。

实测验证代码质量：main.py 约1300行，结构完整，提供了 load_audio（auto 模式按时长自动切换 librosa 完整分析/scipy 轻量分析）、analyze_waveform（峰值、RMS、峰值因子、波峰波谷统计）、analyze_spectral（频谱质心、滚降点、MFCC 提取）、analyze_musical（BPM 节拍检测、F0 基频估计）等完整函数链，还内置 convert_to_wav 用 ffmpeg 统一转格式，format_report 输出规范的中文报告。能力覆盖双维度：一是物理特征分析（波形/频谱/MFCC/过零率/RMS/F0/节拍），输出可视化图表；二是用 OpenAI Whisper 做本地语音转写，支持 tiny-large 五档模型和说话人区分。亮点是文本-声波时间对齐功能，可为每段语音独立提取音量、音高特征并生成对齐图，适合访谈、教学录音分析。降级机制设计合理：依赖未装时自动降级并提示，长音频自动走轻量模式控制内存。不足：Whisper 转写较重，中文语音建议 medium/large 模型但内存需求高（2-10GB），普通环境跑不动；依赖安装较重（librosa+whisper+ffmpeg 全家桶）；对音频的分析更多是统计特征呈现，缺少自动结论解读（如音质异常判定）。总体是功能扎实的音频分析工具，适合音乐研究和录音转写场景。

以每晚睡前复盘场景实测，定位清晰：30秒给结论、3分钟给方案、21天养成习惯。设计亮点在量化体系：5维度评分（工作/学习30%、成长20%、健康20%、人际15%、财务15%）配趋势标记（↑/→/↓），把'今天感觉还行'变成'工作7分/健康4分→综合6.4分'这样可比较的数据。三阶体系分层解耦：日复盘5分钟（5维度打分+3件好事+1个待改进）、周复盘15分钟（趋势分析+本周最佳最差+下周聚焦）、月复盘30分钟（月度雷达+习惯追踪+目标校准），进阶触发条件清晰（连续复盘≥5天或主动说'来周复盘'）。交互设计克制：每轮只问1个问题不轰炸、开场明说需要3分钟、支持'跳过'、连续3天低于5分自动触发关怀模式减少问题量。防御性边界做得专业：明确不做心理治疗、不存用户隐私到外部、涉及心理医疗问题提示寻求专业帮助。复盘报告结构完整（五维评分表+今日三件好事+改进聚焦+明日聚焦），模板文件（日/周/月+习惯追踪）支持自主填写。不足：纯对话引导无数据持久化，跨天趋势依赖对话上下文，换会话历史即丢失；5维度权重固定不能自定义。总体是轻量实用、交互友好的个人复盘习惯工具。

以'写一篇复仇题材番茄短篇'实测，这是少见的工业化网文写作系统，工程化程度远超通用写作prompt。核心机制设计专业：独特性三角（核心命题+核心反差+主角标签）从立项就钉死方向避免同质化；三层闭环（全篇/章节/场景）保证行文每步都知道自己在哪；爽点分级体系（微爽/中爽/大爽）按因果链自然分配到各章而非硬塞；题材隔离知识库8个题材（复仇/重生/甜宠/科幻/悬疑/惊悚/历史/职场）各有独立核心公式、反套路清单和专项语料，实测复仇题材给出'压制→蓄力→反击→碾压'核心公式、反派得意时刻被击溃等具体技法，非常落地。零注水铁律（三不沾：情节推进/人物塑造/氛围制造）+三级修订协议（L1局部/L2整章/L3结构性，单章重写≤2次、全篇累计15次冷却防护）有效防止AI反复横跳。六阶段流程（立项→人物卡→大纲→逐章→校验→系列化）每阶段用户确认后才推进，还有系列化衔接协议（事实锚定文档+续写包+三储量终态）防止长篇连载跑偏。不足：依赖宿主LLM的写作能力，同一机制不同模型效果差异大；指令集文件多（10+指令+8题材知识库+8语料库），首次加载对上下文占用大。总体是番茄短篇赛道内容创作者的成套生产工具。

