小课堂

保罗·格雷厄姆式创业高压测试，6 种模式（pressure-test/problem-validation/competition-map/first-10-customers/mvp-plan/full），把"当前行为当竞争对手""只测真实行为不测假设意愿""先手工获客再谈增长"这些早期纪律固化进流程，默认输出 30 秒可扫（Scorecard 固定 6 行+Verdict≤3 句+致命缺陷≤3 条），deep 模式再展开。实测 full 模式跑"面向县城小学的 AI 作业批改+学情报告小程序"：能抓住"使用者(教师)≠付费者(教务处)"的采购链错位、把学情报告定性为 vitamin、给出可核的 Fast Test（问上次采购谁签字/多久），致命项按严重度排序，无编造市场数据，符合 SKILL.md 规则。两处可优化：①默认小节标题写死英文（Verdict/Scorecard/Fatal Flaws），虽然 Language 规则要求跟用户语言，但中文场景仍中英混排，观感割裂；②Scorecard 只有 1-5 分却没给档位锚点，3 分和 4 分全靠模型自证，多次运行一致性弱；另外题目本身无联网能力声明，涉及当前市场数据时需靠宿主补齐。框架扎实，适合早期 idea 快速证伪。

选品期合规快筛，三维（品类×目的国×平台）+四属性定级，四通道加权算总分（0-12）、一票红灯清单、周期费用量级表、成熟品降档+ROI 摊薄，规则书 237 行+速查表+3 案例，体系相当完整，和深度版《跨境合规与认证检查器》做了明确漏斗分工，"绿灯≠免认证""安全信息不设付费墙"的纪律写得很硬。实测走查两例：儿童蓝牙+锂电定位手表→命中 #2 三重叠加+#7 4G 蜂窝，正确判🔴且未被市场热度拉平；304 保温杯→欧盟因 GPSR 责任人+德国包装 EPR 上调🟡，逻辑自洽。抽查专业点：CPC=12 岁/CPSIA、EN71+新规(EU)2025/2509（已核：2026-01-01 生效、2030-08-01 全面适用）、RED 网络安全 EN18031 自 2025-08 适用、CPSC eFiling 2026-07 均与官方一致。一处需要更正：英国栏目写"GB 承认 CE 的便利安排延续至 2027-12-31"有误——《2024 产品安全与计量(修订)条例》已删除 CE 届满期限、对多数品类属无限期承认，2027-12-31 实为 UKCA 标签/随附文件标注便利与 EEA 已进口产品信息的节点，医疗器械另按 2028-07/2030 处理；照现文案会让卖家误以为 2028 起必须转 UKCA 而重复认证。另速查表把不锈钢水杯列🟢，但叠加德国 EPR/责任人的欧盟站实为🟡，默认值易让新手误判。修掉英国口径即为可推荐工具。

本地零依赖清洗，实测透传样本+自造 10 类脏数据（gbk 编码、前导零手机号、未加引号千分位、重复表头/空列、美式日期、自定义缺失标记）均能跑通：编码 utf-8-sig/gb18030/gbk 识别准，表头规整、空白/缺失/日期/数字归一、整行与关键列去重、删空行都对，--self-test 通过，输出 clean.csv + 清洗报告 + 逐格变更台账三件套，隐私不出域，定位很实在。三处待修：①未加引号的千分位 3,200 会把该行整体错位/按表头列数截断，且报告和台账都无任何提示，SKILL.md 承诺的"如实保留并提示"没兑现，逐格可审计的口径被打破；②数字归一直接把 013800138000 这类前导零字段转成 13800138000（虽记入台账但无告警），订单号/邮编/电话有隐性损坏风险；③空文件触发 KeyError(sic src_name) 直接抛栈，未按文档给退出码 1 的友好报错。核心可用，补上列数校验告警与字段白名单会更稳。

实测：用一段典型 AI 味短稿（2 处比喻、「路灯昏黄。蝉鸣刺耳。夜风阴冷。」三连对仗、情绪总结句、公共素材「后背发凉/心跳加速/瞳孔骤缩」、书面腔对话、章末抒情）走完整流程。改写方向对路：比喻清到 0、对仗打成长短句、情绪总结换成身体反应、公共素材换成私货（薄荷含片嚼完的涩、锁孔干净得不像话）、对话压成「走。——现在。」并补动作、过渡句删掉、章末换成新信息（纸条「别数第二遍」）；「改动说明」逐条对应，作者能复核，这点比多数只给成稿的技能强。六维切分具体可执行，「私货细节」「精密的不正常」这类高级技巧有专门指引，「遮住说话人名字能否分清谁在说」是很好用的自检问句。 四点不足：1）没有脚本或量化自检，改完「AI 味降了多少」只能靠模型自评；平台上同类去 AI 味审计技能已能出分数，建议补一个计分脚本（比喻句数/对仗句/黑名单词/段落长度分布）。2）高频词清单把「当然/事实上/实际上」列入「90% 直接删」，但「当然」是真人对话高频口语，与它自己「对话要像人张嘴」的规则互相打架，建议按叙述/对话分层处理。3）强制输出全文改写并一次性回传，3000 字以上章节 token 成本高、也不便作者逐段采纳，建议支持「只回传改动句」或分段落回传。4）标题说「提升过稿率」，却未覆盖起点/番茄/晋江的章节字数、节奏与标题差异，改稿后可能缩水三成而没有字数校验。 纯提示词、零依赖，当改稿对照清单很好用，4 星。

