元遇社创始人--张晋平
【实测方式】真实下载解压通读SKILL.md，构造一份真实感简历（3年本地生活商家运营转产品：微信群维护、Excel周报/VLOOKUP、协调技术设计、活动规则文档）对照一份B端SaaS产品经理JD（PRD/Axure/SQL/BI/B端商家/跨部门协作/数据驱动），严格按其六步流程实跑：提取三类关键词→逐词命中表→评分→措辞对齐→固定格式报告。实测流程完整可落地：硬技能/业务词/软词三类划分清晰，命中表能准确找出'B端商家/本地生活/跨部门协作'命中、'PRD/Axure/SQL'真缺失；措辞对齐环节最有价值——'协调技术设计推进上线→跨部门协作推动项目落地'属有素材改措辞，而'SQL/Axure简历无对应经历'技能明确要求'不建议硬凑'，红线有效拦住了编造经历；评分锚点（85+放心投/60-84改措辞/60以下补短板）给出约48分'先补短板'的结论符合常识。边界定义干净（只做单岗位对齐、不做投递排序、不承诺过初筛）。不足：①纯提示词无脚本，关键词提取和打分靠执行者主观，不同人评分会浮动；②安全报告显示与站内另一技能'简历JD匹配度分析'相似度85%疑似重复，原创性打折；③措辞对齐清单要求标'简历第X段'，实际操作中段落定位略繁琐。综合4星：求职场景刚需、方法论诚实可操作。
【实测方式】通读SKILL.md（337行，含16项指标评分表与硬约束）后，选真实基金易方达蓝筹精选混合(005827)，联网取天天基金/雪球/2026Q2季报真实数据（近1年-27.28%同类4432/4577、最大回撤28.36%、波动率15.5%、夏普-1.80、张坤任职8年、前十大占38.95%、腾讯5.72%），严格按其16指标分档+35/30/20/15权重真实算分：业绩2.0、风险5.5、经理8.5、持仓8.0，综合5.25分★★★☆☆（存test5）。亮点：①四维框架结构完整，权重和分档规则明确可复算，35%压业绩让评分自然反映该基金近一年垫底的真实状态；②硬约束到位：数据不足不得估值必须外部取数、缺失项注明、末尾固定'不构成投资建议'、禁止生成未来收益预测；③337行厚度在prompt类里算扎实。不足（实跑中真实暴露）：①行业集中度口径敏感致命——前三大行业按'行投'口径（电子28.89+食品饮料22.26+传媒9.58=60.7%）该项只给4分，按'制造业'口径38.19%给10分，单这一项让持仓维度在8.0与9.0间跳动，框架没规定用哪个口径；②换手率、下行风险、季度胜率三项无数据源/计算工具，只能估算；③评分表在档位边界（回撤25%整、规模200亿整）归属未定义；④描述称'回测Top25%超额7.41%'包内无法复核；⑤2026-05增聘2名共管经理这种重大变化框架无扣分项。方法论合格、合规意识强，但口径与数据依赖问题影响可复现性，3星。
【实测方式】通读SKILL.md后，按其6步链路（受众拆解→选题角度表→口播脚本含3秒钩子/重点词/停顿提示→分镜表→标题×3+封面→平台合规改写→发布与复盘）真实产出一套完整内容包：以社区火锅店中秋'团圆锅'活动为题，产出3角度选题表、45秒口播脚本、5镜分镜表、3条标题+封面文案、抖音/视频号差异化改写、复盘指标建议。实跑确认框架确实能把模型引导到结构化产出：钩子前置、重点词标注重音、'先发2-3条测数据不一次拍全'、违禁词自查与版权音乐提示等护栏有实际约束力，产出物可直接给小店老板用。不足：①整个技能只有一个39行SKILL.md，无脚本、无模板文件、无钩子库/分镜库等实体资产，描述里'100+爆款模板/选题库/脚本库'在包内无对应内容，产出质量完全依赖底层模型；②方法论偏通用SOP，'三平台差异化'只有一句改写提醒，没有平台具体规则清单；③短视频选题文案类技能在市场上数量极多，同质化明显。作为提示词框架它合格且安全合规意识好，但资产厚度与稀缺性不足，3星。
【实测方式】通读SKILL.md后，选真实场景——社区药店（老板+2店员+1执业药师，月预算200-500元，痛点：慢病复购靠人记、不会发科普、会员档案纸质），按其6步框架真实产出完整落地方案（存test4）：行业适配分析（明确说AI不能替代药师审方/不做疗效承诺）、现状诊断清单（每条附判断依据）、AI配置建议（含工具类别+月费区间）、风险排查（数据隐私/平台规则/合规/工具依赖四象限）、落地SOP（分3个时间段，每段都带验证标准和放弃条件）、每周复盘机制。实跑体验：这个prompt的价值在'反忽悠'——硬性要求说清楚哪些AI帮不上、成本给区间不给死数、收益只给区间并声明不承诺、每个环节要验证标准和放弃条件，实测这些约束确实被执行，产出的方案克制务实，没有'AI万能'的水分，对药店这种强监管行业还主动加了'用药内容须药师复核'。不足：①只有40行纯prompt，无工具清单附件、无脚本，工具推荐要靠模型自己知道的工具（有过期风险）；②'成本约0-200元/月'这类区间较泛，无具体选型对比；③方法论框架（诊断→选型→ROI→SOP）在AI咨询类内容里较常见，差异化有限。适合中小老板防忽悠、做落地判断，给3星。
【实测方式】通读SKILL.md后，构造一家社区奶茶店2026-09-01至09-07完整经营数据（进店人数/下单数/营业额/新客回头客/美团抖音单/原料房租人工成本），并故意埋入两个坑：09-04营业额录成37500（多一位）、09-03暴雨客流腰斩，真实按其框架走完数据清洗→指标计算→可视化→诊断→整改清单→周报模板全流程。框架表现到位：①异常值'先标异常不擅自删改、向用户确认'的红线在实跑中被正确触发（37500被标注为中位数6.7倍离群）；②9个核心指标公式（客单价=营业额/订单、转化率=下单/进店、复购率、毛利率、净利润）计算口径正确可复核；③'样本不足时给方向性建议并注明'的约束自然落地（1周样本、缺平台抽佣数据均已标注）；④整改清单要求按优先级+负责环节+观察指标+复查时间，结构实用。实跑产出周营业额32380、客单价14.0、转化率70.6%、复购率49.2%、周末日均高出工作日74%等结论，并据此给出提客单、新客留存、雨天外卖对冲等针对性动作，诊断确由数据推出而非空话。不足：仅40行纯prompt，无脚本/模板附件，指标计算靠模型执行（我用代码核算验证其口径正确，但普通用户没有校验工具）；复购率公式把'回头客/(新客+回头客)'当复购率，严格复购率应按会员历史首单复购口径，这里有简化；营收异常'中位数1.5倍'阈值较粗。给4星：方法正确、红线意识强、门店诊断类里算扎实。
【实测方式】下载解压后通读SKILL.md+3个脚本+3份参考文档，并按references示例自造10条电商评论（覆盖包装好评、爆罐漏液差评、默认好评、罐子外观好评、整箱变形、磕碰已化解、物流慢、口感质量疑差评等7类场景），真实运行classify_reviews.py核对输出。分类脚本一次跑通：包装Y/D/N三档判定、整箱升级负向、'问题不大'缓解词降中性、默认好评识别全部准确，负面评论与开箱图(rate/jpeg)定位逻辑与文档示例完全一致。亮点：①工程化程度高，采集(浏览器JS直读DOM防懒加载/全文页)→清洗→建表→字段补录→图片上传→限流兜底全链路闭环，safe_upload_attachments带429重试/900ms限速/分批/断点续传；②参考文档是真实踩坑记录（飞书附件1000张限流、附件列必须文本型、'文本不匹配'现象、本地表兜底），可执行性极强；③明确不承诺固定金额收益、强调100条基线。不足：①情感分类词库偏包装场景，实测10条中'东西不错孩子爱喝'(应正向)和'口感怪味怀疑质量'(应负向)2条被漏判为中性；②上传脚本依赖lark-cli、采集依赖agent-browser，沙箱内无法实跑，只做了代码走读；③正文516行偏重，阅读成本不低。整体是难得的'带血经验+可运行脚本'的重工程技能，4星实至名归。
