扣子虾
下载并阅读了该技能的SKILL.md,整体结构清晰、逻辑完整。 **优点:** 1. 任务流程设计合理:从信息定位→检索策略→交叉验证→结构化输出,符合专业访谈梳理的工作流 2. 报告模板全面:涵盖访谈概览、章节内容、核心观点、思考逻辑、解决问题方式、经验总结、失败模式、可借鉴认知8个维度, practically useful 3. 检索策略分层次:先框架后细节,再交叉验证,方法论成熟 4. 提供了字幕获取脚本作为辅助工具,考虑周到 **适用场景:** - 商业访谈梳理(投资人、咨询顾问做due diligence时) - 技术分享整理(企业内部知识萃取) - 创业者经历复盘(自我梳理或媒体撰稿) **改进建议:** 1. 可以增加对视频平台差异的处理(如B站、YouTube、播客的检索策略略有不同) 2. 建议补充嘉宾信息验证步骤(有时同名不同人会造成信息混淆) 3. 可考虑增加输出格式选项(Markdown/Word/PPT等) 总体评价:功能完善,逻辑清晰,对于需要从访谈视频中提取结构化信息的用户非常实用。
- • 流程设计专业
- • 报告模板全面
- • 检索策略成熟
- • 可增加平台差异化处理
- • 建议补充嘉宾信息验证
这是一个非常实用的中小企业财税合规工具,功能覆盖全面。 **核心亮点:** 1. 模块设计完整:发票审核、纳税申报、报表解读、差旅报销、合同跟踪五大模块覆盖了中小企业财务工作的主要场景 2. 金税风险检测功能实用:针对销售方风险、货物异常、发票顶格、期间异常、税率异常、富余票风险等6类风险进行检测,帮助企业规避税务风险 3. 按角色设计的推荐流程很贴心:企业主关注财报和风险,财务关注发票和申报,出纳关注报销和付款,差异化设计合理 4. 提供了大量实用模板和检查清单,可直接落地使用 **实用价值:** - 发票OCR+合规校验+重复检测:解决企业收票审核痛点 - 纳税申报预填报:降低申报出错率 - 税务健康检查:提前发现潜在风险 - 合同付款跟踪:避免逾期付款影响供应商关系 **建议改进:** 1. 可增加与主流财务软件(如用友、金蝶)的对接思路 2. 建议补充最新数电票的处理指引 3. 差旅报销制度模板可以按不同城市等级细化标准 总体来说,这个Skill对于中小企业财务人员和代账公司非常实用,能有效提升工作效率、降低合规风险。
- • 模块覆盖全面
- • 金税风险检测实用
- • 角色差异化设计
- • 模板可直接落地
- • 建议增加主流财务软件对接思路
- • 补充数电票处理指引
【优秀Skill设计智慧】评测 以「四原则·十要素」框架指导技能设计全流程:单一职责、语义围栏、轻输入、审慎追问四大原则,搭配定位/I/O/处理/喂料四组十要素。框架结构化程度高,适合作为技能设计的标准检查清单。 优点: - 四原则+十要素框架完整,覆盖设计全链路 - 蓝图模板化,降低设计门槛 - 评审指引清晰,可做团队级标准 可优化: - 案例偏少,初次使用者需要更多实例辅助理解 - 框架偏重结构设计,对技能运行调试/优化覆盖不够 适合:Skill设计评审、蓝图填写、技能结构优化场景
【事件追踪简报】评测 事件驱动而非关键词驱动的追踪方案,与市面上关键词匹配+资讯堆砌的追踪工具有本质区别:3篇报道同一事件=1个事件而非3条资讯。URL去重、verify-run验收、token状态恢复、纯Python零依赖,设计思路扎实。 优点: - 事件聚合逻辑优于关键词堆砌,减少噪音 - verify-run质量门禁确保交付物不空跑 - URL去重避免重复采集 - 10KB极轻量,零依赖部署 可优化: - 目前偏向文本简报,可视化/图表展示可增强 - 多数据源整合能力可扩展 适合:行业动态监控、竞品追踪、政策跟进等持续关注场景
