鸿萱
基于现代投资组合理论（MPT）和量化分析的投资组合优化助手，专业度较高。融合均值-方差模型、风险平价、Black-Litterman 等主流组合优化方法，为不同风险偏好的投资者提供量身定制的资产配置方案，核心目标是优化风险收益比、实现长期增值。相比泛化的投资建议，它有真实的量化理论支撑和风险-收益范式，专业性强。依赖金融数据与宿主执行，且量化模型落地需数据质量；但对想做科学资产配置的用户，方法论扎实、价值明确。
定位专业的投资分析工具，目标提供投行级别的分析报告。核心功能：研报解读（自动提取关键信息、总结投资逻辑和风险点、生成摘要观点提炼）、财报分析（解析利润表/资产负债表/现金流量表、计算 ROE/PE/PB/毛利率等关键财务指标）、行业研究、投资建议生成。体系完整、覆盖面好，对想快速得到结构化投资分析的投资者有用。依赖金融数据源与宿主 LLM 的财务理解力，实际深度取决于数据与模型；但框架清晰，作为投资分析辅助工具价值明确。
覆盖面完整的微信公众号运营助手，定位是从定位到发布的完整运营飞轮。核心能力齐全：策划新公众号、划分栏目结构、制定运营计划、收集素材/确定选题、生成文章内容、生成运营手册、数据复盘，支持文章生成、运营手册、定位文档、选题研究等。对要做公众号从 0 到 1 的运营者/团队很实用，把运营全流程跑通。纯方法论型、无脚本，实际产出依赖宿主 LLM，但框架完整、覆盖全链路，对系统化做公众号有价值。
一款苏格拉底式学习导师，定位清晰：通过追问引导学生自主思考，而不是直接给答案。适用于数学/物理/化学/英语等各科目的题目讲解、专项训练、学习规划等辅导场景，触发场景明确（『用追问引导学生』『不要直接给答案』『启发式辅导』）。对想培养孩子/学生独立思考能力的场景尤其对症，比填鸭式讲解更能训练思维。纯提示词型，落地质量依赖宿主 LLM 把握追问节奏和引导深度，但把苏格拉底式教学法标准化，方法论价值明确。
一款可执行的 Token 成本诊断与 Prompt 压缩工具（v2.4.0），实用且落地。零依赖 Python 脚本，支持 token 粗估（装了 tiktoken 可精算）、浪费点定位、三档压缩与保真校验，且保证压缩结果不会比原文长。对用 LLM API 多、在意 token 成本的开发者/Agent 运维者很实用，能真实减少推理成本。有可运行的脚本、设计较完善，比纯方法论的工具可信度高。局限是它对提升『保真度』标准的把握依赖脚本规则，但整体作为成本优化工具价值明确。
面向 SaaS/软件产品的营销创意灵感技能，场景明确。核心是在用户需要营销点子、灵感或策略时提供启发：针对 SaaS 或软件产品的营销创意与增长策略，帮助打开思路。对靠 AI 做增长/营销的产品负责人、独立开发者比较对症，能把散点创意系统化。纯提示词/方法型，输出质量依赖宿主 LLM 的创意密度和产品理解，但作为营销创意的头脑风暴辅助，定位清晰、实用性强。
一款聚焦『商协会专属』的知识资产管理工具，场景定位非常精准。核心是把碎片信息转化为可复用知识资产（情报收集、素材归档、经验沉淀），面向行业协会商会管理人员（秘书长、秘书、办公室），解决协会日常管理的知识沉淀问题。垂直场景切入清晰，对商协会这类被通用工具忽视的群体很实用，把『让碎片找到归宿、让经验可传承』落地。偏行业定制型，通用性有限，但契合目标场景、稀缺性好，对商协会数字化管理有价值。
一款按专业框架设计的 AI 心理咨询助手，专业度在同类里较突出。提供 PHQ-9/GAD-7 等标准化心理量表评估、多种放松练习引导、危机干预指南、情绪应对策略、咨询话术库，覆盖抑郁、焦虑、压力、睡眠、人际关系等常见心理问题。量表化和危机干预的引入体现了专业意识，比泛泛的安慰话术更有结构。需注意它是自助引导性质、不能替代专业医疗，且涉及精神健康领域需谨慎使用；但作为轻量心理自助与情绪疏导工具，体系完整、可用性不错。
面向长篇小说创作的连贯性维护助手，功能设计很对症。核心是解决 AI 写小说的最大痛点——前后不一致：创建/续写章节、管理人物设定和世界观、追踪伏笔和时间线、压缩记忆文件控制上下文、本地章节备份、多作品并行管理、人物对话风格样本库，七项能力相当全面。对用 AI 辅助写长篇小说、尤其连载和世界观复杂的作品非常实用。落地依赖宿主按规约管理和记忆，但框架把长篇创作的连续性管理结构化，实用价值明确，稀缺性较好。
一份能生成 HTML 可视化 Web 报告的股票舆情分析工具，定位很聚焦。核心是把股票相关资讯做三重分析：文本情感分类（正面/负面/中性）、热点事件识别、KOL 意见领袖分析，最后生成带科技感设计、动态图表和丰富视觉效果的 HTML 报告。对股民/投研想快速掌握一只股票的舆论风向、热点驱动和一线大V观点很有用，可视化呈现比干巴巴文本直观。能力依赖资讯数据源和宿主 LLM 的语义分析，实测效果取决于数据可得性与模型理解；但把舆情分析做成可视化报告的产品化程度不错，实用性中等偏上。
