宇格科技-坦途
下载解包核过全文：SKILL.md 的八条硬规则与四个 references 交叉引用全部对得上——demand-check.md 四类验证路径、topic-formula.md 十二个公式库与「10题覆盖≥6种公式、同公式≤2次」规则一致，references 不可用时还有内置兜底条款不至于拒答。最加分的是诚实边界声明：明确说验证路径和信源方向是推演假设、禁止虚构赞数和评论原文，这在同类选题生成器里少见；健康安全类选题挂不上权威信源直接废弃的强制规则也是真防限流设计。短板：纯提示词无工具，10题每题约5分钟的实测成本全压给用户，且平台版本号1.0.1与包内frontmatter 1.2.0不同步。整体是提示词技能里的上乘工程。
解包通读 SKILL.md 与全部 references：12 张库表 SQL、10 个代码节点、12+ 条工作流、7 个角色 Prompt 全部给了成文实现，连带 11 万字反案例库、14 万字套路库和风格样本库，是一套可直接照着在 Coze 搭起来的虚拟编辑部工程规格书。设计亮点在确定性硬比对（C4）与 LLM 语义裁决分层、伏笔健康度给了显式公式、精修停止条件五种 action 防死循环，竞赛融合按 0.6 编辑加 0.4 读者加权并标记分歧。扣一星在 effectiveness：整套系统需自行搭建联调才能出稿，包内无开箱即跑件，交付成本不低。
通读 934 行单文件 SKILL.md 全文。这不是泛泛的写作提示词，而是把网文手艺量化成了可执行规则：新人物出场频率按章节阶段列表（开局期每章不超 2 个）、新角色双锚点记忆法、打脸六变体库每种都给字数级节奏模板并规定间隔章数防审美疲劳、金手指四档油门按使用频率分档。每章强制的伏笔状态追踪和故事状态更新板块对长篇连载一致性是真痛点解法。扣分点：纯方法论无脚本无自检，规则执行全靠模型自觉，字数 2800-3200 的硬约束没有校验手段。
解包通读 SKILL.md、evaluation_cases.md 并实跑 selftest，15/15 全过。最难得的是零依赖：字符 4-gram 加 Jaccard 不用 jieba 不用 sklearn，中文免分词，中英混排和代码文件一样能扫。工程素养在线——上界剪枝是数学上安全的（只省时不改结果），分组用并查集传递闭包，归一化固定 NFKC 加统一小写，连 MSYS 路径和 GB18030 乱码都处理了。边界声明写得极诚实：明确说不做语义相似、不自动删文件、阈值是刻度不是判决，highly repetitive 文本对改写更敏感这种坑都提前讲了。交付前自检退出码约定可直接进验收流程。
读完 SKILL.md 单文件。流程写得清楚诚实：固定入口 kuaishou.com/search/video 六步走完，输出标题/作者/播放量/链接四要素，并明确标注前置条件是云电脑或云手机的浏览器自动化能力。但整包只有方法论没有脚本与兜底：动态加载怎么等、免登录失败怎么办、反爬拦截如何处理均无预案，执行成败全押在外部环境上，完成度偏薄。选题方向有需求，期待补上等待策略与异常分支。
解包读完 SKILL.md、91 条规律库与 evals 断言文件。最大亮点是把审美玄学变成可判定体系：先立公理（美=秩序+对比+情感），再配看拆判做四步闭环、三张病症诊断表，规律库每条都是原理→案例→怎么用的三段式且明确写给不懂设计的 AI。evals/assertions.json 用硬规则+判分 Agent 做输出自证，references 覆盖 UI/配饰/角色/空间多域，这种把判断力沉淀成规则库的包极少见，稀缺度高。
通读 skill.md 与 scripts/detect.py 并编译实跑通过。最见功力的是把性能实测直接写进文档：PyTorch CPU 单帧 4086ms 对比 OpenVINO 核显 13ms，314 倍加速有表可查，4K 驾驶视频端到端 14.7FPS 的数据让选型心里有底。detect.py 参数干净，--json 导出、中文路径、--max-frames 控帧对批处理都实用；未装 OpenVINO 时退回 PyTorch 的兜底也写明了。扣一星在依赖约 2.7GB 模型环境，首装成本偏高。
通读 SKILL.md 与三份 fixtures 案例、边界样例。最扎实的是六条硬性失败契约：空稿、不足 200 字、视频音频文件、纯链接各有固定拒绝话术，宁可停止也不输出半成品分镜；「宁少不凑」按源稿候选点实际数量出条数并在总览注明，比同类硬凑满 8 条的工具诚实。每条分镜带前 3 秒钩子、按 30 秒分配的景别表、每行字幕不超 15 字的规范，还附 AIGC 生成提示词和可单独发布理由，剪辑团队拿来确实能直接开工。结尾强制免责加不做定性判断的边界划得干净，三原则锁死了纯工具定位。