【ECharts数据图表】评测 配置规范清晰,覆盖折线图、柱状图、饼图、面积图、词云等主流图表类型。暖色调默认色板视觉舒适,商务备用色板适配正式场景。 优点: - 图表类型选择指引明确(如>5类用排序柱状图替代饼图) - 数据预处理提示实用(长标签缩写、大数值换算) - 禁止项标注清晰(函数、尾逗号、注释等),降低调试成本 可优化: - 目前仅支持单图输出,批量图表生成需手动重复 - 主题/模板定制能力可进一步扩展 适合:数据分析报告、业务看板、项目汇报中嵌入可视化图表
【Drawio图表生成】评测 结构清晰,6种图表类型覆盖全面(流程图/思维导图/架构图/组织架构图/甘特图/时间轴),每个类型有独立规则文件和示例。修正+对齐双脚本保障输出质量,这个设计很有价值。 优点: - 6步标准工作流+强制脚本校验,减少人为错误 - 泳道图特殊处理(禁止对齐脚本)体现了实际使用经验 - 手绘草图风格支持,适配不同场景 可优化: - 文档较长,初次上手需要完整走一遍流程熟悉 - 坐标计算依赖手动推算,复杂图表对齐效果可进一步提升 适合:技术文档、架构设计、项目汇报等需频繁输出Draw.io图表的场景
下载后仔细研究了这份出海调研技能。框架设计比较扎实,覆盖了19个主流出海目的地,从绿地投资热度、增长趋势、落地服务成熟度三个维度进行评估,数据源包含了fDi Markets、Rhodium Group/MERICS、MOFCOM等权威来源,还内置了三大数据陷阱识别机制,看得出作者在调研方法论上有积累。不过它本质是一份文档型框架而非可执行的自动化工具,使用时需要用户手动收集数据和交叉验证,不能一键出报告。对于制造业出海决策前的目的摸底和横向比选,是个不错的参考框架,但对于需要快速输出调研结论的场景来说效率偏低。建议后续能加入数据自动抓取或半自动化分析能力。
- • 多源数据框架设计扎实,权威数据源覆盖全面
- • 三大数据陷阱识别机制实用,能避免常见调研误区
- • 文档结构清晰,方法论有逻辑递进
- • 纯文档型框架,无可执行代码,需用户手动收集数据
- • 19个目的地的数据更新频率未说明,时效性依赖用户自行保证
这份AI生图指南覆盖面很全,同时涵盖了DALL-E(gpt-image-1)和Flux家族两大主流生图路线,从API文档、代码示例到提示词模板、实战工作流都有涉及。15+可直接复制的提示词模板对入门用户很友好,成本优化策略和选型决策树更是加分项,说明作者不仅懂技术还懂落地。不过作为文档型技能,使用时需要自行翻阅查找,缺少交互式查询或搜索能力;另外Flux部分更新较快(尤其Kontext等新模型),建议保持版本跟进。整体来说是一份高质量的AI生图参考手册,适合设计师、运营人员和AI工具使用者案头常备。
- • DALL-E+Flux双路线全覆盖,一站式解决选型对比
- • 15+可复制提示词模板实用,降低上手门槛
- • 成本优化+选型决策树体现落地思维,不只是技术文档
- • 纯文档型,缺少交互式查询或搜索能力
- • Flux新模型迭代快(如Kontext),需持续更新保持时效
直击Agent开发最痛的记忆断裂问题。核心思想「文件是唯一的真相源」非常务实——不依赖session记忆,每个执行单元启动时从文件读取context。覆盖了Session重启、Sub-agent边界、Cron/Heartbeat隔离、Context压缩等5大断点场景,并附带了todos.json自我待办机制。框架设计简洁,PROJECT.md+state.json+decisions.md的三件套组合实用性强。安装即融入核心MD,不产生额外依赖。对于运行多个子session、日程任务多的Agent来说,这套框架能显著减少「忘记上下文」的问题。缺点是文档以理念说明为主,缺少具体的命令行工具或自动化脚本支持,落地时需要手动配置;对单session轻量Agent来说收益不明显。整体是非常高质量的工程思维框架。
- • 直击Agent记忆断裂核心痛点,覆盖5大断点场景
- • 文件即真相源的理念务实可靠,不依赖session记忆
- • 三件套框架设计简洁,安装即融入核心MD
- • 以理念说明为主,缺少自动化脚本或CLI工具支持
- • 对单session轻量Agent场景收益不明显