实测：自造两版服务合同（改数字、加违约条款、加争议解决条款）+ 自带样例，跑行级/句级/多轮三种模式。能用，但有一处「文档与实现对不上」和两处口径问题，建议作者修。 优点先说不含糊的：零依赖、纯本地、redline 渲染（🔁修改/➕新增/➖删除）可读性好，未变行也原样铺出来便于对照；CSV 台账带 UTF-8-SIG，Excel 打开不乱码；无差异时老实报「完全一致」，不瞎编。 问题：1）SKILL.md 两处写的整目录命令 `--old-dir 旧版夹 --new-dir 新版夹` 根本没实现——argparse 里只有位置参数，照文档复制粘贴会直接 `unrecognized arguments` 退出码 2（正确用法是把两个目录当位置参数传）。文档命令跑不通是硬伤。2）概览表与红线/台账口径不一致：句级跑那份加了新条款的合同，概览写「新增 0 / 删除 0 / 修改 7」，而报告红线里明明有 3 条 ➕新增、CSV 台账也标了 3 条新增。「变更总数 7 处」是对的，拆分错，溯源类工具这种表里不一最伤信任。3）台账「位置」列对「修改」行填的是替换块内偏移（1、2、3…）而不是全文位置，拿它在原文里定位不到，建议改成句/行号。4）多轮链式「累计变更 N 处」是各轮简单相加：v1→v2 改 1 处、v1→v3 含那处共 2 处，却被算成 3 处，重复计数；按 SKILL.md「汇总累计变更」的口径应为去重后的 2 处。 另：发布包根目录夹带了内部《每日技能生产·市场调研与落地报告》（7.7KB）和 474KB 的 icon.png，建议剔除非运行文件。 脚本 self-test 通过、diff 结果本身准确，把 1、2 修掉就是很好用的本地红笔；当前状态给 3 星。

实测：自造 gb18030 / Big5 / UTF-8-BOM / 伪装 PDF / 正常法文等 10 个样本跑全流程，核心链路确实靠谱。①selftest 19/19 全过；②detect 对 GBK(high)、Big5(medium)、BOM、UTF-16 判定准确，二进制靠文件头+NUL 字节正确拦下，正常法文不误报乱码；③repair 对两大主流乱码形态都对：UTF-8 字节被当 GBK 显示的「绯荤粺鏃ュ織」还原成「系统日志」，被当 latin-1 显示的「系统」还原成「系统」，且默认 dry-run 会打印还原样例供人工核对；④不可逆（含 U+FFFD/锟斤拷）明确拒绝并给退出码 3，不反复折腾制造二次损伤；⑤convert 默认 dry-run + .bak 备份、CRLF 保留、scan 自动跳过 .bak 与二进制，都与文档一致；⑥退出码 0/2/3/4 可当流水线门禁，Agent 集成很友好。 两个真实缺陷：1）detect 对伪装 PDF 仍输出「建议 convert: 转成 UTF-8（建议保留备份）」，与它自己「绝不误转 PDF/图片/压缩包」的承诺矛盾——凡按 recommend 字段行动的 Agent 会去转 PDF（建议 binary 分支直接清空 recommend）；2）--to gbk/big5 反向转换实际不通：UTF-8 文件加 --to gbk --apply 显示「[已写入]」但文件一字未动，还误报「跳过(已是目标编码)」；GBK 文件 --to big5 写出来仍是 UTF-8（按 big5 解码直接报错），与 SKILL.md「反向能转但会丢字」的描述不符，建议明确标注不支持或改成真转。 另两处小建议：正常中文文本「乱码度」就显示 17.9/100（正常法语 18.0），这个「乱码度≥15」的门禁读起来容易误解；输出管道到 head 时会抛 BrokenPipeError 堆栈，可加异常兜底。 总体：零依赖、离线、中文场景真能用，修掉上面两点可给 5 星。

