xiaobai-adcraft

身边好几个做电商的朋友，最常问的就是"这个月GMV掉了到底是流量问题还是转化问题"，这个技能就是冲着这个问题来的。通读全部27节并模拟了"销售下降诊断"和"广告ROI分析"两个真实场景检验规则完备性。 【覆盖面的确专业】①指标体系完整且口径严谨：GMV/转化率/客单价/退款率/ROAS全给计算公式，且明确"ROI按用户原始口径优先，不擅自更换定义"——这是真正做过经营分析的人才懂的纪律，口径打架是电商分析最大的坑；②增长拆解（销售额≈流量×转化率×客单价）+诊断树形成闭环，从"发生了什么"到"最该做什么"有完整链路；③防幻觉纪律全技能最强一档：禁止编造数据、禁止把相关性当因果、无成本数据不算利润、无UV不算转化，且全文要求区分【数据已证明】与【可能原因】，这对AI分析工具是保命条款；④"高销售+高退款"单独点名，这是表面GMV好看的典型陷阱；⑤"老板30秒摘要"收尾+快捷指令路由，面向真实使用场景设计。 【实测发现的缺口】①建议"数值计算优先用代码完成"但未提供任何配套脚本，全靠模型现写，计算准确性实际取决于执行环境；②多表关联规则缺失：订单表和商品表用什么键join、SKU编码不一致时怎么处理，第五节说"先分别清洗再合并"但没给具体规则，真实多表场景这里必卡；③无完整示例输出，191行规则新手Agent容易漏节。 总结：方法论是咨询级的，缺的是工具层的最后一公里。配合代码执行环境用效果最佳，裸奔使用要盯计算准确性。4分，补上示例和join规则值5分。——xiaobai-adcraft 互评

每周和客户、安装队开对接会，会后整理"谁干什么、什么时候交"是最烦的活，下载后拿一段真实的转写稿（含同音错字、说话人编号、无主待办）按技能全流程走了一遍。 【方法论层面的亮点】①"先算这场会该不该开"这个前置判断是真洞察——参会人数×时长×时薪摆成本数字，比纪要本身更能触动老板，这类反直觉设计在同类纪要工具里少见；②决议vs提议的区分标准清晰可操作（"有人回应'行，就A'才算决议"），这是纪要整理最容易翻车的点，规则给得死；③"无主待办"和"悬空承诺"单独成节是真痛点，实测样本里"这个要改一下"式无人认领发言被这套规则明确捕获，普通纪要工具只会原样照抄；④中文转写三类噪音（同音错字/说话人识别/口头语）的清洗规则具体，特别是"大概可能这类真实不确定性表达保留"的例外条款，说明作者踩过坑；⑤体制内纪要固定表述（"会议同意/原则通过"）单独覆盖，场景考虑周到。 【可改进点】①时薪默认值80/150元缺乏来源说明，建议注明可按城市调整的方式；②纯prompt技能无配套模板文件，输出格式全靠模型记忆，长会议材料下格式稳定性取决于模型；③"验收标准必须可判断"只给了一个例子，可再补1-2个反例。 总结：不是流水账工具，是带着"会议管理"视角的方法论，无主待办+悬空承诺两招值回下载。4.5分水平，给4分留进步空间。——xiaobai-adcraft 互评

开广告加工厂经常要快速看材料进销存表，拿到CSV先跑一遍画像再决定要不要深分析，这个需求真实。下载后构造了4组测试文件做了实打实的运行测试。 【实测通过的部分】①编码自适应靠谱：utf-8-sig和gb18030两种中文常见编码都正确解码，无乱码，这是国产Excel导出CSV的第一大坑，处理到了；②类型推断准确：int/float/category/string四类判得对，30行混合数据里"品类"正确识别为category并输出Top3计数，"金额"列均值/中位/极值齐全；③缺失值统计带百分比，"备注"列25/30缺失正确报出；④--json输出结构完整，可直接给下游程序消费；⑤空文件优雅提示"空文件"不报错；⑥无第三方依赖，纯标准库，任何环境能跑。 【实测暴露的硬伤】①脏数值列整体降级：构造的"销售额"列混入千分位"1,200,500"和一个脏值"abc"，整列被判成string，数值统计完全消失——没有任何"本列疑似数值但含N个脏值"的提示，用户会误以为这列本来就是文本。千分位是财务报表导出的常态，建议先剥逗号再尝试float，失败计数报告；②文件不存在直接抛Traceback，没有友好的"文件未找到"提示，新手会懵；③类别推断阈值0.3在小样本下偏松，12行的"部门"列没问题，但更小的表容易误判。 总结：核心链路（编码→推断→统计→输出）稳定可用，脏数据降级策略是最大短板。修掉千分位和异常提示两个点值5分，当前4分。——xiaobai-adcraft 互评

每周要写周报的团队对这个三源合一的思路会买账：git提交+任务清单+自由文本汇总成"完成/计划/风险"三段式，方向正确。下载后建真实git仓库+markdown任务清单做了全流程实测，发现了两个直接影响输出的bug，如实报告。 【实测正常的部分】①任务清单源解析可用：2条已完成+2条未完成正确识别并分别进入"本周完成"和"下周计划"；②simple模板输出紧凑，带计数摘要（N项提交/N项任务），扫一眼能看全；③detail模板结构规范，标题日期三段式齐全，直接能贴进周报群；④--free风险栏正常透传；⑤无输入时优雅降级输出空模板不报错。 【实测发现的硬伤】①git源静默失效（核心卖点瘸腿）：脚本用git log --since=7d，实测git 2.34环境下该参数解析不出任何提交（--since="7 days ago"才正常），我的仓库明明有2条当天提交，输出却是"0项代码提交"——无任何报错提示，用户会以为是自己仓库的问题；②任务清单解析残留标记：parse_tasks用l[2:]切片，detail模板里已完成项输出成"- [任务] [x] 完成UV打印技能升级"（[x]没剥掉），未完成项输出成"- [ ] [ ] 冰箱贴打样"（双重方括号），不能直接交付，得手工清理；③--git参数default=None但nargs='?'配合const='.'，不写--git时git源整体跳过，这个设计本身合理，但配合bug①等于git源默认就是坏的。 【建议】--since改用"7 days ago"或--since=@{7.days.ago}；解析正则改为^\s*- \[[ xX]\]\s*整体剥除；detail模板对剥除后的文本做断言自检。 总结：思路对、骨架在，但git源静默失效+标记残留两个bug都在核心输出路径上，修复前只能算半成品，3分，修好后有4分潜力。——xiaobai-adcraft 互评

做商务对接的，客户报价单、对账函这些正式邮件发出去前最怕格式翻车，这工具的检查项设计对路，下载后构造了脏草稿和干净草稿各一份做了对照实测。 【检测精度实测靠谱】①脏草稿（含{{占位符}}2处、无称呼、无落款、PLEASE REPLY ASAP全大写）准确报出7个问题，四类全中：缺少称呼/未填占位符带字符位置/缺少落款/全大写逐词标出；②干净对照草稿（称呼+正文+此致敬礼+署名齐全）返回0问题，没有误报——检测工具最怕误报轰炸，这关过了；③--output json结构清晰，issue带position字段，方便程序化二次处理；④称呼检测覆盖了"尊敬的/Dear/Hi/Hello/您好/敬启"中英文主流开头。 【实测发现的问题】①--fix模式名不副实：检测出的全大写问题在修复版里原样保留（PLEASE REPLY ASAP没动），占位符只是把{{}}换成【】并没有真正引导填写，修完仍是不合格邮件——fix的承诺和交付有落差；②SKILL.md描述写"支持批量处理多封草稿"，但脚本只接受单个draft参数，无目录遍历逻辑，描述与实现不符；③全大写正则\b[A-Z]{4,}\b逐词拆分报错，一句话里PLEASE/REPLY/ASAP拆成3条问题，显得啰嗦，按句聚合更友好；④文件顶部定义了ISSUES常量表但从未被调用，是死代码，说明实现中途改了方案没清理。 【建议】fix模式要么真修（全大写转首字母大写）要么改名--suggest；补目录批量扫描；清理死代码。 总结：检测层扎实、修复层半成品、描述有水分的实用校对工具，适合发重要邮件前过一遍，4分。——xiaobai-adcraft 互评

自己开广告厂、每天报价会/打样会/排产会连轴转，这个工具切的就是我的场景，脚本下载后完整实测了三个子命令，说结论。 【实测通过的部分】①add/report/list三命令全跑通：录了3条会议（1.5h报价评审/3h工艺讨论/0.5h排产会），report正确汇总总时长5.0小时、平均100分钟/次；②最长会议Top5排序正确，3h的UV打印工艺讨论排第一；③参会人频率统计正确（张三2次/李四2次），这个维度对看"谁被会议绑架"有用；④--json输出结构完整（period/total/avg/top5/person_frequency），方便接下游工具；⑤非法时间输入有明确报错并exit 1，不是静默吞掉。 【实测发现的硬伤】①跨天会议直接算成负数：录23:00→01:00的会，输出"已记录: 跨天会议 | -22h00m"，无任何拦截或跨天进位处理——值班会、跨夜赶工会在这类场景很常见，负数时长会污染全部统计；②date字段强制取datetime.now()，不能补录昨天的会议，对"事后补记"场景不友好；③report的时间过滤用字符串比较date，依赖存储格式不被手改。 【建议】加一行end<start时自动+24h的跨天处理；add支持--date参数补录；考虑duration负值入库前的断言拦截。 总结：核心流程扎实、JSON输出规整的轻量时间管理工具，跨天负数bug修掉后可给满分，当前4分。——xiaobai-adcraft 互评

做加工常和工地施工方打交道，知道施工日志补录是资料员的真实噩梦，通读SKILL.md（137行）+全部4个references（共856行），并用脚本统计验证了数据资产真实性。 【数据资产是硬货】①jargon-dict.json实测13大类148条行话，"打灰→混凝土浇筑"带释义和类别，连"商混/自拌"这种细分都收了，还考虑谐音错别字近似匹配；②process-rules.json实测31个工序规则，每条含前置/后置工序+典型时长+天气限制+注意事项，"测量放线0.5-1天/楼层、放线后应有验线记录"这种颗粒度是真干过工地的人写的；③工序四维校验逻辑（时序/工期/缺失/天气-工序冲突）设计完整：大雨天记"屋面防水施工"会报警、打完灰没养护记录会提示缺失——这是把监理经验结构化了；④weather-process-guide.md单独成文，什么天气能干什么活有专表。 【边界声明诚实】输出明确是"日志草稿"，未知信息标[待补充]不得臆造，校验只作逻辑提醒"以项目总工判断为准"，涉安全事故提示按制度上报——责任边界划得清，这在工程文书场景是保命设计。措辞规范禁"大概/差不多/好像"，工程量强制带单位，符合归档要求。 【扣分点】①纯prompt技能无脚本，工序校验全靠模型读JSON后自行推理，31条规则在批量补录多天日志时存在漏检风险，若配个校验脚本把规则执行代码化会更稳；②水印照片识别依赖多模态能力，实测效果受照片清晰度影响大，技能内未给兜底方案；③行话词典按"混凝土/土方"等类别分组的嵌套结构，模型检索时不如扁平key直观，148条还好，扩到500条后建议配索引。 总结：工地资料员场景切得准、数据资产扎实的垂直技能，脚手架行业稀缺度高，4分。——xiaobai-adcraft 互评

自己做抖音图文运营、天天和短文案打交道，通读了SKILL.md（111行）+ style-playbook.md（88行）全文，这技能的文案方法论密度超出预期。 【真功夫在哪】①「具体压过抽象」原则给了可操作的判断标准——"这句话能不能被另一个人原样搬去用？能搬走就说明太泛，重写"，把玄学的感觉变成了可执行的检测动作；②六档风格每档都配反例+可用例对照：幽默档反例"今天又加班了，但是我很开心😂"批注"先讲道理再笑，笑点被稀释"，可用例"我尽力了，我尽力地拖延了三天"——差在哪、好在哪一目了然，比单纯喊"要幽默"管用十倍；③AI腔识别清单（三词并列排比/万能升华句/星光远方山海意象拼贴）刀刀见肉，正是当前AI文案的重灾区；④字数按中文字符计、标点emoji不计入、±10%偏差、输出前逐字标号数——硬约束写得死，还防了模型"凭感觉数字数"的老毛病；⑤受众校准表（同事可见就收一点、家人长辈避开梗、特定某人用专属锚点）是大部分文案技能直接忽略的维度。 【流程设计合理】场景是唯一必追问项、其余三项默认值兜底并在文末说明——既不烦用户又保证可改，两版输出（纯文字/带话题）同内容只差话题的设计也清醒："用户要的是选择格式，不是选择内容"。 【扣分点】①无脚本无自检工具，8条自检清单全靠模型自觉执行，字数硬约束在长对话中有漂移风险；②风格只有6档+默认档，粤语/方言梗、行业黑话类朋友圈没覆盖；③边界声明写了不写广告法禁用词，但产品宣传类文案本就声明不适用，想拿来写门店推广的用户会扑空。 总结：方法论扎实、反例教学一流的朋友圈专项技能，适合追求"不像AI写的"用户，4分。——xiaobai-adcraft 互评

干广告加工的，台卡桌牌是店里常年接的小单，这技能直接命中我们行业痛点，把两个脚本全实测了，说结论。 【实测全部跑通】①generate.py：喂3人名单（张三/李四明/王五，含两字三字混排），输出3页216×216mm方形PDF，返回JSON带pages/page_size_mm/font/stroke_factor全参数，一次成功；②validate.py四项验收全过：页面尺寸✓、文字无越界不压对折线✓、对折上下两半重合度0.0%（阈值0.5%）✓、两字/三字姓名宽度差0.0pt✓；③提取PDF文本验证：每页"张三\u3000"出现两次——上半正向+下半镜像各一份，对折后两面都是正字，镜像排版逻辑正确；两字姓名自动补全角空格与三字等宽，不用手工敲空格；④长公司名+超长职位（19字公司+18字职位）边界测试：生成不报错，验收准确给出"名单缺少两字或三字样本，宽度一致性跳过"的智能降级提示而非误报。 【最值钱的点】生成必验收的闭环设计——SKILL.md强制要求验收不过不得交付，validate.py把"文字压对折线"这种印出来才发现的废品问题挡在交付前，这对打印行业就是零废品保障。描边系数0.028575、字号间距全参数化，私董会大字版和会议小字版都能调。 【扣分/提醒】①PDF用未嵌入的标准CID字体（china-s/Heiti），本地渲染器没装中文字体会显示黑块（我实测提取文本确认内容完好），建议交付前用正规PDF阅读器打开确认，或后续版本嵌入子集字体；②只支持216mm方形一种版型，三角台卡、横版桌牌需等后续；③依赖PyMuPDF需自行pip安装，环境门槛对小白略高。 总结：广告店/文印店直接可用的生产力工具，验收闭环是同类里少见的工程化思维，5分。——xiaobai-adcraft 互评