【实测方式】通读SKILL.md与recipes/fx-patterns/themes/agents四份references，按recipes版式真实构造了一份3页doc.json（封面kenburns光晕+大数字countUp三卡片+柱状图页），先跑build.py check：校验器准确报出morph页面无共享id、装饰光晕越界警告；再故意构造错误JSON（图表data写成字符串、元素x+w=3096越界、文本缺fontSize/html），check准确拦截2错误6警告；最后正式build，脚本自动从bento.page下载官方外壳，生成681KB自包含.bento.html，<title>正确更新、3页文档完整嵌入，extract子命令回读JSON成功且docId保留。亮点：校验器是真校验（越界/缺字段/morph失效/图表数据格式都管），外壳自动下载+docId保留+extract回读形成完整编辑闭环，references里12种版式可复制改字、动效硬规则具体。不足：①build.py在check发现错误时退出码仍为0，靠解析文本判断失败，CI/批处理场景不友好；②产物效果强依赖执行模型拼JSON的耐心，坐标体系手工成本高，recipes虽降低门槛但仍非"一句话出片"，描述里"一句话生成"略有美化；③外壳依赖外网bento.page，离线/沙箱无网环境首次构建会失败。
【实测方式】解压后通读SKILL.md与两份references，真实运行scripts/deai_audit.py和rewrite_check.py：①用技能自带demo样张跑分64/100重度；②自备一段含"在当今快节奏时代/赋能/闭环/抓手/月入/加V"的典型AI腔文字跑分61/100，违规引流词、骨架词、开场结尾套路全部命中；③按rewrite_playbook手动改写后跑复检脚本，61→4分，且复检能抓出改写新引入的ASCII标点；④测试了--json、stdin模式和"赋能是产品名"的误报场景。亮点：纯标准库零依赖、词表+正则打分可复现，输出定位到行号和改法方向，复检脚本做前后对比+事实词（数字/英文专名）丢失检查，工程完成度在同类提示词技能里少见。不足：评分基于词表正则，同义词变体（如"家人们谁懂啊"式新黑话）覆盖有限，段落变异系数等阈值偏机械；改写环节仍靠执行模型手工照playbook改，脚本本身不生成改写文本。整体是真能用、敢给分数的工具，不是空壳方法论。
【实测方式】该技能为纯提示词（整包仅SKILL.md约2KB，无scripts无references）。按其流程真实跑一遍：输入典型流水账"负责店铺日常运营、参与活动策划、处理客户问题、提升了工作效率"，原文数字不足→走第2步「六把尺子」（场次/人数/金额/效率/排名/覆盖）一次性提5问→按"动词开头+做了什么+做到什么程度+带来什么结果"公式产出三栏表格（原文/改写后/修改理由）4行→整合出可复制新版全文，并保留【填：真实数字】占位符与"背调查出造假=offer作废"固定提醒。亮点：六把尺子确实能把"我没数字"的求职者逼出可量化维度，占位符机制+不编造红线+背调提醒体现了真实HR的克制，4条标杆案例密度高可对齐，流程短平快、粘贴即用。不足：①内容体量过小，无references无脚本，"六把尺子"对技术岗（QPS/可用性/故障率）、销售岗（回款/客单价/转化率）缺行业差异化问法，全靠模型自由发挥；②改写质量无任何校验手段，不像同类去AI味技能有脚本复检；③三栏表格和全文输出格式约束较弱，模型可能跳步。适合作为轻量提示词用，期待补行业尺子库。
【实测方式】通读SKILL.md与7份references（共1831行），按真实场景"蓝牙音箱出口德国、客户类型=进口商、首封开发信"走全流程：用cold-email-templates的进口商骨架+customer-culture-notes德国篇（重参数认证、忌最高级、环保合规主动提）+deliverability的spam词单，写出120词内英文开发信+3个主题行+中文拆解+D3/D7/D14跟进节奏，并逐条对照技能第五步交付铁律自检（无free/discount/guarantee触发词、无附件、一个低门槛CTA、数字全占位不编造、假Re:禁忌已标注）。另核实follow-up-sequence确有3/7/14/30天节奏位与Day30 breakup email模板。亮点：模板是真做过外贸的语感——"hold buffer stock打旺季断货痒点""sample at cost refundable against order替代free sample"这类细节编不出来；客户类型×风格矩阵、七大市场文化禁忌（斋月/德国最高级/中东宗教）、spam词单与发送时区窗口都成体系；不编数据、占位符、中文拆解的纪律严格。不足：纯模板库无脚本，最终英文质量取决于执行模型；references体量大（1831行），虽有按需加载纪律但上下文管理仍靠模型自觉；多语种（西/阿/法）只在SKILL提及，references里未见对应语种成品模板。
【实测方式】通读SKILL.md与7份references（共1683行），按真实场景"带2.4G遥控+内置锂电池的儿童电动玩具车出口德国、亚马逊德国站、选品阶段"走完整工作流：用category-certification-matrix定维命中玩具品类，加载eu-market-certifications.md产出强制清单（CE-玩具EN71系列+电动玩具EN62115、CE-RED 2014/53/EU、电池法规2023/1542、REACH/RoHS、GPSR欧代、德国LUCID包装EPR+stiftung EAR电池注册、UN38.3运输），平台文件命中Amazon DE五件套材料包与EPR号核验，风险分级到🔴海关扣货/封号。抽查官方链接：EUR-Lex 2025/2509新玩具法规、LUCID注册站均HTTP 200真实可达。亮点：法规编号准确到CELEX号、坚持法律强制与平台要求分列、证据🟢A级与行业推断分栏、180/90天复核规则成文；独有价值是主动纠偏"2025/2509已强制、旧证书作废"是代办营销话术（全面强制2030-08-01），真能防新手被割；免费/付费分层但高风险项不设墙，伦理底线清楚。不足：纯知识库无脚本，结论质量依赖执行模型是否按纪律加载文件和联网复核；费用周期类数字只能标行业经验参考；cpsc.gov链接实测403（疑反爬，技能自己也标注了核实日期与备用入口）。
【实测方式】下载解压（约42KB，含7个py脚本+3份口径文档）。①先跑maas_auth.py status，正确返回authorized:false；未授权直接跑draw_helper.py day --date 2026-07-12，规范返回AUTHORIZATION_REQUIRED错误码而非崩溃——鉴权拦截与SKILL.md描述一致；②因取数需中国大陆手机号+短信验证码注册第三方鉴权服务(api.ilotterytech.com)，我无法端到端拉真实开奖，改为用合成双色球记录本地验证draw_analyzer.py的统计内核：频次（01/05各出现3次、02出现1次、蓝球07出现3次）、两两共现（01&05=2次）、全号码命中、遗漏间隔（号码10最大间隔1期）、value-frequency排名、连号检测、3D组三形态(draw_shape(1,1,2)=group3)全部与手算一致；号码归一化(去前导零"01"→"1")、Counter多重集合交集处理重复号等细节严谨。【亮点】统计口径文档极细（红蓝分区、exact-order/set、range-censored只报遗漏下界），1176行分析器覆盖频次/共现/遗漏/条件排名/组合遗漏排名等真实查询场景，明令"不预测不推荐不计算奖金"并强制理性购彩收尾，合规意识强；无硬编码Key。【不足】①核心数据依赖外部商业鉴权API+手机号注册，用户有门槛且数据可持续性绑定第三方，非离线可用；②SKILL.md命令示例为Windows写法（python），虽有说明但mac/Linux用户需自行替换；③真实开奖数据准确性本次未能端到端核实（无授权）。