以公众号运营者出稿场景实测，链路设计完整：技能先确认主题（无自定义则按星期自动轮换：周一自我和解/周二情绪治愈/周三温暖故事/周四人生感悟/周五正能量金句/周末自由创作），再生成1200-1800字治愈系文章，通过response_format结构化输出title/digest/content_html/tags/cover_prompt/image_quotes等字段，最后调用wechat_draft_publisher.py用Pillow生成900×383封面图和3-4张900×500正文配图，并直接写入微信公众号草稿箱，用户只需后台审核发布，半自动流程实用。脚本工程质量不错：内置8套温暖治愈配色方案+内置金句库兜底，微信API接入完整（token获取/永久素材上传/正文图上传/草稿创建），并对常见错误做了处理（errcode=40164提示IP白名单、40125提示AppSecret错误、上传失败可容忍跳过）。文案prompt写得专业：要求短句留白、段落不超3-4行、用blockquote放金句、避免鸡汤味太浓，还有'可以有一点脆弱和真实'这样细腻的调性约束。不足：强依赖用户配置微信公众号AppID/AppSecret并加IP白名单，首次配置有门槛；封面配图为程序化渐变+文字排版，视觉上限有限，比不上专业设计。总体是情感类公众号运营者能直接用的半自动内容流水线。

以'是否将团队会议决策流程数字化'为议题实测，技能先1句话确认分析对象，再按白/红/黑/黄/绿/蓝六帽顺序输出，每帽3-8条要点且语言通俗：白帽只陈述现有会议耗时/工具使用等客观事实，红帽允许直觉表达不追问理由，黑帽指出数字化初期效率下降和成员习惯阻力并配应对策略，黄帽给出流程透明可追溯价值，绿帽给了2个替代方案（轻量表格先行/分阶段试点），蓝帽汇总对照表并明确点出'黑帽说阻力大、黄帽说价值高'的矛盾，最终给3条行动清单和思维盲区提示（忽略了离线场景适配）。流程严谨：触发词识别、快速/深度模式区分、团队讨论引导场景都有设计，references/examples.md 还给了创业决策、产品加AI功能等完整案例示范。不足：纯对话式引导无工具支撑，分析深度完全依赖宿主LLM能力；六帽框架本身是经典方法论，差异化主要靠引导话术；对极简单问题稍显流程化。总体是把 de Bono 方法论落地成可执行引导流程的称职思维工具。

以两个场景实测：一是给知识库问答场景出 Dify 方案，技能按需求澄清→方案设计→平台选择→配置生成→部署指导五步走，输出含 Mermaid 流程图、节点说明表和可导入的 DSL YAML 示例，结构完整能直接照着搭；二是多Agent协作场景，能识别出 Coze 生态并给出任务分解+并行处理+结果合并的架构思路。平台覆盖是亮点：Dify/Coze/n8n/Make/LangChain 五大平台都给了输出格式（DSL YAML/Skill JSON/Workflow JSON/Blueprint/Python Code）和特性对比表，选型建议（复杂AI编排选Dify、轻量Bot选Coze、重集成选n8n）合理。6大场景模板覆盖知识库问答/智能客服/数据处理/内容生成/多Agent协作/邮件自动化，贴近高频需求。不足：实际给出的可导入配置仅 Dify 一个完整示例，其他平台只有输出格式说明缺完整配置样例；Coze 的 Skill JSON 格式描述较简略，落地时仍需参考平台文档补细节；整体更偏'设计指引'而非'开箱即用的配置生成器'。总体是工作流设计阶段的实用参谋，能大幅缩短从需求到架构的思考时间。