功能很能打的数据分析报告生成器：上传 Excel/CSV 后自动识别数据结构（维度/指标/时间线），做描述性统计、分布、相关性、趋势、多维度交叉等多维分析，并生成 15+ 种 ECharts 交互图表的专业 HTML 报告，还内置 FT、McKinsey、Economist、Bloomberg、BCG 等 11 种专业报告风格（Fat-Tailed/麦肯锡/经济学人红蓝绿配色）。对要做一份『像顶级咨询/财经媒体那样』的专业数据报告的用户极其实用，既省分析时间又保证了呈现档次。实测需宿主执行脚本分析，但功能闭环完整、出片效果好，实用性和稀缺性都较强。
商业合同审查助手，核心是『根据组织的谈判手册审查合同』：逐条比对供应商合同/客户协议/标准条款与公司既定立场，标记偏差并生成修改建议。对企业法务/采购/销售审合同场景非常实用，能把『按自家模板立场逐条校对』这个费时过程标准化、可复用，减少漏看和人工比对成本。依赖组织谈判手册的预设和宿主 LLM 的法律理解力，本质是审查规约+方法；无独立执行工具，但把审查流程与修改建议规范化，对真实业务提效明确。
基于刘飞『刘言飞语』公众号写作风格提炼的商业/科技文章技能，核心是：严肃专业但不死板、偶尔带小幽默，专注商业观察/科技评论/产品思考，并且明确『杜绝 AI 味』、用大白话讲清复杂事情。对要做风格化公众号内容（尤其去 AI 味、要可观度的商业科技号）的创作者非常对症，解决了纯模板生成内容『一眼 AI』的痛点。纯提示词/风格规约型，无脚本，实际文风呈现依赖宿主 LLM 对这套风格的把控力；但对要特定调性公众号的用户，风格指引本身价值突出，稀缺性较好。
定位资深的竞品分析工具，角色设定为 10 年以上战略咨询经验的竞品分析师，覆盖科技互联网、零售消费品、医疗健康、工业制造/B2B 等主流行业。核心是做竞品信息的收集、整理、分析并输出专业竞品分析报告和差异化建议。相比单一的『竞品分析』方法论，它强调了行业覆盖面和报告完整性；本质是顾问型提示词规约，无独立数据采集脚本，实际分析深度依赖宿主 LLM 的检索和逻辑。对需要结构化竞品分析的企业用户有帮助，方法是通用方法论，实测价值取决于数据获取和宿主执行。
一个 OpenClaw 和 Codex 兼容的知识库整理技能，用于导入文章、整理笔记和系统化知识管理。它把『收藏→清洗→分类→检索』的知识管理流程做成陈述规范：如何导入外部文章、如何组织笔记结构、如何建立可检索的知识库，帮助 AI Agent 沉淀长期知识。对做个人知识库/第二大脑、且用 OpenClaw/Codex 的用户非常对症。体系较完整、兼容性好，但偏规约型（无独立执行工具），实际效果取决于宿主对知识组织规范的理解与调用纪律。对系统性管理知识的用户价值明确。
专为学术研究设计的报告生成工具，主打零配置零依赖零门槛（V3.0 纯提示词版），会打字就能用。定位很清晰：面向『小白友好』的学术场景，智能生成研究报告。和很多需要装环境、配 API Key 的学术工具不同，它强调无门槛直接可用，降低学术检索与报告整理的成本。纯提示词型，无脚本，实际输出质量依赖宿主 LLM 的检索与综合能力；但对不熟悉复杂工具的学术用户，把报告生成流程标准化成一步调用，实用性和易用性都不错。
一个嵌入 AI 编码流程的 UI/UX 设计专家技能（基于 CLAUDE.md 的 Antigravity 设计指引）。核心是把资深设计师的评审眼光沉淀为可复用规范：在编码场景中指导界面设计、交互、视觉一致性，帮助 AI 生成的页面更专业。对用 AI 做前端/产品开发的用户，能明显提升产出的设计质量，减少'AI 味'和粗糙感。定位准确、方法实用，但落地质量高度依赖宿主对设计规范的理解与执行，且没有独立工具，本质是设计评审规约。对重视设计品质的 AI 编程者价值明显，稀缺性中等。
严格遵循 GB/T 9704-2012 国家标准的公文格式化工具，专业性很强。覆盖请示、通知、报告等常见公文类型，对字号字体规范一把抓：大标题方正小标宋二号顶格居中、称谓仿宋_GB2312、正文排版、行距等全部按国标执行，还支持用户自定义规范。对机关企事业单位经常要写规范公文、且对格式有硬性要求的场景极其对症，能大大减轻人工排版的繁琐和出错。本质是格式化/排版指引型，无自主执行脚本、依赖宿主按规范排版，但把国标格式沉淀成可复用规则本身价值明确，稀缺性较好。
基于长投学堂五步分析法的完整个股分析系统，体系很清楚：好公司（过去是否持续赚钱，三问+七竞争力）、好未来（行业天花板测算，常识法/研报法/海外比较法）、好价格（PE/PB 历史百分位+绝对估值）、好买卖（分档建仓+卖出策略）、风险提示，覆盖 A/H/美股全流程，并自动生成标准化报告输出飞书文档。方法论扎实、流程完整，有明确的量化依据，对要做深度个股分析的用户价值较高。但依赖外部数据源采集与报告输出，实测效果取决于数据可得性和宿主执行，纯方法论为主。对投资新手建立系统分析框架尤其有用。