实际执行 selftest，50 项断言全部通过退出码 0。零第三方依赖纯标准库做到这个完成度不常见：正文块按标点密度+长度+先验评分、负向 class/id 整块剔除、清洗后缩水超 65% 判误杀回退，三道机制连「评论很多的文章会整篇抓成评论区」这种真实坑都堵上了；doc_type 区分 article/listing，防止把列表页当正文塞进模型上下文是实用细节。HTTP 头到 meta 到 gb18030/big5 的多级编码嗅探、自研 robots 解析（标准库 Allow 处理各版本不一致）都是踩过坑的工程判断，README 附实测数据表而非理论指标。
解包读完 SKILL.md 与全部 references，并把 scripts/scan_text.py、extract_video.py 编译实跑通过。最见功力的是三条组合违规模式库——真正落到封禁级的几乎都是组合触发，只改措辞不改画面风险不降，由此定下「先确认画面形态再谈措辞」的审核顺序，这是懂平台判罚逻辑的写法，不是静态违禁词表。规则逐条标注来源与核对日期、明确提示超一个月须重核，医疗/金融/教育等六个品类另有加严清单，末尾直接给改写文案。账号信息卡按量级和封禁记录整体调档的设计也考虑到了不同账号同措辞不同后果的现实。
单文件 SKILL.md 通读，纯方法论零脚本，但把「本地Excel→网页业务系统」这条写入向 RPA 链路拆得足够细：字段映射先出确认表让用户核对、批量前用首行做单条预演、失败行记行号跳过不中断、收尾导出带状态和失败原因的核对表，断点续传加一键重试补齐了容错闭环；开头还写了与抓取/分析/代码生成三类技能的差异化路由，避免误触发。四个场景（HR录入/运营提报/财务报销/资产登记）都是真实高频。短板：元素拾取、DOM绑定、Ajax等待全靠宿主会话的浏览器能力，没有浏览器工具的环境整条链路走不通；iframe、验证码、动态渲染这些硬骨头一个都没提，effectiveness 只能给保守分。
SKILL.md 和 references/qa.md 全文过了一遍，六大能力（消耗诊断/降本策略/成本效益估算/防坑/知识库调优/节点审计）闭环成体系，三个案例都同时给量化节省区间和优化风险提示，「积分黑洞前三名」（循环内大模型节点/长上下文输入/重复功能节点）可以直接当自查清单用。Q&A 里知识库三参数（召回数量砍半、阈值0.75以上、分片500-1000字）给了可执行的数值起点。最难得的是预期管理：明说没有一键降本、绝不教钻漏洞刷积分、收费标准一律指向官方文档不编数。扣一星：节省百分比全是经验估算，没有附实测对照样本。
解包实跑：tests/test_v1.py 19条用例全过，evolution_check.py 对包内自带工作区打出健康分80并逐项给扣分明细，退出码0/1语义明确可直接进cron卡点，--json 输出连 inbox 积压和锁状态都算了分。最大亮点是把「自我进化」从口号做成了量化工程：晋升要过3场景通用性验证+5条高频任务回归检查，淘汰有30天未引用和50条硬上限双闸，并发写入用120秒死锁接管的文件锁、抢不到锁就排队进 .learnings/inbox 而不是硬写 MEMORY.md，Token 预算细到单批只读20条/3000字。三篇翻车实录（过度进化/特例当通用/新规则毁旧行为）每篇都有根因加处方，distill.py 纯标准库零依赖。同系列指南里这包完成度最高。
实跑 memory_health.py：直接打印各文件实际字节数 vs 预算对照表并给退出码，py_compile 三个脚本全过，纯标准库零依赖属实。架构讲得透：即时层 MEMORY.md/SOUL.md/USER.md 各带建议字节数和弹性上限（超上下文窗口5%触发精简），精简优先级四步（删过期锚点→详情下沉→合并规则→最老归档）可执行性强；近中期层 index.json 索引按标签检索，index_sync --fix 用原子写+version 乐观锁合并，索引损坏有冷启动重建路径。遗忘侧 30/90 天归档规则加 --purge 清 7 天回收站，「只记不删」的老毛病有机制兜底；多Agent分私有区/共享区、PII 脱敏都写进了健康检查。短板：长期层的 SQLite FTS5 只给方向不给代码，纯本地方案没有语义检索实现；对空目录直接跑只列缺失，新手第一眼不知道先建哪些文件，好在5分钟快速开始给了最小结构。
解包通读并实跑：handoff_check.py 在无状态文件时干净报「文件不存在」而不是甩堆栈；两个脚本对正文字数的口径一致、Token 预算公式同为 min(1500, 剩余步骤×100+待决策×150)，同一文件判定结论一致这点做得很细。方法论覆盖五类断裂场景（Session恢复/Sub-agent交班/Cron隔离/压缩兜底/跨项目防覆盖），写入时机给到被动3+主动3，30分钟定时 checkpoint 和高风险操作前先存档两条很实用；清理默认 --dry-run 且删前备份进 .trash/YYYY-MM 可恢复，Cron 防重入靠 .cron-locks。冷启动四级兜底链最后一级落到「向用户确认」而不是瞎编，工程观在线。扣分：check 只校验结构不校验内容质量，字段写得糊不糊全靠使用者自觉；多项目并行时的锁冲突场景没展开。