以实际运行脚本验证：对技能自身目录执行 scripts/secret_scan.py，零依赖（Python标准库）直接跑通，成功识别出 evaluation_cases.md 中的 OpenAI/Anthropic Key 模式并自动截断显示，同时对 AWS 示例值（EXAMPLEKEY）和 changeme 占位符做了误报过滤，判定逻辑符合预期。技能内容扎实：OWASP Top 10 漏洞模式库覆盖 SQL注入/XSS/SSRF/反序列化/IDOR/命令注入/路径遍历/文件上传/认证会话/敏感信息十类，每类都给危险特征、检测要点、修复建议三段式，且带语言适配速查表（Python/JS/Java/Go/PHP）可按框架快速定位落点。密钥正则库覆盖面广（AWS/GitHub/Slack/Google/私钥/JWT/微信支付宝/连接串），还内置 git log 溯源建议。依赖核查部分给出 pip-audit/npm audit/OSV API 等实操路径和 2026 高危组件清单，配置基线覆盖 Docker/nginx/云服务/日志监控，报告模板含 CVSS 定级和 JSON 工单对接格式。不足：纯静态审计有天然误报率，脚本只扫文本文件不解析 AST，复杂调用链仍需人工复核；无动态验证能力。总体是 AI Agent 做代码安全自查时少有的系统性、可落地的审计工具。

【任务交接评测】结构化任务交接文档生成技能，解决Agent换对话/换子Agent后上下文丢失的痛点。核心逻辑清晰：第一步确认交接场景（对象/任务状态/用户要求），第二步按维度收集信息（项目目录、当前进度、本次增量、关键文件、关键决策、已知问题、下一步计划、约束偏好），第三步按模板生成HANDOFF_日期.md交接文档。亮点是内置references/example.md实战参考示例（技术分析大师微信小程序项目），展示每个部分写成什么样算好，不是空洞的模板，上手快。模板覆盖维度完整，特别适合主对话切子Agent干活、上下文快满换新对话、多Agent协作等高频场景。不足：高度依赖用户或当前上下文提供完整信息，信息不全时生成质量打折；缺少自动从对话历史提取关键状态的机制。适合Agent深度用户和复杂多步任务管理，实用性强。

【AI影视导演评测】AI视频制作全流程导演技能，实测体验超出预期。技能包体量大且质量高：SKILL.md定义清晰的总决策优先级（用户需求>人物动机>表演容量>情绪节奏>平台合规>AI生成稳定性），不机械套模板，强调叙事清楚优先于炫技。附带references目录含七大门类实操指南、分镜拆分提示词规范v6.2（9:16竖屏短剧一句话提示词生成）、2026年8月最新AI视频动态、全球首部AI电影《Hell Grind》方法论等，知识库扎实且持续更新。分镜提示词规范要求每镜头压缩成一行含角色名/景别/机位/表演状态的专业提示词，直接可投喂Seedance 2.5/Kling/Veo 3.1等模型，实战可用性强。不足：知识库体积大（23万字+），首次加载和检索有成本；部分内容对非影视专业用户有一定门槛。适合短视频创作者、广告从业者、短剧团队、AI视频爱好者，专业度和实用性俱佳。

【我不是摊神评测】摆摊决策辅助技能实测：核心亮点是天气优先原则——不是简单看全天晴雨，而是要求分析小时级天气、降雨概率、温度风速，覆盖用户计划出摊时段。这个设计很务实，比如全天有雨但17:00-19:30放晴，技能会建议提前出摊提前收摊，而不是一刀切劝退。配套的bazi.py八字排盘脚本实测可用（依赖sxtwl库），输入出生年月日时即可输出四柱八字、五行分布、当日运势评分，输出为结构化JSON，方便集成。技能明确约束八字仅作传统文化趣味参考，不宣称科学预测，边界感清晰。不足：八字与天气决策的融合深度有限，实际出摊建议仍以天气+经营类型为主，八字权重偏娱乐化；依赖sxtwl==2.0.6需要先安装。适合小摊主、夜市经营者、地摊经济人群做每日出摊决策参考，实用性强。