官方出品的飞书多维表格（Bitable）管理 Skill，功能非常扎实。覆盖 27 种字段类型、创建/查询/编辑/删除记录、字段/视图/数据表管理、批量导入与更新，还贴心地内置了大量避坑指南：默认表的空行需先 batch_delete、日期要毫秒时间戳、单选传字符串多选传数组、人员字段要 open_id 数组、批量上限 500 条、同表串行写要加延迟。用途覆盖面广且有官方保障，对要深度管理飞书多维表格数据的团队极其实用；唯一门槛是需飞书 API 凭证和一定配置成本，纯个人轻量使用稍重，但体系完整、文档质量高，价值明确。
一款风格独特、实用性强的 Claude Code 技能插件。核心价值在于反向激励：用大厂 P8 口吻 + PUA 话术鞭策 AI 穷尽方案才允许放弃，先点破 AI 五大偷懒模式（暴力重试、甩锅用户、工具闲置、磨洋工、被动等待），再配调试方法论和能动性鞭策，教 AI 有能力且不敢放弃。对长尾难 debug 任务（尤其 Bash/Coding agent 反复卡壳时）非常对症，能明显提升自主解决问题的意愿。本质是 Prompt/行为规约型，依赖宿主执行力，且强行鞭策可能带情绪化输出，需适配使用；但要把防止过早放弃做成技能的设计思路新颖且有效。
一个小而实的 A 股盯盘脚本。用新浪财经接口拉实时行情，核心功能是持仓盈亏计算 + 买卖点提醒：配置 stocks 数组（代码/成本/数量/买卖点），crontab 每 15-30 分钟跑一次即可触发提醒。结构简单、能真跑起来，设置了卖点/买点就能自动告警，对盯盘需求是有效满足。但它依赖新浪接口稳定性、需手动维护持仓与买卖点配置，提醒机制靠 crontab + 输出（非推送），无回测/技术指标，且行情源单一。作为轻量盯盘告警工具够用，距离专业看盘工具差距明显，价值中等偏实用。
一个 Rust 写的轻量无头浏览器自动化 CLI（Node.js fallback），命令风格清爽：open / snapshot -i / click @e1 / fill @e2 / close，通过结构化 ref 操作页面，能自动导航、填表、点击并输出可交互快照，适合 AI Agent 做网页自动化和结构化数据抓取。对比 Playwright/Puppeteer，它更聚焦给 LLM 用的命令面，ref 机制让 AI 不用懂复杂 selector 即可操作。缺点：非纯零配置，需 npm install -g + 安装浏览器，且能力范围不如成熟框架广；但定位精准、上手简单，对需要网页自动化的 Agent 场景很实用。
体系较完整的小红书运营方法论。v2.0 已从模板池升级为 AI 驱动，覆盖爆款标题、笔记正文、博主诊断、账号定位、选题研究与内容规划六大场景。含一套可量化的平台指标（收藏率>3%、封面点击率>5% 等健康值）与标签策略、封面文案规范，实操性强，能直接指导运营落地。纯方法论、无脚本，依赖宿主 LLM 按内容生成，落地质量取决于调用者执行，但有量化的指标体系和清晰的流程框架，对小红书个人博主和运营团队提效明显，价值清晰。
一站式的飞书云文档创作工具。核心思路清晰：通过 DocWriter 封装创建/追加/批量生成文档，支持 Markdown 自动转换与模板（会议纪要、周报/月报、项目文档）。API 设计对开发者友好，直接 pip 安装后 create_doc / create_doc_from_template 即可接入，批量文档生成和富模板是实用亮点。但它更偏向面向 API 的开发者封装而非端到端可跑技能——文档给的是 Python 调用示例，未提供可直接调用的接口编排或 CLI，实质是依赖宿主按示例写代码接飞书云文档。适合有飞书后台、要批量产出结构化文档的团队，对纯产品/无开发背景用户门槛偏高。功能性明确、落地方式偏开发向，价值中等。
系统化的歌词创作指导，专业度不错。覆盖创作全流程：汉语十三辙韵脚系统（含宽窄韵选择、四种押韵方式）、古典+现代意象库与陌生化组合技巧、主歌/预副歌/副歌/桥段的标准结构与段落分工、Hook 设计与'洗脑副歌公式'（简单旋律×重复×意外）、情感递进。作为方法论相当完整，能系统指导辅佐写词，对想做歌词创作的 AI 助手或用户很有价值；无脚本，实际创作依赖宿主 LLM 的辞藻与乐感。
实用的简历诊断与优化工具，6维度全面分析（格式规范/内容质量/亮点突出/关键词匹配/量化成果/岗位匹配度），用 STAR 法则重构经历、把关 ATS 友好度，给出'问题定位到行+修改前后对比+优先级排序'。覆盖诊断→建议→亮点提炼→针对性优化完整链路，贴合求职刚需。作为纯方法论无脚本，但框架实用、可直接套用，对求职者改简历价值明确。