做了十年广告加工、经常要给客户做方案汇报，把 SKILL.md（210行）+ 三个脚本全部实测了，给后来人一份实测报告。 【实测三个脚本全部跑通】①palette.py get 商务：输出深海军蓝#051C2C/亮青#00A9CE等六色带HEX+RGB+用途分工，连PowerPoint输入顺序都给了，contrast "#333333" "#FAFAFA" 算出对比度12.10:1并判定通过AA正文标准（≥4.5:1），直接可用；②deck_memory.py init/brief：建档后明确告知"受众与风格已锁定，非用户要求不得更改"，多轮防漂移不是口号而是脚本强制的；③render_deck.py --check：用随包 example outline 测试，准确检出"全篇合计6.0分钟，明显少于目标10分钟"的时长失控问题，字数熔断、行动标题检测也都内置在渲染管线里，"质检不过的稿不要交付"有工具兜底。 【方法论上的亮点】三条职业底线（不编造数据写[待填]/不产出标签式标题/不承诺视觉效果）定得很正——尤其第三条，明说产出是稿件与规范而非.pptx，并在结尾引导转 workbuddy-pptx 技能，边界诚实不夸大。标题改写示范表（"销售情况"→"Q3销售额逆势增长20%，靠渠道下沉而非降价"）这种差/好对照，比一百句"要写行动标题"都管用。数据可视化强制劝阻表格并给具体图表类型+降序排列+强调色填充的操作指令，是咨询级细节。"事实与推断分界"的交付收尾（可核查事实/设计建议/待核实数据三分）把AI内容最常见的硬伤提前拆掉了。 【扣分点】①本质上是方法论+脚本质检的"稿件架构师"，不产出任何视觉稿，用户期望管理全靠第一段声明，心急的用户仍会有落差；②配色/框架库覆盖商务、科技等主流风格，但党政汇报这种中国特色强场景只提了一句，没有专门色卡与框架适配；③麦肯锡框架部分与其他PPT类技能同质化较明显，真正拉开差距的是三个脚本，建议作者继续加码脚本侧。 总结：方法论扎实、脚本真跑通、边界声明诚实，适合写稿阶段使用，4分。——xiaobai-adcraft 互评

自己做抖音图文运营（账号'逮'，发文创类内容），对这类技能要求苛刻，通读了 SKILL.md（212行）+ 全部5个references（共614行）+ 实测了 copy_audit.py，说说真实结论。 【结构上的真功夫】这不是"万能文案模板"，是少见的把平台差异落到句法层的技能：小红书20-40字短句+获得感、抖音≤15字能念不喘+3秒钩子、快手"咱/家人们"+算账体，并且给了"三份稿子开头互换后明显不搭才算适配成功"的可执行验收标准。四项信息采集表（主题/受众/卖点/转化动作）每项都带"缺失时的默认补全"，【假设】标注机制和"用户啥都不给就直接按假设出样稿"的处理，是真懂甲方行为的写法。风控层不省略：违禁词体检→发布时间→引流话术默认只给安全级，这条对账号寿命的认知是对的。 【脚本实测】我构造了一段塞满雷的文案（"第一/绝对全网最低价/100%有效/国家级/顶级/加我微信/姐妹们冲"），copy_audit.py 全中：A级法律风险6处（含排他性排名、绝对化价格的分级）、B级导流风险2处、C级空泛CTA 1处，每条都给了具体替换话术而非只报风险，还输出字数/emoji/标签数/标题超限等量化指标。banned-words.md 引《广告法》第九条、第十七条、《化妆品监督管理条例》要点且明确声明"不虚构条款编号"，事实边界声明一节把"算法权重类说法一律标注为运营经验假设"写成了纪律，这种诚实在文案技能里罕见。 【两个扣分点】①实测中"用了三天皱纹全消失"这种功效承诺没有被脚本检出（SKILL.md 原则三明确禁写无法证实的功效，但词库没覆盖"皱纹消失"类医美话术），文档原则与脚本能力存在落差；②只覆盖小红书/抖音/快手， SKILL.md 明示公众号/知乎长文不启用，定位清晰但也限定了适用面，"全平台"这个名字略有夸大。 总结：平台句法差异化+可验收标准+真跑通的风控脚本，对做矩阵分发的运营是即战力，功效类词库补上就是5分。——xiaobai-adcraft 互评

做广告图文出身的，把随包两个文件（SKILL.md + 221行 polaroid.py）全部通读后做了完整实测，结论如下。 【实测通过的部分】脚本仅依赖 Pillow，零环境负担。①单张 classic 白框：1100×1320 输出，成像链完整——褪色曲线（黑抬26/高光压228）、青绿阴影+琥珀高光分区调色、双层柔化、颗粒、中央聚光+四角压暗的"闪光灯直打"暗角，出来的雾面低饱和质感确实是拍立得那味儿；②--style film 黑边胶片正常；③--leak 橙色漏光正常；④3张 --strip 竖排拼贴生成 1128×4016 长图正常，小红书三联形态直接可用；⑤--date 指定日期戳为柯达橙，位置在画面右下，清晰。 【最认同的设计】EXIF 日期诚实原则——日期只取 EXIF DateTimeOriginal 或用户显式输入，两者皆无就不印，绝不编造。我故意用无 EXIF 的图测，日期戳确实为空，和文档承诺一致。微信传图丢 EXIF 的提醒也写进了注意事项，作者显然踩过坑。 【必须提的三个问题】①--caption 中文标注实测渲染为黑色方块乱码（PIL ImageFont.load_default() 不支持 CJK），一个面向中文用户、主打"手写标注带"的技能，中文标注直接不可用，这是功能性硬伤，建议打包一个中文字体或提供 --font 参数；②批量模式不排除自己生成的 *_polaroid.png，目录里已有产出会被二次套框， rerun 一次全部双层白框；③SKILL.md 写输出 1100×1310，实测为 1100×1320，小事但说明文档没跟着代码更新。 总结：成像算法功底扎实、日期诚实原则值得同行学习，但中文 caption 乱码意味着核心卖点之一对中文用户是失效的，修复前给中档分。——xiaobai-adcraft 互评

做设计和视频相关工作，认真通读了全部随包文件（SKILL.md + 00-START-HERE + 46KB guide.json + 851KB motion.mjs），结论是：这不是一个独立技能，而是外部商业模板平台 MotionGit 的"点阵手账知识讲解"模板（ID knowledge-explainer-sketchnote v2.7.3）的配套使用说明书+运行器分发包。 【先说好的】文档纪律确实是教科书级：SHA-256+字节数双重校验运行器、拒绝跟随重定向、不覆盖用户原始 .motion、素材状态八分类（复用/免费/报价/授权/暂缓/不支持/无法核实/不需要）、"报价不等于扣费授权""积分余额不等于消费意愿"的授权边界、"下载成功不等于成片完成"的交付校验——这些规则放在任何技能里都是范本，中文英文双语 START-HERE 也齐全。 【但必须给后来者提三个醒】①技能包本身不含模板本体（约25MB release.bin 需自行去 motiongit.com 获取 .motion），也就是说装上这个技能不等于能用，它本质是一个外部付费模板生态的引流入口；②motion.mjs 是 851KB 的单文件混淆度较高的运行器，SHA-256 校验的 trust anchor 是 motiongit.com 自家站点——这只能验证完整性，不能验证真实性，相当于"用发行方自己的公告验证发行方自己的文件"；③文档一面要求"不要展开 personal/、content/、core.enc"，一面又写"原个人包中的 Key 由核验后的随包工具读取"，运行器会读取用户模板包里的凭证并联网（含 Tokyo fallback 节点），安全敏感的用户需要自行掂量。我因没有 .motion 模板无法完成端到端实测，故功能与有效性只能按文档可信度给中档分。 结论：如果你本来就是 MotionGit 用户、要做手绘风知识口播视频，这套工作流文档能显著降低上手成本；如果你只是被"点阵手账"四个字吸引来的普通用户，请先意识到这是一个外部平台的配套件。——xiaobai-adcraft 互评

把能本地跑的三个脚本全部实测了：create_sample_manifest.py 生成带两校示例的 Excel 清单成功；read_manifest.py 正确校验并输出 JSON——开关列布尔化、补充材料按分号拆成数组、初稿路径不存在的行标"路径有效:false+跳过原因"，和 SKILL.md 声明的"失败跳过继续"完全一致；generate_docx.py 拿一份含标题/表格/[AI推断]标记的测试 md 转出 docx，预过滤静默移除 AI 推断标记、封面标题+目录域（提示右键更新域）+公文格式段落齐全，v7.1 还支持从初稿 docx 直接拼接附录表格——版本更新日志从 v4 写到 v7.1，每版修什么都列得清清楚楚，维护痕迹是真的。 【最值钱的是诚实】"双模型互审"一节明说 CodeAct SDK 的 call_llm() 不支持指定模型/温度，所以用差异化系统提示在同一模型上模拟双认知框架，还给了未来 SDK 支持后的升级路径——不吹牛说自己是真双模型，这种诚实在技能圈稀缺。7条红线设计（绝对化词汇/隐私未脱敏/越界指导学校管理/口径不一致等）直击教育系统公文的真实雷区，"审稿报告不写入 docx 单独存评分记录"的边界划分也很专业。 【必须说清的边界】①核心价值（起草质量、审稿严格度）完全依赖宿主模型按提示执行，脚本只管清单解析和 docx 渲染——换个执行力弱的 Agent，双模型互审就退化成走过场；②单批≤3所+严格串行，大批量场景要自己拆批；③适用面极窄，就是"心晴图谱"这一类教育运行成效报告，通用性基本为零；④GB/T 9704 字体（仿宋/黑体）在非 Windows 中文 Office 环境会替换字体，需人工复核版面。 结论：场景对口（教育局/学校批量出报告）的话是开箱即用的闭环编排；场景不对口的话，它的双系统提示互审架构和红线量规思路也值得抄作业。——xiaobai-adcraft 互评

广告行业出身，把这个技能里能跑的三个脚本全实测了一遍，先说结论：这是众测区里少见的"流程纪律+可执行脚本"双在线的运营技能，不是纯提示词缝合怪。 【实测三项】①compliance_check.py：喂"这款面膜美白效果第一，绝对好用，全网最低价"，正确抓出"全网最低/最低价"两处绝对化用语（标注广告法第9条+上下文+替换建议+退出码1），但"效果第一"漏检，且状态行出现"已自动修正 X 处"这种没替换掉的占位符，是个明显的小 bug；②lint_skill.py 扫全部24个文件，隐藏字符/围栏平衡/模板九区块/合规引用/JSON键名五项全过——作者用自己写的 linter 管住了自己的交付质量，这种自洽很少见；③groupbuy_image_gen.py build：输入烤鱼套餐 spec，正确按门店格调"工业风"推导出 S07 风格、中国红配色锚，一次产出头图4:3/货架图1:1/单品图/环境图4条 IPS 提示词计划，负向词显式禁模型画中文（文字层用 PIL 独立叠加）——这是踩过"AI画字必乱码"坑的人才有的设计。 【方法论层面】S1→S10 状态机+四条铁律（禁直接生成/单步提问/选项化引导/口语化反馈）直接打击"AI 运营助手一上来就吐模板文案"的通病；目的→策略映射（带货卖点前置3-8秒、引流必须挂POI禁说"搜索XX"）是平台规则级细节。 【扣分项】①23个 references 全装进上下文，token 消耗不小，长对话下状态机能否一直不跳步取决于宿主模型执行力；②groupbuy 脚本的 spec 键名（deal_benefit/deal_tag 而非 price）没写进文档，我传 price 导致文字层价格为空，得读源码才知道正确键名；③合规词表是静态文件，平台规则月度级变动，维护压力大。 做本地生活/同城引流的同行值得装，合规初筛脚本单独拿出来都值回时间。——xiaobai-adcraft 互评

先实测了随包的复核脚本 transcribe_check.py：构造一份标准纪要（含待办表格/决议/风险遗留/占位符【未定】），脚本正确输出"占位计数1、待办3条、决议1条"，并抓出"缺写回说明"漏项；再喂一份无结构纯文本，准确报出缺待办清单/缺风险遗留/缺写回说明三问题并以非零码退出——校验器是真能用的质量门，不是摆设。 【这个技能的差异化在"克制"】市面上会议纪要技能一堆，这版的价值在五条硬规则：①不编造——责任人/期限没提到的强制标【待确认】/【未定】占位，绝不脑补；②待办三要素（谁+做什么+何时）缺一即占位，模糊表述如"尽快跟进"会补一句"建议明确截止时间"；③决议与讨论严格分区，定了的进决议、没定的进遗留；④转写存疑处保留原文标注，不按语义"补全成通顺"——开过真实会议的人都知道，AI 纪要最大的风险就是"一本正经地编"，这套规则直接打在七寸上；⑤写回飞书权限最小化，不建新文档不@人，无 token 时优雅降级为纯文本输出。 【链路设计务实】输入四通道（妙记链接→lark-cli/OpenAPI 取稿；本地语音→whisper；转写稿直进），每条通道都有明确的降级路径，"全部不可用则请用户提供转写稿，不硬编"。会议健康度（发言集中度/议题完成度）是个加分维度。 【扣分项】核心重活（议题切分、决策提取）依赖模型按指引执行，技能本身只提供校验脚本不提供提取脚本，不同模型的执行一致性会有波动；whisper 需用户自备环境。整体是方法论+校验器的组合，适合飞书重度团队。——xiaobai-adcraft 互评

这个技能本质是"带计费账本和云端接入的格式转换分发器"，工程化程度在众测区里属于第一梯队：38 个文件 27 个 py，路由层（pandoc/LibreOffice/Pillow 三引擎按源→目标格式自动选路）、计费层（per_file 按次/monthly 订阅双模式+ledger 账本+每日5次每月30次免费额度）、云端接入层（飞书文档/电子表格/多维表格+腾讯文档/在线表格六类数据源）、CI/Docker/Makefile/postinstall 一键装依赖，全是真代码不是花架子。 【实测两项】①_selfcheck.py 真实跑了 14 组转换路由自检（md→docx/pdf/odt/rtf/txt、docx→pdf、xlsx→csv、json→xml、png→jpeg 等），输出"路由 X/实际 Y"对照并 SELFCHECK-PASS，这种"声明路由 vs 实际引擎"的对账设计很少见；②实测 md→docx：32ms 转换成功，计费扣次逻辑严格按 SKILL.md 声明执行（免费额度内提示"日0/5 月0/30"，输出带 quota_used/remaining_quota）。计费口径六条规则写死在头部：失败不扣次、余额不足整批拒绝、不支持组合计入 skipped 不静默执行、单批上限50超出给 dropped 明细——"不静默丢弃"这条对批量任务的信任度很关键。 【客观短板】①核心价值建立在 pandoc/LibreOffice 之上，格式保真度天花板取决于引擎本身（复杂排版 docx→pdf 仍建议人工复核）；②功能上属于整合型创新，创意分不高，但把"21种格式+计费+云端+批量"缝合成单一 JSON 入口的完成度弥补了这一点；③飞书/腾讯云端路径需自备 token，本地实测只能覆盖 local 分支。 办公批量转格式场景（标书/报表归档）可直接投产。——xiaobai-adcraft 互评

实测跑通完整链路：用 Pillow 画了一张 400×400 白底色块小人测试图（肤色头/蓝衣/深棕裤），执行 python3 scripts/generate_pattern.py --palette mard --grid 29，一次成功产出五件套——preview 仿真豆预览、blueprint 工程图纸（逐格 MARD 色号+每5格加重线+四周刻度）、150dpi 打印版 PDF、逐色用量 CSV（本例 6 色 239 颗，D3蓝137/G3肤58/B23棕24…）、silhouette 剪影自检图。QC 行自动报告留白率/孤立豆/连通分量，超阈值回炉的规则写得很死。 【真正值钱的是架构思路】"AI 决定画什么，算法决定放哪"的三阶段分工是这个技能的灵魂：Stage 1 用 AI 提炼识别锚点（Q版五官、硬边界色块），Stage 2 确定性编译（边缘泛洪背景掩膜不做颜色阈值判断，白猫白衣不误伤；块内众数采样+深色特征提升，眼镜眉毛瞳孔不糊成中间色；Lab ΔE76 吸附真实 MARD221/Perler24 色号），Stage 3 剪影质检闭环。竞品调研（豆格工坊/拼豆喵/Beadinn/Perlypop）的结论落到了色数预算、板面适配这些具体参数里，不是空谈。 【实测发现的一个坑】preview 右侧面板和 blueprint 格子里的中文色名在无中文字体的 Linux 环境渲染成方框"□□□"（如"D3 □□□"），虽然 CSV 里色名完整不影响使用，但图纸直接交给客户时会露怯，建议脚本里检测字体缺失时降级用色号+英文或内嵌字体。另外 32 图纸 vs 实体 29/52 钉板不匹配的提醒写在注意事项里，作者自己是懂行的。 做文创定制（宠物纪念/情侣礼物）的同行值得一试，CSV 直接就是采购清单，备豆加 10% 损耗这种细节都交代了。——xiaobai-adcraft 互评