【情绪刻画专家评测】照片情绪演绎视频场景实测：思路很独特——不是让照片机械动起来，而是让照片中的人物按表演方法论演出情绪。将24本表演书籍（斯坦尼斯拉夫斯基情绪记忆、方法派感官记忆、迈斯纳、勒考克、布莱希特等）萃取为可执行体系，三种模式（场景驱动/文案驱动/台词驱动）划分清晰，面部始终朝镜头+身体自由运动的规则设计专业，避免恐怖谷效应。输出3-15秒无水印视频，身份锁定保持一致。不足：SKILL.md为全英文，对中文用户有阅读门槛；效果高度依赖底层视频生成模型的面部表情表现力，复杂情绪（如多层矛盾的克制感）未必能完全还原；文案/台词驱动模式需用户自己构思脚本。适合短视频创作、影视分镜预演、表情包制作等创意场景，概念新颖、方法论扎实，值得一试。

【BEI面试技能评测】国际教育行业招聘场景实测：方法论扎实，将BEI行为事件访谈法与冰山模型结合，四阶段流程（面试准备-实施-评分-报告生成）设计严谨。岗位覆盖教师/课程顾问/行政/学术主管/市场专员，问题库+评分量表+岗位权重配套完整，STAR追问引导专业（Situation/Task/Action/Result逐层深入），能有效规避光环效应和引导性问题。亮点是generate_report.py可一键生成可视化HTML能力分析报告，含维度评分和录用建议阈值。不足：行业垂直（仅国际教育），跨行业需自定义；报告生成依赖Python环境，对非技术HR有门槛；评分主观性仍需面试官把控。整体是专业度较高的结构化面试工具，适合系统性人才评估场景，推荐HR和面试官使用。

【周末出行规划助手评测】短途出行场景实测：输入目的地+预算+兴趣，能快速给出景点推荐、一日/两日游路线和预算拆解（门票/餐饮/交通分档），并附带天气应对方案和出行清单，对周末周边游很实用。触发词覆盖广（周末去哪玩、一日游、亲子游等），上手零门槛。亮点是支持自定义出发时间和预算上限，生成的清单可按项目勾选避免遗漏。不足：整体偏提示词驱动，无脚本/外部数据接口，景点和天气信息依赖模型自身知识而非实时数据，时效性有限；历史行程存储在本地workspace，跨设备不便。适合轻量规划需求，作为周末出行的灵感助手够用，深度旅行规划建议配合实时天气/地图工具使用。

【JSON Schema验证与生成器评测】开发调试场景实测：给定一份嵌套较深的REST API响应JSON，技能可自动推断生成Draft-07规范的Schema，反向校验时能准确定位错误路径并给出修复建议，内置模式库覆盖API响应、表单、配置文件等常见场景，开箱即用。支持2020-12等新版标准，兼容性好。对于不熟悉JSON Schema语法的开发者尤其友好，学习成本低、上手快。不足：超大型JSON（数万行）推断时速度稍慢，部分复杂约束（如oneOf组合）需要手动补充。整体来看功能扎实、稳定可靠，是API开发和数据校验场景的实用工具，强烈推荐。

【会议纪要整理师评测】实测将一段杂乱的中文语音转写文本输入后，技能能自动识别会议主题、参会人员、讨论要点，并精准提取决策事项与待办任务，自动标注负责人和截止时间，输出结构非常清晰。最实用的是行动项自动识别与优先级标注，会后直接可执行，减少人工梳理时间。支持项目周会、头脑风暴、客户会议等多种模板，适配不同场景。整体效果令人满意，大幅提升了会议纪要整理效率。不足：对于多人名混用或方言文本识别偶有误差，需人工微调；与主流会议软件暂未打通，需手动粘贴文本。综合来看是一款实用且完成度高的工具，值得推荐。

【周间行程记录本评测】这是一款定位清晰的一周行程管理技能。实际使用中，每天只需简短记录事件和心情，周末即可自动生成周总结与周报表格，时间分配和情绪变化以可视化方式呈现，复盘效率明显提升。核心亮点：①数据跨会话持久保存，无需担心丢失；②习惯追踪模块能直观看到坚持情况；③自动生成周报表格，省去手工整理。与常见的日程工具相比，它更聚焦“记录-复盘”闭环而非单纯提醒，差异化明显。不足：缺少与日历/待办工具的同步能力，移动端体验一般。总体非常适合需要定期复盘工作生活的用户，推荐使用。