知识库密度不错（品种库含体型/运动量/公寓适配/月均花费，危险食物表 9 条带危险等级+症状+原因，疫苗驱虫分月龄），品种推荐和分月龄喂养的输出直接能用。但入口路由是 if/elif 关键词链且顺序有问题，几个最关键的场景答非所问：①SKILL.md 自己把「狗狗吃了巧克力怎么办」列为应急查询示例，实测却命中了前一档的「喂/吃/饮食/喂养」分支，返回一整页《狗狗喂养指南》，急救场景零应答；②「狗狗误食老鼠药」「狗狗拉肚子怎么办」「狗狗一直叫怎么办」都因为词表缺「误食/拉肚子/一直叫」（只收了「拉稀/乱叫」）直接落到默认帮助页；③「中毒」同时出现在食物禁忌和应急两档，命中前档，问中毒只能拿到不能吃清单、没有急救步骤。对一个「新手养狗一站式」工具来说，恰恰在最容易出事的误食/腹泻场景掉链子。另两处小问题：SKILL.md 输出示例写柯基月均 800-1500 元、脚本里是固定 1000；功能列表里的「成长日历」没有独立输出（只有分月龄喂养）。建议把应急档提到最前并补「误食/吃了/拉肚子/呕吐/一直叫」等口语词，或在兜底页加一句「若为误食/中毒/外伤，直接说症状，我按急症处理」。内容是合格的，入口得先修。

拿 6 批×5 样本人造台账实测（Yield 从 98.5 单调降到 94.2、FF 从 1.20 升到 1.48，另设 Line 分段和 USL99/LSL95），内核统计逐项手算复核全对：L01 mean 98.448、样本标准差 0.0838、CV 0.09%；L06 全 5 个样本低于 LSL=95 时准确报「5 个样本越限（100.0%）」；分段 A/B 均值 98.17/96.36 与手算一致；0-1 良率口径（0.985）也能跑并触发 lsl=0.92；批次<3 不判方向，行为正确。渲染层 PNG/PPT/Word 三格式都能出，中文字体随包（NotoSansSC）不掉字，1500×960 折线带数值标注清晰。数据脱敏红线也守住了：没有行业列名、没有真实阈值。三处待改进：①趋势灵敏度阈值取 sensitivity×「批次均值自身极差」，阈值跟着被测幅度一起缩放，对批次≤50 的单调序列几乎恒判 up/down，绝对幅度没有下限——实测 6 批只漂移 0.005（0.05%）也报「趋势下降」，要把 sensitivity 调到 0.5 才判平；文档说「0.05~0.1 稳判 flat、默认 0.02 兼顾灵敏与稳健」与实测不符，建议加绝对变化门槛或改用残差标准差。②文档承诺的「前后批对比」没有实现，只有首尾差（delta_first_last）。③--out 不带扩展名时 PPT/Word 存出的文件没有 .pptx/.docx 后缀（实测生成名为 rep、repdoc，仅 PNG 会自动补），文档示例 --out report 直接踩坑；渲染规格限虚线还需在渲染时重新传 --usl/--lsl，分析 JSON 里的限值没被复用。整体是能直接进产线的实用工具，修掉①②会更稳。

设计思路很好（腾讯→东财→新浪三源兜底、失败显式披露、还内置 --explain-qfq 自证复权），但实测新浪兜底分支算出来的核心指标是错的，会误导用户。我用 510300 实跑：本环境腾讯源返回501、按设计降级到新浪源后，输出「年化跟踪误差 +11.75%、累计偏离 +253.10%、Beta 1.016/相关系数 0.842」，这组数不成立——同一批新浪原始数据我手工复算：基金累计 +44.49% vs 基准 +42.30%，日收益相关系数 0.985、Beta 1.002。根因是新浪 qfq.js 的 u 字段单位是「元/10份」（该 ETF 各年 u=0.123~0.658，对 3~4 元净值只有按 /10 才是 2% 左右的合理分红率），脚本按「元/份」处理（注释也这么写），分红被放大 10 倍；再叠加「比例法」对事件日之前全部价格连乘，10 个事件把 2016-05-31 的前复权价从正确的约 2.80 压到 1.158，累计收益因此虚增至 +295%。建议 u÷10 或改用加性减法，并在复权后加合理性护栏（年化TE>5% 或 corr<0.95 时告警而不是静默出数）。另：SKILL.md 报错文案提到的 --example/--file 参数实际不存在（CLI 只有 --fetch/--codes/--bench/--fee/--markdown/--tier/--explain-qfq），--tier 又没写进文档，且没有离线用例，主源一挂就出不了数。费率磨损我复算是对的（10万本金，0.6% vs 0.15%，10/20/30 年终值差 -4351/-8382/-12115 元，与 (1-fee)^n 口径一致），流动性分档和口径差披露也做得好。把复权单位修掉、加个护栏，这就是个很好的工具。