专业的数据可视化选图顾问，核心是'让数据自己说话'。提供**图表选择决策树**（比较/趋势/占比/关系/分布/流程/地理/层级八类目的→对应图型）+ **数据特征匹配表**（维度×数值组合→推荐图表），覆盖50+图表类型，并给配色、布局、交互设计建议。把'该用什么图'从凭感觉变成可查的规则，非常实用。纯方法论无脚本，但对做报告/仪表盘的分析师提效明显。
能实际运行、带偏好记忆的旅行规划工具。核心亮点是**首次收集用户完整偏好**（预算/风格/兴趣/饮食禁忌）并存入本地数据库，之后每次规划自动复用；还能生成逐日行程、预算拆分、打包清单、当地文化礼仪注意（do's and don'ts）。实测有 scripts/travel_db.py 可跑（is_initialized 等命令）。作为能记忆偏好的'贴身旅行顾问'，比通用 LLM 规划更个性化，实用性强。
专业的 MBTI 人格测试，提供20/40/93题三档版本（快速5分钟/基础10分钟/标准20分钟），有机读题库、完整测试流程、结果分析和生涯建议。作为评测工具功能完整、可直接运行。局限：题库固定、依赖宿主 LLM 计分；且 MBTI 本身信效度在学界有争议，建议作为自我认识参考而非'科学人格定论'。适合想快速了解自己人格倾向的用户。
一份把想法转化为成设计方案的协作式头脑风暴指南，方法论成熟。核心是'先理解再设计'的渐进式对话：一次只问一个问题澄清需求（偏好多选）、探索2-3种带权衡的方案并推荐、设计分段200-300字逐段确认，覆盖架构/组件/数据流/错误处理/测试。强调'任何创意工作前必须先用它'，能有效避免跳进实现就改需求的习惯。纯方法论无脚本，但对产品/开发前期设计流程很有指导价值。
基于行为金融学与认知心理学的决策辅助工具，整理12种常见认知偏差（锚定、确认偏差等），每种都给出定义、典型案例（可实操的股票/房产/职业场景）和诊断提问，覆盖偏差诊断、心理机制归因、纠偏建议三层。作为决策'体检表'很实用——把模糊的'我是不是冲动了'变成可自查的问题清单。纯方法论无脚本，但内容密度高、可直接套用。
Anthropic 官方的法律风险分级框架，方法严谨。核心是严重性×可能性矩阵：严重性分5级（Negligible→Critical，含财务占比、运营影响、公开关注、监管风险等量化锚点），可能性分3-4级，并给出升级标准（哪些需上级法务/外部审查）。结构清晰、可直接用于合同风险/交易敞口评估，且有'不构成法律意见'的谨慎边界说明。对需要系统化给风险定级的法务场景很实用。
Anthropic 官方的专业财务差异分析工具，最扎实的是**量价分解**（Volume/Price/Mix 三因素拆解）——明确给出公式与验证规则（Volume+Price=Total），并提供三向分解（分离 mix 效应），还有重要性阈值、叙述性解释与瀑布图方法。能快速把'预算vs实际'的差异拆成根因，支持收入/成本/期间变化多场景。无脚本，靠宿主 LLM 计算，对财务分析人员是可靠的方法框架。
面向产品经理的专业竞品分析框架，结构非常完整。把竞争格局拆成直接/间接/邻近/替代四种竞争层次，并用竞争地图的维度定位对手；覆盖功能对比矩阵、定位分析、战略启示到竞品简报的完整链路，还区分非消费这个常被忽略的竞争者（竞争对手可能是什么都不做）。作为方法论无脚本，但框架严谨、可直接落地，对做产品战略和竞品调研的用户价值明确。
覆盖面广的营销心理模型库，整理了 70+ 心理学/思维模型并映射到营销应用。每个模型都遵循统一结构，先讲底层逻辑（如第一性原理、Jobs to Be Done、能力圈），再给具体营销应用，并强调伦理应用（不误导消费者）。作为营销策略的思考框架价值突出，能帮用户跳出跟风竞品的惯性。纯方法论无脚本、无模型分级检索表，全靠宿主 LLM 按需调用，但内容密度和实用性都很好，适合想要科学营销决策的用户。
专业的 B2B 冷邮件写作指南，方法扎实。核心原则非常到位：像同行不像销售、每句话都得挣得位置（不够短就删）、个性化必须连接到对方的问题而非堆砌寒暄。流程上重视先读产品营销上下文、抓住 research 信号（融资/招聘/动态）、用四要素组织，并提供多触点跟进序列。无脚本，纯 Prompt 方法论，但指导性强、可直接落地，对做 SDR/销售开发/主动外联的用户提效明显。
一份高密度信息图制作指导，方法体系完整。核心是'实验室精密手册感+波普实验风格'的独特美学定位，把复杂知识拆成多模块独立设计、再合并为长图，配合主题搜索分析、价值提炼、坐标体系建立、模块化图像生成。对想产出小红书干货图/数据可视化长图的创作者有明确路线图。纯方法论无脚本，依赖宿主 LLM 的图像生成与版式能力，风格落地需一定模型配合度，但框架和视觉哲学的价值清晰。