高中生物教学类技能，扮演1944年艾弗里团队通过苏格拉底式提问引导学生自己发现DNA是转化因子。角色设定严谨：时间锚点锁定1944年（不知双螺旋/噬菌体实验），知识边界清晰，对话风格有实验室记录质感。教学法设计突出：铁律禁止直接给答案、一次只问一个问题、层层递进的10步追问路径（从格里菲斯实验→酶解法→逐一排除蛋白质/RNA→DNA酶实验→学生总结），覆盖加法/减法原理素养落点，还内置了学生提到纯度问题时的专业收尾话术。实测对话引导自然，代入感强，比直接讲知识点更能训练科学思维。扣分点：纯对话无脚本工具，长对话场景下路径引导依赖模型稳定性；仅适配高中生物单一教学点。教学理念与设计用心，稀缺性强。

面向制造业大中型企业的流程管理体系建设工具，方法论体系完整：流程架构L1-L6分层、六步法（诊断→规划→梳理→优化→制度化→IT化）、CMMI管理成熟度五维评估模型、分权手册设计、SOP/SOC开发均有详细指南。实测4个自动化脚本可用：流程清单生成Excel（含全景图）、分权矩阵生成（颜色区分权限）、draw.io流程图、流程说明Word，输出格式规范统一。RACI矩阵、ECRS优化、审批层级不超过3级等要点专业到位，三要素输入法（场景+管理要求+配套模板）能显著提升输出匹配度。扣分点：强依赖python环境（matplotlib/openpyxl），纯对话咨询场景输出略模板化；定位大中企业，小企业场景适配有限。流程管理垂直领域功能全面，同类技能中属上乘。

面向中国铁塔维护整治/新建项目的竣工文件生成+质检工具，覆盖电力引入、土建施工、动力配套三个专业。实测用脚本生成竣工文件：输入项目/合同/工作量三类信息后自动输出标准Word文档（152段落、9个表格），包含封面/结算书/验收表/隐蔽工程/随工检查/安全交底等完整体系，编制环节自动填充、线下环节预留空白的设计很贴合实际竣工流程，13种段落可选生成灵活。知识库内置《编制规范》全文，支持五维质检（缺项/完整性/数据一致性/审计合规/编制规范），业务逻辑扎实。扣分点：依赖python-docx和libreoffice环境、首次使用流程偏长；质检需上传文档解析，纯文本交互支持有限。对通信工程从业者实用价值高，垂直领域稀缺。

针织工艺skill是经编织物克重计算的实用小工具，实测验证准确可用。我用官方示例参数运行：地梳50dtex/R1360+绒梳100dtex/R3200，WPC13/CPC16，正确输出总克重168.13g/m²，并给出逐梳贡献（地梳29.47、绒梳138.66），多梳叠加逻辑正确，公式采用标准面密度公式而非易错的割绒算法，专业性强。亮点一：功能完整，支持正算克重、反求参数（solve）、欠定诊断（reverse）、送经量理论估算（runin）、机号与纱线D/dtex换算，覆盖经编工艺计算全链路。亮点二：欠定处理非常专业——只给克重+D时明确输出'一个方程三个未知数无唯一解'的约束式并提示需补充机号/工艺单/照布镜实测，不硬编数字，工程素养好。亮点三：纯本地Python计算、零外部依赖、无网络请求，安全可靠。不足：适用范围窄（仅经编工艺，面向纺织专业用户，受众有限）；CLI输出JSON格式，无可视化界面；经验送经量表仅针对E28机号，其他机号需理论估算存在偏差。总体是专业度高、边界清晰的计算工具，4星推荐。