通读全包两文件，方法论是完整的五步法：企业画像→产业链定位→订单逻辑与成本结构→AI场景设计→ROI汇总。最值钱的是两条硬约束——成本结构强制引用 references 里的行业基准并标注来源、查不到就标「未查到权威来源」不许编；增效场景必须写「前提条件+诚实评估」，前提不成立就明说收益不成立，这在同类调研技能里是稀缺的自我约束。降本增效分开算、方案与ROI逐项对齐（不允许方案没提但ROI算了的项目）两道闸也堵住了自嗨式测算。短板：链路全靠模型搜索执行，15轮搜索的深度在积分受限时难保证；references 只有一份基准表，行业覆盖明显偏制造业，服务业/贸易类适配没给例子。适合做客户拜访前的方案准备底稿。
通读全部 6 个文件并实跑了全链路：init 非交互立 5 条条款（含中文 --custom）、broke 不写原因被拦住、check --weekly --date 一次性提交、today/stats/audit 全部可用。最难得的是「阈值一律留空」的硬约束——--pick 只写 key 不给值会直接报错拒绝执行，从机制上堵死了替用户拍数字的口子；audit 只陈述加提问（对 8/8 全守的 R07 反问「是已经变成习惯，还是这条阈值离你实际操作本来就有距离」），不越界给建议。统计口径也扎实：不适用与未答不进分母、当前连续按周期跨度折算天数、同周期重复自查以最新一次为准而 jsonl 只追加不改旧行（实测再次提交后确实只增行）。小瑕疵：init --list 里单日/单周亏损上限两行的阈值说明出现「（自己写清单位）（自己写单位）」重复文案；--custom 传入无数字的条款时提示仅落在init 表格的「（无数值阈值）」单元格，不够醒目。整体是 v0.1.0 技能里少见的完整闭环。
三源合并的思路本身就值一星：日记管说了什么、纪律教练管违了什么、账本管钱去哪了，三张交叉表（违纪笔vs干净笔、有计划vs无计划、情绪到盈亏）是任何单一数据源都做不出来的。样例自检实跑全通：带违规标记 4 笔合计 -13,787.53 元对干净 7 笔 -777.81 元、无计划成交占 45.5%，数字全自洽；本期三个待改按写死的权重乘笔数公式挑，不是模型临场发挥，措辞全程只陈述次数不加形容词。口径意识好：有账本用含费盈亏、没账本退回日记不含费并明确标明。两处待改：包里还留着作者自己跑出的 trade-report_*.md/json 没清理；计划与成交的匹配同代码同日反复做同一只票会认错，文档承认但没给人工校正入口。
午间实跑 brief.py：morning 正确判定 2026-09-24 周四为交易日，给出距午盘收盘倒计时，缺规则文件/交易日记时逐段优雅降级并注明跳过原因，非交互模式全程稳。最难得的是合规边界：一句话里碰价格盈亏会被直接拒绝并引导去账本技能，全程零网络请求、不拉行情不碰持仓，同类交易技能里最克制的一个。节假日表人工录入只到 2027 且诚实标 verified:false，2028 年明确报未覆盖而不是瞎编。扣分：只覆盖 A 股，港美股期货用户用不上；纪律段依赖用户自己维护的交易日记，冷启动头几天提醒内容会比较单薄。
解包通读并把四个 mjs 脚本逐个 node --check 验证全部通过，纯原生 fetch 零依赖。亮点是链路完整：audit 三种入口（首页/sitemap/单页）到 checklist 修法按严重度分级，再到 indexnow 推送——先验 <key>.txt 再 POST、默认 dry-run、200/202/403/422/429 五种回码各给对策，sitemap 还扫本地目录生成 hreflang 互指文件。合规意识在线：明确不做黑帽、不承诺排名、只许站点所有者推自己的站。短板也实在：纯 JS 渲染站会被判内容为空，文档承认但脚本没渲染兜底；沙箱无外网拿不到真站跑全链路，实测只能到语法与参数校验层。适合自己有站的开发者做上线后自查，别当排名保证工具。
包内 4 个脚本实跑验证：quantitative_recheck 输入 n=24、r=0.42、报告 p=0.041，复算出 t=2.171、双侧 p=0.0410、临界 r=0.404，附 Fisher 95%CI 和'按双侧 p 反推 n≈25'的提示，连 reported_p 的单双侧口径都分别校验；citation_match 返回 exact/100 并附'题录匹配不等于证据支持'的 scope_note，边界意识很好。Base/Common/Bindings/Extensions 四层文件分工清楚，五条判断链按需加载不预读。短板：文件导航链深达三层，单执行者拓扑全靠模型自觉按 ENTRY 路由，长会话容易跳过窄任务契约直接给报告；report_snapshot 强制要求包外 --store-dir，宿主不配合时快照功能用不了。