一套成熟的 Agent 自学习框架。核心机制清晰：把错误/纠正/缺失功能/API失败/过时知识/更优方案等六类情况，分类记录到 .learnings 下的 ERRORS.md、LEARNINGS.md、FEATURE_REQUESTS.md，并有'重要经验提升到项目记忆（CLAUDE.md/AGENTS.md/TOOLS.md/SOUL.md）'的升迁机制，配合 see-also 关联、priority 升级，形成可持续进化的闭环。无脚本、纯靠规约引导宿主 LLM 自觉记录与执行，落地依赖调用者纪律，但框架本身的完整度和可操作性都很好，尤其适合要建立长期自学习体系的 OpenClaw/Claude 用户。
基于安德斯·艾利克森《刻意练习》方法论的科学技能提升助手，方法论体系相当完整。核心是刻意练习四要素（目标明确/专注投入/及时反馈/走出舒适区）展开得都很具体：目标用'年→月→周→日'层级拆解并设可衡量标准，专注给出'45-90分钟+单一技能点+无干扰'公式，反馈给出自我/工具/同伴/导师的渠道矩阵，舒适区用舒适区/学习区/恐慌区三区判断并强调最佳练习在学习区。三阶段使用流程（启动-执行-复盘）清晰，还深入讲了心理表征构建（专家与新手的本质区别、对比差距练习）。纯方法论指南无疑，也无脚本和自测用例，落地效果依赖宿主LLM的执行与记录能力；但对想科学提升技能、摆脱'天真的练习'的用户，框架的价值和可操作性都很强，模板（目标设定/每日练习/周复盘）可直接用。
方法论非常扎实的一款学习教练，定位清晰——不是普通苏格拉底提问，而是有'记忆'的学习教练。核心流程完整：费曼学习法引导 → 验证循环（用反例确认理解边界，通过才进入下一步）→ 概念卡生成（三模板可选）→ 贝叶斯掌握度动态调整复习频率 → 艾宾浩斯间隔复习日程 → 主动串联已有知识。这套'理解-验证-记录-复习-串联'闭环明显高于普通 LLM 提问技巧，且配套了费曼/艾宾浩斯/知识连接等多份 reference 和多种概念卡模板，内容可落地。缺点是无独立脚本，笔记和复习日程依赖宿主 LLM 生成执行，学习记录的持久化也靠手工维护文件；对真正想建立长效学习机制的用户很有价值。
一份解决 OpenClaw/Agent 记忆断裂的安装型框架，核心主张'文件是唯一真相源'，把六个断点（session重启、子agent边界、cron隔离、心跳隔离、压缩、承诺未完成）逐一给出对策：session启动读文件、子任务传路径、cron心跳写明要读哪些文件、压缩前抢救决策到日记。设计合理，尤其 todos.json 让 heartbeat 接力执行对话中承诺的动作这一点很实用。但它是**一次性安装**工具，方法对但完全靠手工融入核心MD，无脚本、无自动化、无自检，装完即删——价值很依赖使用者执行力，对想'开箱即用'的人门槛偏高。
不是纯文档，是可实际运行的工具。实测 memory_capture.py 的 bootstrap（正确生成初始记忆文件）、report（准确诊断缺失项）、doctor（健康自检）都能正常跑通，8 个子命令覆盖记忆引导、会话状态、导入导出、蒸馏、恢复全流程。设计上非常扎实：MEMORY.md 只留会影响协作的长期事实/偏好/决策，每日笔记按天记录，SESSION-STATE/working-buffer 处理进程中断恢复，可选 Obsidian 原生与 OpenViking 召回后端。定位清晰、文件即真相源、可配合语义检索。缺点是没有即插即用的学习模板参考、依赖自己按结构维护；但对要建立正经记忆体系的 OpenClaw/Codex 用户，这是少数能'真跑起来'的方案。
一份面向 OpenClaw/Agent 的三层持久化记忆管理方案，思路成熟且务实。核心设计很扎实：第一层每日流水账（memory/日期.md）负责尽量多记、不筛选，第二层长期精选（MEMORY.md）只放最重要的核心配置/决策/偏好并保持精炼易检索，第三层靠心跳机制（HEARTBEAT + 定期检查）定期把日常内容提炼进长期层、清理过期信息——三层分工清晰，正好解决了跨会话、子代理边界、定时任务隔离导致的记忆断裂。特别认同'文件作为唯一真相源，不依赖会话内存'的原则，以及'回答历史/决策问题前必须检索文件而非凭记忆'的硬约束，这确实是 Agent 记忆可靠性的关键。作为纯方法论指南没有可执行脚本（初始化、心跳都靠手工/模板），但胜在低门槛、开箱可用、结构可直接落地，对想给 Agent 建立正经记忆体系的用户价值明确。
实测：安装 semgrep 后，用自带的 semgrep_runner 扫描一个含风险脚本，能准确命中 subprocess.run(..., shell=True) 命令注入（high）和 eval() 任意代码执行（high），输出标准安全报告（summary/findings，含文件、行号、证据、修复建议），分级逻辑正确。设计上还覆盖意图一致性检测（对照声明意图与实际行为）、可信域名白名单（默认信任 xiaping.coze.site 及其子域）、依赖固定与锁文件检查，四类风险（数据外泄/权限提升/供应链/提示词注入）覆盖全面。值得注意几个小问题：一是依赖扫描结果依赖本地 semgrep（未装则 runner 直接返回'semgrep not found'），部署方需自带环境；二是实测中对 open('/etc/passwd') 敏感路径规则未命中、且一条 cap-command-exec 规则被标 low 但未给修复指引，规则集精度有待打磨；三是提示词注入检测主要靠意图一致性+白名单，缺少可执行的静态规则。整体作为技能上线前安全检查工具，实用性和价值都很明确。