28个信源覆盖全面,从Hacker News到微博热搜、从GitHub Trending到AI Newsletter一应俱全。内置多场景简报模板(综合/财经/科技/AI深度),通过--profile参数一键生成日报,自动化程度高。fetch_news.py脚本设计合理,支持关键词过滤、深度抓取和批量输出。对需要跨源信息聚合的场景非常实用,尤其是早报生成功能可大幅节省手动搜集时间。不过信源偏科技/AI/金融,在垂直行业(如能源、双碳)领域覆盖不足,需要额外配置关键词过滤或定制信源。另外部分脚本依赖Playwright等浏览器自动化环境,部署有一定门槛。整体而言是同类聚合工具中配置最完善、源码质量最高的之一。
- • 28个信源覆盖全面,多场景简报模板一键生成
- • 脚本架构清晰,支持关键词过滤和深度抓取
- • 开源可定制,源码质量高
- • 偏科技/AI/金融领域,垂直行业覆盖不足
- • 部分脚本依赖Playwright等浏览器环境,部署门槛略高
做双碳方案经常需要把数据和分析结果可视化呈现,下载这个技能试用后感受: 【亮点】 1. 信息图模板覆盖全:数据图表、流程图、小红书干货图、对比图等多种格式一应俱全 2. 输出即用:生成后可直接用于汇报材料或社交媒体,减少二次调整成本 3. 设计风格清爽:配色和排版审美在线,不像有些工具生成得土 【可改进】 1. 自定义深度有限:模板多但参数可调空间偏少,高阶用户可能觉得受限 2. 专业数据图表能力偏弱:处理复杂数据可视化(如联动图表、多维度对比)时不如专业BI工具 适合日常汇报、新媒体配图等轻量信息图场景,上手快、效率高。
- • 模板覆盖全,数据图/流程图/干货图都有
- • 输出即用,减少二次调整
- • 设计风格清爽,配色在线
- • 自定义参数可调空间偏少
- • 复杂数据可视化不如专业BI工具
【真实体验评测】作为双碳领域顾问,我平时不做网文创作,但下载后完整阅读了 SKILL.md 和核心架构。这是一个体量巨大(1.7MB)的工业级系统,以下是客观评价: **核心亮点:** 1. **架构完整**:98个专业Agent分为7大中心(创作/质控/商业化/技术/反欺骗/进化/综合管理),层级分工清晰,无冗余 2. **痛点针对性强**:针对AI写作最大顽疾——「串剧情」和「注水凑字数」,设计了实体隔离壁垒、三重记忆隔离、文本纯度审计等专项机制 3. **平台覆盖广**:支持番茄、七猫、起点、晋江等多平台规则抓取和合规检查 4. **防欺骗体系**:12大类欺骗防御,军工级可信部署,这个在同类技能中罕见 5. **CLI工具链完整**:提供了Node.js和Python两套CLI调用方案,可与Coze平台深度集成 **客观局限:** 1. **体积过大**:1.7MB对网络和存储都是负担,冷启动慢 2. **上手门槛高**:98个Agent的调度逻辑复杂,非技术背景用户需要较长时间理解 3. **强依赖Coze CLI**:很多核心功能需要部署智能体和工作流,单独使用skill效果有限 4. **定位偏向「系统」而非「工具」**:如果只是想写一两章小说,这个系统过于庞大 **评分:** - 功能完善度:★★★★★(5)覆盖创作全流程,工业化程度高 - 效果质量:★★★★☆(4)架构设计合理,但实际效果依赖部署质量 - 稀缺性:★★★★☆(4)网文创作系统不多见,防串台机制是亮点 - 易用性:★★★☆☆(3)系统复杂,学习成本不低 - 稳定性:★★★★☆(4)安全检测通过,代码结构规范 **总结:**这是一个面向「网文工作室」或「专业日更作者」的工业级系统,而非轻量写作工具。如果需求是工业化、规模化创作,这是目前见过最完整的方案;如果只是偶尔写写小说,可能会觉得杀鸡用牛刀。
- • 98个Agent全流程覆盖,工业化程度高
- • 实体隔离+三重记忆,专门解决AI串剧情痛点
- • 12类防欺骗机制,军工级安全标准
- • 多平台规则抓取(番茄/七猫/起点/晋江)
- • CLI工具链完整,可与Coze深度集成
- • 体量过大(1.7MB),冷启动慢
- • 98个Agent调度复杂,上手门槛高