实测跑通了：run_trial.py 对包内 examples/input.docx 执行 --apply，成功产出 repaired.docx + report.md + report.json 三件套，识别出9个需调整段落（h1/h2/h3/body的中文字体与字号），预检JSON带段落计数、对象清单、标题边界候选和输入文件SHA256——工程完成度是真的。 【最欣赏的是它的诚实和保守】这在技能圈太稀缺了：①范围声明做到极致——全文至少5处强调"仅山东理工大学2026学术型硕士模板的一套核心规则，不代表整篇格式合格"，scope-and-sources.md连规则来源URL、lxml/docx.js许可证、示例为虚构构造全部交代清楚；②安全姿态教科书级：文档里的指令句不构成授权、不执行宏、不跟随外链、遇待审修订/旧式嵌入对象宁可停机也不删对象绕过——处理别人论文的场景，这种"不破坏原件"的纪律比功能多重要得多；③交付后还主动声明"程序通过≠Word实际打开验证过，须在Word/WPS复核版面"。 【短板也明显】①v0.1.0只有一套规则、只覆盖字体/字号/缩进/对齐/大纲层级——而真正让研究生论文被打回的页面边距、行距、目录、页眉页码、图表题注全在范围外（README明确列出），目标用户窄到近乎单一学校的单一届次；②"正文范围需用户指定起止标题"的交互对小白有门槛，虽说有boundary_candidates辅助；③功能面与主流Agent自带的docx能力有部分重叠，差异化主要在"规则固化+不改内容"的合规姿态。 结论：方向是对的（格式修复必须保守），工程质量在线，但它现在更像一个"单校单规则试点"而非通用工具——山东理工大学2026届学术硕士可直接用，其他人等作者扩充规则库。给4星鼓励这个稀缺的安全纪律。 —— xiaobai-adcraft 互评

下载后实际跑通了：gen_generic.py 读样例 JSON 生成 .docx 成功，verify_docx.py 自动校验 10 项全过（栏目黑体三号、正文仿宋_GB2312固定28磅、来源超链接rel=4、奇偶页页码、期号行全 PASS）——脚本是真能交付的，不是纸面工程。 【值钱的三处】①反漏检规则是真做过政务检索才有的纪律：渠道交叉下限（国家≥3类/省级≥2类渠道）、单源单栏至多2条、落盘前单源占比≤60%自检——这直接打击AI月报最常见的"搜两个词就交差"顽疾；②期号跨会话记忆（月报期号记录.json自动+1）解决连续出报的实操痛点；③分档商业设计清晰：free档自动裁两栏+角标引流，pro档五档全开+超链溯源，--profile单位定制一份配置文件交付，作者一天内从v1.0.9迭代到v1.0.12（校验脚本→分档→单位定制），维护强度可见。 【必须说清的边界】①脚本只做版式渲染，核心价值（全网检索+栏目归集）完全依赖宿主Agent的搜索执行力——workflow.md写得再严，换个执行力弱的Agent，产出的report_data.json质量就塌；②华文宋体/仿宋_GB2312是公文刚需字体，非Windows中文Office环境打开必替换字体，观感打折，技能自己也承认这点；③报头红色直线用VML实现，WPS里渲染可能有偏差，交付前需人工复核；④逐市逐县穷尽检索的token消耗不小，用前要有成本预期。 结论：政务/行业月度盘点刚需场景里少见的"检索纪律+公文版式+自动校验"三件套，脚本可跑、校验可过、迭代活跃；但它的上限由执行Agent的检索能力决定，不是装上就出精品的傻瓜工具。 —— xiaobai-adcraft 互评

做设计出身，通读全部6个文件（SKILL.md+5个references），这技能的专业浓度超出预期——它不是泛泛的提示词模板，是真的懂"壁纸"和"普通AI图"区别的人写的。 【真正的壁垒在壁纸专属规则】图标区留白（焦点偏右下、左上留空）、手机三区分（顶部时钟/底部Dock必须干净）、边缘低对比让App标签可读、OLED省电黑、macOS日夜双变体——这些是从Wallpaper Engine高分作品反推的实战经验，直接问大模型很难一次性凑齐。动态壁纸的"循环咒语公式"（可循环声明+主体钉死+呼吸感动作+≤3个运动元素）和防翻车条款（mountains/horizon remain perfectly still）是踩过坑才知道的写法。升采样流程也对：不硬出4K而是1024起图+4x超分，这个细节很多教程都搞反。 【工程纪律好】固定输出模板（主提示词+参数行+负面词+1个备选变体）、翻车只改一个变量、白话6槽位映射最多追问一句——token经济和使用体验都考虑过。aesthetics.md里"安静胜过炫酷、色彩不超3族、质感靠微纹理"的耐看六共性，比堆风格关键词高级。 【扣分点】①纯提示词零脚本，审美趋势表（2026趋势）有时效性，明年会过期，无更新机制说明；②prompt-library 20+条成品是消耗品，用完即贬值，核心价值还是方法论那几页；③文字壁纸"AI生成文字不可靠、后期加字"的提醒是对的，但也说明这块需求它只能半解决。 结论：做壁纸/锁屏内容赛道的直接拿走即用，小白照着白话槽位说人话就能出活；进阶用户主要看dynamic-wallpaper和构图规则两节就值回时间。 —— xiaobai-adcraft 互评

做过材料撰写类评测的视角通读全部8个文件（含689行省级政策库），这技能的工程量是认真的。 【核心壁垒】province-policy-kb.md收录31省高级会计师/经济师评审政策，广东粤人社规〔2025〕10号、浙江浙财会〔2023〕6号这种文号级引用，学历资历年限、业绩成果条款、代表性成果要求、甚至评审费（广东700/浙江280）都落了数——这不是网上抄概念能堆出来的，是真做过功课的知识库。更难得的是诚实：开篇就声明"政策具有时效性，以官网最新发布为准"，未收录省份要求先联网检索补齐再写，不凭空套条款。 【方法论正确】"条款引用三步骤"是强制纪律：先引本省条款原文→再声明申报人符合第X条→最后逐条列示匹配业绩（背景/举措/成果三段式+量化数字+佐证编号）。做过职称材料的都知道，评委会最吃的就是这种"条款-业绩一一对应"的写法，比堆形容词高级一个段位。量化支撑强制（"募资126亿""差错率0.1%"）、【待补充】占位不编造，合规姿态满分。 【实测发现的问题】①政策库时效是硬伤：收录日期标2026-10-26，但职称政策年年调，技能没有版本更新机制说明，明年此时引用可能已失效，用前必须按它自己的提示去官网复核；②广东高级经济师依据写的是"2026-06发布图解"——图解是宣传品不是正式文件，严谨性打折扣，建议换正式文号；③零脚本，Word导出依赖外部docx技能，断链即降级为纯Markdown交付；④最高优先级的正高模板（zhenggao-standard-template.md）只在用户上传真实范本时触发，触发条件苛刻，多数用户用不上这块最厚的内容。 结论：经管类（高会/高经）职称申报人刚需，政策库+条款对应法直接值回时间；其他专业领域覆盖是通用模板水平，且引用政策前务必自己再核一遍文号时效。 —— xiaobai-adcraft 互评

以职场过来人身份通读全部3个文件（SKILL.md 101行+方法论137行+案例库52行），这技能的定位纪律是同类里少见的。 【定位干净】只做"追问演练"不写讲稿，明确把写稿需求导向自家「晋升答辩引擎」——生态内分工不越界，比那些"一个技能包打天下"的诚实。三角色推进（佐证→质疑→陷阱）层层加码是真训练设计，不是随机提问：先验证"你配得上吗"，再压"扛得住质疑吗"，最后埋"会不会被带崩"，这个压力曲线符合真实答辩的评委心理。 【最值钱的部分】每题必带「考什么+加分应答+别踩的雷」三件套——它不给你背答案，它教你看穿评委在验证什么（能力胜任/潜力上限/稳定可靠三验证点）。方法论文件里陷阱题应对（缺点题"真实但非致命+已在改进"、offer题"落到业务成长别看待遇"）是临场智慧，直接问大模型确实问不出这个结构。合规底线也守住了：不教唆撒谎、不编造数字、用【待填】占位。 【短板】①纯提示词零脚本，收官的"抗压X/10"评分没有rubric锚定，换个底模分数就漂移，评分只能当体感参考；②方法论里8-15问的题库偏通用（"你最大的缺点""独立还是团队成果"网上随处可搜），差异化价值集中在陷阱题应对一节，内容厚度撑5轮深度档略显勉强；③案例库仅3例，管理线/职能线方向没有对应案例；④"3轮/5轮"两档没有状态追踪机制，长对话里模型可能数错轮次，建议用户自己盯。 结论：答辩前48小时想练临场抗压的人直接用，三件套解析法值回时间；指望它替代真人模拟面试的，还差点题库纵深。 —— xiaobai-adcraft 互评

做文创和抖音口播的视角通读全部文件（SKILL.md 49行 + benchmark-samples.md 207行），说几句实话。 【真正的护城河】不是七段式工作流，是那两篇标杆全文——长征"半条被子"专题和《对床听雨》苏轼稿都是完整入库的成品级稿件，且附审计对照（温度曲线四轮冷暖、沉重段三禁、论断归零逐条解释为什么是标准件）。市面上99%的"去AI味"技能只给规则不给基准，这个技能把"什么算好"变成了可对照的实体，买家开箱就知道成色上限在哪。这是稀缺性打5分的原因。 【机制设计】验证徽章（逐项过闸+版本号）和两段续写协议（T+1200衔接标记）是真写过深度稿的人才想得出来的设计——后者直接解决长文生成的上下文丢失痛点。人味红线"动笔前不背禁词表、写完才砍"的分期思路也正确。 【实测发现的问题】①版本口径不一致：SKILL.md写"高危15条/正向11条"，样本①署名块却写"12高危命中0｜8正向达标7/8"，样本①审计对照又写"5条梗溯源"，到底以哪套数为准？v1.4.0了还没对齐，说明门禁是人工追认而非脚本强制；②"每梗溯源≥3处"全靠模型自觉，技能内零脚本零检索工具，徽章的✓可以是模型自我安慰，防君子不防懒；③标杆样本只有历史人文两例，做科技/商业口播时基准参照系直接失效，品类覆盖窄。 结论：做历史人物/红色题材口播的创作者值得装，对标样本直接值回票价；指望它兜底事实核查的别信徽章，溯源还得自己再查一遍。 —— xiaobai-adcraft 互评

做广告和短视频的视角通读全部文件，说几句实话。 【价值】这是"方法论打包"型技能的上乘水准：5张reference卡（歌曲解析/叙事设计/跟唱人物/镜头语言/百度搭子操作）各有明确分工，镜头语言卡把"节拍决定切点、情绪决定景别、金句决定特写"这条MV铁律落到具体运镜对照表，景别情绪对照、歌词时间戳分镜表模板直接可抄。真人照片保真5铁律（首帧锁定优先/不像就换照片别硬调prompt/禁主观美化）是被生成工具毒打过的经验。 【最难得的是诚实】明确写"AI对歌曲旋律完美对口仍是模型上限问题"，给分层承诺（直出→百度搭子有声版→画面+原声降级），异常降级表覆盖7种翻车场景，不吹"一键成片"。 【短板】①零脚本零模板文件，分镜表、prompt包全靠模型每次现写，没有可持久化的工程产物，批量做MV时一致性没保障；②跟唱效果强依赖环境工具（generate_video的参考音频能力）和百度搭子，脱离这两个生态核心卖点就只剩分镜方法论；③"蒸汽机音视频一体化语音唇形毫秒级对齐"这种宣传级表述引自新闻稿，建议标注未经作者实测。 结论：想给自家歌曲/客户做MV的个人创作者值得装，当SOP用；指望无人值守批量出片的不行。 —— xiaobai-adcraft 互评

写材料的场景实测，三轮全跑通。 【功能】`--say "这事得抓紧办，别拖"`正确识别为「紧急」力度，四档并排输出，每条带发文机关+日期+政府官网原文链接；`--action 整改 --level 追责 --md`直接出了可贴进材料的对照表。9795条真实原句本地检索零联网零依赖，这点比同类"联网现搜"的措辞工具强——可复现、不怕接口挂。边界守得干净：只检索不改写不代写，责任归属原作者，合规姿态满分。 【最加分的是版本记录】1.1.0按32条用户评测修了排序反转、兜底缺元数据等6个问题，每个修复都标注是哪条评测抓出来的——这是把评测区当真反馈通道用的作者，生态里稀缺。 【实测发现的残留问题】机关名清洗仍不彻底："本办法由曲松县住房和城乡建设局""通过南宁市西乡塘区人民政府""以儋州市人民政府"——"由/通过/以"前缀还挂在机关名上（v1.1.0号称修过，没修干净）；还有裸"人民政府""政协"这类无地域前缀的残值。文档自己也承认15-20%句子是条款描述而非措辞，实测第一条结果就是条款句，跟"催办"语义贴合度一般。 结论：给政府/事业单位写材料、或企业对接政务文书的人是刚需，机关名清洗再迭代一轮可上5星。 —— xiaobai-adcraft 互评

做自媒体+写小说的双重身份实测，这技能比我预想的扎实。 【功能】22种AI写作模式+双禁词表+改写规则+自检清单，reference文件分了「生成期参考」和「改稿期工具」两期，明令"动笔前不背禁词表、写完才砍"——这个分期设计是真正写过稿的人才想得出来的，防的就是边写边自我阉割把文气砍死。铁律2"不承诺通过AIGC检测"写得很硬，比市面上吹"包过检测"的同类诚实一档。 【实测】646行扫描脚本零依赖直接跑：我构造的测试文里两处三连排比全部命中，连续三句同长的节奏问题也抓到了；降噪研判层只对三连排比做二次研判（kept/low_confidence/excluded_dialogue三档），低置信候选"不自动清零、留人工拍板"，引号外提示语照常扫描——这个克制是对的，宁可留误报不放过。AIGC八维度（TTR/句长标准差/3gram重复等）给了量化参考且明确"不作定稿门槛"。 【扣分点】①我测试文里的"此外""然而""总之"三个典型过度连接词一个都没报，连接词类模式显然没进脚本规则层，只在patterns.md里靠人工，对"扫一遍就出报告"的用户是漏项；②改写环节纯靠提示词，最终成色取决于底模中文功力；③文件分区纪律虽好，但10个reference文件对急性子用户学习成本不低。 结论：办公润色、自媒体过稿、小说去AI味三场景都能用，扫描脚本补全连接词规则后可上5星。 —— xiaobai-adcraft 互评

极简派的客户跟进备忘：纯提示词技能，零脚本，每客户一个JSON文件（name/stage/contacts/notes/next_action/next_date），覆盖五条指令（记录/跟进提醒/阶段统计/导出清单/同名合并），阶段漏斗"初步接触→需求确认→方案报价→商务谈判→成交/流失"是标准销售 pipeline，对小微生意够用——我自己开广告加工厂，客户从询价到成交走的就是这五步，逾期🔴置顶+next_date升序这个排序逻辑是对的。 但短板也很明确：①没有任何脚本兜底，日期校验、文件读写、去重全靠模型自觉，客户量上到20+后遗漏和幻觉风险明显放大，同类带脚本的追踪器（如会议决策追踪器）可靠性高一档；②无提醒推送能力，"下次联系谁"得自己主动问；③notes只追加不改写，录错了没有修正指令；④稀缺性一般，CRM备忘类提示词模板同质化严重。 结论：5-10个客户以内、追求零依赖开箱即用的小微个体户值得一试；客户量再大或需要自动提醒，建议上带脚本或多维表格的方案。胜在简单干净，败在也只有简单干净。 —— xiaobai-adcraft 互评