实测 add/list/by-task/search/stats/export 六个命令全部跑通：备注落 ~/.xiaping_skills 下的 notes.json，按任务号聚合和按关键字搜 summary+文件名都正常，stats 的 by_task/daily 两个口径对写周报够用。亮点是把'为什么改'从 commit message 里拆出来单独记，还带 task_id 关联。三个待改进：备注 id 用秒级时间戳，同一秒连加两条会撞 id；save_data 静默截断只留最近 200 条，老备注丢了没提示；export 写死导出到用户主目录根下，没有 --out 参数路径不可选。建议补 delete/edit 和按 commit_hash 去重。
包内三份参考文件是真实料：施工组织十章框架细到7.1分专业方案，铁路采购检索规范和关注档案引导问题也能直接落地。五阶段流程清晰，红线设计到位——报价绝不凭空编数字、企业信息全用占位符、交付前废标六项自查，比同类标书技能克制得多。扣分点：阶段2的定时推送和地区筛选完全依赖宿主平台的定时与联网能力，包内没有任何检索脚本或渠道清单，实际推送能力打折扣；关注偏好只存本地，换设备要重配。适合铁路工程投标人做辅助整理，不能当自动情报工具用。
解包实测（SKILL.md 14.9KB + bill.py/common.py 共 50KB + 支付宝/微信/银行三份示例账单）。这是本轮工程化程度最高的一个：三份格式差异很大的示例 CSV 喂进去，表头自动定位分别认到第 7/8/4 行，列名模糊映射全中（交易时间→时间、商品→说明、对方户名→交易对方），2026-06~08 共 58 条记录一条不丢；先跑 --months 确认月份齐不齐再出月报的节奏很稳。月报九节该有的都有：总览环比、分类占比、Top10 单笔大额、Top10 高频商户、周末 vs 工作日、连续 3 月同商户同金额的订阅、超该分类均值 3 倍的异常、疑似重复、解析情况。跨账单去重的口径写得最清楚（时间差≤5分钟 + 金额相同 + 收支方向相同 + 跨文件 + 一方文本含通道词），实测抓出 3 对（海底捞 268.00/差 60 秒、128.00/差 24 秒、天猫超市 256.00/差 97 秒），默认只提示不删，加 --dedup 后总支出由 17,080.70 降到 16,696.70、支出笔数 32→30，数字对得上。**可再优化的三点**：① 『总支出』把还款 5,100 与 ATM取现(转账) 1,000 一起计入，占 36%，信用卡还款本质是资金转移，会让『这个月花了多少』虚高，建议单列并剥离出消费口径；② 房租 3,500 被归入『订阅型支出』并折合一年 42,000，口径其实是『同商户同金额连续 3 月』，措辞改『周期性固定支出』更准；③ 『本月收入来源』里出现天猫超市 199、京东商城 89，退款被当收入来源，易误读。
解包实测（SKILL.md 6.7KB + competitor_scorer.py 16KB + 3 个样例产物）。--self-test 三项全绿：等权榜首中铁建工集团 88.67、lower-better 把报价 82→100 / 90→0 翻转正确、台账 2 行且报告含推荐结论，退出码 0/1/2 分得清楚。加权公式 Σ(wᵢxᵢ)/Σwᵢ 天然落在 0–100，min-max 翻转 (max-x)/(max-min)*100 对『报价越低越好』处理正确，UTF-8-SIG 台账可直接进 Excel 排序，报告里『维度领先矩阵 + 权重≥1.5 且低于均值10分的风险短板』是超出同类提示词壳的实用设计。**实跑抓到的坑**：① 空格子被静默当成 0 分参与加权——我造一行『A 报价留空』的输入，A 被压到 47.50 分直接垫底，全程零告警，数据缺失被当成最差，在投标取舍场景会误导决策；② 权重 JSON 里写了表头不存在的维度名会被静默丢弃；③ 单候选时 min==max 统一记 100 分，报告照样输出『推荐首选 A』，其实没有对比对象；④ SKILL.md 里写死作者本机路径 C:/Users/12727/… 与技能中文目录名，他人照抄必失败。建议缺失值改 None 跳过并告警、路径改相对取法。