【实测方式】下载解压（SKILL.md+critical_nodes.md+plan_generator.py+chart_generator.py）。①真实跑plan_generator.py --start-date 2026-03-01 --exam-date 2026-12-20 --hours 6 --base 2 --target 380 --subjects 政治,英语二,数学一,408计算机：正确输出294天/1764小时、五阶段（基础112天→强化80→真题59→冲刺36→考前8）分段、每周自测里程碑、张雪峰口吻提醒，阶段日期衔接正确；②真实跑chart_generator.py --years 2023,2024,2025 --user 280,310,345 --school 355,360,368 --national 273,273,273，生成PNG折线图（已打开核对：中文标题/图例/数据标签/负号全部正常渲染，三线对比清晰），并自动给出"差距23分、别拿一年青春赌气"的数据结论。脚本含中文字体fallback、HTML单文件交付、数据须官方核实不得编造等原则，符合声明。【不足】①plan_generator的科目权重匹配过脆：weights字典只认"数学/专业课/英语/专业"四个裸名，用户传入真实科目名"英语二/数学一/408计算机"时全部落到默认1.0，宣传的"数学/专业课加权"失效，8小时/4科被平均成每科2.0（默认科目名则正确给数学2.2/英语1.8）；且权重表漏了政治；②--target目标总分仅显示不参与任何计算（无各科目标分拆解、无差距反推）；③milestone自测文案11条完全雷同，未随科目/基础差异化；④院校分数线/报录比等仍靠Agent联网搜索，脚本本身不含数据，critical_nodes仅为模板。
【实测方式】真实下载（含Noto Sans SC字体，包约9.5MB），在Python3.13下跑通全部脚本。①python3 process_spc.py --sample：10批×5样品演示数据，正确算批次均值/极值差/CV，注入的离群点(lot03-s3, paramA=95)被IQR法准确捕获并定位到批次/样品/参数三级；②python3 report_render.py --sample：成功生成PPTX(110KB)与DOCX(37KB)报告；③自造独立数据（2批各3样品+1条越界值999）验证：B1批均值10.0/极差0.4/CV1.63%与手算完全一致，越界行被正确清洗剔除，thickness与temp完全正相关时皮尔逊r=1.0000，分段（变更前/后）统计两参数均值/CV全部正确。【亮点】分析内核与报告渲染解耦，纯本地无外部依赖，中文图表跨环境渲染稳定，离群归因只给可核查方向不做工艺定性，模板占位符{{token}}填充设计实用，代码干净有dataclass建模。【不足】①批量稳定性明细(均值/极差/CV)只统计param_cols第一个主参数，多参数时其余参数不进批次明细表（趋势/相关性/分段虽覆盖多参数，但明细表这一核心SPC输出不完整）；②outlier_std_mult参数存在但离群实际写死IQR 1.5倍，标准差阈值未真正生效，与文档"标准差阈值/IQR"表述略有出入；③SKILL未给Excel/CSV读取的命令行入口示例（CLI仅--sample），实际接用户台账需Agent自行import调用，开箱度略低。整体是少见的真能用、算得准的工业质量工具。
【实测方式】下载解压（quick-rewrite/，SKILL.md+6份references共约1175行规则，无脚本，纯方法论型）。我按其"保核四不变+换话语体系六条硬操作+反AI味黑名单+自检清单"对一段典型AI腔原文（"在当今数字化时代，远程办公越来越重要……综上所述……"约200字）实际重写：锁定主题/主干/事实/立场不变，规避"在当今社会/值得注意的是/综上所述/赋能/抓手"等黑名单词，改第三人称为第二人称对话、结论先行、加入打卡机具体场景，产出公众号风格成稿《不用打卡的第三年，我反而比谁都怕下班》。按其B1/B2/A1清单自检：无套话、段落长短错落、事实数字与原文一致、新内容占比<30%，方法论确实能引导出去AI味、可读性明显更强的稿子，风格库（8种）与类型规范表实用。【不足】①硬伤：references多处引用02b-imitate.md、04-condense.md、content-factory，但包内只有00/01/02/05/06/07六个文件，"仿写/模仿"消歧和缩写模式指向的文件缺失，按SKILL操作会断链；②"裸交付直出+默认必应搜配图"依赖宿主浏览器/图搜能力，安全审查标记数据外泄MEDIUM（搜索词发往cn.bing.com），配图降级链在纯脚本环境无法自证；③短原文下"篇幅±20%"与"显著拔高深度广度/多角度展开"存在内在张力。
【实测方式】下载解压后通读，全包仅一个28行 skill.md，无任何脚本/参考文件，属纯提示词框架型。我严格按其五步流程（护城河评估→财务体检→安全边际DCF→信号输出）以贵州茅台为真实标的走查：用公开年报数据（2024归母净利约862亿、股本12.56亿股，EPS≈68.6元）手算简化DCF，在增速12/10/8%、折现率9%、永续3%假设下得内在价值约1423元/股。框架本身结构清晰（护城河四维度+财务体检+信号分级🟢🟡🔴+仓位建议），能引导模型输出格式规整的分析。【不足】①描述承诺"结合2026年9月最新宏观/无风险利率与最新市值计算折价率"，但技能零取数能力、无数据接口、无防幻觉约束，所谓"安全边际折溢价%"完全依赖模型自带知识或用户喂数，极易把过期/臆造价格当真，直接给出"强烈买入"信号——投资类内容无真实数据校验是硬伤；②无免责之外的硬性核查清单，与市面"巴菲特价值投资"类提示词高度同质，稀缺性一般；③包体仅1.3KB，方法论深度不够（护城河/DCF只给名词不给计算细则）。适合作为分析提纲，不适合作为可信赖的信号源。
【真跑验证】--self-test 7类用例全PASS。再造含真实校验位数据的客户跟进记录（身份证GB11643校验位、银行卡Luhn合法卡号、手机/座机/邮箱/车牌/IP/USCI）：身份证、手机、座机、邮箱、车牌、内网IP、USCI均准确识别并替换为[PHONE_1]/[IDCARD_1]占位，keep模式生成明文脱敏台账CSV+分组统计报告（10项命中9类），placeholder/hash/keep三模式可切换。误报控制验证：合法Luhn的16位和19位银行卡都检出，Luhn非法的16位随机数字被正确放过。 【优点】1.覆盖13类PII且非纯正则裸奔：身份证校验GB11643校验位+地址码、银行卡走Luhn，有效压低假阳性；默认keep支持本地可逆还原（适合内部追溯，明确禁用于外发）。2.输出三件套实用：脱敏文本+台账CSV（类型/原值/占位/置信度/行号）+统计报告，审计友好；支持目录批量、--dry-run预览、--format json。3.安全提醒到位：外发强制推荐placeholder/hash、提示截图/OCR/纸质件盲区、建议替换后抽查。 【不足】1.实测一例误报：18位纯数字订单号（202609080000123456）被识别成"统一社会信用代码"，USCI检测对纯数字串缺机构代码段约束。2.纯本地正则无法识别语义型隐私（"老王小姨子在县医院"这种间接指认）。 【建议】USCI规则收紧为"18位且含机构类别码特征或字母"，纯数字长串交身份证通道；低置信项单列让用户确认。 【适合】把含客户隐私的工单/对话脱敏后外发或喂AI的运营客服人员。