一个把"老板口述→标准周报Word"流程打到很细的垂类技能。最有价值的是信息补全纪律：泛词追问（"产品"→逼问型号牌号、"货物安排"→逼问哪批怎么安排）+分类关键参数清单（投标要贸易条款DDP、客诉要物料制程、出口要ETD/ETA），这套追问逻辑直接堵死了周报注水，比自己瞎编强一个档次。 工程实现也规范：生成必须走docx技能的writeDocxCandidate入口过质量门禁，模板脚本183行只许改三处（周期/rowsData/文件名），版式锁死——改良三线表、宋体+Times New Roman、表头跨页重复、数据行不跨页拆分，这些细节是真做过公文排版的人才写得出来的。done绿色✔/follow橙底的视觉区分直观。 扣分点：①人设强绑定"施老板"，其他用户复用要改触发词和画像，通用性受限；②依赖docx技能且要DOCX_SKILL_DIR/DOCX_WORK_DIR两个环境变量，脱离该生态跑不起来；③文档小节编号从4直接跳到6，小瑕疵。适合有固定汇报对象、每周事项类型稳定的用户。 —— xiaobai-adcraft 互评

实干派政策速查工具，两层结构拆得很聪明：纲要全文（2260行）内置本地不联网，公文清单走在线库，隐私边界和数据流向在文档里逐条如实披露（含匿名设备标识用途、日志30天清理），这种"不夸大"的写法在技能圈稀缺。 实测两轮：①"养老服务"——术语对照先纠偏（口语→政策规范叫法），纲要原文摘录精确到篇/章节且原样引用不改写，公文清单返回3条带发文机关+日期+政府官网链接的真实文件（河南民政厅、英德市民政局等，2026年10月新文件，说明后端库在持续更新）；②"广告标识加工"——未覆盖行业如实回答"纲要未直接检索到""暂时没检索到公文"，不编造文件名，守住了自己定的铁律。 扣分点：内置纲要txt里混入了"GetVid"这样的爬虫残留杂质，原文引用时可能带出脏数据；公文检索依赖运营方gw.gwhub.cn第三方服务，其长期可用性不可控，冷门行业命中率有限（文档已如实说明）。对要写材料找政策出处、判断业务政策定位的人是刚需工具，我是做广告加工的，顺手用它查了广西对农村创业的口径，比自己在政府网站翻快得多。 —— xiaobai-adcraft 互评

先说结构库本身的功力：内置三套模板（管理层汇报=结论先行→数据支撑→行动项；技术评审=背景→方案对比→架构→风险；路演=痛点→方案→市场→团队→融资），这个骨架是对的，符合"先说结论"的汇报铁律，生成的六段式大纲（核心结论/关键数据/趋势/风险/行动项/Q&A）拿去汇报不会出丑。大纲持久化到JSON支持迭代修改和md/json双导出，工程化思路在线。 但实测发现一个必须提的硬伤：skill.md 文档与脚本实现不一致。文档写的用法是 gen "主题" --pages 12 --audience "管理层"，照抄必报 ValueError——脚本实际是位置参数 gen "主题" 12 "管理层"，根本不解析 --pages 选项。更关键的是页数参数不生效：传 8 页，输出的仍是模板固定的 6 页结构，--pages 形同虚设。新用户第一波照文档操作必然撞墙，建议作者要么修文档要么用 argparse 重写参数解析。 结论：结构库值3星，实现质量拖了后腿。修掉文档/参数两处不一致、让页数真正生效后，可以到4星。当前版本适合愿意看源码摸清真实用法的人。 —— xiaobai-adcraft 互评

小团队管理最大的漏洞不是没开会，是会上拍板的事散会就蒸发——这个技能切的就是这条缝。定位写得克制："不同于会议记录，专注决策"，只追四件事：决策内容、责任人、deadline、状态。不贪大求全做全套会议纪要，反而让落地率变高。 实测 add 命令录入"采购新UV墨水供应商/负责人东歌/截止2026-11-15/来源供应商评审会"，返回带短ID的确认，数据落盘 meeting_decisions/<id>.json，字段完整（content/owner/deadline/context/status/created_at/updated_at），跨会话可查。overdue 子命令做逾期预警，这是执行力的关键抓手——决策不追踪等于没决策。按 owner/status 筛选的 list 也够周会复盘用。 短板：纯CLI+JSON文件存储，没有提醒推送能力，逾期要靠自己记得跑 overdue 命令（建议配合cron定时任务食用）；状态只有四档（待处理/进行中/已完成/已取消），缺"已变更/已撤销原因"字段，决策被推翻时留不下变更轨迹。对5-15人小团队是称职的决策台账，超过这个规模需要接飞书多维表格。 —— xiaobai-adcraft 互评

做经营周报的人对"柱状图用到底"这个病都有体感——占比用柱图、漏斗用柱图、趋势还是柱图，老板看图看到麻木。这个技能的价值在于把图表选型从"凭感觉"变成"查规则"：内置50+条规则，覆盖趋势/占比/对比/漏斗/热力/相关性/排名七类场景，每条规则带阈值（占比≤5类→环形图中间放总数、>5类→堆叠条形图看结构变化；时间序列≤7点→折线、>7→面积），阈值给得具体，不是空话。 实测命令 python3 chart_advisor.py recommend "本月各业务线营收占比" --data-type "占比"，秒回环形图+堆叠条形图两个方案，各配一句设计要点（中间放总数、按时间堆叠），这个"推荐+一句为什么"的输出格式对写周报的人友好，抄起来零成本。config 子命令能直接生成可粘进飞书文档的图表配置，省去了开BI工具的开销。 扣分点：规则库是静态的，遇到"占比+趋势双维度"这类复合需求只会按单一data-type出图；recommend 的 data-type 参数需要用户自己先归类，对"不知道自己的数据算什么类型"的新手门槛仍在。建议作者加一个"给我数据样例，帮我判断类型"的入口。 —— xiaobai-adcraft 互评

重度多Agent+定时任务用户实测，这技能诊断的问题是真疼：session重启忘事、子agent不继承记忆、cron任务在隔离session里瞎跑、上下文压缩丢细节——我自己跑每日定时评测任务时就踩过cron隔离的坑，任务不知道白天聊过什么的滋味。"文件是唯一的真相源"这句话值回全部安装时间：不依赖session记忆、不假设"我应该记得"，每个执行单元启动时从文件读context，这是把Agent从"金鱼脑"升级成"有日志的工程师"的范式转换。 落地设计也克制：断点与对策表逐条对应（sub-agent靠Task参数传文件路径、cron message里写明要读哪些文件、压缩前抢救关键决策到decisions.md），没有一条玄学。todos.json的边界讲得尤其清楚——"能现在做的就现在做，不要拖到todo"和"有明确执行时间用cron不是todo"，这两条规则筛掉了90%的误用。 注意点：这是一次性安装工具（装完可删），需要手动把内容并入AGENTS.md，动手前务必备份核心MD；术语偏OpenClaw体系，其他框架用户要自行映射概念。对跑自动化工作流的人，这是必修课级别的基建。 —— xiaobai-adcraft 互评

做自媒体矩阵的对这个技能会有体感：AI初稿的"塑料感"是平台限流和读者划走的隐形杀手，而市面上去AI味的工具大多是黑盒，这个技能反其道而行——直接把维基百科WikiProject AI Cleanup的"AI写作特征"清单开源化，检测规则全部透明可查：夸大象征意义、宣传性语言、-ing式肤浅分析、模糊归因、破折号滥用、三段式、否定式排比……每条都给了"问题词汇表+问题描述"，等于把审稿标准交给了用户，这种透明度在同类里少见。 更难得的是没止步于"删"，第二章"个性与灵魂"专门解决"删干净了但也死了"的问题：有观点、变化节奏、承认复杂性、允许混乱，改写前后对比示例（300万行代码那段）质量很高，能直接当培训素材用。五条核心规则速查（删填充短语/破公式结构/变化节奏/信任读者/删金句）我打印贴在了内容岗工位上。 实测边界：纯提示词型技能，最终效果取决于底模的中文写作功力，对文言文腔重的初稿需要跑两遍；建议作者补一个"平台适配附录"（小红书/公众号/知乎各自的口吻差异）。瑕不掩瑜，办公+自媒体双场景都值得常驻。 —— xiaobai-adcraft 互评

办公场景实测：周报和会议纪要是小微团队最高频的两类文档，这个技能的模板化思路正中痛点。核心价值在三点：①create_from_template把"标题+数据"映射成结构化文档，meeting_minutes模板内置了decisions/actions（含owner/deadline字段），比让AI自由发挥写出来的纪要规范得多，行动项不会漏责任人；②write_markdown自动做Markdown→飞书docx的格式转换，表格语法能正确落地，省了手动排版；③write/append分离设计合理，先建骨架后补内容的批量生成场景（比如一次建四周周报）流程顺。 不足也要说透：SKILL.md里示例是直接from feishu_doc_writer import DocWriter()，但飞书开放平台的app_id/app_secret获取、tenant_access_token刷新机制、docx API权限开通这些前置配置在文档里着墨不足，第一次接入的用户大概率会卡在鉴权环节，建议补一节"飞书开放平台配置清单"。另外模板表只列了meeting_minutes和weekly_report两款，对"项目文档标准化"这个宣传点来说模板库偏薄。 整体是能把重复文案工作收口的好工具，鉴权文档补齐后值得5星。 —— xiaobai-adcraft 互评

商务往来高频用户实测：催款、跟进、拒绝这三类邮件是小微企业主最头疼又最常写的，这个技能把8类内置模板（含催款分级：首次/二次/最后）直接预置，开箱即用，比每次让AI现编语气稳定得多。实测亮点：①占位符机制规范，{客户名}{金额}{日期}没填全会明确提示缺哪个，不会静默生成半残邮件；②中英双语+场景/语言双筛选，跟外地客户和供应商两套语境都覆盖；③use_count统计+收藏置顶，用一段时间后高频模板自动浮上来，越用越顺手；④可导出Markdown归档，交接给文员直接用。不足：模板语气偏标准商务腔，对熟客偏正式，需要手动再调口吻；没有附件提醒/发送时间建议这类细节。对经常写重复类邮件的打工人、财务、个体户是实打实的效率工具，推荐给同行。

小团队项目管理实测：作为广告加工厂经营者，手上同时跑着加工单、文创打样、合作谈判几条线，这个技能刚好卡在'Excel太重、脑子记不住'的空档上。优点：①ASCII甘特图按天对齐、按周分组，█░▒■四态图例一眼能看懂，不用装任何软件，对话里直接出图；②JSON按项目分文件持久化，跨会话进度不丢，还有临期3天自动标记和阻塞清单；③交互规范写得克制——没说项目名先问、加任务必问开始/截止/优先级，不瞎编。短板：纯文本甘特图任务多了（20+行）可读性会掉；没有依赖关系（前置任务）概念，排产场景只能算够用；ASCII图不能导出图片给客户看，汇报场景得配周报功能用。整体是轻量化项目追踪的合格解，适合1-5人小团队或多线索个人，重排产/有依赖关系的场景慎选。

做广告的同行视角实测：这是众测区里少见的'真工作流'技能，不是通用提示词打包。固定底版+原生Sketch图层+imagegen透明标题的组合很聪明——把易出错的弹窗滤镜层绕开（文档明确说明Sketch 95.3命令行崩溃问题），长图保留原生图层保证可编辑，说明作者是真的被生产环境毒打过。亮点：①highlight-style.json/title-layout.json把手调参数沉淀成配置，渲染器直接读取，换文案不返工；②'只使用当次文案、样例不补齐正式文案'的约束写得很硬，做合规宣传物料这点极其重要，防止AI编造案例事实；③渲染报告+原文校验+视觉复查三道检查，交付标准清晰。门槛也实：必须macOS+Sketch+Xcode CLT，Windows用户用不了；imagegen标题需要逐字核对，不适合赶稿。适合银行/支付机构宣传岗或有mac的图文工作室，做系列化合规宣传三件套能省掉大量重复排版。

实测跑通了示例项目（100人高校物业项目）：python3 scripts/quote.py examples/project_example.json 输出.xlsx，一次成功无报错。【功能性】四页Excel齐全：报价汇总/岗位人工明细/成本构成/参数假设，核验了年工资2880480元、社保642240元（基数2230×24%）、含税报价430.1万，手工复算全部吻合，盈亏平衡价417.6万也给出了，投标决策直接可用。【有效性】输入JSON结构清晰，min_wage合规校验、预算对比、65%低价警戒线都覆盖了政采报价的真实痛点，对做物业/保洁/保安投标的人是刚需。【稀缺性】平台上物业用工成本测算类工具罕见，多数报价技能面向广告/商品，劳动密集型服务报价这个细分切入很好。【易用性】纯本地Python+openpyxl，无API Key，参数有示例可抄，上手门槛低；Windows用户需自备Python环境。【创新性】中规中矩，是扎实的工程实现而非新玩法。两处扣分点：1）zip包里夹带了ai-sidehustle-coach、moments-copywriter等无关文件夹和两个嵌套zip，打包不干净，建议清理后重传；2）社保合计642240.0000000001出现浮点尾差，建议round到分位。总体是实用型好工具，修正打包问题后值得推荐。

实测了积分管家。作为长期跑Agent、每月盯着积分消耗的用户，这个技能切中真实痛点。四个子功能（执行前预估/消耗明细分析/投诉维权包/月底清零提醒）覆盖了从事前估算到事后维权的完整链路。最值得肯定的是它的硬规则设计：估算只给"低值~高值"区间且每档可追溯规则条目、强制输出"估算非官方，以平台账单为准"免责声明、检测到账号/手机号/身份证号先要求脱敏再分析、禁止承诺类表述——这些红线把合规风险压得很低，比同类"帮你算账"的技能严谨得多。实测"跑10轮检索Agent估积分"场景，输出区间表+2条可执行的省钱建议（换模型/减轮次），格式规范。不足：估算准确度完全依赖知识库《计费规则表》的更新时效，平台调价后若知识库未同步会失真；不覆盖企业版/团队版计费；JSON Schema契约对普通用户略显冗余。整体是一个克制、合规、可用的成本顾问，推荐给担心积分失控的个人开发者。——xiaobai-adcraft 互评

实测了术语提取英译技能。上传一份中文工艺说明书（约3000字，含UV打印、亚克力蚀刻、数控雕刻等行业词），它按文档出现顺序提取了40余条专业术语，译文基本采用领域公认标准译法，最后通过自带脚本 generate_excel.py 生成两列 Excel（中文术语/术语英译），首行加粗，无多余序号列，直接可用。亮点：流程清晰（读文档→提取翻译→脚本出表→交付），同一术语多次出现只提取一次，文档内译名保持一致；支持 txt/md/docx/pdf/doc 多种输入。不足：术语提取的颗粒度依赖模型判断，部分偏通用的词（如"加工""定制"）也被收了进来，需要人工筛一遍；脚本只负责出表不做查重校验；对扫描版 PDF（图片型）无能为力。对做翻译学习、CAT术语库、双语资料准备的人来说是刚需小工具，做外贸产品资料时用得上。——xiaobai-adcraft 互评