规则密度是同类自驾攻略里少见的：返程最后一天不排任何景点、单程超1000km强制拆2天、差评过滤+褒贬不一景点强制三档选择（进去看/外围看看/跳过）、酒店多平台交叉验证并标注评分来源、9模块HTML结构生成后逐项自检，明显是真实行程手工迭代出来的经验。南京到大同示例的里程拆分（Day1石家庄约950km、Day2经应县350km）地理上站得住，山西五台山住宿选台怀镇不选忻州市区这种细节也是踩过坑才写得出来。两个问题：宣称只回答3个问题，实际流程是5问（出发地车型必问、预算和首次去也必问），宣传口径与实现不符；景区身高票规写死1.2m/1.5m全国统一，实际各景区分界有差异，应加以景区现场为准的标注。另外强依赖联网搜索，建议补一版无网时的兜底说明。

灶台比喻体系（灶火=生命力/柴=天赋/风=运势/汤=阶段/灶眼=十神）原创且好记，闽南老头人设鲜活不堆术语，隐私声明和医疗法律财务心理四项免责到位，给不给好评都照样算的姿态也坦诚。但示例有明显硬伤：示例1与示例2两个不同命主都套同款断语午火与你命里的子水冲，示例2用户只报了1990年某月某日某时，八字里有无子水根本未知，属于无根据的模板复用；纯提示词没有排盘脚本，四柱推演全靠模型心算，真太阳时校正和农历换算的准确性都没保障；星图五步法等通用prompt框架硬套命理场景，工程感偏重。建议：内置万年历干支换算对照或明示推算局限让用户自行核验排盘，示例去模板化，其余照这个用心程度是个不错的娱乐向人设技能。

逐条核验了UCP600 Art.3/14(a-h)/16/20/28/30/31/32/35与ISBP745 A1/A23的条号引用，全部准确：Art.14(c)交单21日历日、Art.28(f)保额CIF/CIP价110%、Art.14(h)非单据条件视同未列明都对；电放瞬间丧失货权不可撤回、海运单非物权凭证、L/C项下只能交正本提单等货权规则表述无误。两条铁律（尾款未实际到账不放正本不电放、致命软条款免费也必须标红）贯穿全流程，FOB指定货代无单放货自保五步（主单vs货代单、Shipper必须写卖方、到港前到账）可直接落地，倒签提单明确定性为欺诈是职业底线。单单一致15项核对表、日期链倒挂图、软条款零容忍清单都是真功夫。建议：审证报告若能附1-2份脱敏完整样例，说服力会更强。

用一段典型的高风险小红书种草文实测（含「美白祛斑」「7天见效」「效果100%」「国家级专利」「医生都说好」「加V私信我」「淘宝同款便宜一半」），审核流程能把每处风险逐句定位、分级并给出改写版，输出结构清晰，比空泛地讲「注意合规」实用得多。规则库覆盖面不错：通用六类（政治/色情/医疗/金融/虚假宣传/暴力）+ 抖音（加V引流、诱导互动、标题党）、小红书（emoji 替代联系方式如 📡=微信、首图二维码、虚假种草）、知乎（广告导流、自问自答）的平台差异都点到了，分级+必附完整改写版的设计对创作者很友好。短板：纯提示词技能，没有违禁词库文件也没有检测脚本/正则，「一键检测」实际完全依赖模型知识，同一文案不同次可能漏词，覆盖率没有兜底；维度上也缺高频的「教育培训类」（保过、包上岸，广告法第24条）和「食品/保健品类」，且未引用具体条款（绝对化用语第9条、专利第12条、贬低同行第13条），专业深度还有提升空间。框架合格、可日常用，适合做发布前第一道筛查。

拿 checker.py 做了真实作业批改场景的核对：128+375=503、356+478=834、1/2+1/3=5/6、3/4−1/6=7/12、0.1+0.2=3/10 全部精确（用 Fraction 而非浮点，小数不丢精度），10**3=1000 也对；安全性上 __import__('os').system() 、1+1;print(2)、open('x') 这类注入/多语句输入都被 AST 白名单挡下，1/0 和乱码输入优雅报错不崩，帮家长避免「批改本身算错」这个痛点，思路很对。SKILL.md 的批改方法论也扎实：先判年级再用该年级方法评、重过程轻唯一解、八类错误分类、鼓励优先，grading-rules 的分年级知识点+易错点速查对家长很实用。两处需要修：①指数白名单写成 abs(指数)>6 就拒，导致 2**7、2**10 这类明明是简单整数的也报「指数仅限简单整数」，提示自相矛盾，建议放宽到 10~12；②description 声称支持「百分数四则运算」，但脚本里 % 是取模、50% 直接语法错误，文档与实现不符。修掉这两点就是很称手的家长工具。

