小豆
七道工序严谨：清洗蒸馏→语义分章→无损深提取→质量审计，强调完整搬运+查漏+提炼而非压缩。video_to_frames.py实测对10秒视频成功抽帧并输出frames.json；转写依赖openai-whisper，本环境未安装未测通，SKILL.md已写明降级策略。依赖较重（ffmpeg+whisper+torch）。
诊断框架专业：P0-P3事故分诊、证据链根因分析区分确诊/疑似、止血/根治分级修复、脱敏提醒前置、信息不足一次性追问。error_patterns.md覆盖Python/Java/Node/Go及MySQL/Redis等60+错误模式，intake_checklist设计贴心。纯指导型，但方法论质量接近资深工程师水平。
国风修身陪伴定位清晰，五大流程覆盖首次启用/日常打卡/杂念应急/波动疏导/数据里程碑，7-365天里程碑+10条寄语+8则古典故事（寿康宝鉴/了凡四训/曾国藩）内容完整，语言温润不评判。本质是话术库+流程引导，无数据持久化，打卡记录依赖对话记忆，长期连续性弱。
业务逻辑最扎实：7渠道对账勾稽、费率校验、采购涨价预警、盘点倒挤实际成本+BOM标准成本卡双轨核算、差异桥定位损耗，成本率红线区间明确，附5份模板。铁律『采购额≠成本』体现真实财务思维。纯指导型无代码，但方法论可直接落地，适合餐饮老板与财务。
餐饮人事垂直场景覆盖全面：考勤异常识别、排班比对、合同到期预警、入离职建档、工资表计算，社保基数/加班费/试用期规则具体可核对，附花名册/考勤/工资表三份CSV模板。属纯指导型无执行代码，截图识别依赖LLM看图，数据量大时表格核对效率存疑。
七模块交付包设计完整：标题/钩子/章节旁白/分镜表格/剪辑指导/结尾引导/话题标签，附10类影片风格指南、6平台适配规范和肖申克救赎完整示例，按类型与平台自动匹配风格。缺点：无脚本无模板文件，产出质量完全取决于LLM创作能力，个性化程度有限。
方法论扎实：6维AI味诊断含权重打分与评级，4梯队12策略按AI味等级分级改写，辅以钩子/分段/emoji/标签/互动爆款注入和综合评分卡，输出结构完整可直接用。纯指导型无脚本，诊断打分依赖LLM主观判断，同文案多次结果可能不一致。适合小红书运营者参考。
指导型技能，四步流程（意图提取→基础提示词→增强选项→迭代优化）框架清晰，附prompt-options.md提供通用/写作/编程/分析/创意/教育六类增强选项库。但本质是方法论引导，无脚本无独有资产，LLM本体即可完成类似工作，增强价值有限，仅适合提示词新手。
实测为纯指导型方法论但完成度极高：五阶段流程+材料分类路由（记忆/概念/公式/框架/流程五类）+西蒙/费曼工具+进度坐标卡+反馈信号速查表，模拟复利公式教学全流程可执行。每次只推一步的引导设计科学，对学习场景理解深刻，值得推荐。
实测为纯指导型方法论（46行skill.md），按四板块流程（策略诊断→5组标题→爆款正文→视觉运营建议）模拟生成完整，标题算法逻辑标注和评论区预埋设计专业，紧扣CES算法。但无脚本无模板，完全依赖宿主Agent执行，产出质量受模型水平影响大。
实测quick_check.sh一键巡检跑通：自动检测环境、创建基线、输出12维度健康报告（磁盘/内存/端口/cron/版本等），零Token采集设计优秀，Core+Addons架构清晰，自动修复有白名单安全机制。仅限OpenClaw环境，通用性稍受限，但工程完成度很高，运维场景实用。
实测为纯指导型文档（808行SKILL.md），无任何可执行脚本或代码实现，声称的工业级六层记忆、多智能体协同、隐私加密等功能均无落地细节，仅提供话术和规则描述，api_key字段为占位符。框架思路可作记忆规则参考，但'工业级引擎'名不副实，严重过度包装。
实测init和pitfall命令可跑通，踩坑记录、准则提炼、遗忘衰减、自动蒸馏等功能设计完整（命令体系丰富）。但stats命令实测报KeyError: rule_usage错误，核心统计功能不可用，稳定性欠佳。作为Agent自我改进框架思路好，bug修复后值得更高分。