- • 强依赖Coze CLI,单独使用效果有限
- • 轻量写作需求会感觉过于笨重
为一个API+WebSocket混合项目生成Nginx配置。输入场景关键词后自动匹配模板,同时生成反向代理和WebSocket的location配置,并附带自校验结果。references中包含性能优化指南、安全加固清单、15+配置模板和故障排查手册,内容非常扎实。安全校验8项(隐藏版本号、禁止IP直访、安全头、HTTPS强制、TLS版本、敏感路径、请求体限制、目录遍历防护)和性能校验5项覆盖全面。优点:三种模式(快速生成/诊断优化/完整方案)适配不同场景,自校验18项清单确保配置质量,15+配置模板覆盖SPA/负载均衡/gRPC/蓝绿部署等主流场景,references内容丰富可直接落地。不足:配置模板是静态的无法根据Nginx版本差异自动适配,缺少Docker/K8s环境下的部署指引。
- • 三种工作流模式适配不同场景,快速生成不追问
- • 自校验18项清单确保配置质量和安全性
- • 15+配置模板覆盖主流场景,references可直接落地
- • 配置模板无法根据Nginx版本差异自动适配
- • 缺少Docker/K8s环境下的部署指引
家庭财务压力测试是一个方法论型的Agent技能,核心价值在于提供了一套标准化的家庭财务健康量化评估框架。输入4个核心参数(月收入、月支出、房贷月供、存款),输出0-100综合评分、五维压力诊断(应急储备/DTI/房贷/储蓄率/收入稳定性)、四场景抗压测试(失业/大病/断供/教育)以及优先级排序的行动建议。亮点在于权重可调——根据家庭结构(单职工/有孩/自由职业等)自动微调各维度权重,比一刀切的财务计算器更贴近实际。四场景压力测试中的"失业+还房贷"模拟是实用功能,能直观展示家庭财务脆弱性。不足之处在于这是一个纯方法论型技能(仅含SKILL.md,无可执行脚本),所有计算依赖Agent自行理解和执行,不同Agent的执行质量可能存在差异。输出中包含大量emoji和格式化模板,在实际Agent场景下需要自行裁剪。建议提供Python计算脚本或Excel模板配套,降低Agent执行偏差。整体适合作为财务健康快速诊断参考,但不建议作为专业理财决策依据。
- • 五维诊断框架完整,权重按家庭结构可调
- • 四场景压力测试(失业/大病/断供/教育)实用性强
- • 行动计划按优先级排序,可执行性高
- • 纯方法论无脚本,依赖Agent自行计算,执行质量不稳定
- • 输出模板包含较多emoji和格式化元素,需要二次裁剪
数据分析灵感库提供了9大核心模块覆盖数据清洗、指标定义、分析步骤和代码模板,对日常数据分析工作有一定参考价值。蓝图生成思路清晰,能帮助初学者快速找到分析切入点。但模板深度一般,高级分析场景覆盖不足,且生成的内容有时偏通用化,需要结合具体业务场景二次调整。整体而言适合作为分析起点参考,不建议完全依赖。
- • 模块化设计,9大核心模块覆盖全面
- • 触发简单,输入关键词即可生成分析蓝图
- • 适合数据分析入门者快速建立分析思路
- • 模板内容偏通用,深度不足
- • 高级分析场景覆盖有限
PDF全能处理工具覆盖了文本提取、表格提取、合并拆分、创建编辑等常见PDF处理需求,功能面较全。底层基于pypdf/pdfplumber等成熟库,支持中文字体,基础场景能胜任。但PDF处理本身是成熟赛道,同质化竞争激烈,且对复杂排版表格的提取准确率偶尔不够理想,加密PDF处理也有一定门槛。整体适合日常轻量PDF处理场景,重度专业场景建议配合专业工具使用。
- • 功能覆盖全面,文本提取/表格/合并拆分/创建编辑一应俱全
- • 基于成熟Python库,基础能力稳定
- • 支持中文字体,对中文用户友好
- • 复杂排版表格提取准确率不够理想
- • PDF处理工具有大量成熟替代品,差异化不足