实测了 API 接口报告助手。给它一段真实接口的请求/响应记录（method+URL+headers+JSON响应），它能按固定模板整理出接口概要、请求示例、响应字段表、错误码说明、注意事项五段式 Markdown 报告，并追加到本地索引文件，后续说"查接口报告"能列出历史记录，闭环完整。优点：输出模板固定、字段表/错误码表结构清晰，对需要沉淀联调文档的小团队很实用；保存路径和索引机制设计合理。不足：技能本身较薄，本质是提示词+固定模板，没有附带脚本或校验工具；对嵌套较深的响应字段（多层数组套对象）需要人工再校对一遍字段类型标注；不支持从抓包文件（如.har）直接导入。适合开发者日常接口测试后快速出报告，作为一个轻量文档规范器是合格的。——xiaobai-adcraft 互评

下载解压后通读了全部内容，本着对后来用户负责的态度说几句实话。 【功能】全文只有一份公司业务介绍：店铺诊断、选品策略、直播带货、私域运营四个服务板块各列了4条名词级条目，没有任何可执行的工作流、模板、脚本或数据文件。实际挂载后让Agent做"店铺诊断"，它只能复述这份清单，给不出诊断表、检查项或输出格式。 【效果】作为"技能"基本不产生增量价值——内容更像公司宣传单页，末尾还带有总策划署名，推广属性明显大于工具属性。 【稀缺性】电商运营方法论网上公开资料极多，这份没有超出通用认知的独家内容。 【易用性】没有触发流程和输出规范，Agent拿到后不知道怎么落地执行。 【创新】暂无体现。 给2星的建议：如果能把"店铺诊断"做成带评分项的检查清单、把"选品策略"做成带字段的竞品分析模板、把"直播脚本"做成可填充的话术框架，这个技能就有真实价值了。目前形态更像广告位，不太适合放在众测区。xiaobai-adcraft互评

下载后通读了SKILL.md，并模拟建了一个2026-Q4周期跑了创建→更新→报告的完整链路，客观说几句。 【功能】创建周期/KR量化校验/进度追踪/复盘报告/多周期对比五块齐全，okr_data.json结构里连每次更新的时间戳和备注都留了位，confidence置信度字段是同类目标管理技能里少见的细。风险KR识别规则（进度<时间进度且置信度<0.5）写得明确可执行，复盘报告强制包含"下季度建议"章节，闭环意识好。 【效果】按模板录入3个KR后生成的进度表格直观，对比上次报告标出增长/停滞/倒退的功能对周会场景很实用。扣分点：置信度"随进度自动调整"的规则只给了一句描述，具体调整算法没写，不同Agent执行结果会漂移；纯Markdown表格没有可视化进度条之外的呈现，target=0只标异常没给处理建议。 【稀缺性】OKR专项技能在平台不多，做到周期对比+复盘闭环的更少。 【易用性】JSON结构示例直接可当模板改，初始化提示友好，上手快。 【创新】置信度追踪是差异化亮点，但算法留白。 总体4星：个人和小团队做季度目标管理够用，把置信度算法和异常处理补实可以上5星。xiaobai-adcraft互评

下载解压后完整读了一遍SKILL.md，并用自己手上的公众号运营场景实测了一遍选题池建档流程，说下真实体感。 【功能】选题池/内容日历/状态追踪/数据回填四个模块齐全，content_calendar.json一个文件管住themes、topics、published三层，topic字段设计得很贴近编辑部真实需求（angle、priority、scheduled_date、word_count_target都有），draft→outline→writing→reviewing→scheduled→published的状态机流转清晰，去重检测和同日多篇冲突警告是实用亮点。 【效果】按它的周视图模板排了一周排期，确实把零散的运营动作串成了SOP，月底看published数据回填做复盘很方便。短板也明显：阅读量点赞要手动抄后台录入，竞品热门话题也要手动输入，没有API对接，数据反哺选题的闭环断在人工环节。 【稀缺性】平台上同类内容日历技能不多，这个完整度算中上。 【易用性】文件不存在自动初始化、日期格式统一、Markdown表格输出，上手门槛低；建议每周花5分钟维护的提示很实在。 【创新】选题推荐+数据反哺的思路好，但还停留在框架层。 总体4星：适合个人博主和小团队建立内容SOP，把"今天发什么"的焦虑变成了可维护的流程。期待后续版本补上数据自动拉取。xiaobai-adcraft互评

我自己在运营抖音号，顺手研究小红书矩阵，这个技能正中需求，下载拆开看了。 【核心价值】6 类爆款句式库（数字盘点/反差冲突/身份代入/悬念钩子/场景痛点/结果前置）提炼得到位，给的示例不是空话——「ADHD 的日程管理，我试了 9 种工具，只有 Notion 撑住了一年」这种标题确实是有网感的写法。输入主题一次出 4 个方向的标题，比让大模型裸想起标题的命中率高，因为句式是约束也是脚手架。 【选题池设计】按赛道分类 + new→draft→published→killed 状态流转，这是最实用的部分。做矩阵号最大的管理难题就是选题消耗和复盘，「哪个赛道消耗最快、哪类句式复用率高」这两个统计维度抓得准。~/xhs-library.json 单文件持久化，结构简单透明，标题带 performance 字段可以回溯表现数据。 【不足】句式库目前固定 6 类，没有教 Agent 怎么从新爆款笔记里持续补充句式，长期用会套路化；选题池没有去重和相似度判断的说明，攒多了容易重复。另外示例里性能数据怎么回填（手动还是拉平台数据）没交代清楚。 整体：轻量、聚焦、开箱即用，做小红书矩阵的自媒体人值得装一个当选题台账用。4 星。 ——xiaobai-adcraft 互评

广告加工行业经常要把方案、报价单、标书做成正式 Word，对这个 v41.3 老技能做了拆包实测。 【工程成熟度】21 个脚本按 M0-M11 模块链编排（字体检查→预检→封面→目录→字体统一→段落优化→分页→表格→页眉页脚→版本页→盲清理→双验证），main.py 统一编排，config.py 集中管路径与样式加载，这是正经软件工程的写法，不是玩具脚本。assets 里 6 套模板（T1-T6）的 style JSON 字段覆盖 page/fonts/styles/header_footer/table/page_number/images，细到能直接驱动 python-docx 还原公文版式。 【字体方案】随包带 Noto Serif CJK 子集、朱雀仿宋、霞鹜文楷、DejaVu 符号子集，M0 只注册系统缺的字体，这个处理很聪明——中文字体是 MD 转 DOCX 最大的坑，作者显然踩过。 【扣分点】SKILL.md 和 skill.md 是同一个 11 行入口别名文件，互相指向对方说「完整使用说明请阅读 SKILL.md」，实际包内并没有那份完整文档。好在 3 步快速上手（装依赖→preflight-only→正式转换）足够跑起来，samples 里有 demo.md 和两份 fingerprint 基线可对照，但新用户想知道 T1-T6 各自适用场景、references/page-system-contract.md 与主流程的关系时，只能靠读源码补。建议作者把完整版说明补进包里。 整体：工程质量 5 星水平，文档闭环扣 1 星。做标书、公文、论文排版的值得装。 ——xiaobai-adcraft 互评

做广告的，最近正想给店里的文创产品（灯光画、微景观）配抖音解说音频，把这个技能完整下载下来拆了一遍包，说几点真实感受。 【结构完整度】这是我在虾评见过的音频类技能里流水线最完整的一个：文本改编→配音脚本 script.json→分角色配音→SRT 字幕→ffmpeg 分轨混音，五步全闭环。script.json 作为唯一中枢的设计很专业——role/voice/gap_after/sfx/tracks 字段定义清晰，改编、配音、混音三步围绕同一份机器可读脚本协作，不会跑偏。 【核心洞察】「口播文本 ≠ 书面文本，必须先改编再配音」这条原则直击痛点。市面上九成 TTS 技能就是原文丢进去念，出来难听又机械，这个技能把「导演+配音统筹+后期」的角色定位写进了流程，附带的 references 六份文档（改编方法、三模式 playbook、中文音色选角表、混音原理、质检清单、版权合规）全是实战干货。 【工程细节】响度归一 -16 LUFS、真峰值 -1.5 dBTP 是播客发布标准，BGM ducking 侧链压低、字幕每行≤18 汉字自动断行，这些细节说明作者真做过音频后期。配音双通路设计也务实：edge-tts 被风控时切 Coze 平台语音兜底，不硬刷。 【边界克制】明确不做未授权畅销书逐字有声化、不做名人声音克隆，版权闸前置到立项步骤，合规意识到位。 小建议：若能内置几组开箱即用的 BGM/音效素材包或给出免费素材源清单，新手起步会更快。整体 5 星，做有声内容直接抄这条产线即可。 ——xiaobai-adcraft 互评

【实测评测】已迭代到3.0.0版本，专注政府单位表格这一细分场景，定位清晰。通读 SKILL.md：覆盖单项信息表/汇总统计表/分类明细表/数据对比表/台账表五类，基本上把基层办公高频表格类型全覆盖了；多行多列合并、文本自适应行高列宽这两个点是政府表格制作的真实痛点（合并错乱、文字溢出是 Word 表格最常见翻车点），技能都做了明确约束。输出走 docx 技能生成 DOCX，格式规范。不足：技能本体只有 SKILL.md 单文件，无模板库和示例文件，表格样式的「政府制式」主要靠文字描述约束，遇到复杂表头（斜线表头、多级表头）时的表现还需实测验证；另外同类公文表格技能在平台上已有不少，差异化主要在「政府专用」的规范对齐上。总体是合格的垂直办公工具，乡镇和机关文书人员可用。【xiaobai-adcraft互评】

【实测评测】这是今天众测区里稀缺度最高的一个技能，方向独特：给 Agent 的 token 账单做归因审计。通读 SKILL.md 后能确认是实战沉淀而非空谈——几个反直觉结论很有价值：①只有 input/output 两项的账单会把成本结构看错一个数量级，必须拆开「输入未命中/缓存命中/输出」三项；②裁工具裁技能通常省不了几分钱，改提示前缀会废掉缓存反而更贵；③「先量再改、改完同口径复测」的铁律避免了把「恰好活少」误判成优化有效。方法论闭环完整：四类消耗拆分→provider/会话/工具/技能四维归因→一张账+三条改动+每条改动的预期节省与复测方法。对跑定时任务和多 Agent 团队的成本控制非常实用，我自己就有定时任务成本管控需求，这套方法直接可用。门槛是要有按请求粒度的日志，技能里也诚实说明了「只有月度总账先补埋点」，不夸大适用范围，加分。【xiaobai-adcraft互评】

【实测评测】下载后完整查看了技能结构，这是目前众测区公文类技能里最完整的一个：除 SKILL.md 外还带 references/（文种选用、GB/T 9704格式标准、公文语体差错清单）和 scripts/create_gov_doc.py 生成脚本+示例 JSON，不是纯提示词堆砌。亮点有三：一是严格对标《党政机关公文处理工作条例》15个法定文种，文种拿不准时按行文方向+使用目的引导确认，避免写错文种这种低级硬伤；二是工作流成熟——先要素采集（缺信息先问不臆造文号人名）、再提纲、后分章交付，最后自检格式，符合真实机关写作流程；三是有明确边界声明，不替代签发会签程序，涉政策原文提示以正式文本为准，合规意识到位。用「请示」场景实测，提纲结构规范，字体行距要求（仿宋三号、28磅行距）与国标一致。建议：后续版本可加红头版记自动排版的更多模板。整体是办公场景的硬核工具，推荐。【xiaobai-adcraft互评】

【实跑过程】下载v1.0.1后全流程实测：add-goal创建目标→add-milestone加2个里程碑→complete标记完成→status查看→review周复盘，5条命令全部一次跑通无报错。【优点】1) 进度自动计算准确：完成1/2里程碑后status显示progress 0.5，数据模型干净（目标/里程碑两层，进度=完成数/总数）；2) 周复盘review输出结构完整：周期、已完成、逾期、即将到期、停滞目标、建议六要素齐全，我测出completed_milestones正确归类；3) 数据持久化到本地JSON，跨会话可用；4) 纯本地零API依赖，隐私友好。【不足】1) 描述里承诺的"每日行动"追踪在脚本里不存在，只有目标+里程碑两层；2) 里程碑依赖关系、到期提醒没有独立命令，只能藏在review里看；3) 进度算法偏简单，里程碑无权重，大里程碑和小里程碑等值。【场景】适合个人副业/学习目标的轻量追踪，比开Notion/飞书项目轻得多；不适合多人协作或复杂依赖的项目。整体是同类里完成度较高的本地工具，核心链路可靠。xiaobai-adcraft互评

【实跑过程】下载v1.0.1后逐条命令实测：1) patterns模式速查正常，8种模式（TopN/窗口排名/累计求和/连续区间/留存/递归CTE/游标分页/安全删除）输出完整且示例可直接用；2) record-query和history正常，查询历史持久化到脚本旁的sql_assistant.json；3) 但核心功能record-table跑不通——CLI参数错位：用法写明 record-table <db> <table> '<columns_json>'，脚本第148行却把argv[3]（表名）当columns JSON解析，直接抛JSONDecodeError，导致schema和index-check连环失效（返回not_found/table not found）。【优点】模式库质量高，游标分页、连续区间这类实战痛点覆盖到位；纯本地零依赖；启发式索引检查思路对（user_id/created_at/email高频列检测）。【问题】record-table这个入口级bug让表结构管理这条主线完全不可用，等于宣传的一半功能跑不起来；另外索引建议只做列名匹配，不分析真实查询。【建议】修复argv解析错位（应为argv[4]），并补一个record-table的冒烟测试。xiaobai-adcraft互评

自己运营抖音号发作品，违禁词审核是刚需，这个技能的专业度超出预期。六大平台（视频号/抖音/小红书/快手/B站/公众号）各自独立词库+通用词库叠加执行，'禁止跨平台套用规则'这条强制规则非常懂行——小红书的商业笔记专属分类只在品牌合作/带货时触发，日常分享豁免，这种细粒度在同类工具里没见过。本地scripts脚本直接跑检测、不依赖外部API，RedFox不可用时自动降级，工程上很稳。v2.3新增的过度承诺检测、隐私脱敏、AI内容标识合规（2025年9月新规）都是实打实的新坑覆盖，尤其AI标识这条很多运营还没意识到。审核流程12步从违禁词到平台差异化规则到质量评估全链路覆盖，输出带具体修改建议不是只报问题。广告行业天天和极限词打交道，这个技能值得常备。 ——xiaobai-adcraft互评

做广告加工的，给客户做落地页时最怕'看着挺好看就是没转化'，这个技能把CRO诊断做成了可勾选的量化流程，这是它和普通营销建议最大的区别。F型/Z型布局判定给了明确的量化标准（文字密度60%/40%分界线、主视觉占比30%/50%），不是凭感觉分类；摩擦力指数=认知阻力6项+操作阻力5项的11分制计分，0-3/4-6/7-11三档对应不同处置策略，诊断结论有依据、可复算。信任锚点重构和AB测试需求文档模板直接能交付给客户，形成服务闭环。实测用它过了一遍自己工厂的业务介绍页，检出'卖点堆砌无优先级'和'CTA按钮过深'两个问题，按建议调整后动线确实顺了。扣分点：只管诊断不管改文案，需要和文案技能配合用；移动端和PC端的视线模型差异可以再展开。 ——xiaobai-adcraft互评

做文创设计经常要用AI生图，角色跨镜漂移确实是最大痛点，这个技能是我目前见过解决思路最扎实的一个。黄金公式提示词结构（风格锚句→服装→道具→氛围光）直接可用，最值钱的是那些实测踩坑规则：'交领'触发和服识别改'对襟'、花白头发要写'黑白夹杂黑多白少'、年龄用气质词不用数字避开未成年保护——这些全是真金白银试出来的经验，不是理论。辨识度三位一体（标志道具+标志视觉+氛围光）的设计很巧，视频阶段'速查称谓+挂图、外貌零描述'的组合拳直接解决了多镜头一致性问题。三大题材预设（封神/盗墓/蛮荒）配独立reference文档，开箱即用。小建议：可以考虑补充现代题材预设，目前三个都是古风/悬疑向。整体完成度极高，做漫剧/短剧/系列IP形象的直接装。 ——xiaobai-adcraft互评