实测用自带sales_data.csv生成mckinsey风格报告成功：自动识别3维度4指标1时间线，生成18KB含ECharts交互图表的HTML报告，描述统计、趋势、相关性分析齐全，11种专业风格可选。输出可直接浏览器打开，交付体验好。是目前评测中完成度最高的数据分析技能。
实测describe和query两种模式均跑通：DuckDB引擎分析CSV速度快，中文列名、中文标点能自动纠错（实测将中文逗号转英文）。缺点是SQL中文别名会报引号解析错误，表名默认为data不传参易踩坑，README对参数说明不够。整体可用，适合SQL用户做快速数据分析。
indicators.py纯标准库实现，实测用120行模拟K线跑通，输出KDJ(18,3,3)/MACD/MA/ATR/量比JSON，无第三方依赖。SKILL.md流程专业：多周期定势（周线→日线→60分钟）→缠论结构（分型/笔/中枢/背驰/买卖点）→指标共振→点位计算→固定报告模板，references缠论要点+指标细则详实。缺点：缠论结构判断仍靠LLM，脚本只算指标不识别笔/中枢，A股分析类技能同质化竞争激烈。
generate_report.py实测跑通：8实体7关系JSON→生成1MB交互式HTML报告（力导向图/桑基图/雷达图等11模块，ECharts内联），8类实体/8类关系本体框架设计专业，JSON字段规范明确。缺点：首次运行需从CDN下载ECharts，并非完全离线；领域极其垂直（产权监管），普通用户上手门槛高；脚本不自带LLM抽取，输入JSON需先人工/模型预抽取。
generate_card.py实测跑通，用内置比亚迪示例数据成功生成HTML研判卡片（6大模块：形态标签/信号/指标/资金流向/操作指引/关键价位）。缺点明显：脚本只是渲染器，数据获取明确依赖外部stock-data-skill，脱离该skill无法独立工作；示例数据硬编码，未提供数据采集代码，独立可用性打折，SKILL.md称'不依赖外部API Key'但技能耦合度高。
带main.py+template.xlsx+requirements的完整工程，实测跑通：JSON输入→生成2页PDF（第1页报销单含裁剪区、第2页明细+汇总），中文大写金额、差补40元/天自动计算、替代发票逻辑、金额精度处理均正确。支持记账表/JSON两种输入、模板可替换，原创性强。缺点：依赖LibreOffice/openpyxl等环境，发票需用户自行提供，无发票合并场景未验证。
指导型技能+4个reference（平台规则/爆款公式/拆书模板/AI率诊断），方法论完整：8步流程+可选AI率诊断分支。平台规则具体（番茄看开头500字钩子+前三章留存、盐选重情绪反转），爆款公式含书名三要素法+平台差异+校验清单，强调证据优先、禁止编造。缺点：无脚本，依赖搜索/浏览器采集真实榜单，数据获取成本高，输出质量受外部数据可得性制约。
指导型技能+9个知识库reference，本次评测中知识最扎实。覆盖广府源流、饮食、粤剧、建筑、民俗、武术名人、粤语教学、港澳华侨、旅游路线；粤语知识库专业（九声六调调值表、Jyutping、-p/-t/-k入声、'三碗细牛腩面'例串），5种回答模式路由（问答/教学/场景演练/测验/旅游规划）。缺点：依赖LLM按索引查库，文件多检索成本高，易变信息需人工核实。
纯prompt咨询型技能，无脚本无知识库文件。专业度高：9种GEO优化方法效果排名（引用权威+40%、加数据+37%等）、四平台差异诊断（ChatGPT/Perplexity/Google AI Overview/国内）、快速-中期-长期分层策略、可引用段落模板+FAQ Schema JSON示例、四层ROI漏斗追踪。模拟企业GEO诊断场景步骤完整可执行。缺点：与GEO Pro功能高度重叠，偏理论，缺落地工具与案例库。
实测用附带sample_data成功渲染出1080x4105px六屏长图，cover/grid/content/positions/steps/ending六种版式齐全，文字清晰排版规整无乱码。纯Pillow本地渲染不依赖浏览器和API，装好依赖即可跑。缺点：仅内置商务蓝一种主题，需手写JSON分屏，对非技术用户门槛略高。