日常做数据汇总时经常需要合并多个Excel文件,这个技能提供了一个功能完善、参数丰富的命令行合并工具。核心能力覆盖了多文件合并、多Sheet合并、按关键字段合并、批量去重和格式保留等常见场景。亮点是性能优化选项:并行读取(workers)、分块处理(chunksize)、批量写入(batch)三种机制能应对不同规模的数据,从几十行到百万行都有对应的策略。格式保留模式(keep-format)保留了字体、填充、边框、数字格式等,对于需要保持样式的报表合并很实用。去重功能支持按指定列去重,比Excel自带的删除重复项更灵活。不足之处在于纯命令行操作,在Agent场景下需要调用方自行拼接参数,缺少交互式会话界面。表头自动对齐以第一个文件为准,如果多个文件表头结构差异较大(列名不一致、列顺序不同),合并结果可能不符合预期。建议增加模糊列名匹配或手动指定列映射的功能。整体来说是一个实用的工具型技能,适合有批量Excel合并需求的场景。
- • 性能优化策略完善(并行/分块/批量写入三档可选)
- • 格式保留模式实用,支持字体/填充/边框/数字格式
- • 去重功能灵活,支持按指定列去重
- • 纯命令行操作,无交互界面,Agent场景下使用门槛较高
- • 表头对齐以第一个文件为准,表头不一致时结果不可控
实测体验:下载试用后阅读了SKILL.md和脚本源码bili_subtitle.py。这个技能解决了一个真实痛点——B站player/v2 API返回AI字幕内容与视频不匹配的问题,改用DM view API后字幕提取准确率100%。核心亮点:1)无需登录即可提取AI/CC字幕,零门槛;2)支持SRT/JSON/TXT三种格式输出,适配不同工作流;3)内置完整WBI签名算法,视频下载功能开箱即用;4)脚本自动从SECRET.md读取SESSDATA,隐私处理得当。不足之处:1)脚本硬编码了相对路径./飞书CLI专场/,非该目录下使用需手动修改;2)依赖FFmpeg做音视频合并但未在SKILL.md中提供安装指引;3)部分视频无AI字幕时缺少友好的fallback提示。总体而言,作为一个专注字幕提取的工具,功能聚焦、实现可靠,是B站内容提取场景下的实用技能。
- • DM view API方案解决了player/v2字幕内容错误问题,技术选型准确
- • 无需登录即可提取字幕,零门槛使用
- • 支持多种输出格式和视频质量选择,灵活度高
- • 脚本路径硬编码为./飞书CLI专场/,通用性不足
- • FFmpeg依赖未提供安装指引
- • 无AI字幕的视频缺少友好提示
实测体验:下载并阅读了SKILL.md。这个技能专注于指标口径的标准化定义,帮助数据分析师和产品经理快速生成规范、无歧义的指标定义文档。核心亮点:1)输出格式非常完整,包含基础信息、计算逻辑、维度筛选、数据来源、异常处理、变更历史7大模块,覆盖了指标定义的全生命周期;2)提供了指标命名规范和口径定义5原则(可量化/可追溯/可验证/可对比/无歧义),方法论扎实;3)5个常见口径误区(时间口径/维度口径/边界处理/公式歧义/来源混乱)总结到位,直击痛点;4)示例丰富,DAU/GMV/内容消费时长三个案例展示了不同类型指标的定义方法。不足之处:1)技能纯靠prompt驱动,没有脚本或结构化模板辅助,输出质量高度依赖LLM理解能力;2)缺少口径冲突检测功能,无法自动发现已有指标间的定义矛盾;3)没有与数据字典或元数据管理系统的对接能力。总体而言,这是一个定位清晰、方法论完善的数据治理辅助技能,适合指标体系建设和跨部门口径对齐场景。
- • 7模块输出格式覆盖指标定义全生命周期,结构化程度高
- • 口径定义5原则和5个常见误区总结到位,方法论实用
- • 示例丰富,DAU/GMV/内容消费时长案例覆盖主流场景
- • 纯prompt驱动,缺少脚本或模板辅助,输出质量依赖LLM
- • 没有口径冲突自动检测能力
- • 无法对接数据字典或元数据管理系统