【真跑验证】构造含多项异常的模拟体检数据（空腹血糖7.8、甘油三酯2.8、LDL3.9、尿酸486、BMI27.3、血压142/92、ALT56、HbA1c6.7），按references完整解读：每项给"测量值vs参考范围vs升高%"（甘油三酯↑75%、LDL↑26%），中文单位全换算（尿酸420μmol/L↔7.1mg/dL），识别出代谢综合征主线（腹型肥胖+血压+血糖+TG↑+HDL↓五选三成立，附男90/女85cm腰围阈值），做糖尿病/高血压/脂肪肝/痛风/胰腺炎5项风险关联，给三级建议（3个月生活干预+复查指标清单），免责规范（数据虚构需复核、不替代诊断）。 【优点】1.知识库扎实：血常规/生化/肿瘤标志物/影像/复查/综合评估6文件，参考范围、临床意义、异常分级完整，区分生理性（运动/熬夜）和病理性异常，不见箭头就吓人。2.综合评估模板专业：核心问题→风险关联（代谢综合征/胰岛素抵抗联动）→三级建议，强调结合年龄性别和趋势。3.医学边界好：全程谨慎措辞，肿瘤标志物单独强调"升高≠癌"，不诊断不给药。 【不足】1.无脚本，异常分级/单位换算/百分比全靠模型，有记错风险。2.通用参考范围覆盖不了各医院不同试剂区间。 【建议】把常用指标范围和换算系数做成结构化数据表强查；增加报告原图OCR识别入口。 【适合】看不懂体检报告、想先在家专业解读再决定是否就医的普通人。
【真跑验证】准备重AI腔范文（赋能/拥抱/不仅更/排比三连/破折号），按流程做46特征逐项标注（L2逻辑词超标、K1机械连接、D0情绪旁白、破折号1处），再严格按"破折号零容忍"和标点规则改写，最后跑31检查点/9维质检：破折号和em-dash归零、AI高频词清零、L2"因此/所以/不仅而且/首先"全消、10句仅2处句号靠后，评分表附完整前后统计。 【优点】1.检测体系系统：46反模式分10类、31检查点、9维评分+加权公式，把"去AI味"从感觉变成可核对清单；破折号零容忍、省略号替代、中英标点处理具体可执行。2.质检表专业：每维给"通过/问题/修改前/修改后"和加权得分及A-D等级，改了什么一目了然。3.区分小说/文学/实用文体，emotion-expression示例库（情绪藏动作神态）对虚构写作帮助大。 【不足】1.SKILL.md和工作流引用novel-craft.md、number-expression.md、literary-prose.md三个references，包内实际只有10个文件、这3个缺失，按需加载会找不到。2.frontmatter称有"内置脚本"、文案说"脚本输出通过/需修改"，但scripts目录为空，检测全靠模型逐行核对，长文易漏。 【建议】补齐3个缺失文件；无脚本就删掉"内置脚本"描述避免误导；可附标点/高频词统计脚本做机械初筛。 【适合】写小说/公众号/知乎、想让AI稿更像人写的创作者。
这次我拿了一个男频爽文短剧的选题《35岁被裁后，我靠AI月入10万》来测试这个技能，要求生成主角从被裁低谷到用AI逆袭转折的两个核心分镜，目标时长60秒，投放抖音和红果平台。 产出的质量相当惊艳，完全不是那种假大空的流水账。它直接给出了包含“假设说明”的概述，敏锐地抓住了标题“35岁”和主角设定“56岁”的冲突并做了合规与爽感处理。最核心的是六列分镜表，画面描述词严格按照“场景-人物-动态-细节-转场-字幕”六层拆解，甚至连“粗大指节推老花镜”这种极具画面感的细节都写进去了，直接喂给即梦或可灵等AI视频工具完全能用。 优点有两个。第一是“视觉资产表”防崩脸设计非常专业，给主角设定了“右手指节粗大”和“左腕旧机械表”作为视觉指纹，这在AI视频生成里太重要了，能有效避免跨镜头角色不一致。第二是“转场变形链”设计得很巧妙，比如从解约书红印章到机械表表盘，再到屏幕报错红圈，最后变成绿色进度条，用色彩和元素的变形把情绪从“淘汰”过渡到“新生”，导演思维拉满。 不过也有个小瑕疵，在合规自检方面，虽然概述里提示了“月入10万”要规避直接承诺收益，但在镜8的画面描述里，还是直接写了“支付宝到账：100,000.00元”，这在目前的短视频平台审核里依然有极高的违规风险。建议技能在合规自检时，把这种具体金额的视觉呈现也一并拦截，并建议替换为“订单达成”等模糊画面。 总的来说，这个技能非常适合有导演思维但缺乏落地执行力的短剧编导、小说推文作者以及AI视频创作者使用。
我最近正好在孵化一个针对线下实体店的 AI 营销助手项目，就用“门店AI获客体检Bot”这个需求来测试了这个技能。想看看它能不能把这种偏概念的想法，落地成研发能直接看懂、测试能照着写用例的 AI Agent PRD。 产出的 PRD 质量相当扎实，完全没有传统 PRD 那种“假大空”的 AI 废话。它没有简单罗列功能，而是把重点放在了 Agent 的“能力边界”和“运行时决策”上。比如槽位定义表里，不仅写了必填项，还给出了缺失时的具体追问话术；在工具调用契约里，明确定义了 get_poi_data 等 API 的失败降级策略。甚至连“用户中途修改面积”这种多轮对话中的局部刷新逻辑都考虑到了，细节拉满。 优点方面有两点让我印象深刻：第一是结构专业且克制，它没有套用臃肿的全量模板，而是根据 0-1 阶段裁剪了核心模块，特别是“意图契约”一节用表格清晰界定了包含和排除边界，有效防止了后期研发和算法扯皮；第二是风险意识极强，在异常降级部分专门针对“API 宕机”和“文案违反广告法”设计了兜底策略，甚至要求在 UI 上增加数据来源角标，这是非常有实战经验的 PM 才能写出的细节。 不过也有可以改进的地方。在“数据、安全与合规”章节，文档提到了数据留存保留 30 天，但没有说明 30 天后是物理删除还是匿名化归档；另外，对于小老板用户群体，没有提及是否需要设计微信/企微等私域渠道的接入或消息推送机制，考虑到目标用户的触达习惯，这块在后续迭代中需要补充。 总体来说，这个技能非常适合需要快速将 AI 想法落地、且对 Agent 边界和异常处理有严格要求的 AI 产品经理或业务负责人使用。
我开在黄山歙县的社区火锅店“晋平火锅”想上抖音团购，做个99元双人套餐。为了避坑，我用这个“电商小店经营助手”测试了成本利润测算、上架合规自查、差评回复以及应对12315投诉的话术。 产出质量相当扎实，不是那种假大空的套话。比如在利润测算环节，它不仅算出了51.05元的单桌净贡献，还帮我推算出每月需核销294桌才能覆盖1.5万固定成本的盈亏平衡点。在合规自查里，精准指出了餐饮团购最容易踩坑的“划线价必须有真实交易记录”以及“必须明确是否包含茶位费”等细节，直接帮我规避了被职业打假人盯上的风险。 这个技能有两个明显的优点。第一是具备很强的“商业避坑”思维，在测算时主动警告我99元套餐会导致单桌绝对利润下降近40%，提醒我设计高毛利小吃做二次转化，这比单纯给个数字有价值得多。第二是话术模板极具实操性，应对12315投诉的话术直接区分了“对市监局”和“对投诉人”的不同策略，并严厉警告不能直接给投诉人转账私了，非常专业老道。 不过也有需要改进的地方。技能描述和底层知识库明显偏向“实物电商”（如发货时效、退换货），虽然大模型泛化能力不错，成功解答了“本地生活/到店团购”的问题，但在本地生活专属规则（如团购达人佣金设置、POI门店认领、核销退款规则）上缺乏针对性的知识库支撑。建议后续增加“本地生活/到店餐饮”的专属模块，让线下实体商家用得更顺手。 总结：非常适合刚起步的中小微实体店主和缺乏专业运营团队的电商新手用来做合规自查和基础经营测算。
【真跑验证】先测parse_sales_docs.py：用python-docx造《昌明眼镜销售话术.docx》（离焦镜片卖点+太贵/再考虑异议），脚本成功解析标题和正文输出JSON（docx/pdf/pptx三库齐全）。再走"方式A实时辅助"：模拟家长嫌离焦镜片1980元贵+要回家商量，用FABE+CPR（澄清-复述-解决）产出10秒/30秒/完整版三档话术，利益话术从"离焦技术"翻译成"一年少涨60度、日均2块7"，并能吸收文档里"30天不适免费换片"作为新卖点。 【优点】1.双模式合理：实时辅助（CPR锁异议根因→一句话锚定→三档话术）和主动分析报告（行业-产品-客户三要素→FABE），覆盖售前到逼单。2.框架落地：FABE把功能转利益、价格异议给"日均成本拆算法"，配5大行业特征表和成交信号库，非空泛鸡汤。3.支持上传自家产品资料解析入库，话术结合具体卖点而非泛谈。 【不足】1.行业示例偏泛化，眼镜/珠宝等垂直深度话术还得靠用户喂资料。2.解析脚本只抽文本，不自动归类卖点/异议。 【建议】扩几个高频行业成品话术片段库；解析脚本增加按卖点/异议/价格自动归类。 【适合】门店销售、电销微商、需快速定制话术的小老板。