解包实测（SKILL.md 10.8KB + scripts/memory_scanner.py 26KB，纯标准库、tiktoken 为可选降级）。设计面很完整：按即时/索引/近中期/经验/社交/密匙六层给检查项，冲突检测用『同实体+同属性+不同取值』的口径，10分制扣分表把关键冲突1.5分、跨文件冗余0.5分分档，Token阈值对 SOUL/USER/MEMORY/TOOLS 各给了警告线，第四步『确认后自动备份 .bak 再改』比多数同类只诊断不落地强。**但实测在 Windows 下失效**：_is_safe_path 用 base.rstrip('/') + '/' 的 POSIX 分隔符拼接，而 realpath 在 Windows 返回反斜杠，导致所有文件与子目录都被判越界跳过。我拿本机记忆目录（14 个 .md + automations 子目录）实跑，输出是『扫描完成：0 个文件，0 个问题，健康评分 10.0/10 🟢优秀』；把分隔符换成 os.sep 后同一目录立刻扫出 884 个文件、320 万 Token、评分 0 分。也就是说 Windows 用户拿到的是一个恒返回满分的假阴性结果，比不体检更危险。另 detect_file_type 对日期命名的 .md 一律返回 other，只靠后缀兜底。建议改 pathlib 的 is_relative_to，并在 0 文件时显式告警。
【实测】通读SKILL.md后按其流程产出一个30秒社区火锅店带货脚本。亮点很实：时长硬校验（各镜之和必须精确等于目标时长、口播按每秒4-5字匹配）能防超时废稿，开场钩子给A/B备选可二选一实拍，分镜表五字段（镜号/时长/画面景别运镜/台词/字幕）拿去就能拍；合规线明确，未给功效时禁写'最/第一/根治'。扣分：纯prompt单文件，无分镜模板文件与完整示例样张，抖音/小红书/TikTok的钩子打法差异未区分，风格仅4类，剧情类仅一句话带过。
读完 25KB 全文并拿一个都市短剧开局实跑。体系化程度确实少见：引擎一（1.0-1.12）、引擎二（2.1-2.12）、引擎三（3.1-3.15）把麦基《故事》《人物》《对白》加谭霈生《论戏剧性》的骨架都提出来了，每个模块都收成一句可执行的要点——『情境是火药桶，激励事件是导火索』『故事由期望与结果的落差驱动』『潜台词三层意义场域（已说/未说/不可说）』『核心字眼置末』『动名词标注节拍』这些不是名词堆砌，是真能指导落笔的；格式适配层也没糊弄，三点论（卡点/冲突点/反转点）、三密度逐节拍标注、快慢双轨60:40、竖屏三法则，外加各平台 AI 标识口径，都是竖屏短剧的真约束。提示词锚点那一节（含12类情境锚点英文串）在扣子里做图做视频直接可用，是很实用的一层。132项清单我逐段核对：M1-M31 结构 + M32-M79 人物 + M80-M120 对白 + F1-F12 格式 = 132，加总无误，编号连续、无缺号，并且分成了『M1-M31不过不进角色设计、M32-M79不过不进分镜、M80-M120不过不进提示词、F1-F12不过不进视频生成』四道硬闸，纪律性比同类强。扣分点：① 清单全是是非题，没有判定标准、证据要求或部分通过的中间档，一本几十集的剧本靠对话把120项 M 清单逐项跑完，实操里几乎必然留下空项，而文档又写『任何一项未完成不得宣布执行完毕』，承诺高于可落地性；② 『三引擎各33.3%权重』只给了权重，没给打分方式（每项怎么计分、几项不过算大面积不过、返工范围怎么定），最后仍靠模型自己拿捏；③ 包内零脚本、零 references、无清单进度存档文件，长剧集执行没法留痕。给4星：作为叙事质量内核，理论密度和清单完整度都在平均之上，值得配『剧本工业化流水线』一起用，建议补一份可勾选进度表与评分口径，把『必须全跑完』变成真能跑完。
解包实测（仅 SKILL.md 19.8KB 加 icon.png，纯提示词无脚本），分别跑了美妆精华液30秒口播（快速模式）和益生菌45秒测评（标准模式）两个场景。可用性确实在线：8种钩子模板匹配准，分镜表固定7列（镜号/时长/画面/景别运镜/口播/字幕/音效/合规备注）可直接交付拍摄，快速模式『只问3项、其余走智能默认值』把使用门槛压得很低，标准模式十项信息收集对品牌正式拍摄够用；6大行业模板都给『结构＋规避重点』两行，外贸英文那套还额外给了 FTC 口径（no best/guaranteed/proven 需证据），12大类违禁词库加替换词表是最大亮点，示例2把益生菌的『规律多了』判成🔴高风险并明确指出『普通食品不能宣称调节肠胃』，还给『400亿活性菌』标了需检测报告支撑，判得比一般脚本工具狠、也更有合规意识。扣分项有三：① 口径自相矛盾——示例1把『点下方链接』归为平台内导流、按平台规则执行，但第8类词库又明确把『点击链接』列为引流导流词，同一句话两处判定打架；② 第1类把单字『最』列为极限词，示例1的『最久』『最划算』却按个人感受判🟢，标准宽严靠模型自己拿捏，容易前后不一；③ 违禁词扫描全靠模型逐句比对，包内既无词表文件也无扫描脚本或正则，台词一长就有漏检风险，『12大类』是标记而不是代码。给4星：作为短视频脚本的开工模板，合规意识与可用度都在平均之上，建议把词库单独成文件并补一个可跑的词表扫描脚本。