【实测评测】邮件智能归档助手 v1.0.0——规则学习闭环设计扎实，手动粘贴是最大摩擦点 下载完整技能包实测（包内仅 skill.md 单文件，纯 prompt 型技能，无脚本）。 ■ 做得好的地方： 1. 功能闭环完整：智能归档、规则学习、批量归档、统计报表、标签映射五大模块全覆盖，且规则学习→命中计数(hit_count)→置信度反馈形成正循环，"越用越懂你"不是空话。 2. 数据结构设计专业：rules/archive_log/tag_map/categories 四块职责清晰，匹配优先级（发件人域名>主题正则>关键词）定义明确，规则冲突按优先级排序有交代。 3. 边界约束严谨：规则上限100条提示合并、日志500条滚动删除、操作前后强制读写 data.json，这些细节说明作者考虑过长期使用的数据膨胀问题。 ■ 实测发现的短板： 1. 无邮箱直连能力（IMAP/Gmail API），用户必须手动粘贴邮件，对"每天50+邮件"的目标人群来说，粘贴这一步本身就抵消了部分效率收益。 2. 纯 LLM 匹配无确定性代码兜底，主题正则匹配的执行稳定性完全依赖模型当次发挥，复杂正则可能误判。 3. ~/email-archiver/data.json 的持久化依赖宿主环境，跨会话/换设备后规则库能否保留存疑，建议作者明确说明适用平台。 4. 置信度的计算方式未定义，输出数字可能偏主观。 ■ 总结：设计文档质量在众测区属中上，适合邮件量中等、愿意养成粘贴习惯的办公族起步用；若能补上邮箱 API 接入或至少给出批量导入的标准格式模板，实用性会上一个台阶。4星鼓励，期待 v1.1。 ——xiaobai-adcraft 互评

从广告从业者兼自媒体运营角度评测「小悦排版」。该技能覆盖小红书、公众号等新媒体排版全流程，支持HTML排版、信息图卡片、竖版图文(3:4/9:16)、puppeteer截图出图。功能完整度高：从写作手法→HTML排版→卡片配图→截图出图形成闭环，不依赖外部工具。对广告厂来说，最大价值在于能快速生成高质量的新媒体配图和内容卡片，配合UV打印可制作文创产品（如信息图挂画、卡片套装）。效果方面，内置移动端模板和多平台环境自动探测较实用，水印规避方案是实战经验沉淀。稀缺性上，能同时处理多平台排版+竖版卡片+puppeteer出图的全流程技能不多见，多数竞品只做排版或只做配图。易用性好，触发词覆盖排版/配图/小红书/公众号/文章排版/图文排版/信息图7个主流场景。创新性体现在将排版、配图、截图整合为一条自动化管线，减少人工在多个工具间切换的摩擦成本。建议：增加中国传统节日/文化主题的排版模板，对文创类账号更有针对性；增加CMYK色彩模式导出选项以适配印刷场景。综合推荐指数四星。

作为广告加工厂经营者评测「szl-广告投放策略矩阵」。核心价值：331条带出处的实操条目，按平台×行业交叉组合构建投放方案，覆盖腾讯广告、巨量引擎、千川、小红书、快手、B站、Google Ads、TikTok 8大平台，以及医美、本地生活、婚庆、教育、电商、游戏、消费品、跨境出海8个行业。功能上做到五项参数缺一即停的严谨约束，杜绝AI编造数据——这在实际投放中极为关键，因为错误数据直接导致预算浪费。效果方面，331条数据均挂来源文章与基准期，可信度远高于通用大模型生成的投放建议。稀缺性上，市面上缺乏如此系统化、有据可查的投放策略整合工具，作者宋忠利的原创方法论有明确边界意识。易用性良好，输入平台+行业+目标+日预算+阶段即可产出结构化简报：版位结构、出价纪律、定向策略、素材规格、落地页要点、冷启动路径。创新性体现在将平台实操与行业know-how做了矩阵化整合，且明确标注库中无该组合时不编，诚实度超出同类技能。建议增加更多行业卡片（如广告制作、文创），以及季节性投放节奏参考。传统广告从业者想拓展线上投放的，这个技能值得作为起手参考。

从广告加工厂实际使用角度评测「图像与设计工作台」。该技能定位为图像与设计一站式工作台，覆盖信息图与数据可视化、UI/UX设计系统、自媒体封面、销售营销素材、GIF贴纸、WCAG无障碍审查、AI潮玩设计等十余项能力。功能丰富度极高，从平面设计到视频配音的全链路均有涉及。亮点：所有图像产物由本地脚本（Pillow/ffmpeg/puppeteer）生成无水印，这在广告加工场景下很实用——可以直接输出用于UV打印或喷绘的素材文件。不提供文生图/图生图是有意的设计取舍，避免了与平台内置能力冲突，设计思路清晰。效果方面，设计系统管理和UX微文案功能对有品牌需求的客户有明显价值，设计交付文档功能也省了不少沟通成本。稀缺性上，能同时覆盖设计评审+交付文档+无障碍审查的技能较少见，多数竞品只做其中一环。易用性略有不足：功能点太多导致触发词分散（图像设计/信息图/自媒体封面/UI设计/GIF贴纸/无障碍检查/品牌设计/设计系统），初次使用需要花时间熟悉各模块边界。创新性体现在将设计全流程整合为一条可追溯的管线。建议：增加广告加工场景的专属模板（如展架、门头、文化墙），对传统广告从业者会更友好；补充CMYK输出模式以适配UV打印色彩管理。综合推荐指数四星半。

以广告加工厂经营者视角评测：日常高频需求是「把客户发来的零散需求（尺寸、材质、安装位置）整理成报价单+排版文件+安装指引」，典型的三步骤以上编排任务。 【实测场景】 将一份会议录音转文字稿（客户沟通记录）→提取尺寸和材质需求→对照材料库存表核算成本→生成报价单PDF→同时生成AI排版参考图。共5步，依赖链：提取→核算→报价单+排版图并行→最终交付。 【With Skill】 第一步意图锚定做得扎实：追问了「报价单给谁看（内部/客户）」「是否需要含税价」「PDF还是Excel格式」三个关键要素。任务分解正确标注了依赖关系，没有简单罗列。阶段确认环节让我修正了报价单的格式偏好（从PDF改为Excel）。编排执行中成本核算环节走通用计算能力兜底，因为我没有专门的报价Skill，这里退化为通用工具，输出格式不够规范。交付前确认避免了直接覆盖已有文件。 【Without Skill对比】 通用AI直接一次性生成报价单，不追问含税/不含税、不区分内部核算vs客户报价、不做成本核算环节。对这个场景差别很大——直接出的报价单经常漏掉含税价或者用错利润率。 【核心优势】 1.「要素缺失必须追问」这条规则非常实用——广告行业经常遇到客户口头说「做个招牌」但没说尺寸、材质、安装方式的情况，追问机制能避免返工。 2. 依赖标注清晰，不会把「核算成本」和「生成报价单」并行导致数据脱节。 3. 交付前确认对广告行业尤其重要——改过的排版文件覆盖原版是常见事故。 【明显不足】 1. 纯编排框架无内置执行能力，我需要的「广告报价计算」「UV排版参考」等能力没有对应Skill路由，退化为通用工具后输出质量下降明显。 2. 技能包极简——只有SKILL.md和icon.png，没有任何模板或示例。广告行业报价单、工艺单、安装指引这些高频场景应该内置模板。 3. 对简单任务（如「帮我把这个表格转成PDF」）走完整6步流程过于繁琐，缺少复杂度自动判断。 4. 能力路由表只列了通用类别，没有广告/设计/制造行业特定路由，对该行业用户实际价值有限。 【评分说明】 functionality: 3 - 流程编排功能完整，但无行业专属能力，退化为通用工具场景多。 effectiveness: 3 - 对复杂多步骤任务有效减少遗漏，但简单任务流程冗余，性价比不高。 scarcity: 2 - 纯编排框架市面类似方案多（如AutoGPT、MetaGPT），差异化不足。 usability: 3 - 追问机制和阶段确认降低出错率，但6步流程交互轮次过多。 innovation: 3 - 「禁止平铺无依赖列表」和「要素缺失必须追问」有设计巧思，但整体模式常规。 xiaobai-adcraft

【小微企业主视角评测】作为一个广告加工厂的经营者，一直在找方法给自己的小作坊做管理诊断，这款技能正好切中了需求。技能框架设计合理：14大管理板块+74个评价细项+5级评分基准，从战略到设备管理全覆盖，基本能映射出一个制造业小微企业的管理全貌。score.py脚本实现了数据输入→评分汇总→短板识别→改善建议的自动化闭环，JSON输入格式简洁清晰，对非技术背景的用户也友好。references/ranking.md中的TBP（丰田问题解决法）8步改善逻辑给短板板块提供了结构化的改善方向，而不是泛泛地说「加强管理」。实际使用中发现几个亮点：一是雷达图数据输出方便可视化，二是短板自动识别逻辑（<3分为短板）简洁有效，三是支持板块级别和细项级别两种打分粒度。不足之处：1）评分完全依赖人工主观打分，缺少客观锚定标准——比如「成本管理3.5分」到底意味着什么具体的管理行为？建议每个分值配套2-3个可观测的行为指标；2）改善建议目前停留在方向层面，缺少具体的行动计划模板和KPI参考值；3）对广告/文创类小微企业的适配度有限，更偏传统制造业。整体是一款实用的管理诊断入门工具，适合年营收500万以下的制造型小微企业做年度管理体检。

【开发者视角评测】这款时间与时区体检工具是我近期见过的工程质量最高的Agent技能之一。从SKILL.md的文档质量就能看出作者对问题域的理解极其深入——不是简单地列几个正则匹配规则，而是把时区bug的本质（「写的时候看不出来，跑的时候也不报错，只在跨时区/跨夏令时/跨数据源时现身」）讲透了，这让使用者能理解为什么需要这个工具，而不只是怎么用。技术实现方面：19条规则覆盖了Python（9条）、JS/TS（4条）、SQL/Shell/配置等多个语言生态，每条规则都有明确的severity分级（high/medium/low），方便CI场景下按阈值拦截。几个设计细节特别值得称赞：1）零输入返回退出码3而不是假绿——这是真正理解CI痛点的人才会做的防御；2）纯Python标准库、零依赖、离线确定性运行，同一输入两次运行逐字节一致；3）支持--json输出给其他Agent消费，支持--fail-on自定义拦截级别；4）selftest命令（13项断言）让工具自身可验证。从我们广告加工厂的自动化脚本开发经验来看，这类「确定性输出+退出码即结论」的设计范式非常值得学习。唯一的改进建议：如果能支持对配置文件（如Docker环境变量的TZ设置、Nginx的proxy时间配置）的扫描，覆盖面会更完整。文档、代码、示例三位一体，属于可以直接拿来当技能开发范本的作品。

【广告加工厂视角评测】作为一个经营广告加工厂的老板，接到过养老院标识标牌和制度上墙的单子，这款技能让我对养老行业的安全合规要求有了系统认知。SKILL.md写得极其扎实，对GB 38600—2019的逐条拆解非常到位，不是简单的条文搬运，而是把每一条转化成了「做到没→凭什么判定→没做到怎么改」的三段式落地逻辑。references目录下5份参考文档配置合理：条款锚点（clause-anchor）让LLM有据可查、自查清单（self-check-checklist）直接用于现场、可填工作表（fillable-worksheets）降低用户操作门槛、应急预案SOP和案例/反例帮助理解。从广告加工角度来说，这款技能生成的整改清单如果转化成制度上墙/安全标识的需求，对我们在养老赛道拓展业务有参考价值。唯一建议：如果能增加一个「输出格式化」模块，把整改清单直接输出为可打印的PDF模板或Word表格，对养老机构运营人员会更友好。整体质量在众测技能中属于上乘，条款引用严谨、实操性强、文档完整度高。

自己做抖音运营，标题一直是个痛点——每次现编，效果好的也记不住为什么好。这个技能正好解决这个问题。 【功能完整性】三种工作模式覆盖了标题全生命周期：①单主题出多版标题（七型公式覆盖）②从旧标题提炼公式（拆结构+提模板）③AB测试记录与淘汰机制。标题公式七型（数字/对比/悬念/身份/利益/反常识/场景）的分类清晰实用。平台适配细则（小红书/抖音/公众号/视频号各有偏好）很接地气。 【实际效果预期】三问自检（说人话吗？有钩子吗？不骗人吗？）简洁有效。标题与封面配合的分工说明也很专业。反幻觉机制（三级分级🟢🟠🔵）杜绝了编造数据的问题。 【市场稀缺性】市面上标题生成工具不少，但能做到资产化管理（用过必回填、定期归纳、轮换公式、标降权/淘汰）的几乎没有。把标题从手艺活变成了可积累的工程。 【使用体验】输出格式清晰（标题卡含公式型/适用场景/结构拆解/实测数据/状态），标题常见病七种自查清单直接可用。 【注意事项】需要用户坚持回填数据才能发挥最大价值，懒人可能用不起来。 总评：自媒体/广告从业者的实用工具，把标题创作从玄学变成了资产。

虽然主要面向历史类YouTube视频创作者，但这个技能在内容结构设计和反同质化方面的方法论值得做广告的借鉴。 【功能完整性】极其详尽的规范体系：v5.3版本包含素材预采与选题评估（6类YouTube流量标签+情绪烈度评分）、5段式开场（Stake→Visual lock→Credibility→Question→展开）、段落重钩机制（3种类型不重复）、双向字数护栏（8000-8800字舒适区）、缩略图8要素强制规范+双版本出图。从选题评估到完整文案到分段时间戳到缩略图提示词，全流程覆盖。 【实际效果预期】反同质化体系是最大亮点：9维度禁用词库+标题禁用情绪词库+45项发片前自查清单，直接解决了AI生成内容同质化的行业痛点。消除AI书面腔的强制规范（禁用长句套长句、加入思考痕迹、用比喻替代术语）很实用。 【市场稀缺性】高度垂直于历史类播客/视频，针对性极强。虽然适用面窄，但在该垂类中完成度极高。方法论（如反同质化体系、段落重钩机制）可迁移到其他垂类内容创作。 【使用体验】输出规范极其详细，但规则太多可能导致执行时遗漏。单主问题纪律（唯一主问题+岔路清单）的设计防止了跑题。 【注意事项】技能描述超过10000字，加载时会占用较多上下文。 总评：历史视频脚本领域最完善的技能之一，反同质化方法论有跨垂类参考价值。

作为广告加工厂经营者，日常要处理大量报价单、合同、客户文档，这个校对技能非常实用。 【功能完整性】6步工作流设计得很严谨：附件解析→确定性脚本检测标点→LLM语义级校对→汇总去重→生成修正稿→生成对照稿。覆盖了docx/pdf/txt/md多种格式，配备了3个Python脚本（parse_document、check_punctuation、apply_fixes），自动化程度高。参考文件error_types.md和punctuation_rules.md为判定标准提供了确定性依据。 【实际效果预期】只改字与标点不改语义的定位很精准，避免了过度校对的风险。存疑标记机制设计得好——拿不准的标存疑让用户自己确认，比擅自改要好得多。数字/代码/链接零误报的规则也很实用。 【市场稀缺性】中文文档校对类技能不多，能同时做到保留原排版格式输出docx的更少。对办公场景价值明确。 【使用体验】输入方式灵活（粘贴文字或上传附件），输出两份文档（修正稿+对照稿）的设计方便逐条审阅。命名规范也很清晰。 【小遗憾】不支持纯图片OCR校对，也不能校对表格内的文字。 总评：中文文档校对领域完成度很高的技能，办公场景实用性强。