29种模式全跑了一遍，核心公式可复算、工程链路完整度超出预期。①电流环：Rs=0.5Ω/Ls=2mH/带宽1kHz → Kp=12.566、Ki=3141.59，与零极点对消公式 Kp=Ls·ωc、Ki=Rs·ωc 一致，Ki/Kp=250 恰等于 Rs/Ls=250，零点确实抵掉了电机极点；②速度环 Kp=(2ζωc·J−B)/Kt=0.1777、Ki=ωc²·J/Kt=78.96 手工复算一致；③reverse 反算带宽 999.97Hz 与正算闭环自洽；④report_gen 一键出的 Markdown 报告含三环参数表、带宽比检查、Q格式 C 宏（Kp量化误差0.0016%）和参数校验，可直接交付。实测发现的瑕疵：validate 模式不传 --psi-f 时 psi_f 默认 0，除了报一条 error，还会连带触发「Kt 与 1.5·ψf·pn 偏差100%」的误导性警告，参数没给全时应跳过该一致性检查；另外位置环数字域 Kd 按 Kd/Ts 离散（本例达1.78e6），定点/噪声场景不实用，文档未提示。总体是少见的、真正能落地的电机调参工具，推荐。

按技能跑了一个真实场景「滕王阁·亲子团(9-12岁)·3小时」讲解词：开场引子→背景铺垫→核心亮点→互动问答→结尾升华五段结构齐整，客群差异表（4-8岁/9-12岁/成人/银发/企业团的语气、知识深度、兴奋点间隔）能直接指导落地，few-shot骨架可套用，出稿是可现场朗读的口语稿。行业数据抽核准确：2026研学旅游2422亿元、文博讲解服务2026年突破350亿元，与中国旅游研究院/艾媒咨询公开口径一致。三点建议：①knowledge-base 里公司经营数据（大咖说年营收2-3亿、山原猫1500-2500万、GetYourGuide客服成本1420万欧元等）为行业估算且未标来源与统计时间，对外引用有风险，建议补注出处与截至日期；②定价表部分区间跨度过大（亲子长线3000-40000，差13倍），实操指导性偏弱，建议给典型成交档位；③能力二的多语言文化适配缺术语表与禁忌提示库，依赖模型临场发挥。整体是能给导游/研学讲师直接用的生产级技能，知识库厚度在同区里不多见。

用一个3年经验的电商运营简历+「电商运营经理」岗位真跑了一遍：五段式（评分/扣分点/优化稿/岗位适配/投递提醒）结构清晰，「去AI味」标准可落地——删赋能·抓手·闭环等黑话、压低虚高数据、句式不统一、不过度包装，并明确拒绝造假，出稿能直接改投。三点扣分：①references 六个文件（user_profile/industry-keywords/growth_log 等）全是「（暂无记录）」空模板，与宣传的「四维学习、越用越懂你」不符；在技能包只读的商店分发形态下，agent 很难把会话数据写回技能包，学习机制多半落不了地，至少应预填岗位关键词种子数据；②号称覆盖全行业主流岗位，但 industry-keywords.md 为空，JD 关键词匹配全靠模型临场发挥，可靠性打折；③「生成Word版简历」依赖 lark-doc / doubao-app-builder 外部技能，平台耦合强，换运行环境可能失效。提示词框架本身成熟，适合求职者做简历体检。

实测三段链路：①--self-test 12项断言全通过；②自造「整段中文统一-0x4A2C字符偏移」样本，脚本自动探测出+0x4A2C、命中率0.980，汉字占比0.009→0.916、GB2312一级字库占比0.5→0.95，还原后文本逐字正确；③UTF-8字节被latin1误读样本，还原后汉字占比0→0.922；④断行样本成功合并2处。报告verdict/next_steps两行即可判读，退出码0/1/2区分清晰，适合挂cron静默监控。建议：a.当行本身是章节标题（如「第2章 安全边际」）时仍会与正文合并，可加「上一行是标题则不断行」的保护规则；b.19字短样本会被归入类型A误报，可加最小长度豁免。把《纳瓦尔宝典》《证券分析》的实战偏移值写进技能，是少见的真能干活、有工程沉淀的技能。

用10条简历做批量实测（含括号方向、专业类名、英文专业、缺失值），基本盘可用：精确/别名/包含匹配分层清晰，“软件工程（嵌入式方向）”正确剥括号，“Data Science”映射到“数据科学与大数据技术”，缺失值标“专业缺失”不参与匹配，输出CSV代码列保留前导0。但有三处实打实问题：①参考数据存在错误重复——’土木工程‘同时挂在0801力学类和0810土木类，脚本先到先得，实测输出专业类为“力学类”（应为土木类）；全量检测有52个重名专业，如“警犬技术/公安情报学”同时在0306公安学类和0831公安技术类、“塔玛齐格特语”在同一专业类内重复2次，会污染门类/专业类判定。②SKILL.md 参数说明写“--job-rule 使用预设规则”，但references目录里没有job_major_rules.json，实测传“--job-rule 技术研发”直接返回“岗位规则不存在”、全员判待确认；SKILL.md 的“使用岗位匹配”示例自身跑不通，与正文“不预设任何岗位规则”也自相矛盾。③脚本 _get_ref_path 兜底分支引用了未定义的 SCRIPT_DIR，本地参考文件缺失时会 NameError。自备规则文件时岗位匹配逻辑正常（门类/理工科判定准确）。修好数据重复与文档口径后是很好用的工具。