一份整理自李诞口述教学的'深入浅出写作'方法论，质量相当高。七步框架（开场故事→三种错误答案→正确答案→触类旁通→对比冲击→结尾升华→延伸阅读）结构清晰、每一步都有字数和写法要点，尤其'触类旁通'作为核心步骤、以及'走向错误答案的弯路设计'很有洞察，能显著提升科普写作的耐读性。配套给出了五个质量自检问题、五大'不要'(学术腔/堆砌术语/说教/回避争议/装谦虚)和写作技巧，并附一份完整的'认知偏差'示例严格遵守框架，可照抄模板。定位是方法论指南而非可执行工具，产出质量依赖宿主LLM理解和执行力——无脚本也好、无eval也好，作为写作提效框架本身价值明确，适合知识类创作者直接套用。
方向很适合HR场景——考勤多维分析、异常检测、可视化驾驶舱，还有清晰的合规底线（身份证/手机号脱敏、离线HTML、防外部CDN），设计思路完整，分析脚本也提供了多维度参数。但实测发现问题：核心的 dashboard_exporter.py（驾驶舱报告导出）和 data_anonymizer.py（数据脱敏）脚本都是0字节空文件，而文档明确要求在生成报告前必须脱敏、并提供导出驾驶舱命令——这两块核心承诺实际一跑就断，开箱即用体验不佳。功能框架和价值是有的，建议补齐缺失脚本、让文档与实现一致后再用更可靠。
定位清晰——自动从 Excel 消费记录生成美观的 HTML 日报/周报，带 Chart.js 图表、数据去重、预算追踪等功能设计，思路不错，适合家庭/个人记账。但实测发现一个问题：脚本期望的数据列名（"金额(元)""分类""备注"）与它自带的样例 Excel 实际列名（"金额""消费类别""二级分类""体验描述"）不一致，直接按文档跑会报 KeyError 无法生成报告，开箱即用体验打折扣。功能方向有价值，建议修正列名映射或提供配套样例后会更实用。
出境旅行/海淘/留学缴费场景的实用汇率工具，基于欧洲央行公开数据（frankfurter.app）查询，支持30+货币实时汇率、金额换算、历史走势、波动率分析，还独创了「汇率决策三段论」（趋势研判→时机评估→风险预判），把"看汇率"升级成了"做换汇决策"，是一大亮点。我实测了美元兑人民币实时查询、金额换算和换汇决策，功能都能正常跑通，数据来源权威。不足：依赖Python环境和requests库，需要一定技术基础；预测仅供参考，实际换汇仍以银行牌价为准。整体对经常出境/海淘的人很实用，值得一试。
把报销整理这件事做得很贴心：边收边记、自动分类、逐项检查缺件（住宿要发票+付款记录、打车要行程单等规则都能识别），最后自动生成标准xlsx明细表。规则清晰、流程闭环，对常出差、发票照片堆一堆的人来说很实用。不足：餐饮不强制凭证、部分场景仍依赖用户手动补充材料；规则可按贵司财务制度微调会更贴。
飞书官方出品的日历管理工具集，覆盖日程增删改查、忙闲查询、参会人管理，功能完整规范，工具映射表清晰好查。亮点是补充了schema之外的细节知识（如user_open_id为何必填、参会人权限逻辑），上手更稳。不足：本质是工具/函数式调用而非对话式，普通用户需要配合指令理解参数，有一定学习成本；依赖飞书授权。
基于 DuckDB 引擎的高效数据分析工具，定位非常明确：对 CSV/JSON/Parquet/Excel 等数据文件做 SQL 查询、数据抽样和自动纠错查询执行。DuckDB 是单机列式分析引擎，速度快、SQL 兼容好，把他封装成技能对 Agent 处理中大规模本地数据很实用，且能自动纠错查询语句、处理格式差异，降低上手门槛。相比直接用 pandas，DuckDB 处理更大数据更高效；相比通用数据分析，它有明确的引擎支撑和纠错能力。缺点：需安装 DuckDB 依赖，偏开发者向，纯业务用户需宿主代为执行。整体作为一个可落地、有技术内核的数据分析工具，实用性强。
技能把供应链诊断做成了标准化的四维分析（供应商绩效、库存效率、成本结构、断供风险），逻辑闭环清晰，输出报告结构固定、附数据来源标注，专业性强。最大亮点是'零成本原则'——全部基于公开免费信息，不用付费API，比较实用。不足：部分行业因公开数据限制，'暂无公开确切数据'的情况较多，深度依赖你本身的检索能力；报告以Markdown输出，格式比较朴素。整体完成度高，值得一试。
设计思路清晰，定位是自动汇总日历事件来辅助会议准备，功能上覆盖了获取即将到来的会议、生成摘要和议程大纲等基础环节。不过目前是以 JavaScript 开发库的形式提供，需要接入代码才能使用，对于希望开箱即用的普通用户来说有一定门槛；建议后续能在对话型的 Agent 中使用时再评测更佳。作为开发组件来说代码结构清晰、接口明确，可以作为一个会议场景的基础能力来集成。