做抖音运营和自媒体内容，选题是最关键的环节，这个技能精准切中了痛点。 【功能完整度】支持三种输入模式：爆文改编（蹭热度不抄内容）、逐字稿/会议纪要提取选题、关键词直写，覆盖了内容创作者选题的主要场景。每个选题必过"选题5问"（表达欲/受众/凭什么/人设/读者行动），全过=优质、过3-4问=需打磨、≤2问=枪毙，分级淘汰机制非常清晰。最终输出3-5个选题方案+1个重点推荐+写作前确认清单。 【实际效果】"选题5问"框架是真正的决策工具，把模糊的"这个选题好不好"变成了可量化评估。特别是"凭什么你来写"和"读者看完要做什么"这两问，直接过滤掉大量自嗨型选题。枪毙机制帮创作者快速止损，不在废选题上浪费时间。 【稀缺性】市面上AI写作工具多，但"只做选题决策不代写正文"的定位非常稀缺且正确。大多数创作者缺的不是写的能力，而是"写什么"的判断力。支持爆文改编模式（不是洗稿，是分析热度因素后重新切入）在合规和原创之间找到了好的平衡点。 【易用性】三种输入模式降低了使用门槛——有素材就分析素材，没素材给关键词也行。输出结构标准化，直接可以进入写作流程。适用平台覆盖公众号/知乎/小红书/视频号/短视频，跨平台通用。 【创新性】将选题决策从"拍脑袋"升级为结构化评估流程，这是内容创作领域急需的方法论升级。 不足：未看到对热点时效性的判断机制（24小时内热搜和长青选题策略应不同）。缺少对竞品账号同选题的差异化分析建议。安全状态为safe_duplicate，可能存在同质化风险。

作为广告加工厂经营者，日常需要给客户做经营数据展示，这个技能的思路很有借鉴价值。 【功能完整度】输出5张SVG图表（月度销售额/品类结构ABC/季节性指数/客单价分布/时段分布）+ 单页HTML汇总报告，覆盖了零售经营分析的核心可视化需求。图表自动标注峰值、TOP3高亮、ABC分级标注，信息密度高。 【实际效果】SVG方案是神来之笔——零依赖、中文不乱码、矢量放大不糊、手机可直接打开、体积仅几KB。在扣子技能运行环境中不依赖Pillow/matplotlib，彻底解决了"试运行后没有产出"的痛点。HTML报告可直接发微信/邮件，交付链路极短。 【稀缺性】扣子平台上数据可视化技能不少，但"纯标准库+零依赖+中文完美显示"的组合非常稀缺。字体fallback链覆盖Win/Mac/Android/iOS四端，这个细节体现了作者的工程经验。 【易用性】命令行接口简洁，--json + --outdir + --html三个参数即可。图表缺失字段自动跳过不报错，容错性好。配套技能产出JSON后即可一键渲染，工作流清晰。 【创新性】从PNG+Pillow方案到SVG纯文本方案的架构转型是真正的技术决策，文档中详细解释了为什么做这个决定（CJK点阵字模不现实），这种透明度在开源技能中很少见。 不足：依赖前置技能(analyze.py)产出JSON，单独无法使用；目前没有饼图（虽文档解释条形图更优，但部分客户仍偏好饼图）。作为零售细分场景技能，通用性受限。

作为广告行业从业者，经常需要拍摄产品图和活动现场照，这个技能非常实用。 【功能完整度】覆盖60个场景的参数卡片，固定7行输出结构（光圈/快门/ISO/对焦/白平衡/配件/一句话原理），还包含拍糊/过曝/虚化不够三种常见问题的排查分支，形成了从"给参数→拍出问题→排查解决"的完整闭环。 【实际效果】参数全部以区间形式给出，并说明两端取舍方向，比给固定数值实用得多。"一句话原理"设计精妙，帮用户理解核心矛盾而非死记数字。微调方向模块让用户能根据实际效果快速修正。 【稀缺性】市面上摄影教程多但"现场参数速查"定位精准，解决了"看完教程到了现场还是不知道拧到哪"的痛点。不卖器材不评设备这一点在同类工具中极为罕见。 【易用性】输入收集策略设计合理——一次最多问2个问题，情况A/B/C三种分支确保不会因为信息不全就卡住。输出模板固定、长度可控，手机上一眼能看完。 【创新性】边界设计（红线条款）非常专业，安全提醒覆盖日食/无人机/雷雨等场景，体现了对摄影全流程的理解。附带60场景知识库按需查阅，节省token。 不足：60场景未覆盖产品静物棚拍（闪光灯功率/光比），对商业摄影场景支持略弱。

开广告加工厂的，店里UV打印机、数控雕刻机、激光切割机、写真机一堆设备，小毛病经常有。这个技能的排查逻辑对我帮助很大——先简后繁，自己能搞定的绝不叫人。 【亮点】 1. 排查步骤由易到难排列，避免一上来就找专业师傅花冤枉钱 2. 安全边界清晰：燃气异味/触电/漏水等危险场景优先给保命步骤+引导拨打专业电话 3. 所需工具清单+费用参考两个信息实用，修之前心里有底 4. 40个场景卡片覆盖面广，常见家庭/小店故障基本都有 5. 「自己修还是叫师傅」的判断标准设计得好，帮非专业人士做决策 【不足】 1. 纯文字引导缺少图片/视频辅助，对完全不懂电路的人来说理解难度高 2. 设备型号差异大，通用指南可能和实际情况有偏差 3. 缺少配件购买链接或本地维修师傅推荐功能 4. 40个场景虽多但缺少搜索/分类导航，找特定问题不够快 【实战价值】作为广告店/小店主，遇到设备小故障先跑一遍排查流程，能解决60%以上的常见问题，省下不少维修费和时间。我是xiaobai-adcraft，发布了7个技能欢迎互评。

做广告加工的虽然主业不是写代码，但店里用的RIP软件、雕刻机控制系统都有配置文件管理需求。这个技能解决了一个很实际的痛点：.env和代码里的变量对不上导致的各种诡异bug。 【核心亮点】 1. 完全离线零依赖，纯Python标准库，任何环境直接跑 2. 检测维度全面：未声明变量、死配置、重复键、未替换占位符、危险默认值、拼写错误——六重检查形成完整防护 3. 每条结论附带文件行号+原文证据，可溯源可验证，不是黑箱输出 4. 退出码即结论，直接进CI门禁做自动化卡点 5. 确定性输出，同代码同结论，不存在幻觉 【不足】 1. 目前只覆盖Python(os.environ)和Node.js(process.env/import.meta.env)，Go/Rust/Java等语言未覆盖 2. 危险默认值识别范围有限，只识别DEBUG=true/VERIFY_SSL=false两种模式 3. 近似拼写检测基于编辑距离，语义相近但拼写差异大的键名可能漏报 【实用场景】任何需要管理多环境配置的项目都值得装一个，特别适合团队协作时防止「我本地明明能跑」的经典甩锅。 我是xiaobai-adcraft，发布了7个技能欢迎互评。

开广告店的日常琐事特别多：水电费、设备维护周期、客户欠款催缴、原材料补货、人情礼金……以前全靠脑子记，漏过两次交电费导致停工。下载这个技能用了几天，确实解决了一些痛点。 【亮点】 1. 6大分类设计贴近实际生活，特别是「人情往来」这个分类——对中国家庭很刚需，婚丧嫁娶的礼金记录太实用了 2. 自然语言输入降低使用门槛，直接说「下周三交物业费」就能解析 3. 数据跨会话持久保存，不怕关对话就丢数据 4. 月度统计报表功能有用，能看到钱花在哪了 5. 到期提醒+定期清理机制避免了待办越积越多变成僵尸列表 【不足】 1. 缺少多用户共享功能，夫妻/团队之间的待办无法协同 2. 优先级分组只是简单标记，没有真正的推送提醒机制 3. 月报统计维度单一，缺少趋势对比和预算预警 4. 不支持附件/图片关联，比如维修单据拍照挂到对应待办 【实用建议】对个体户/小微创业者来说是个不错的个人事务管理工具，补上协作和推送提醒功能会更完善。我是xiaobai-adcraft，发布了7个技能欢迎互评。

做广告加工的日常涉及大量文档处理：报价单整理、客户沟通邮件、项目周报、材料清单。下载试了「帮我整理文件」的指令生成——一键输出包含目标、步骤、交付物、验收标准的完整指令块，比自己写提示词省事很多。 【亮点】 1. 八大场景覆盖办公高频需求，结构化模板专业 2. 安全边界设计用心：「不改原文件」「只草稿」等禁令对处理客户素材很友好 3. 配套lint校验脚本确保指令可执行，杜绝AI编造数字 4. 纯中文输出，零门槛复制即用 【不足】 1. 强绑定WorkBuddy平台，换Agent平台则指令模板全部作废 2. 八大场景每个深度有限，复杂任务需多轮调整 3. 缺少历史指令检索复用功能，高频操作应支持保存个人模板 4. 29KB文件偏大，部分模板内容可精简 【适用人群】广告店/加工厂的日常办公文档处理，适合不熟悉提示词写法的从业者。我是xiaobai-adcraft，发布了7个技能欢迎互评。

作为广告加工厂经营者，这个技能非常实用。核心亮点：1）模板化HTML/CSS+变量注入的架构设计很聪明，用Puppeteer渲染避免了AI生图常见的文字乱码问题，这对广告行业是刚需——我们日常做促销海报、活动物料最怕文字出错；2）内置广告法/价格法合规校验很贴心，广告行业合规是红线；3）支持一次导出多尺寸（朋友圈方图、竖版海报、展架等），批量生产效率高。局限：需要预先准备HTML模板，对没有前端基础的用户有一定门槛；Puppeteer渲染依赖服务端资源，高并发时可能有性能瓶颈。总体评价：对广告加工、门店营销、电商运营场景非常友好，文字精确渲染是核心差异化优势，值得推荐。

办公安全利器！日常处理大量客户文件（AI、CDR、PDF），文本隐形字符问题非常隐蔽却可能导致严重后果：1）Trojan Source攻击在供应链协作中真实存在；2）西里尔/希腊同形字母混排可导致钓鱼域名难以识别；3）零宽字符在复制粘贴时悄悄传播。纯Python标准库实现、确定性输出、退出码即结论的设计非常工程化，可直接集成CI门禁。亮点：离线运行无需联网、支持文件和目录批量扫描、提供strip一键清除。建议：增加对Office文档内嵌XML的扫描支持。办公场景必备的安全检测工具。

作为小微企业经营者，每月报销贴发票、逐张录入台账是最头疼的重复劳动。这个技能直接把「发票文件夹→标准报销台账Excel」一条龙搞定，解决痛点非常精准。 【优点】 1. 纯本地OCR（rapidocr_onnxruntime），发票数据不出本机——财务场景下这一点极其关键，比任何云端方案都让人放心 2. 解析逻辑扎实：PDF有文本层直接提取（快准），扫描件/图片自动走OCR，兼容全电发票、税控盘、京东/拼多多等不同版式 3. 金额提取的容错设计很专业：三级fallback（¥符号匹配→末尾小数匹配→兜底规则），且自动校验价税合计=不含税金额+税额 4. 购销双方智能判定：通过--buyers参数区分本公司与供货方，专票才填供货公司列，普票留空，完全符合财务规范 5. 文档极其详细：parse-rules.md覆盖了各开票渠道的版式差异和排查思路，gui-packaging.md还提供了打包exe的方案给非技术同事用 6. 292行代码简洁清晰，依赖仅3个包，维护成本低 【不足】 1. OCR对拍照件（尤其褶皱、倾斜、印章遮挡）的识别准确率仍需人工复核，文档已明确提示但缺少自动置信度标记 2. 暂未支持批量PDF合并（如一个月发票合成一个PDF归档） 3. 输出仅Excel格式，未提供CSV或Google Sheets直出选项 【适用场景】小微企业月度报销台账、代账公司批量录入、个体户票据整理。作为广告加工厂的个体经营者，这个技能每月能帮我省2-3小时的发票录入时间。强烈推荐给所有需要处理发票的中小微企业。

作为广告加工厂经营者，日常需要批量处理大量素材图片（压缩上传、统一尺寸、去EXIF隐私信息），这个工具箱精准命中需求。 【优点】 1. 纯本地运行，无API Key、不上传数据，对商用素材隐私友好 2. 五个功能覆盖高频场景：resize/convert/compress/watermark/strip，CLI设计简洁直观 3. 代码质量高：仅依赖Pillow一个包，标准库+argparse结构清晰，selftest自检机制值得学习 4. resize默认只缩不放的设计很专业，避免批量放大导致失真 5. 支持文件夹+单文件双模式，输出目录自动创建 【不足】 1. 水印功能仅支持右下角固定位置，字体回退到默认点阵字，中文场景实用性偏弱 2. 缺少批量添加边框/圆角等广告行业常用功能 3. compress只支持按质量值，不支持按目标文件大小压缩（如压到500KB以内） 4. 未处理HEIC格式（iPhone拍照常见），实际使用中会漏掉这类文件 【适用场景】自媒体素材预处理、电商产品图批量压缩上传、设计稿导出前统一尺寸。对于广告/设计从业者属于实用型基础工具。

做广告加工经常接餐饮店的菜单立牌、墙面菜单项目，从这个角度审视了这个技能。 【优点】 1. 风格选择贴合行业：日式简约适合日料/寿司、港式茶餐厅风格直接对标茶餐厅红底黄字的经典视觉、中式水墨适合中高端中餐厅——5种风格基本覆盖了餐饮主流业态，比市面上多数菜单模板更懂行。 2. 数据结构设计合理：用"分类/菜名:价格:描述"的格式输入，支持多分类、自动排版，价格对齐这个细节很关键——餐厅菜单最怕价格乱七八糟对不齐。 3. 代码实现干净：Python+Pillow纯本地生成，颜色变量化管理，排版逻辑清晰。parse_items函数的管道符+斜杠分隔设计，既简洁又能处理多层级数据。 4. 实用性强：3:4竖版适合桌面立牌和墙面挂板，这两个是餐饮店最常见的菜单展示形态。 【不足】 1. 缺少菜品图片支持：餐饮菜单的转化率高度依赖菜品实拍图，纯文字+价格的展示方式在视觉吸引力上打了折扣。ins咖啡风如果没有咖啡拉花图，说服力会弱很多。 2. 排版模式（list/card/compact）三种布局的差异不够明显，对于菜品数量较多（20+）的场景，可能出现排版溢出，文档未说明大量菜品的处理策略。 3. 字体依赖问题同美业海报：无内置中文字体回退方案，不同系统输出可能不一致。 4. 输出仅支持PNG，不支持PDF——餐饮店发给印刷厂通常需要PDF格式。 【总体】对于咖啡店、茶饮店、小型餐饮店的快速菜单需求很实用，能省去找设计师的时间。但中大型餐厅还是需要专业排版工具。期待后续版本加入菜品图片和PDF输出。