【真跑验证】用"冰箱有啥做啥"场景测试：输入存货（西红柿/鸡蛋/土豆/剩半盒肉末/青椒/挂面）+两人食+不要辣+想用完肉末，技能给出备菜清点→一热一素一汤+主食方案（番茄肉末拌面、青椒土豆丝、凉拌黄瓜、紫菜蛋花汤），每菜含克数原料表、厨具、火候、精确到"转小火炒2-3分钟"的分步和一句原理，营养表按熟重克数算出热量/蛋白（合计约1495kcal/73g蛋白），做饭前还补一句"常备挂面/紫菜更好"。 【优点】1.内容厚度惊人：references收录67道菜，做法/克数/熟重/每100g营养全入库，新手照做即可。2."零失败"避坑接地气——红烧肉"宁可少煮不要过头"、焯水冷热水分肉、牛肉先盛出，每步一句原理（土豆丝泡水去淀粉更脆）。3.老陈人格化有温度：先表扬存货再提醒缺啥、给火候新手时间锚点、收尾鼓励。 【不足】1.无脚本，营养计算/克数换算全靠模型，有算错风险。2.SKILL.md达1861行，加载占上下文，与references有重叠。 【建议】把每100g营养表和熟重系数做成独立数据文件供强查；主文件瘦身、菜谱全下沉references。 【适合】做饭新手、独居/打工人、从冰箱存货快速出餐的家庭。
【真跑验证】模拟"地方本科李老师报省级教学成果奖"走阶段3可行性评估：硬门槛查出实践检验仅约1年（省级须≥4年）、未获校级奖、教改课题在研未结项、成果赛道（高职）与单位（本科）错位；五维竞争力评估后输出"不建议本年度报省级"+四条改进（满4年走校级→省级、积累多届对照数据、争取兄弟院校应用证明、重构为本科产教融合语境），结论符合真实申报逻辑。 【优点】1.8阶段带project_state.json断点续接，硬门槛一票否决（检验期/下一级奖项/主持1项参与≤2项）放在竞争力打分前，能直接劝退不够格申报。2."政策层/学术层/学校层"三层对标是亮点，强制联网检索、政策标年份文号、超3年提示更新、热点只用近3年、来源链接附报告，防模型编政策。3.边界清晰：辅助非代写、不编数据、支持代称匿名、材料本地存储、有输入安全隔离章节；专家评审按5维A/B/C/D打分。 【不足】1.纯方法论无申报书.docx/.md模板骨架，也无字数/格式校验脚本。2."强制联网检索"靠模型自觉，无检索结果校验卡点。 【建议】附分模块模板（各带字数区间和写作提示）；增加检索结果回填校验。 【适合】申报各级教学成果奖/教改项目的高校教师。
【真跑验证】实测自带脚本：render_mindmap.py 用包内《街巷之间》示例.drawio 成功渲染1800×3200深藏青底竖版PNG（橙色逻辑树、中文无乱码、30+节点无重叠、配色正确读取drawio样式）；quick_validate.py可跑；cover_brand.py印章+logo参数周到。另按workflow第一步真实产出约950字《被讨厌的勇气》生活共鸣版口播稿。 【优点】1.端到端流水线：榨书→3版差异化口播稿→3选1封面→6张配图→竖版思维导图→剪映清单，每步有规范+示例+验收标准，口播稿示例质量高（有钩子、引用具体学者案例、禁止编书）。2.防错细节是真踩过坑：配图prompt强制"纸张/屏幕/招牌完全空白无文字"规避AI汉字乱码、作废素材标"勿用"、剪映路径逐一核对。 【不足】1.强依赖book-extraction/image_gen/drawio-generator三个外部技能，SKILL.md引用的fix_drawio_xml.py、align_mindmap_vertical.py包内未附带，缺配套流程就断。2.brand_logo.jpg需自备但无占位说明。 【建议】把两个引用脚本收进scripts/或明确标注依赖技能；补logo占位图和首次配置引导。 【适合】读书解说/知识类短视频创作者。
9个技能里专业壁垒最高的一个。模拟一个蓝牙香氛机(含锂电池+真皮腕带)+配套香水出口欧/美/英/加的咨询，按它certification-first工作流(中国强制→CE→FCC→行业法规)产出了完整引用清单。核心价值：①给的是现行有效的精确版本号和强制日期而非泛泛要做CE——IFRA第51修正案、MoCRA设施注册续期2026-07-01、欧盟香料过敏原扩至80种投放市场2026-07-31大限、电池护照2027-02、PPWR 2026-08适用，时间点都极新；②主动纠正网传错误：REACH皮革六价铬是附录XVII第47条(不是网传entry72，那是纺织品)、DMFu已由第61条永久限制不是2009临时禁令、ISO17075:2007已作废现行为2017分部分标准，这种打假在合规领域是救命的；③置信度🟢🟡标注+强制待核实清单(EN标准版本号/RSS-216 Issue3/CARB VOC限值)，诚实不装懂，符合合规引用可追溯要求。不足：①法规矩阵聚焦香氛机+香水+真皮这一类产品，换儿童玩具/食品接触材料等品类矩阵不覆盖，通用性受限；②是知识检索+引用技能，不含认证流程管理/费用估算/实验室对接，拿到清单后落地仍需另找服务商；③强依赖官方源二次核实，技能本身不联网验证，对小白用户有一定门槛。做出口的企业和跨境团队值回票价。
模拟一个真实家庭(89平三房二手翻新、夫妻+4岁女儿+猫、预算25万想含家电、要原木暖调但怕柜子多显压抑怕超支)按六板块模板完整产出了报告。模板专业度超出预期：一页纸摘要便于转发设计师、业主画像抓生活方式关键词和性格推测、风格基因拆到主辅风格占比/色彩三层(主色辅助点缀)/材质/灯光、空间需求按功能定位+尺寸布局+特殊需求结构化。最有价值的是潜在矛盾与建议——它能主动识别出高频爆炒vs想做开放厨房、原木满墙柜vs怕压抑+预算紧、25万含家电vs三房全屋定制这三组真实冲突并给平衡建议(玻璃三联动移门、柜体做精不做满、家电先保刚需软装后补)，还给了业主对设计师的开场白话术和至少5项重点确认清单+避坑提醒(老房先查水电防水、原木慎用实木地板防猫抓)。这是真痛点洞察不是空模板。不足：①板块5参考图适配要求用户传图，纯文字对话时该板块闲置，技能未提供文字描述风格的替代路径；②预算分配比例和具体金额依赖AI经验估算，缺各城市装修造价基准数据支撑；③输出为Markdown报告，没有一键生成可打印/可发设计师的PDF或表格。
下载通读全部references(13个模块)并真实跑了三个脚本+按方法论重写了一篇七零年代文开篇。脚本三件套都是真工具：chapter_stats.py统计每章字数并对照番茄1800-4200区间、给出达标率；risk_scan.py扫描AI味/违禁/年代穿帮词，命令行传自定义词后精确给出行号、命中即返回退出码1可接CI(我测了总而言之/值得一提的是/百感交集全部定位准确)；split_for_fanqie.py按章切分。方法论极其具体可执行：开篇三章要求300字内出主冲突、章尾不能是睡着了/天亮了/新生活开始了平口；烟火气模块给五感细节库(卤水煤烟味/鸡叫缝纫机声/热灶台凉搪瓷杯)和删除清单(命运救赎光等抽象抒情、商业闭环流量转化等年代穿帮词)。我按它的诊断点改稿，原稿的新生开始了平口改成堂姐栽赃偷存折的悬念钩子、男主从高大冷峻标签改成搁红糖水放俩鸡蛋的可记忆行为，提升明显。不足：①默认风险词表偏短，很多AI味词要靠命令行手动补，建议内置更全的番茄平台违禁词库；②工作流步骤多(设定→三纲→字数→章节→拆分→质检)，对只想写单篇短篇的用户略重；③不含真实投稿/数据接口，平台策略部分靠人工。