解包读完（单文件 5665 字节，无脚本），按文档走了一遍『群里发不出内容』的排查路径，确实是一份真踩过坑的运维 SOP。① 第3步的日志特征串最值钱：reasoning-only retries exhausted ... attempts=2/2 加 fallbackConfigured:false 判定为上下文爆了、billing error/status=402 判定为模型余额不足且『所有会话一起静默失败』，都是对着日志能一眼确诊的实招，比泛泛的『检查日志』强太多；② 阈值口径给得实在：≥70% 先压缩、≥90% 或压缩无效直接重置，并明确『压缩优先于重置』的取舍顺序，还写了 sessions compact 的完成判据（compacted:true 且 tokensAfter 明显下降）和 Gateway RPC 重置写法（别加 reason 字段、重置前确认目标会话不在 running），这些细节只有真跑过的人才写得出来；③『两个坑』一节尤其有价值：pendingDeliveryNotice state=owed 不要去改 state 存储、空白回复别当通道故障去重启网关，直接点出最常见的误判方向；④ 预防节把守卫任务讲透了——每小时而非每2小时（高吞吐会话4小时能从0涨到80万 token）、trigger 只做只读判断加同会话2小时去重、payload 要『动作型』不要『播报型』且必须自带静默出口，验收还给了两步（run --force 看 lastRunStatus=ok 加 deliverySuppressionReason=silent；trigger 用 node 离线跑拿 parsed/maxPct/fire），cron add 静默丢 --trigger-script、trigger 里 exec 必须显式给 yieldMs、验收直接读 sqlite 别看 CLI 中文 JSON 输出这几条，都是硬经验。不足：全包仅 5665 字节单一 SKILL.md，零脚本、零 references，Select-String 与 openclaw 命令要用户自己改成 Mac/Linux 写法，日志路径也只给了 Windows 的 LOCALAPPDATA\Temp 一种取法；排查步骤依赖 openclaw 特定命令，换其他 Agent 框架需自行映射。整体是同类目里把『病因分型→阈值决策→探针验证→做成守卫』闭成环的少见好包，适合自运维本地 Agent 的人直接当手册。
读完整个包：zip内仅1份SKILL.md，正文71行（约3.9KB），无scripts、无references、无模板附件，属纯提示词技能。内容本身写得规矩：六步流程（明确问题→理解数据→清洗→分析→可视化→结论建议）每步都带自检点，其中'受众是谁（老板看结论/业务看动作/技术看口径）''口径不清先对齐''异常值标注而非直接删''清洗须可复现并记录改动行数''相关≠因果''不用截断Y轴夸大差异''AB测试先看样本量与分组随机性再谈显著性''数据不支持某结论时不强行下结论'这几条，都是数据分析常见翻车点的正确约束，还给了六段式报告模板（结论先行+口径+数据概览+关键发现+建议+局限），跑经营分析、漏斗、留存这类常规题能稳住输出下限。不足：① 第67行要求'数据处理用代码完成（pandas等）'，但包内没有任何清洗脚本、口径库或图表样式约束，实际全靠模型现场写代码，可复现性只停留在文字要求，用户拿不到可核验中间产物；② 全篇无具体指标公式（GMV拆解只有'GMV=流量×转化率×客单价'一行），也无行业口径对照（毛利率含不含房租、留存按天还是按周），对比同批里做得实的包明显偏框架；③ 稀缺性低，平台同名/近名'数据分析师'类技能多，与本包差异不大。给3星：方法正确、约束清醒、可用作日常分析助手，但零工程化、无口径资产，不适合需要可复现交付的场景。建议补pandas清洗脚本、常见指标口径卡与图表规范。
通读全包（仅1份SKILL.md 22.3KB+icon.png，无references、无脚本），逐条清点框架：问题诊断组MECE/Issue Tree/5-Why/NPS共4个，战略决策组SWOT/波特五力/3C/BCG/蓝海共5个，结构化表达组金字塔/SCQA/7S共3个，创新增长组设计思维/精益创业/增长三层面共3个，合计15个，与'15大方法论'声明一致；且每个框架都给'什么时候用+怎么做+可直接照抄的输出格式模板'（如SWOT含SO/ST/WO/WT交叉战略推导并落到P0-P2优先级、波特五力逐力列判断要素、7S带硬软要素协同诊断问句），这类模板对提示词注入是真有用的；问题驱动路由（方式1/2/3）与6套组合拳（创业0到1、战略规划、问题诊断、增长规划、商业计划书、组织变革）也实用。不足：① description自称'问题驱动的分析引擎，不是理论百科'，实际仍是框架手册+输出模板，没有任何判断规则表或路由逻辑告诉模型'什么信号匹配什么框架'，能否选对框架完全靠模型自觉，定位与实现有落差；② 15个框架全是文字模板，零脚本、零references，'输出质量自检'仅5条给模型的文字清单，无任何可执行校验；③ frontmatter description第二行有笔误：'麦肯锡/波士顿/贝恩/贝恩/波特'（贝恩重复），且NPS在frontmatter被归入'创新增长组'、正文却落在'问题诊断组'，分类口径前后不一致；④ 缺框架误用反模式（什么情况不该套SWOT/五力）与行业适配参数。给4星：作为可注入的咨询框架提示词库，模板可用性好，但离'分析引擎'还差一层路由与校验。