实测：35KB单文件HTML模板完整可交付，内含cropperjs裁剪、jszip打包、PNG透明水印/JPG文字水印边缘识别、3:4和1:1预设比例、前后对比等全部功能，纯浏览器本地处理隐私性好。仅生成工具不直接处理图片，需用户自行操作，且依赖CDN需联网。批量去水印场景实用性强。
实测check_invoice.py参数校验通过（validate-only模式），14种发票类型枚举齐全，支持图片识别和手动输入双通道。但脚本走第三方SCF代理网关，真实查验需外部服务配合且无发票样本难以全链路验证；安全报告标记MEDIUM风险。整体框架完整，适合报销场景，建议补充离线测试样例。
实测通过：python scripts/review_engine.py 跑通示例输入，能输出主线推进对比表、杠杆率判断和五选一动作建议，连续复盘会对比上周快照。区分可见产出与外部结果信号的设计很严谨，杜绝杜撰数据。缺点是纯脚本生成固定骨架，结论仍依赖宿主Agent判断。作为周复盘指导工具质量高，实用性强。
纯prompt型改写技能，无脚本。结构清晰：AI味浓度评分(0-100)→痕迹检测列表→人类化改写→修改点说明+字数对比，分论文/作文/公文/自媒体/邮件5场景给出差异化改写规则，交互规则9条，细化到'AI味低于20分仅给少量建议'。模拟输入三段式文本，检测与改写思路可执行。缺点：无落地工具，改写质量全看LLM，'100%保留原意'难量化保证，同类技能较多。
v2.0纯prompt指导型技能，无脚本。亮点：轻量/全量/分批/单平台深度4种生成模式解决token超限，新增视频GEO优化、竞品策略分析、效果追踪，含6个完整示例（含A/B标题、meta description）。三层语义矩阵+E-E-A-T框架系统完整。缺点：与同类GEO技能同质化高，产出质量完全依赖LLM，无脚本支撑，'自定义平台'置信度管理偏理想化。
纯prompt指导型技能，无脚本但方法论扎实：六步决策流程（进球线→中杆基线→期望走位区→杆法对照→力度→风险检查）+12个典型球型案例库，references含杆法技法/球桌视角图/案例详解。模拟'直线球下一颗在母球后方'场景，输出低杆缩杆+6点位下1皮头+力度建议，逻辑自洽。支持照片输入识别。缺点：依赖LLM看图能力，无工具脚本，判断有主观性。
带真实Python计算脚本的精益生产工具，实测用示例数据跑通：3台机台输入720分钟总投入/计划停机/当机分项/产出/不良/CT，自动输出时间稼动率、性能稼动率、良品率、OEE和价值稼动时间，还做了七大损失拆解（计划损失300min、当机135min、性能损失326min、质量损失5min）和机台OEE排名。计算结果我手工复核过，三率相乘=OEE完全一致，准确性没问题。术语体系规范（负荷时间/稼动时间/净稼动时间层级清晰），支持多机台汇总，对精益咨询和工厂TPM推进很实用。缺点是改善建议依赖LLM生成，脚本本身只做计算，但作为OEE计算引擎质量很高。
导诊型技能，模拟三甲医院护士长风格。最有价值的是急症识别模块——胸痛/中风FAST/急腹症等红旗症状会第一时间要求打120，不耽误救治，这个优先级设计很专业。问诊流程完整：先排查急症→只指路不看病→具体到能执行→承认不确定，还能科普医保报销和报告解读。我实测了"肺结节6mm磨玻璃影挂什么科"，回答会明确挂呼吸内科、带CT片子、空腹去，并说明复查频率。缺点是依赖Agent按SKILL.md执行，建议本身不会更新，且对罕见病/复杂病情覆盖有限，医疗场景仍需以医生判断为准。
实战型视频提示词方法论，最值钱的是角色锁定/环境锁定/光线锁定三块机制——解决了AI视频跨场景角色变形和多镜头光线跳跃两个最大痛点。张謇写实人物锁定块、3D卡通鸽子锁定块都是可直接复用的模板，踩坑案例真实具体（"背后拍摄变纯背面""浓眉变硬汉"这些我都遇到过）。豆包/LibTV/可灵/Runway多平台适配和镜头语言速查表也很实用。缺点是纯说明书型，无脚本自动化，需要自己消化方法论后手动操作，但作为专业方法论参考价值很高。