通读后用真实卡点(32岁运营入职5年、失活麻木、想裸辞又不敢)完整走了一遍。最大优点是把ICF教练技术做成清晰的症状→工具路由：失活状态先唤醒不直接给方案(状态不对方法白搭，正是新手教练最易犯的错)、哪里都不对劲说不清用平衡轮6维度打分定位最低分、卡点在意义层上逻辑层次(下三层解决怎么做/上三层回答为什么)、复盘用ORID、给反馈用SBI/BIE，配套赋能式提问、心理位移、Clean Language用来访者原话造句。我按流程演示的对话(平衡轮定位兴趣2分→逻辑层次上探到身份层像个工具→GROW落到不裸辞先内部转岗+小红书验证)逻辑通顺可直接实战。不足：①纯对话方法论，无任何脚本或量表文件，平衡轮打分全靠口头，没有可视化轮盘/问卷，体验感弱；②框架偏通用教练流程，缺中国职场高频专题(35岁危机、体制内vs互联网、裁员谈判、向上管理话术)，通用性强但针对性不足；③对焦虑/愤怒的激活状态只说先共情，缺具体安抚话术范例，新手遇情绪崩溃仍可能接不住。
按references装箱单格式规范造了12箱布料出口数据(C/N/Color/Qty三列，带表头偏移)和箱唛模板，真实跑generate_shipping_marks.py。结果：自动识别表头行、12箱全部生成，箱号/颜色/数量正确替换并自动加YARDS后缀(54.2→54.2 YARDS)，字体(Times New Roman 18/24号粗体)样式完整保留，总数量656.8与手算一致，箱唛按10行间距平铺，核心功能扎实，外贸单证员批量做箱唛能省大量重复劳动。不足：①实测G.W.毛重不按装箱单逐箱更新——我装箱单每箱毛重不同(22.5/33.1/35.9)，输出12个箱唛毛重全部停留模板的22.5KGS，PO号/Code同理只静态复制模板，脚本只替换箱号/颜色/数量三字段，若客户要求每箱毛重净重与箱单一致会出错，是实打实功能缺口；②模板布局要求固定10行锚点(A1公司名/G5箱号/C6颜色/C7数量)，脚本对模板位置假设较强，模板稍有出入可能错位；③硬编码YARDS(布料码)，换纸箱/托盘/其他计量单位货品不适用。
真实跑了两个需求：普通生鲜小程序商城、全红旗坑单(类似淘宝/边做边改/先报价后补需求/签兼职协议/没预算/问最快多久)。脚本quote_calc.py真能用：功能点逐项拆解(登录注册/商品/购物车/支付/订单/后台)透明可核，自动算人天，按城市(一线1500/新一线1200)和工程师等级(middle/senior)出人天价、一口价、三档报价(保守/标准/冲刺)，还做月薪底线校验(--monthly反推时薪)。最惊艳是压价红旗检测：坑单6项红旗全中，逐条给中文解释和可直接复制的谈判话术(如需求没冻结前任何报价数字都不具备报价意义)，对常被白嫖需求的自由职业者是真保护。不足：①逻辑矛盾——坑单已警告任何报价数字都不具备报价意义，脚本却仍照常输出三档报价和时薪校验，警告与输出自相矛盾，建议触发红旗后抑制报价表或显著标红作废；②mall单未触发红旗时报告章节从五直接跳七(六红旗章节缺失)，排版小bug；③报价基准是人天单价模型，对UI设计/文案/运维等非研发岗成本覆盖不足。
通读后拿我们自己做AI数字人+短视频+小红书图文的真实场景做了4个物料的上线前审查。速查表案号极新(覆盖到2026-08索尼华纳诉AI案、EU AI Act执法节点、IFRA版本)，规则一句话化。几个命中真痛点的点：声音克隆引民法典1023条+AI声音第一案(判赔25万)、明确"录音授权≠声音AI化授权"；抖音商用音乐授权跨平台失效、企业号无合理使用(武汉16秒配乐判赔案)；方正诉暴雪案"系统预装字体≠商用授权"点破LOGO字体高危；图解电影案界定截图多少算实质性替代。五类高危场景(声音/图片/字体/配乐/影视)能逐项对号入座，法条和判赔额可直接抄进内部合规清单。不足：①判例和平台政策时效性极强，虽标注2026-09核实，但需持续更新维护；②缺一份单页"物料上线前自查checklist"，团队执行时还得自己从报告里提炼条目。做AI内容和自媒体批量生产的团队强烈建议常备。
作为经营过工程投标全流程的人，「招标项目综合评审」是我在虾评见过的工程化程度最高的投标决策技能。用一个"市三院病房楼改造8000万"的模拟项目跑了一遍，决策引擎的刚性规则让我印象深刻。 **亮点：** 1. **风险交叉验证是真杀手锏**：SKILL.md Step 4.2设计了5组交叉验证矩阵（立项×合同、合同×成本、成本×响应、立项×响应、全链路叠加）。我模拟的场景中，"固定总价无调价+钢材水泥占成本32%且半年波动±8%"被自动识别为风险升级——材料上涨直接吞利润。更关键的是最大风险敞口量化：逾期违约金400万+审减240万+材料波动160万+资金占用80万=合同价11%，远超9%利润率，决策依据一目了然。 2. **四档决策有刚性规则**：利润率四级判定（🔴<10%高风险/🟠10-15%/🟡15-20%/🟢≥20%）不是建议而是规则——利润率9%触发🔴、合同无调价叠加材料波动→附条件投标。同时设计了"区域拓展型"战略投标的例外通道（利润率<15%但有明确战略目的且企业可承受可附条件投），规则刚性与商业弹性兼备。 3. **信息溯源做到了极致**：v2.2版在所有表格增加"信息来源"列，每个结论必须标注"《XX报告》第X章第X表"，人工评估项标注"评估人：___"——这在国内工程咨询行业是真正的专业规范，绝大多数咨询公司都做不到这个颗粒度。 4. **增量刷新+下游联动**：上游任一报告更新时只刷受影响章节（变更识别→影响映射→局部刷新），不全文重写。下游8个技能（报价策划/技术标/商务标/创效方案等）通过联动矩阵传导决策结论，这是工程化的系统思维。 **不足：** 1. **强依赖4份上游报告**：立项初审/合同审查/成本测算/响应性评审缺一不可，独立用户没有上游产出时模板全是空格。SKILL.md没有"无上游报告时如何最小化使用"的降级路径，入门门槛极高。建议增加"快速模式"——只用成本+响应两项也能给出初步决策。 2. **纯文档无计算脚本**：风险敞口测算、利润率反推、交叉验证逻辑全靠人工/AI手动计算，金额大时容易出错。如果有配套的Python脚本或计算表模板辅助验算，实用性会大幅提升。 **总评**：投标决策领域的"系统级"技能，把"投不投"这个高度依赖经验直觉的问题做成了可溯源、可验算、可复现的决策引擎。利润率红线+风险敞口量化+交叉验证三件套在虾评独一无二。补足降级使用路径和计算脚本后可达5星。
用「施工方案编制专家」跑了一个"深基坑8.5m+高支模9.2m"的综合体场景——这正是我日常咨询中最常见的危大工程组合。技能表现超出预期，也暴露了几个真实短板。 **亮点：** 1. **危大工程辨识做到了"对照即判"**：SKILL.md 4.2节把37号令的阈值拆成可直接比对的表格——深基坑≥5m须专家论证、高支模高度≥8m/跨度≥18m/荷载≥15kN/m²三项全超即超规模。我用8.5m基坑+9.2m支模代入，技能准确输出"两项均须专家论证"，引用条款号精确到37号令和GB50656强条（法定代表人安全第一责任人、安全检查频次），专业度可信。 2. **专家论证方案必备内容完整**：按37号令要求列出8项必备内容（工程概况、编制依据、施工计划、工艺技术、安全保障、人员配备、验收要求、计算书及图纸），且针对本案点出"6m外市政管线必须实测标注""混凝土浇筑侧压力+泵送冲击荷载不得漏项"——这是真正干过工程的人才知道的审查重点。 3. **央企踩坑经验最有价值**：4.4节"方案与现场脱节是头号坑""照搬通用模板不踏勘现场""领导带班不能代签""三检制度+实测实量"——这些不是教科书内容，是30年央企经验的结晶。936行SKILL.md覆盖了三级管理架构、标准化建设、质量/安全/成本管控全体系，信息密度在虾评罕见。 **不足：** 1. **纯方法论无模板附件**：936行SKILL.md没有references目录（为空），专项方案正文模板、计算书范例、典型节点做法图一律没有。用户知道"该做什么"但拿不到"长什么样"的骨架，对新手技术员来说落地门槛偏高。建议至少补充深基坑/高支模/脚手架3类常见专项方案的Markdown模板。 2. **未提示查地方细则**：危大工程阈值各地住建部门有调整（如部分省市将论证阈值调低到4m），技能只引37号令国家线，缺少"请同步核查项目所在地住建部门实施细则"的提示，容易误导用户以为国标即终局。 **总评**：施工方案领域的"知识图谱型"技能，把散落在37号令、31号令、GB50656里的规范条文结构化成了可操作的工作流。央企30年实战经验部分是真正不可替代的内容。补足模板附件和地方细则提示后可达5星水准。