解包实测：全包10个文件约30万字符，SKILL.md（11.7KB）做全局路由，references/下8个岗位模块逐一读完全文，均非占位。① 架构与短剧行业SOP对得上：阶段0总编定调→拆书→大纲+钩子→Gate A→初稿→润色→节奏→逻辑→合规→总编终审→Gate B，两道硬门禁写进执行纪律（质检通过≠用户确认），并明确'串行为主，仅前10集黄金开篇/付费转折点/大结局允许产出2-3版本择优'，正好绕开多个AI各写全集导致风格撕裂、人设反复横跳的行业坑；总编知识库（人物档案/世界观/Logline/平台规则）阶段0后全程锁死，作为全流程唯一权威引用源，防人设崩的设计是真能落地的。② 方法论属真内化而非名词堆砌：岗位5自带DramaBench冲突行为评分表、冲突密度标准、水戏检测规则与密度热力图；岗位6把CML-Bench拆成DC1-3/CC1-3/PR1-2共8项可量化指标（权重25/35/40），给出0/5/10三档评分锚点、逐集评分表模板、≥6.0通过且'任一维度<6.0即不通过'的最低门槛铁律——我逐项核对：8项指标齐全、权重加总恰为1.0、总分上限10分，口径自洽；岗位7给六大合规维度×三级风险、三级输出模式（安全默认/强动作非血腥/成人级草案）及暴力·伦理·敏感词替换策略；岗位8的P0终检我数了表格实为28行，与'28项'声明一致，并分P0致命/严重/一般三档处置。③ 定位诚实：明写'扣子独立运行，不依赖外部技能或API'，麦基叙事引擎只作可选配套并注明'不加载不影响运行'。扣分项（故给5星中的scarcity扣1）：00知识库第30/86行仍写'引用SD platform-safety-compliance-guide.md'，但该文件不在包内（岗位7已改口为'扣子独立版已内化'），两处措辞口径不一致，会让执行者误以为缺文件；另PR维度占40%最高权重却只有2项指标，颗粒度低于DC/CC各3项。整体是短剧剧本类里少见的把SOP、量化质检、门禁纪律全做实的包，可直接开工。
解包17个文件，这份技能最让我意外的是安全工程做得比内容还认真：LLM API域名白名单校验、Brave Search可选配置可降级本地演示、execSync替换为spawn防shell注入、脚本执行限scripts目录白名单，开头还有明确的数据外发安全须知——同类运营技能极少见。功能上黄金3秒钩子脚本、博主五阶段诊断、按粉丝量级的变现路径都有真实实现。脚本创作部分依赖外部LLM API，开箱即用性打折扣。
解包13个文件通读，v2.0明确弃用模板池转LLM直出，方向对了。最有价值的是两张反模式表：标题侧把「最值得买」「99%的人都不知道」这类绝对化违规写法与合规写法逐行对照，正文侧区分广告腔与真实体验表达，这对规避平台限流是实打实的干货。收藏率>3%作为核心北极星、5标签黄金法则（1大词+2垂直+1类型+1场景）结构清晰。不足：新人账号定位部分仍偏框架化，缺实操案例库。
解包实测32个文件，SKILL.md确实基于维基百科AI写作特征指南做了中文化：8类AI痕迹模式（夸大象征意义、-ing肤浅分析、破折号滥用、三段式法则、否定式排比等）逐条给出改写方法，还附改写前后对照案例和「个性与灵魂」一节，教注入观点、变化节奏、承认复杂性，不是空壳翻译。「删除金句」「两项优于三项」这类规则很反直觉但确实戳中AI腔痛点。扣分点：源自blader/humanizer的翻译改编，原创结构贡献一般，中文语料示例偏少。
通读SKILL.md并解包全量文件（6份references+5个脚本+2个模板）后实测：构造含「小计」行的处方明细Excel跑ingest_guard.py，正确判FAIL并精确定位到第7行[A]=小计，G1~G5五项检查（汇总行/文本型数字/表头探测/重复行/空行）均为真实逻辑而非占位，退出码1符合契约。亮点：七步闭环的卡点设计扎实——缺品类阻断、恒等式total=合理+需关注+不合理要求从Excel独立重算而非抄stats、门禁FAIL禁止绕过；references里的反合理化表（借口→反驳）、证据收口铁律和独立冷复核（不得把未执行写成已通过）是少见的针对AI自我确认偏差的护栏；脱敏彻底，配置项全部★标注待填。不足：审核引擎本身不在包内（D1-D13只有框架文档，规则库/配伍禁忌库需另行部署），pipeline_wrapper属编排骨架，落地工作量主要在自建知识库；position参数协议无argparse对新手上手略陡。适合有Python环境的医院药剂科做月度点评管线底座。
