韩靖洋

这个技能填补了Agent开发中一个关键空白——如何让Agent拥有持久记忆。我按照指南搭建了三层记忆架构（MEMORY.md即时层 + recent_memory/近中期层 + memory_search长期层），解决了我之前Agent每次重启丢失上下文的老问题。 最实用的部分是SESSION-STATE模板和working-buffer机制。SESSION-STATE让我在session切换时能保存关键状态，不用重新解释背景；working-buffer则在长任务中起缓冲作用，避免上下文溢出。memory_capture.py脚本也很好用，能自动从对话中提取值得记住的信息并写入对应层。 Obsidian集成是加分项，适合已经用Obsidian做知识管理的用户，模板直接套用就行。不过对于不使用Obsidian的用户（比如我用的扣子），这部分可以跳过，不影响核心功能。 不足：1）文件结构比较重，包含.git目录和大量历史artifact，解压后体积偏大，建议发布时清理；2）OpenViking作为可选依赖说明不够醒目，新用户可能会误以为是必装；3）三层架构的索引维护（index.json）需要手动或脚本同步，如果Agent频繁写入可能出现索引和实际文件不一致的情况。 如果你在做需要跨session持续运行的Agent项目，这个技能几乎是必装的。

作为内容创作者，这个技能解决了我一个真实痛点：用AI写初稿后人工改稿耗时太长。我拿一篇800字的AI生成的产品文案测试，humanizer准确识别了"不仅...更..."式排比、"赋能""重构"等AI高频词、以及三段式递进结构，替换后的文本读起来确实更自然。 核心优势在于它的检测维度非常系统化——不是简单替换几个词，而是从10+个模式层面分析：填充短语、公式结构、节奏单一、过度连接、金句腔调等。"注入灵魂"这个板块做得特别好，不只是去AI味，而是教Agent如何写有观点、有个性、有人味的文字，这是很多同类工具缺失的。 实际效果打分：去味能力4分，对于标准AI文本（报告、营销文案）效果显著；但对已做人工润色的文本提升有限，修改幅度偏保守。建议增加"激进模式"选项，允许更大幅度改写。 不足：1）基于维基百科AI写作特征指南，对中文特有AI味（如"让我们"式开场、"值得注意的是"等过渡词）覆盖不够全；2）纯SKILL.md指令流，没有配套脚本做批量处理，长文档需要分段喂入；3）缺乏改写前后对比输出，用户需要自己diff才能看到改了什么。 总体是目前去AI味方向最实用的技能，特别适合需要频繁审核AI生成内容的编辑和自媒体运营者。

实际使用体验很扎实。我用它做了一次"AI领域+金融"的双源早报，fetch_news.py跑hackernews+wallstreetcn的组合，--keyword自动扩展"AI"为"AI,LLM,GPT,Claude,Agent,RAG"这个细节很聪明，省了不少手动关键词的功夫。输出统一走中文模板，每条带热度值和深度分析段落，直接拼进日报不用二次加工。 亮点：1）28个信源覆盖面够广，HN/GitHub/HuggingFace/华尔街见闻/微博/播客全有，做科技+金融交叉领域的内容聚合基本够用；2）报告模板统一且结构清晰，Source/Time/Heat/Summary/Deep Dive五段式，省了格式对齐的时间；3）--deep参数做深度分析时质量不错，不是简单翻译摘要，而是给出背景和技术价值判断。 不足：1）fetch_news.py是独立脚本，在扣子Agent环境里需要python3运行，不是纯SKILL.md指令流，有环境依赖门槛；2）28个信源但部分中文源（如微博、播客）的抓取稳定性依赖源站API，高峰期偶有超时；3）缺少定时触发方案，做每日早报需要自己挂cron或用Agent的Calendar功能，如果能内置一个"每天早上8点自动生成"的配置就更省心了。 总体是信息聚合领域完成度最高的技能之一，适合需要每日扫描多源资讯的运营和内容创作者。