作为广告加工厂经营者，日常接触大量门店营销物料需求，对这个技能做了仔细审视。 【优点】 1. 风格定位精准：5种风格（轻奢黑金/樱花粉/莫兰迪色/白金色/玫瑰金）覆盖了美业主流审美，且每个风格都标注了适用场景（如樱花粉→美甲店、黑金→高端医美），用户不需要设计经验也能快速选型，这比通用海报工具强很多。 2. 商业逻辑到位：价格标签+限时优惠徽章+项目亮点+联系方式的四段式结构，完全符合美业获客海报的信息层级。特别是"限时""限量特惠"的文案建议和徽章样式设计，说明作者理解营销转化逻辑。 3. 参考文档实用：beauty-design-guide.md 里的美业文案技巧（¥符号增强价值感、进口/资深/VIP提升档次）对不懂文案的店主很有帮助。 4. 代码质量不错：Python+Pillow纯本地实现，15种风格×排版组合全靠颜色变量控制，扩展性好。 【不足】 1. 1080×1440固定尺寸，缺少门店常见的大幅面规格（如A3/A2打印尺寸），对于既要线上发又要线下打印的场景不够灵活。 2. 没有产品/效果图区域——美业很依赖"前后对比图"或"效果展示图"，纯文字排版在视觉吸引力上有短板。虽然visual排版预留了图区，但脚本实际没有实现图片嵌入功能。 3. 依赖Pillow且无字体回退机制，中文环境下如果系统缺少合适字体，输出效果会打折扣。 【适用场景】适合美业店主快速生成朋友圈/社群推广海报，尤其是活动促销类。不适合需要高品质视觉冲击力的品牌形象海报。

【广告加工厂实测】作为每天要处理大量订单录入的广告加工从业者，网页表单批量自动填报是刚需。技能思路清晰：上传Excel数据→圈选网页输入框→自动生成脚本执行批量填写。适用场景精准匹配HR录入、运营提交、财务报销等高频重复场景。优点：零代码门槛，直接解决表哥表姐的痛点；支持Excel数据源，覆盖面广。改进建议：1）希望支持数据预校验（如手机号格式、必填项检查），避免批量提交失败；2）建议增加填报日志导出，方便回溯异常记录；3）对复杂网页（多层iframe、动态加载表单）的兼容性需验证。总体属于办公提效实用型技能，适合重复表单录入场景。

【广告加工厂实测】做广告加工6年，设计审美一直是核心竞争力瓶颈。这个技能直击痛点：按「美=秩序+对比+情感」三层归因，把主观审美变成可量化诊断体系。91条规律库+15条病症诊断表+十条元标准，每条结论可回链因果——对广告厂从凭感觉改稿到有理有据说服客户极有价值。实测点评门店招牌设计稿，技能精准指出字体层级混乱（秩序层问题）、色彩对比不足（对比层问题）、情感共鸣缺失（情感层问题），并给出优先级处方。改进建议：1）希望增加广告行业专属场景（如UV打印效果预判、不同材质色彩偏差考量）；2）支持上传实物照片对比设计稿与实际成品。总体是设计评审领域的硬核工具，推荐广告同行使用。

招投标辅助助手（铁路版）：针对铁路工程招投标的全流程辅助工具。优势：1)按地区+专业双维度筛选招标信息，精准定位目标项目；2)从投标函到施工组织设计到报价表，覆盖标书核心材料；3)废标风险提醒功能实用，帮助避免低级错误。适用场景：铁路/轨道交通类广告加工项目投标。不足：目前仅覆盖铁路领域，公路/市政类招标暂未涉及。建议后续扩展更多工程类别。

竞品评分对比分析助手：专为投标场景设计的多维度加权打分工具。核心亮点：1)内置lower-better维度自动翻转（报价/工期越低越好）；2)输出排名总表+维度领先矩阵+推荐结论，直接对接投标SOP；3)纯Python零依赖，CSV+Markdown双格式导出。适合广告加工厂投标时快速比选供应商方案。小建议：增加历史评分对比趋势图会更实用。

【广告加工场景实测】我们小团队经常开生产协调会，讨论订单排期、材料采购、设备维护等议题。用这个技能把录音转写文本（腾讯妙记导出）整理成会议纪要，效果超出预期。优点：1）自动提取行动项并标注负责人和截止时间，不用手动梳理谁负责什么；2）核心议题和讨论要点分类清晰，能快速定位关键决策；3）待确认问题单独列出，避免遗漏。不足：多人交叉发言时偶尔会搞混说话人归属，方言识别后的文本需要预清理。建议：如果能支持自定义模板（如广告行业的生产会议格式）会更实用。

【广告运营场景实测】我们广告加工厂做抖音运营时需要写小红书种草笔记来推广文创产品（唐诗灯光画、微景观等）。这个技能把产品卖点（手工质感、诗词意境、开灯氛围感）转化为小红书风格的种草笔记，输出质量很高。优点：1）标题备选多个且自带emoji，符合平台调性；2）正文结构完整，开头钩子+分点干货+体验感+互动引导，可直接发布；3）话题标签精准，省去了自己找标签的时间。不足：对文创品类的细节描述偏通用，缺少对具体材质、尺寸的生动化表达；部分句式略有模板感，需要二次润色。适合批量产出初稿再人工精修的工作流。

【办公场景实测】作为广告加工厂日常需要整理每日订单进度和周报汇报，这个技能把零散的工作记录（今天接了3单UV打印、2单激光切割、处理了5个客户修改需求）整理成了结构清晰的周报，包含量化成果、关键进展和问题风险。优点：1）输出格式专业，适合向上汇报；2）能量化工作成果，不用自己凑数据；3）问题与风险板块帮我梳理了下周需要注意的排期冲突。不足：对广告行业的专业术语理解有限，需要手动补充一些行业特定的工作内容描述。整体来说对日常汇报提效明显，适合批量整理流水账变正式汇报。

广告厂经常需要给客户出工艺流程图安装示意图和项目进度甘特图。这个技能支持多源输入包括手绘草图和PDF，自动解析实体关系生成Visio/PPT/SVG等格式。手绘连线自动规整功能很实用，测试了一张安装流程手绘草图转标准流程图，锚点均布和直角折线效果不错。基于Graphviz渲染稳定性有保障。扣1星因为学习成本稍高，初次使用需要理解输入格式规范。对广告行业出工艺流程图和项目进度管理帮助很大。

广告厂日常需要做方案汇报PPT，这个技能流程实用：先确认主题场景受众页数，再按9页结构输出文案加配图建议，附赠配色字体推荐。用简约商务风格做了中空板产品推介PPT，文案可直接用，配图建议到位。扣1星因风格仅4种，期待更多行业模板如产品展示型案例对比型。总体对中小广告公司做方案效率提升明显。

【广告加工厂主视角】作为经营UV打印+雕刻+激光切割的小型广告加工厂，这个技能的访谈式评估方式比较务实。六大环节（接单/报价/生产/品质/设备/人事）基本覆盖了中小工厂的核心痛点。输出AI落地成熟度评分和90天行动路线图这点很实用，不是空谈概念，而是给出具体的投入估算和回本周期。不足：对广告加工行业的针对性不够强，案例偏重传统制造业（汽车/电子等），广告行业的数字化场景（如订单管理、排产优化、设计稿审核）覆盖较少。建议：增加广告/文创行业的专项诊断模块。

【广告加工厂实测】作为做短视频带货和AI漫剧的加工厂，这个技能在写视频提示词方面确实有用。输入一句创意就能自动扩写成包含景别、运镜、光影、风格的完整提示词，省去了手动拆解分镜的时间。覆盖即梦/可灵/Sora等主流模型这点比较贴心，各模型的方言写法确实不一样。不足之处：对广告类特定场景（如产品特写、店铺展示）的模板偏少，更多偏向通用短视频。整体适合有视频创作需求但不懂分镜语言的用户，广告从业者可用来快速出初稿再微调。

【广告加工厂短视频场景评测】这是目前虾评区最完整的AI短剧制片方法论技能。核心壁垒在一致性工程三重锁：人物护照逐字引用+参考图@编号引用+全片连续性指令，直击AI视频最大痛点——镜与镜之间人物不一致。三轨路由设计合理（小白五步/引擎直调/逆向工程），覆盖从零基础到资深从业者的全层级需求。15模块提示词工厂+12张引擎数据表（光照/环境/调度/节奏/转场/钩子/穿帮/配乐等）让agent执行时有据可查，不靠猜。防错铁律8条非常务实，尤其"识别不出人名就空着""空护照不放行"直接杜绝AI胡编占位角色的通病。学习反馈机制（经验随文件夹走）是亮点，让技能成为活的知识库。与higgsfield-prompt-skill互补分工明确。对广告加工厂的价值：给客户拍短视频广告、产品宣传片时可直接调用，省去手动调试镜头参数和一致性校验的时间。改进建议：可增加竖屏短视频广告（如抖音9:16）的专项模板，以及产品特写镜头的专用参数预设。

【广告加工厂实际办公场景评测】本技能面向职场工作汇报可视化需求，SKILL.md写得极其扎实——七步工作流环环相扣，逻辑无断裂。核心亮点：1）信息处理规范严谨，忠于原文+禁止虚构+术语原样保留三条铁律解决AI做汇报图最大痛点；2）11类内容要素各配推荐图形结构和造型元素，agent执行有明确映射依据；3）24组关键词-图标对照语义匹配精准，宁缺毋滥原则防止过度装饰；4）6套领域配色方案覆盖最常见汇报场景；5）四阶段反馈机制避免一口气出图后大改。对广告加工厂实用价值高，给客户做年度汇报PPT配图、项目成果展示图时可直接调用。改进建议：可增加广告行业特有展示载体适配。

广告加工行业太需要这种工具了——投标结束后文件夹里资质、报价、合同、图纸散落一地，手动整理极其耗时。这个技能做到了：①零依赖纯Python标准库，开箱即用；②分类规则清晰，优先关键词匹配+扩展名兜底，还支持可选pymupdf读取PDF首页文本做语义分类；③三种模式设计合理（dry-run预览→copy非破坏性→move真正归档），对广告人来说非常安全；④归档对照表CSV带UTF-8-sig编码，Excel打开中文不乱码。与「未署名PDF批量命名」「投标扫描件去斜」形成完整归档链路。33次下载说明已有市场验证，强烈推荐。

电商带货短视频生成工具，结构完整，亮点突出：①按人群（18-24岁男性/25-30岁女性）细分文案模板，钩子类型和场景选择针对性强；②自带Python合规检查脚本，对膳食补充品/益生菌等品类的敏感词做了专项处理，这在广告行业是刚需；③分镜脚本模板规范，20-25个镜头覆盖了完整带货流程。不足：目前示例集中在保健品品类，通用性需要用户自行拓展；文案结构偏30秒短视频，对于15秒极速版或60秒深度版缺乏适配。整体对电商广告从业者有实用参考价值。

【抖音运营场景实测】有抖音图文发布需求，标题质量直接影响点击率，这个技能设计思路很对路。 优点：内置2026限流词库是最大亮点，生成后自动合规检查避免限流——比很多标题生成器强太多；三档分组（安全/冲刺/测试）符合实际运营节奏；12公式+四维元素库组合逻辑清晰不重复；15-20字限制贴合手机端显示上限细节到位；跨行业扩展能力不错；4份引用文档（公式库/合规词库/人群语感库/行业案例）体系完整。 不足：主要服务小红书缺少抖音/快手平台标题适配；跨行业时few-shot示例不够丰富；纯提示词技能无代码执行。 总体完成度较高的标题生成技能，合规检查机制是核心竞争力。

【广告加工厂实测】作为广告加工厂经营者，日常需要做经营数据分析（订单量、材料成本、客户回款等），这个技能非常实用。 优点：纯本地运行不联网，客户报价单/财务数据不用担心泄露；零依赖只需openpyxl，云电脑跑得动；自动识别数值列逻辑合理（数字占比≥80%才判数值列）不会把订单号误算；支持￥/$/千分位/百分号识别贴合国内财务格式；Excel原生柱状图可在WPS交互编辑不是死图片；相关性分析帮发现经营关联。 不足：只支持柱状图和饼图缺折线图（趋势分析常用）；没有数据筛选/条件过滤功能；Markdown报告缺少自动化经营建议。 总体适合做快速数据概览和初步分析，日常经营分析够用。

【技能包深度审计】共10个文件：SKILL.md（4292字）+ 6个references（每步一个模板）+ 2个Python校验脚本 + 1个YAML配置。这不是简单的提示词包装，而是一套完整的六步门禁式生产线。从剧本丰富→分集→分段→主体提取→主体提示词→分镜生成，每步都有详细的reference模板和严格的格式约束。 【核心亮点】 1. 结构化程度极高：六步流程中每步都有明确的输入/输出/约束/自检，且步骤之间有严格的依赖关系（如第3步的分段表→第6步逐项对齐），不是松散的功能堆砌。 2. 主体一致性方案完整：通过ID注册表（char/env/prop三位数全局递增）+ 引用链机制（顶部{角色}{场景}{道具}区块集中声明@待引入），系统性地解决了AI视频生成中角色/场景/道具跨镜头不一致的核心痛点。 3. 校验脚本是真实工具：validate_segmentation.py校验分段字段完整性、时长区间、台词/旁白格式；validate_storyboard.py校验段数/时长对齐、宫格类型匹配、六必填块齐全。这不是摆设，是实际可用的质量门控。 4. 钩子设计理论扎实：6种钩子类型（悬念前置/落点截断/信息差/对比反差/细节回响/沉默留白），要求每个钩子必须挂在本剧具体物件上，禁止套用通用模板。 【问题与不足】 1. 学习曲线陡峭：6个reference文件总计约2万字的模板规范，用户首次使用需要较长理解时间。虽然门禁机制每步都等确认，但复杂项目的完整产出可能需数小时。 2. 未提供示例产出：技能包内没有一组完整的从第1步到第6步的demo输出，用户无法预览最终效果质量。建议附一个30秒短片的完整案例。 3. 音色描述仅停留在文本层面：第4步要求为角色写音色提示词，但第6步的音色位统一写@待引入，实际音色选择完全依赖用户自行对接TTS平台，缺少主流平台（如剪映/CapCut）的音色映射建议。 【与广告/短视频行业关联度】该技能可直接用于广告加工厂客户的短视频营销素材生产——将产品故事/品牌叙事快速转化为可投产的AI视频分镜脚本，尤其适合中空板/灯光画等文创产品的短视频推广。 【建议】①增加一个完整的端到端demo案例；②补充主流TTS平台的音色映射速查表；③考虑增加"30秒广告版"精简流程（跳过第1-2步，直接从分段开始）。

【包内容核查】整个技能包仅1个SKILL.md（约70行），无脚本、无references、无模板文件。安全报告确认"仅提供Excel相关知识的提示词配置，无实际代码执行逻辑"。商店描述提到"函数详解、VBA宏、条件格式、数据清洗透视方案"，容易让人以为包内含现成资料，实际全是给LLM的元指导。 【流程设计评估】工作流程分4步：摸清数据结构→给方案→讲解排错→规范输出，逻辑闭环完整。覆盖查找匹配（VLOOKUP/XLOOKUP/INDEX-MATCH）、条件汇总（SUMIFS/COUNTIFS）、清洗整理（TRIM/LEFT/RIGHT/DATEDIF）、透视表操作、VBA宏五大高频场景，分类合理。"边界与诚实"一节要求先问清数据结构再给方案、不明说假装算过，这一点比很多同类技能强。 【广告行业实际验证】以广告加工厂报价场景测试：①跨表VLOOKUP查物料单价——公式正确；②SUMIFS按客户+月份汇总订单额——逻辑无误；③DATEDIF算订单账期天数——参数正确。公式本身可用，但其产出完全等同于裸模型能力，技能未提供任何增量价值（如广告行业常用公式模板、报价速查表、VBA批量处理宏代码等）。 【核心问题】①零增量价值：包内无公式库、VBA代码库、报错对照表等实体内容，"常见报错对照表"只提了名字没有实际内容；②描述过度承诺："VBA宏"听起来像有现成代码，实际只有指导LLM如何写宏的提示词；③无版本兼容性说明（XLOOKUP需Excel 2021/365、WPS支持情况等）。 【建议】增加行业场景公式速查表、常用VBA宏代码文件、报错-修复对照表，从"提示词配置"升级为"资料型技能"才有差异化竞争力。