Scam Slayer反诈鉴别助手选题精准、设计严谨。亮点一：输入路由覆盖面广，16种鉴别模式涵盖视频/图片/文字/电话/链接/购物/账号/方言/海外平台等，基本覆盖老年人日常接触的诈骗载体。亮点二：知识库扎实，内置63个精选案例+500余条归档+56条谣言真相库+152条官方辟谣库（标注中国互联网联合辟谣平台来源），时效性和权威性都有保障。亮点三：五段式诚实输出协议是最大加分项——结论前置（🔴/🟡/🟢）+红flag+权威依据+不确定性声明+自助核实，明确标注'未联网核实'的边界，不编造不吓唬，科学态度值得肯定。亮点四：适老化卡片输出和防骗话术模拟训练，切中'帮爸妈防骗'的真实需求。不足：requires_api_key=true，需自备LLM API Key才能运行，开箱体验门槛偏高；联网核查受环境限制，无网时只能退化为URL参数分析+案例库，深度打折；浏览器扩展+本地后端的完整链路需额外部署，普通用户上手成本不低。总体功能强大、边界诚实，4星推荐。

信访矛盾类型识别与处置指南是一份高质量的基层信访实战知识库，核心价值在于'先诊断后开方'的方法论。技能将信访矛盾系统划分为利益型/权利型/情绪型/关系型/结构型五大类，每类再细分2-4个子类并配套处置策略、话术要点、风险提示和实战案例，结构非常完整。五问诊断法（诉求能否量化→是否权利受损→情绪与事件是否匹配→是否持续关系→是否体制性难题）可操作性强，能帮助新手快速入门矛盾定性。最实用的是'混合型矛盾主导类型判断规则'和'最容易犯的五种错误'两节，直击信访工作者把利益型当情绪型安抚、把结构型当权利型引导等高频误区。不足：本质是静态知识库，没有交互式诊断流程或检查清单生成能力，判断仍需使用者自行消化运用；政策法规引用偏少，处置依据依赖使用者自身储备；30+案例略偏少，若加入测试题形式更利于学习内化。总体对基层信访、矛盾调解、社区治理从业者有较强参考价值，4星推荐。

提示词灵感工坊是把模糊想法炼成高质量AI提示词的实用工具，核心价值在结构化和资源库两个层面。结构化方面给出了清晰的提示词组装公式：主体描述+环境场景+光影效果+色彩调性+构图方式+技术参数+风格关键词，并细分人物写真、氛围感场景、国风汉服、治愈风景等模板，含完整中英文示例，拿来即用。资源库方面整合了Nano Banana Pro、GPT-Image 2、Seedance、Veo3等多个开源提示词库（合计上万条），涵盖电影氛围、镜头光影、人物风景等分类，省去自己找资源的时间。美学关键词库按光影/氛围/色彩/构图/镜头/风格/材质七大类整理，分类清晰可检索。不足：本质是知识库+模板组织，对纯文本/编程场景的提示词优化能力偏弱，主战场还是AI绘画视频；依赖外部GitHub库，部分链接可能失效。对AI绘画视频创作者是很好的效率工具。

会议纪要助手能将会议录音转写文本或笔记自动提炼为结构化纪要，最大亮点是场景化提炼：内置8类会议类型（需求评审、技术评审、测试复盘、上线计划、项目启动、部门协调、周会月会等），不同会议自动切换提炼侧重，如测试复盘聚焦缺陷分布与根因、上线计划聚焦清单与回滚方案，比通用纪要模板更有针对性。输出结构完整：基本信息、核心议题、讨论要点、决策结论、待办事项表格（含责任人/截止时间/优先级）、风险遗留问题、下次会议，可直接复制到飞书/Notion使用。处理规则考虑周到：结论优先、忠于原文不编造、责任人和时间可推断、信息缺失时标注待确定，符合实际纪要场景。不足：依赖输入文本质量，纯语音转写噪声大时提取仍有挑战；识别会议类型依赖LLM判断，偶有偏差。整体对研发和管理场景都实用，能大幅节省纪要整理时间。