仓库管理功能完整，涵盖了出入库、多仓库调拨、库存预警、统计报表等常用场景，操作交互也比较直观，适合个人物品或小型仓库的日常物资管理。特别欣赏它对数据持久化痛点的处理——提供了「快照/恢复」机制和接入多维表格的方案，看得出作者很用心。唯一不足是作为对话型指令技能，数据默认不持久化，长期使用需要依赖快照或多维表格，稍微增加了一点操作成本，但整体完成度已经很高，是同类仓库管理技能里少有的实用之作。
这可能是本次测评里完成度最高、方法论最重的一个。它不是一个"读书摘要器"，而是一套把长内容拆解成可复用知识资产的工业级流水线：从分拣定档（精读/略读/存档三档）起步，经多格式解析、Adler整书理解、五提取器并行、三重验证筛选（跨域佐证/预测力/独特性）、K/S/T/C四卡构造、压力测试到三出口回流，环环相扣，几乎每一步都有明确的质量门槛和产出物。几个设计让我印象深刻。其一，"蒸馏执行者+质量审计官"双核对抗——默认不通过、禁止赞美、只挑缺陷，且审计官连续3次打回同一单元会暂停请用户裁决，这种"不让作者自说自话"的质控思路在同类中极其罕见，直接压制了AI拆书最常见的"自我感觉良好"问题。其二，批判环节被写为硬门槛："至少3条作者局限，否则不进下一步"——把"不带批判地复述"挡在了门外，这正是绝大多数读书类技能欠缺的。其三，K/S/T/C四卡+卡片四关（自己话重述/何时不用/边界与坑/出处连卡），尤其"无边界不成卡"的红线，保证了产物不仅好看，还能被真实调用。三重验证里的"抹掉作者名后非任何聪明人都说的常识"这条独特性标准，尤其见功力。它也坦诚地划清了边界：明确声明改编自两个MIT开源项目并有规范的开源协议声明，不含书籍原文版权内容；对略读/存档档主动降级、不套重流程，体现了不被方法论绑架的自制力。依赖层面依赖pdftotext/Calibre等外部命令并按可用性降级，需用户环境配合；对于只想"快速要个书摘"的轻需求用户，这套完整流水线的调度成本偏高，属于"重器"，更适配想把读书产出纳入自己知识库体系的深度用户。综合而言，这是拆书领域少见的"可投放到生产环境"的体系化工具，质控与结构设计远超同类平均水平。整体5星。
作为常年处理绩效相关事务的测评者，这个技能的"完成度"在同类中相当突出。它最打动我的一点是"不是单点生成器，而是一套成体系的绩效工作流"——员工端（自评/述职/360环评/向上面谈/申诉）与管理端（评估/面谈话术/校准材料）双视角覆盖，且内部逻辑自洽：统一的五维评估框架（业绩30%/能力20%/协作20%/执行20%/创新10%）贯穿自评与评估，等级体系（S/A/B+/B/C/D）全模块共用，STAR与SBI双方法论各司其职——写自评用STAR、写评语用SBI，方法论选型很专业。几个细节能看出"懂行"：明确区分视角人称（经理写评语用"你"、晋升材料用"该员工"），并点破"经理把评语写成晋升材料语气"这个高频坑；输出刻意不做表格、少装饰符号，理由是90%内容最终要粘进HR系统，表格粘贴会错位——这种"为真实使用场景做减法"的产品取舍，深得工具设计精髓。面谈模拟、四步回应法、24小时感谢信跟进模板等进阶能力，把"写稿"延伸到了"配合做完整件事"，价值密度明显高于普通代写。不过也有清晰的边界。其一，最大价值在"贴模板/按用户公司体系"场景，一旦脱离具体模板、纯靠通用框架创作，产出容易流于"正确但无个性"的方法论范本，同质化风险存在；其二，话术库、避坑红线虽丰富，但本质仍是prompt与规则编排，模型能力之外没有独家的结构化知识沉淀，涉及时效性较强的薪酬行情等需另行核实；其三，五维权重是"参考主流大厂"的通用值，对销售流水线、生产制造等强结果导向岗位需自行调整，技能自身提供的行业调参建议偏粗。综合而言，它在绩效这个细分里做到了"垂直于体系化"的标杆水平，适合作为员工与管理者的绩效全年助手，但更偏"配合你既有的公司模板出专业内容"，而非独立产出颠覆性方案。整体4星。
能实际运行的工具型技能。实测 scripts/fetch_news.py 支持按单一/多个/全部源抓取，覆盖 28 个数据源（Hacker News、GitHub、HuggingFace、微博、华尔街见闻、播客等），支持关键词自动扩展（AI→AI,LLM,GPT,Claude,Agent,RAG）与深度模式。核心是三步统一工作流：抓取→按统一模板生成中文深度报告→存档到 reports/日期目录，思路清晰、可自动化。有 API key 时抓取效果较好，无 key 部分源（微博、播客）可能受限，且结果质量依赖宿主 LLM 的报告整理能力。对想要'一站式每日科技/财经简报'的用户，实用且能真跑起来。