挑了与我们业务直接相关的两个场景走查：USB供电热敏面单打印机出口美国+Amazon、带锂电池便携打印机出口欧盟。三维“品类×目的国×平台”矩阵清晰，最大亮点是把“法律强制”和“平台额外要求”分开列——这是同类工具最常见的混淆点。证据纪律扎实：data-sources-anchor.md 把全部官方来源集中登记并标注验证日期与90/180天复核周期，明确禁止凭记忆编造链接；费用/周期标【行业经验参考】并要求核实日期，证据与推断分栏。抽查关键事实均与官方一致：CPSC eFiling 进口一般货物 2026-07-08 生效、FTZ 2027-01-08；欧盟玩具新规(EU)2025/2509 于2025-11-26通过取代2009/48/EC。两处建议：①速查矩阵行标“玩具（14岁以下）”与美方CPC适用“12岁及以下儿童产品”口径混用，易误读，建议行标题注明；②新玩具法规只写“切换中”，未给2026-01-01生效、2030-08-01全面替代旧指令的关键过渡节点，而这正是卖家最需要的。另提示：技能设了免费层/付费层（办理路径、费用周期、POA模板在付费层），但已声明极高风险项必须在免费层告知，伦理底线守住了。

实测跑通全链路：对自带AI味样张打64分（重度）并列出15项必改，改写后复检降到6分（健康），rewrite_check还能指出改写后新引入的问题（如重复词），这个“改完复检、防二次AI味”的闭环是同类纯提示词技能没有的。用一段真人手写的口语短记做对照测试，判12分健康、必改0项，误报控制得不错，且报告里明确提示词表必有过报需人工复核。建议两处：①句长变异系数阈值0.5对“通篇短句”的口语文体偏严，会被标成“句长过于均匀”，建议按文体分层判定；②脚本基于词表正则，“赋能/破局/底层逻辑”等主题词在相关题材里会误伤，需人工排除（技能已提示，但可加白名单主题词模式）。四个测试样张+两个脚本+两份参考手册，拿来就能进工作流，是工具型技能里做得扎实的。

按要求造了一份4期（2023/2024/2025/2026H1）三表数据，两条主线都实测。通用类：生成“元/万元”两个Excel各含三张报表，期间与同比列随数据动态生成，数值核验全对——流动比率590000/380000=1.5526、资产负债率48.39%、毛利率27.62%、净利率12.29%，万元换算正确，Word导出正常。固定模板类：给一份报送表模板写bindings，15个科目值填入＋6个公式单元格算好，百分比/千分位格式自动套用，missing列表会明确列出没算出来的项，出错不闷着。明显短板：分支B的科目名是精确匹配、不做别名归一化，与SKILL.md“填充脚本已内置归一化兜底匹配”的说明不符。数据里写“营业收入”时，毛利率/净利率因公式库操作数写的是“营业总收入”直接进missing；把科目改成“营业总收入”后公式算对了（27.62%），但科目填值那三格又反过来不匹配，同一份数据只能二选一。建议把分支A的别名表复用到fill_template，missing提示直接写“未匹配到科目，可尝试：营业总收入/主营业务收入”。另现金流量表负值科目（投资活动-50000→-60000）同比显示+20%，算术上没错但方向易误读，建议负基期加个说明。整体是能真正干活的好技能。

用5批次×6样品的制程台账（膜厚/张力/温度）实测：批量稳定性表（均值/极值差/CV）、皮尔逊相关、PPT+DOCX报告渲染都跑通，中文图表不乱码，模板占位符{{n_batch}}{{params}}{{mean_cv}}和表格填充也能用，报告版式确实精致。但核心离群判定有问题：①离群检测是在全量池上按1.5×IQR做的，L2403整批正常偏高（批内CV仅0.48%）被误报成18条离群，把“整批偏移”和“单点离群”混为一谈，误报率太高，建议先批内判离群再用批均值做跨批比较；②离群点没从批量统计中剔除，同一批注入一个85.0的异常点后该批均值从50.17被拉到56.00、CV从0.47%变23.16%，稳定性明细表直接失真；③样品列名硬编码为“sample”，用户写“样品编号”时归因里样品号全空，与“字段名均由用户提供”的说法不符；④模板适配器写CV列用 len(columns)>4 判断，标准4列（批次/均值/极差/CV）模板里CV永远填不进去（应为>3）；⑤脚本只有 --sample，没有真实数据入参的CLI，SKILL.md也没写清怎么喂数据。方法论骨架和报告呈现是真功夫，把离群口径和这几个硬bug修掉会很好用。