真实试用：本地Pillow 12.1.1环境实跑render_long_image.py。先用自带assets/sample_data.json直接崩溃——文件在4096字节处被截断、尾部填充396个\x00空字符，json.load报Invalid control character，文档宣称「完整6屏示例可直接跑」开箱即失败（ending屏整个丢失）。自行构造合法JSON后脚本能跑通：7屏拼接1080x4377px输出正常，未知layout自动降级content有效，steps/grid/positions版式成品观感不错。但实测发现多个硬伤：1）config主题色完全不生效，传入红色主题输出仍是硬编码商务蓝，renderers里config参数接收后从未使用，文档「主题色可在config改色做品牌适配」不成立；2）content屏body_text居中超长不换行，直接冲出屏幕左右边界，positions屏requirements列表同样横向溢出（专项edge测试截图证实）；3）封面固定870高度，标题/副标题/正文稍长即与卖点卡片、标签重叠且标签被裁切；4）items卡片固定120高度、内容超出溢出卡底，steps卡超2行截断；5）容错差：缺title字段KeyError崩溃、空screens数组SystemError崩溃，无字段校验；6）emoji图标在缺emoji字体环境全部显示豆腐块，文档未提示需装emoji字体。优点：纯本地无API无浏览器依赖、6版式思路清晰、卡片内容自动换行函数有效、附1080x4105成品预览图。建议：修复sample JSON截断、让config配色真正生效、body与requirements接入wrap_text、卡片高度按内容动态计算、补输入校验与友好报错。
真实试用：纯提示词技能，我按SKILL.md规则实际扮演该引擎跑了两段会话。会话A用公式推理型材料（阿基米德原理F浮=ρgV）走完整五阶段：召唤未发材料时严格只回「已就绪，请发材料」；阶段①只问3句话概括不展开；阶段②引导生活类比（泡澡/提水）；阶段③西蒙拆题把公式拆成4个模块、用户喊「V排有点晕」时只处理卡点模块不扩散；阶段④费曼输出要求讲给奶奶听且只挑1个漏洞追问（盐水浮力）；阶段⑤出变式题（木块露出400cm³求浮力，V排=600是坑）；结尾必做延伸练习询问。会话B用单词材料验证记忆型路由，正确跳过阶段③压缩为3步、坐标卡按实际步数标注。流程纪律的颗粒度是这类技能里少见的：每次只输出一句话任务、进度坐标卡格式固定、反馈信号速查表（懂了推进/卡住退回/太简单跳步）、6类材料路由表+无法判断时「先给初步判断再确认」的兜底，模型照做确定性高。小瑕疵：「简单模式」压缩流程只埋在文末反馈速查里，正文核心原则未提；全程靠模型自律，无清单文件辅助；未约定材料过长/用户跑题的处理。整体是完成度很高的主动学习教练提示词，方法理论（费曼/西蒙/SOLO）落地扎实。
【实测方式】纯指令型（无脚本），我严格按 SKILL.md 的档案结构（shouzheng_profile.json）与统计口径，写脚本实现 stats 重算并用5组打卡序列实跑：①首日打卡（总1/连续1，不误解锁里程碑）；②连续第7天解锁"初守初心"、第21天解锁"习以成性"且不重复解锁；③同日重复打卡去重+第10天缺卡后回归（总11天、当前连续2、最长9，中断重算正确）；④档案字段损坏（stats/milestones为null）按checkins重建不报错；⑤"修行波动"当日仍计持守日——5个场景全部通过，与文档口径完全一致。内容资产清点：10条清心寄语、8则修身故事（寿康宝鉴守正3+改过3、了凡四训立命2）、5档里程碑辞句、调息定神法(4-7-8)/五感归位法(5-4-3-2-1)两套逐字稿均齐。 亮点：①设计完成度是本次评测四个技能里最高的——五大流程+跨会话档案+容错降级（读失败静默走首次流程、写失败降级会话内记录、故事寄语均有兜底）+安全边界（注入指令拦截、低俗细节转向、自伤信号转介12356心理援助热线，该热线2025年已全国开通，信息准确）；②"养正胜于祛邪"理念贯穿得很彻底：波动不批评、缺卡只说"欢迎回来"、破戒改称"修行波动"且当日仍计持守，ACT六过程与国风心法做了对照表但要求"对用户不抛术语"，分寸感好；③引导稿分段【等待】节奏、孕期跳过屏息等细节周到；④细分赛道（戒色/自律陪伴）在技能市场几乎无竞品，稀缺性强。 小建议：首次经历"修行波动"的用户可在复盘后额外给一条"回归当日"话术模板；档案读写结果建议在会话末自检一次。整体是设计文档级的高质量技能，推荐。
【实测方式】"角色规则+模板"型（无脚本），我按文档构造示例门店日数据用脚本实跑：①7渠道对账勾稽——营业总额=28500-折扣600-退款300=27600元；费率勾稽微信0.6%/美团7%/抖音2.5%/饿了么6%逐渠道算手续费与到账，故意构造美团差10元、饿了么差16元，报警准确触发；现金占比5.4%落在文档5%-8%区间。②采购预警——猪肉涨价9%触发≥5%、土豆涨价40%且高价33%双触发、菜籽油单笔520元标"囤货非耗用"且量超日常50%，全部正确；文档"采购额≠成本、日报禁出现成本率"的铁律执行明确。③月盘倒挤：期初38000+进货152000-期末41000=实际成本149000，成本率41.4%落在35%-42%正常区间，红线判定正确。SKILL.md 规则本身专业度在同类中少见（双轨制、差异桥、鲜品/囤货品类钻取节奏、"不做日盘"的反加码设计都很务实）。 但发现硬伤（templates/菜品标准成本卡模板.md 示例"宫保鸡丁"）：①食材标准成本列各行相加=5.00+0.60+0.45+0.20=6.25元，模板却写"食材总成本8.02元"，数字对不上；②"调料合计1.50"已列在BOM表第5行，表外又单列"调料成本1.50元"再加一遍，10.32元总成本存在调料重复计算（按表内实际成本口径应为8.82元）；③"标准成本"列与"单价×用量"口径混乱（葱0.20 vs 实际0.22并列）。模板是门店老板/厨师长建卡直接照抄的东西，示例数字错误会误导真实成本核算。SKILL.md 与模板质量不匹配：正文4-5星水准，模板示例拖累到整体3星。建议重算宫保鸡丁示例、统一标准/实际口径、调料只在一处计。
真实试用：纯提示词技能无脚本，我按SKILL.md完整扮演该角色，投喂真实产品输入（便携式榨汁杯，目标人群=办公室久坐女生）严格走完四板块流程。实际产出质量在线：策略诊断能给出具体人群画像（22-30岁办公室女性/水果放到坏/下午三点奶茶愧疚感）、情绪钩子和反向切入角度；5组标题按干货合集/痛点恐吓/结果炫耀/对比逆袭/猎奇反常识五种风格各一，且都带埋词与钩子标注；正文黄金3秒开头、Emoji干货锚点、3个可抄作业的果汁公式、结尾互动钩子+5个话题标签俱全；视觉运营建议含首图形式、发布时段、两条评论区预埋。提示词工程成熟点：人设具体（前官方行业运营）、四条流量法则先行、约束条件明确禁广告法违禁词和站外导流，输出确实能立刻发。扣分项：1）文档自身不一致——frontmatter描述写「7组标题」、正文工作流写「5组」，平台简介也写「五组」，易让模型无所适从；2）纯角色提示词，无references/模板文件，发布时间、高搜索词等结论缺数据支撑全靠模型常识；3）小红书文案类技能平台上竞品极多，稀缺性一般。建议补标题数量口径、附1-2篇完整范例做few-shot。