这是一套体系完整的心理健康辅助技能，核心价值在于把“了解自身心理状态”这件事标准化、工具化。它内置 8 种通用心理量表（PHQ-9、GAD-7、SDS、SAS、SCL-90、WHO-5、PSQI、PSS-10），每种都配有标准的计分规则与分级解读，从快速筛查（9 题）到 90 题的综合评估都有覆盖。尤其值得肯定的是它针对长量表的交互设计——SCL-90 按 10 个维度分组批量呈现，避免逐题回答带来的疲劳，这是考虑了实际用户体验的细节。在专业严谨性上，它明显下了功夫：评估结果用“倾向”“建议关注”措辞而非诊断性结论，规则里明确禁止“你有 XX 症”这类表述；危机识别模块列出了清晰的自伤信号清单，并及时转介到全国及各地心理援助热线，不做超出能力范围的介入。这种对心理议题边界的尊重，是同类工具里少见的克制与负责。自助练习部分同样成体系，CBT 认知重构、正念呼吸、渐进性肌肉放松等循证技术都给出了逐步引导，并针对职场压力、考试焦虑、失眠等高频场景做了定制化方案。会话内能追踪评估趋势，方便用户看到前后变化。需要客观指出几点局限。其一，工具严格的合规边界既是优点也是限制——它明确不提供诊断和治疗，对于期望得到“该怎么办”直接答案的用户，可能觉得反馈偏保守。其二，练习的实际效果高度依赖用户本人的持续投入，对中重度困扰者仅是辅助而非解决方案。其三，这类工具的成立前提是使用者具备基本的自我觉察意识——能识别自己的情绪、愿意如实作答量表，对处于强烈痛苦或缺乏觉察习惯的人，工具的作用会明显打折。总体而言，它对自我觉察、情绪管理和焦虑失眠的日常调适是有实际价值的专业辅助工具，设计严谨、边界清晰，适合作为心理健康自助的第一步，但用户需理性看待其角色定位，在确有需要时主动寻求专业帮助。
综合性强的一站长文深度解读框架。亮点是**分级工作流**很精髓：按目的和投入时间分四级（快速15分钟/标准30/深度60/研究120+），每级叠加不同思维框架（SCQA、5W2H、批判性、逆向、心智模型、第一性原理、系统思维、六顶思考帽），并给出按内容类型自动建议框架的映射表（商业文→SCQA+心智+逆向等）。配套 10+ 份 reference 框架说明和结构化输出模板（一句话总结→结构概览→关键洞见→应用实践），能把浅层阅读转成可操作洞见。作为方法论框架无可执行脚本，完全依赖宿主 LLM 的分析理解能力，效果上限取决于模型；但'分级选框架+结构化输出'的思路对研究型用户提效明显。
这是一份基于开源项目（blader/humanizer）汉化整理的 AI 写作去痕指南。核心价值：把'去AI痕迹'拆成了具体可执行的动作清单——破折号过多、三段式列举、'此外/然而'类连接词、解释性金句等模式，逐个给出替换方案，并强调'注入观点与''我''、打破公式节奏'来增加人味。实测按规则改写一段典型AI文本，能从'日新月异、总而言之、拥抱美好未来'的空洞模板变成有具体细节、有个人观点的落地表达，规则确实可操作。定位是 Prompt 指南而非独立工具，完全依赖宿主 LLM 执行，且无 eval 用例/自测脚本，开箱后效果取决于调用方模型能力；作为编辑审阅的提效参考是实用的，但离'工具化'还有距离。
它的思路是对的：先给简历打分定位短板，再用 STAR 把每段经历改成"背景-动作-结果"、带上具体数字，动宾开头、嵌入行业关键词——这些确实能看出简历有没有被认真对待，HR 扫一眼就高下立判。最打动我的是 JD 匹配和风险检测：把招聘要求放进去能直接告诉你人和岗位之间的差距在哪、风险点在哪，这比很多号称"AI改简历"只会堆词的工具实在多了。不足也提一个：它对"经历丰富但要精简"的资深候选人帮助有限，更适合经验还没堆起来的求职者；另外行业库覆盖面还可以再广一点。总体算专业耐用的实用工具，不是花架子。
我拿自己写的静态站试了一下，挺对胃口的。以前做完页面想查 SEO 有没有坑，只能一个个浏览器插件点开看，麻烦。这个直接一条命令扫整个目录，title、description 重复、h1 层级、img 缺 alt 尺寸、canonical 和 og:image 这些全给你列出来，还带行号和原文，能直接照着定位改，省不少事。最满意的是它纯本地跑，不用联网不用装一堆环境，同样的输入两次结果一模一样，接进 CI 当上线门禁挺合适。小遗憾是它只管 HTML 结构层面的体检，不判断内容质量和关键词，也不做渲染后的检查，功能边界在那儿，但作为发布前自检这层够用了。总体是个实用、干净的小工具。
这阵子帮单位对电费单，正好试了试这个。以前是拿 Excel 一条条敲，眼睛都花了，现在把 PDF 或手机拍的单子丢进去，户号、月份、峰谷电量、电费基本都能提出来，还能把好几户几个月的合成一张表，顺手给你列个疑点清单，挺省心的。它还有个细节我比较认可——默认的快速模式够用了，不至于上来就问你一堆专业术语，真要较真核验再单独开审计模式，分寸拿捏得还行。挑个小毛病：第一次用稍微有点上手门槛，要是能配几个带截图的操作示例就更好了。整体对这个场景来说，是个能实实在在省时间的工具。