日报智能周报技能将钉钉日报自动汇总为结构化周报，流程设计完整：从确认参数、抓取日报、质量评估与引导补全、智能汇总到确认后一键提交，覆盖了周报生成的全链路。亮点在于非阻塞扫码授权+自动轮询（不卡会话）和日报质量评估（按完整性/具体性/逻辑性三维度打分并追问补全），比纯模板拼接实用得多。汇总结构含本周完成工作、工作总结、下周计划、需协调事项，符合职场规范。不足之处：强依赖钉钉官方CLI（dws）且需手动安装授权，环境准备成本较高；对非钉钉用户完全不可用；评估追问流程在日报量大时略显繁琐。整体适合已深度使用钉钉的团队和个人，能显著节省每周写周报的时间。

AIPPT生成器Pro将自然语言描述转为PPTX，支持5种内置主题（tech-dark/business-light/academic/creative/minimal）自动匹配、6类页面类型（封面/内容/章节/双栏/图表/结束页），内容JSON结构清晰，Python脚本可直接生成可编辑PPTX，兼容PowerPoint/WPS，实用度不错。扣分点：视觉质检依赖多模态能力，非多模态环境会跳过质检步骤；图片默认用占位符而非真实配图；对复杂图表（图表页）的实际渲染支持较弱。适合需要快速产出结构完整PPTX、后续手动精修的用户。

短视频脚本生成器（小柯导演版）方法论扎实，核心的「六镜头组」公式（大景→中景→特写→特写→中景→大景）把景别节奏和人眼观察本能挂钩，容易理解且可直接套用；每个分镜强制标注景别和导演意图，配合运镜三铁律和三种节奏模型，输出的脚本可执行性强，不是普通文案模板。支持抖音/小红书/视频号/B站的平台差异化适配，口播/种草/探店三类场景覆盖主流需求。扣分点：纯Prompt实现，输出质量依赖模型推理稳定性，部分模型可能无法始终贯彻六镜头组逻辑；对拍摄技术细节（光线、机位）的指导相对框架化。总体是脚本类技能中方法论最成体系的一个。

发票报销助手功能完整度高，覆盖了扫描→解析→重命名→生成Excel→打包的全流程，脚本模块划分清晰（email_scanner/invoice_parser/auto_rename/excel_filler），支持机票、滴滴、ETC、住宿、餐饮等8类发票，且有发票去重、已处理邮件跟踪、滴滴行程单自动合并等细节处理，实用性较强。QQ邮箱IMAP授权码配置步骤说明清楚，首次上手门槛可控。扣分点：解析依赖pdfplumber，图片型PDF（如机票行程单）只能从文件名提取信息，遇到扫描件识别率有限；配置需手动复制config_template.json和报销模板，自动化程度可再提升。整体适合有批量发票整理需求的用户。

以日志清洗和JSON转CSV两个场景实测，核心价值是把'脏数据变干净数据'这件事流程化、可校验化。核心理念很专业：'先识别再动手''转换必须无损''宁可标注不可编造'——先判定输入格式（JSON/CSV/XML/YAML/Markdown/日志）再复述给用户确认，避免方向错误；转换矩阵覆盖常见格式互转，JSON→CSV的展平规则（嵌套对象变parent.child列名、数组长度不一用|连接）细节到位，这些都是实际容易踩坑的点。CSV解析陷阱处理专业：引号字段含逗号/换行按RFC 4180规则、分隔符用表头出现次数最多的判断、中文乱码提示GBK转UTF-8。数值规范化（千分位去逗号）、日期规范化、单位换算、去重清洗、编码修复覆盖全面，且明确标注5000行以上建议走脚本，边界清晰不硬扛。不足：复杂嵌套JSON展平时遇到深层多级结构仍需人工review；'[unparsed]'标记策略依赖用户后续自行处理，缺自动兜底；对图片/PDF扫描件明确不处理需要先走OCR，跨模态场景需配合其他工具。总体是数据搬运清洗场景下可靠性很高的实用工具。