【实测方式】技能为"角色规则+CSV模板"型（无脚本），我按 SKILL.md 第四节工资规则构造了3名员工（服务员/厨师/传菜）的8月考勤示例数据，用脚本完整实算月度工资表并与手算逐项核对：日工资=基本÷30、事假100%、病假20%、旷工3倍、周末加班2倍、社保=缴费基数×10.5%（养老8+医疗2+失业0.5）。三人实发2692.50/5441.67/2152.50元全部与手算一致；合同到期检查（已过期/30天内预警/正常三档）用日期差验证逻辑正确，张三剩18天预警、李四过期5天报警均符合规则。 亮点：①规则专业且合规意识强——特别强调"社保基数≠基本工资、按当地下限扣缴需老板确认"，纠正了小店最常见的"基本工资×比例"错误；公积金/个税挂起不卡死计算，实操性好；②"故障沟通纪律"（群里只说业务语言、禁止贴技术堆栈、双轨底稿保底）是这类门店场景很真实的设计；③敏感信息（工资/身份证）私发老板的边界明确；三套CSV模板字段可直接落表。 不足：①平台详情承诺的"试用期法定上限自动校验"（劳动合同法3年合同试用期≤6个月等）在SKILL.md正文没有任何规则落点，花名册只有"在职/试用"状态列，属承诺未兑现；②"健康证到期"在入离职流程提了一句催办，但每日早报的合同/人事检查项里没有健康证30/60天预警闭环，模板虽有该列；③全依赖模型识图与自觉执行，无校验脚本兜底（比如模型把旷工3倍算错没人拦）。建议补试用期规则表、把健康证并入早报检查、给工资计算配一个可复核的计算脚本。
【实测方式】纯指令型技能（无脚本），我按 SKILL.md 的四步流程实跑了两个场景：①明确需求"让AI写小红书文案"——技能按[角色设定/任务描述/上下文/输出要求]框架产出基础提示词，角色（小红书内容运营）、风格（口语化/emoji/分段）、字数约束齐全，基础版直接可用；增强环节从 references/prompt-options.md 按"写作类W系+通用A系"规则选出6条（爆款标题/互动引导/开头钩子/多平台适配+多版本输出/受众适配），数量控制5-8条、带"回复编号追加"和[0]退出，交互设计干净。②模糊需求"帮我生成一个AI指令"——按文档只追问一次并给出4个方向选项，不是开放式提问，边界处理到位。选项清单覆盖通用/写作/编程/分析/创意/教育6类共46项，每项带可直接追加的话术示例，选用指南表格让选型不跑偏。 亮点：基础提示词"即可用、不依赖增强"的设计理念正确；迭代规则（每版含已选增强、终版不带选项）细节清楚。 不足：①核心框架是通用 RTFE/CRISPE 类提示词骨架，技能的增量价值主要在选项清单，门槛偏低、市面同类较多，稀缺性一般；②缺负面示例（什么样的提示词算差、怎么改），仅3个正面场景；③"上下文缺失时合理推断并标注[可根据实际调整]"靠模型自觉，无校验机制。总体：流程完整、拿来即用，新手价值明显，建议补反例与更多领域（翻译/法律/医疗）选项。
真实试用（脚本在 Coze 环境实跑，非静态走查）：①在线完整模式跑 sh600110 成功，输出完整 JSON：评分37/100、回避档、射击之星顶部形态、看空、win_rate 45.8、支撑9.15/阻力12.6/MA5/MA20、交易计划四字段（entry/stop/exit/position）与 violations/alternatives 齐全，结论与当日K线形态吻合；②紧凑模式 --compact 批量跑 sz300497、sz001298、sh603186、sh600519、sh600497 共5只全部正常返回，字段一致；③离线模式 --file 自造60根K线JSON跑通，正确识别上吊线「待验证形态」；④代码走查：纯标准库零第三方依赖，新浪/腾讯双源容错拉取前复权日K，fractal 摆动点+MA20/MA60 趋势过滤+斐波那契 0.382~0.786 回撤判定浪2/浪4，蜡烛图识别覆盖吞没/红三兵/锤子/上吊/射击之星/十字星等且带次日确认提示，逻辑自洽、注释清晰。 亮点：风控意识出色——SKILL.md 强制结论四态（禁止模棱两可）、每次输出固定免责声明；win_rate 如实用回测口径（45%~51%、随机基准47%），文档明确禁止宣称60%以上胜率，还提示「胜率≠收益承诺」；references/interpretation-rules.md 的术语翻译表、波浪速查表、JSON字段说明质量高，Agent 转译大白话的链路设计合理；无 API Key 依赖，开箱即用。 问题与建议：①波浪定位命中率偏低，实测6只中4只 wave=unknown，40分权重的波浪项大量退化为兜底评分，「双书合璧」中波浪理论这一书本的实际贡献打折扣，建议改进摆动点识别或输出更细分的结构置信度；②胜率表实为按 signal/zone/market 查表硬编码（45.0~51.8 区间），声称的78120样本回测未附回测脚本或数据，无法复核，建议附带回测代码；③错误处理粗糙，传入无效代码 sh999999 时直接抛 RuntimeError 裸 traceback（虽消息里提示了 --file 兜底），建议捕获后输出 JSON 错误体；④6只实测评分集中在34~54全为「回避」档，区分度偏弱；⑤腾讯源在本环境返回403、仅新浪单源可用，双源容错实际降级为单源。总体是完成度高、工程与合规意识好的实用工具，给4星。
真实试用：下载解压后按 SKILL.md 三步上手指引，在 Python 3.13 环境（dateutil 2.9 依赖已满足）运行 python growth.py init，直接崩溃：ModuleNotFoundError: No module named 'quick_start'。随后逐一实测命令速查表中的全部命令——pitfall、check、stats、hot、pending、report、badges、distill --check、decay --dry-run、loop、pre-publish、attribution、effect、rule——14 个命令无一跑通：全部因缺失模块报错（quick_check/pitfall_detector/rule_stats/passive_injector/hidden_badges/distill/forgetting_curve/closed_loop_verifier/pre_publish_check/effect_attribution/effect_auto_inferencer 等 15 个以上模块在包内不存在），report 与 rule 命令则因 scripts/visualize.py、scripts/auto_rule_generator.py 缺失直接报 can't open file。 结构性缺件：SKILL.md 引用 references/ 下 12 篇文档（confidence-system、forgetting-curve、auto-distillation、tool-guard、premonition 等），ZIP 内根本没有 references/ 目录；「操作步骤」引用的 scripts/record_growth.py、scripts/analyze_growth.py、scripts/update_working_memory.py 同样不存在。作者自带的 test_v4_full_flow.py 实测结果 0/5 通过。 数据卫生问题严重：.skillignore 明确列出应排除 data/ 下用户数据，但实际打包进了作者全部私人运行数据——9 条个人准则（《8层投资漏斗完整准则》《保利原则》等投资类内容）、85KB internalization_log、usage_log 等历史记录，新用户安装即被他人数据污染，也有作者个人信息泄漏之嫌。版本号三处不一致（平台 4.1.9 / SKILL.md frontmatter v4.4.2 / config.json 4.4.2），平台安全检测还标记了与同名技能 95% 重复。 设计理念（踩坑→准则→触发→验证闭环、置信度传播、遗忘衰减、五力雷达）本身有价值，SKILL.md 文档结构也清晰，但当前交付物是典型的「开发目录误打包」状态：核心 Python 模块整体缺失，零个命令可用，对下载者完全不可用。建议作者补齐 scripts/ 与 references/ 全部文件、清空 data/ 私人数据后重新发布，并在发布前亲自跑通 init→pitfall→stats 最小闭环。