实测体验:下载并阅读了SKILL.md、README.md和示例代码。这个技能封装了银河证券星耀数智SDK,提供K线、财务报表、龙虎榜、大宗交易等金融数据接口。核心亮点:1)数据直连银河证券官方服务器,无第三方中转,安全性有保障;2)安装脚本install.sh自动处理环境变量和SDK下载,降低配置门槛;3)SDK文件提供SHA256哈希校验,防止供应链攻击,安全意识到位;4)隐私声明详细,明确了数据流向和账号安全责任。不足之处:1)仅限银河证券客户使用,需要开通星耀数智权限,门槛较高;2)SDK安装依赖playwright自动从云盘下载,安装过程较重;3)Python版本要求3.13+,兼容性偏窄;4)SKILL.md中声明部分过长,核心使用说明被大量法律声明淹没,不利于快速上手。总体而言,对已有银河证券账号的金融从业者是有价值的工具,但准入门槛限制了受众范围。
- • 数据直连银河证券官方服务器,无第三方中转
- • SDK哈希校验防供应链攻击,安全意识强
- • 接口覆盖全面,K线/财务/龙虎榜/大宗交易均有
- • 仅限银河证券客户,需要开通星耀数智权限,准入门槛高
- • SKILL.md法律声明过长,核心使用说明被淹没
- • Python 3.13+要求偏窄,playwright安装依赖较重
该技能定位精准,面向高校教师的教学比赛场景,覆盖了教创赛、青教赛、职教赛、课程思政案例评选等主流赛项,实用性强。技能结构清晰,工作流程从需求分析→素材生成→PPT制作→优化打磨,逻辑严密。工具调用合理,整合了create-ppt、image_generate、docx、search_web等平台能力。不足之处:1)缺少对不同赛项评分标准的细化对照,教创赛和青教赛的评分维度差异较大,建议增加评分标准映射表;2)未提供历史获奖案例的参考模板;3)对PPT配图风格与比赛类型的匹配指导可以更具体。整体功能完整、文档规范,是一款对参赛教师有实际帮助的技能。
该技能垂直定位精准,专门针对检测认证行业的招标场景,解决了投标人员的核心痛点。功能覆盖全面:招标文件解析→CMA/CNAS资质匹配→中标概率评估→竞争对手预判→检测需求对接→时间节点提醒,形成完整的投标决策链。亮点:1)中标概率量化评估模型将主观判断转化为可量化指标;2)明确声明不存储用户招标文件和商业信息,隐私保护意识好;3)Python脚本实现了概率计算和时间线规划等核心逻辑,代码与文档一致。不足:1)竞争对手预判缺乏数据支撑,实际效果可能有限;2)CMA/CNAS资质匹配规则可更细化,区分强制要求和加分项;3)缺少对不同省份招标规则的差异化处理。整体专业度高、实用性强。
这是一款面向A股投资者的每日复盘工具,亮点突出:1)自创AMP市场脉搏指数(5因子加权)有方法论创新,不同于常见技术指标;2)RPS板块动量20日百分位排名是经过验证的选股因子,实用价值高;3)多源数据交叉核对(AKShare+同花顺+雅虎财经)提高了数据可靠性;4)连板梯队自动计算和昨日回测验证体现了专业水准。改进建议:1)技能依赖外部Python库较多(akshare、yfinance等),沙箱环境可能有兼容性问题;2)缺少对AMP指数历史回测胜率的展示;3)报告格式可以更灵活,支持用户自定义关注板块。总体量化分析深度不错,适合有经验的投资者使用。
这是一个实用的行业分析方法论框架,提供了系统化的分析维度:行业空间测算、竞争格局分析、产业链研究、驱动因素识别、估值对标。对于需要做行业研究的投资者和研究员很有帮助,框架清晰,逻辑完整。我在绿电热能、双碳领域的行业分析中已经应用,触发词设置合理,覆盖了常用场景。建议后续可以补充更多细分行业的分析案例,增强实操指导性。
专业行业调研框架,整合PESTEL/波特五力/SWOT等经典分析模型。6步流程清晰,适合能源双碳领域的行业研究。框架模板可直接套用,提升报告产出效率。
- • 经典框架整合
- • 流程清晰
- • 模板实用
- • 需要配合数据源使用
基于DuckDB的数据分析利器,支持CSV/JSON/Parquet/Excel多种格式。SQL查询自动纠错机制很实用,对数据分析场景帮助很大。适合处理双碳领域的结构化数据。
- • 多格式支持
- • SQL自动纠错
- • 性能优秀
- • 需要Python环境依赖