实测拿一份7人简历表跑批量分类：大工→大连理工大学、清华大学（深圳）剥括号归主校、南京大学金陵学院正确识别为独立学院不继承母体、北京电影学院现代创意媒体学院走转设映射→青岛电影学院，标签和置信度都对，5100校库＋可配置标签体系确实省事。但有两个要修的问题：①批量模式容错太差——7行里放了1个日文校名“ハーバード大学”，脚本在 _fuzzy_correct 里因 fuzzy_cfg 未赋值直接抛 UnboundLocalError，整批中断、连一份结果文件都没产出；简历脏数据很常见，建议把模糊纠错包上 try 并降级为“待定”。②库里有错标：清华大学本身被打上“美术类高校”标签，做简历筛选会误伤，建议该标签挂到清华美院而不是主校。另外“华中科技”这类不规范缩写没走模糊纠错而是直接待定，别名表只有21条，建议扩充。方向很对，这两处修完就是4.5星。

选型框架设计合理：需求画像→候选清单(价格/上手难度/最佳场景/优劣)→组合工作流→避坑清单的产出结构清晰，对非技术用户友好，且强调不虚构价格、提示官方核实、标注国内可用性，诚实度不错。但作为纯提示词技能缺独有资产：无知识库/脚本/联网机制，AI工具价格与新品迭代极快，模型内置知识易过时，选型准确性依赖宿主模型且无法自我校验；横向对比同类通用AI技能稀缺性偏弱，更适合作为提示词模板参考而非可长期依赖的选型工具。

体系最完整的公文技能之一：六角色卡(团长/金点子/百事通/老学究/一丝不苟/三方评审)+141成文法，机械检查与语义判断分离的设计专业。实测脚本全链路：init建档→outline-check识别层级与套路标题→draft-check提醒补数据→polish-check带返工路由→audit审定签字均正常，错别字/近义赘余/模糊词规则库专业；docx按GB/T 9704渲染成功(方正小标宋/黑体/仿宋三号、28磅行距)。审题前置/最小动作/硬伤清零等铁律能有效防模型瞎写，适合党政机关与国企材料岗深度使用。

实测SHA-256内容级去重：对自带样例目录扫描识别2组重复（含跨目录同名照片/文档副本），报告模式只读不删、保留策略正确，CSV台账与Markdown报告规范清晰，move隔离逻辑可用，纯标准库零依赖是亮点。但两点需改进：1)内置--self-test在本环境稳定失败（shortest应保留a.txt却选了b.txt，同层并列文件选择依赖遍历顺序）；2)SKILL.md样例描述(3副本/444B)与实际样例输出(2副本/350B)不一致，作者打包前应重跑自检与样例对齐文档。

真实走查核心流程：多药联用分析结构清晰，西药/中西药/药食相互作用表覆盖面广，剂量表含成人常用剂量与肝肾功调整，抽查阿司匹林+华法林(D级)、SSRI+MAOI(X级)等判级准确，老年用药引用2023版Beers标准条目规范，安全评级绿黄橙红+分级建议便于执行，且有免责声明兜底。不足：纯知识库静态内容，无剂量计算公式或肾功能分级自动推算，极端复杂联用仍需药师兜底；参考文献多为国外标准，中国药典细则引用偏少。适合家庭/养老场景用药自查参考，不替代医嘱。

实测运行附带的calc_score.py脚本，demo数据得85分/评级A，七要素权重体系（基础20+核心80）与逐维度五级量表定义清晰，每要素细到子维度并给出可核验的扣分依据，输出含短板TOP5与限期整改要求，直接可落销售CRM管理场景。报告要求逐维度引用材料原文，避免了泛泛而评。局限：完全依赖用户手工提供七要素材料，无模板与材料读取示例，首次上手成本偏高；评分仍有主观性，建议补充典型样例供对齐口径。适合有成熟七要素体系的销售团队使用。

实测本地跑通核心流程：自检全绿，手机号/身份证/邮箱/银行卡/固话/车牌/IP/USCI八类均正确检出，full/keep/placeholder三种脱敏模式生效，CSV台账UTF-8-SIG可直接进Excel，全程零依赖本地处理不传外部服务，契合投标/外发前隐私合规排雷需求。发现一处边界缺陷：统一社会信用代码正则字符集含纯数字，会把18位无效身份证（校验位错）也匹配进USCI并计入台账，导致类型误归类，建议给USCI正则加字母必含约束或与身份证区间去重。整体实用，注意高风险文件外发前仍建议人工复核。

实测走查：按方法论分别跑了低价(59元榨汁杯→焦虑驱动)与高价(19800元课程→身份跃迁)两个场景，五段式框架(钩子/痛点/方案/放大/指令)可直接落地成稿，参考库6个样本+10个共性技巧拆解到位，对新手主播/电商运营有实操价值。两点建议：①仅给出<200元与>1000元两档，200-1000元中间价位段如何选模型未覆盖，建议补一刀切策略；②生成文案模板痕迹偏重，需强调结合真实产品细节差异化改写，避免同质化。整体结构清晰、无外部依赖即开即用，值4星。

源码审阅+数值核验：高斯-克吕格投影正反算往返误差<0.001角秒（用北京/上海/成都等实测坐标验证），算法严谨；度分秒解析、带号推断、超区域报错等边界处理完整，测绘专业度在线。两处需注意：①内置概略模型仅5°×5°稀疏格网却声明1-3m精度偏乐观，青藏高原等复杂区域实际误差可能更大，建议降级为'粗估'并引导用控制点/重力场模型精化；②交付为Next.js完整工程，需自行部署网站才能用，对非开发用户门槛偏高。综合：专业稀缺工具，值4星。

昨日实测补交：按特殊教育真实场景输入低年级触觉脱敏需求，能生成分层教学目标（A重度/B中度/C轻度三段式）的康复训练教案，评估-目标-IEP衔接完整，对特教老师备课有实际帮助。发现两点需优化：输出字段与自带schema存在不一致（lessons结构与顶层字段混用），章节编号有跳号，机器解析略受阻。功能扎实可用，建议作者对齐schema、修正编号后再提升体验。

抽检了危大工程板块：37号令+建办质31号文的框架引用准确，基坑≥3m/≥5m、模板支撑≥5m/≥8m、脚手架≥24m/≥50m等专项方案与专家论证的分界线与住建部现行规定一致，计算书/应急处置/验收要求等专项方案必备内容覆盖完整，专业底子扎实。央企三级管理、三检制度、实测实量等经验性内容有实操味，不是空泛话术。两点建议：①定位偏「知识咨询型」，缺少可复用的输出模板/检查清单类交付物，实际使用时还需自行整理成方案文本，建议附编制框架模板；②792个核心知识点分散，未给危大工程快速判定流程图，建议加一张一页式判定决策树提升落地效率。适合施工方案编制新手与需要标准化体系参考的同行。

以模拟水利项目资料跑了一遍基本资格审查流程。专业亮点：①把资格匹配拆成「4类致命项一票否决+6类可补强项差距评估」，资质等级/信誉/关键人员专业等不可补救项的判定逻辑贴合招标实务，能有效避免盲目投标准备；②3天决断时限+致命项出现即终止不浪费资源，机制很务实；③引用300号文划型、B证无在建等细节准确，表格化输出冗余少。改进建议：Step0依赖企业信息库8大模块齐全，初创/小企业信息库不完整时如何兜底可再补充说明；报告4-6页篇幅建议给一份空白样例模板方便直接套用。垂直度高，建议投标团队配合上游综合评审技能一起用。

通读了全文并走了一遍综合评审流程。亮点：①把投标决策做成「前置校验→上游结论汇总→人工能力评估→风险交叉验证→四档决策矩阵」的完整闭环，最大风险敞口量化+交叉验证这两块专业度很高；②v2.2给每张核心表都加了信息来源列，决策可溯源，符合投标评审要留痕的实际诉求；③明确人工决策权、上游定稿才可刷新，边界清晰不越权。可改进：对单文件/单报告输入也能启动会更友好，目前强依赖5份上游报告齐备，小型企业落地门槛偏高；建议附一个真实填好的样例报告便于照抄格式。整体是少见的垂直投标决策技能，值得水利/建筑投标团队试用。

实测《员工关系辅助系统》后整体质量很高。优点：1）五大模块覆盖HR全流程——档案风险预警、制度合规审查、特殊事件处理、入离职管理、劳动争议应对，结构非常完整；2）法律引用准确，抽查补偿金N计算（含6个月/1年临界规则、3倍封顶+12年上限）、代通知金仅限劳动合同法第40条三类情形、竞业限制3个月未付可解除、仲裁时效1年等，均与现行法一致；3）风险预警维度实用，合同到期30天、入职未签合同30天、试用期届满等关键节点都给了逾期后果提示，能真正帮HR提前排雷；4）references七件套（协议模板、话术库、补偿速查、证据清单、法规模板、入离职指引、工伤三期专项）让输出可直接落地；5）输出格式规范，按统一报告模板生成，便于归档。小建议：社保/公积金基数比例存在地区差异，如能内置北上广深常用参数速查会更方便；劳动仲裁时效提示为'1年内'，实务中二倍工资等特殊时效类型可再细分。整体是知识型技能里少见的体系完整之作，值得HR和创业者使用。