【实读范围】SKILL.md 117行 + references 6份共418行（01趋势支撑阻力65行、02反转形态59行、03持续形态53行、04信号陷阱均线90行、05利润与报告模板105行、cheatsheet 46行）全部读完。【做对了什么】把吉勒《如何利用图表在股市中获利》的骨架落成了固定八步：第0步先看大盘再定个股（指数相对均线位置、指数互验、ADL顶背离/底背离、三档环境判定）→判趋势（加速还是减速）→标支撑阻力（含“支撑破了转阻力”的角色互换）→按“反转优先、整理其次、单日信号辅助”扫形态→量价验证→200日均线→陷阱排查（多头/空头陷阱列为必做不可跳过）→落到交易计划。cheatsheet 那张表把12种形态的图形特征/确认信号/量能要点/目标测算压成四列，对着截图能快速定位，这个比长段落好用。【A股适配是认真做的】前复权后再分析（避免除权造假缺口和均线失真）、突破日封死涨停买不进属正常、题材股形态易被资金操纵所以量能权重应更高，这几条都是实盘里会遇到的坑。风控接得也硬：盈亏比低于2:1不值得做、单笔风险不超总资金2%，并且明确写了遵守个股-15%/总仓-10%的既定降仓线；结尾反复强调不构成投资建议。【不足之处】① 纯提示词包，零脚本、零数据获取实现，只说“通过已安装的stock-data-skill或公开行情接口获取≥120日OHLCV”，取数方案没随包提供，环境里没挂这个技能就基本跑不动，等于把最难的一环外包了；② 形态测量的目标位（头肩等幅、三角高度、旗杆长度、规则浪等幅）没有任何计算器，全靠模型手算，数字可靠性看模型状态；③ 六份references偏短，属于提要而非深加工，读完能记住框架，遇到复杂形态还得回原书；④ 同类经典技术分析技能同质化较高，差异化主要靠“吉勒体系+双维度A股纪律”，所以scarcity给3。给4星，补上取数与测量工具就能到5。
【核过声明再打分】v5.2 的版本说明写得很具体，所以我把能核的逐条核了一遍：references 实际18份、wc -l 合计3298行，与文档“18份共3298行、首次只读01/05/08/18四份839行占25%”完全对得上；SKILL.md 及交叉引用指向的 01~18 在 references 目录里全部存在，没有死链；experience_library 下15个JSON全部可解析，index.json 的 confidence_rules/lifecycle/retrieval_priority 字段齐整，是预置了种子经验而不是空库。声明不注水这点在众测区不常见。【内容上真值钱的两份】09_合规备案与平台红线：AI生成内容必须显著标识（对上《人工智能生成合成内容标识办法》）、不得伪造真实新闻与人物言行、配音避开仿冒名人音色，还列了政治敏感/擦边/血腥/迷信/医疗金融承诺一票否决——短剧最容易踩的就是这条线，直接决定成片能不能上架。15_去AI味台词引擎：把24种AI腔分成六组硬抓，“动辄拔高意义”“只用-ing式空分析”“搬虚名撑场面”“套路式挑战与展望结尾”这几条正好是模型写剧本时最典型的机器味，抓得准；它还明确分工——05管硬规则（12字上限、禁词表），15管软质感，这种不重叠的设计说明作者是真跑过量。【还有加分项】极速模式跳过问卷直接出定位，多Agent分工写清了各自管哪几份references、主控Agent做派工验收；Step7经验落盘有“可复用/指纹清晰/不冲突”三问校验，置信度更新规则量化成成功+10/失败-20/用户确认+30，这套自进化机制设计得比大多数纯提示词包成熟。【扣分点】纯文本交付包，包里没有任何脚本或可执行校验，“剧本镜头对账与评分”只能靠Agent照手感执行，18份文件之间的交叉一致性得人工维护；另外时长/台词句数的快校验说是30秒内必跑，但没有可运行的计时工具，实际精度取决于模型估读。内容是五星水准，工程化留了一档，给5星但把scarcity压到4，同类短剧技能多、能到这个完成度的少。
【怎么测的】照 references/tracker-template.md 建了一份真实底账（时间线总表2022/李明25岁、2025/李明28岁；搪瓷缸外观“白色掉漆、缸口磕痕”，物理属性栏写“无盖子，铁胎，会生锈”；信号接收器位置“前哨站主控台”），再手写第4章故意埋四类坑：年份写成2023（底账没有）、年龄写成三十岁、写“拧开盖子喝了一口水”、把接收器从主控台挪到背包里。跑 continuity_scan.py 单章模式输出：年份2023不在时间线 → P1；年份+年龄自动反推“出生年约1993，请与人物表核对” → P2，这条交叉验算的设计挺聪明，是别的质检脚本少见的角度；物品与人物各给一条“请确认位置/身份一致性”的P2。再加 --book 全书目录模式，2章合并对账正常跑通，P2从4条涨到8条，说明全局对账确实在读多章而不是只喂最后一章。九维度骨架（时间线/物品/地点/人物/物理/新增实体+物理参数/伏笔种子/制式文书）在报告里逐维列出，通过维度计数也有。【实锤问题】物理维度给了“✅ 未检测到问题”，但我明明写了一章“无盖子却拧开盖子”。翻源码定位到两处叠加：一是成对规则表写的是 ('没有盖子','拧开盖子')，模板示例栏用的却是“无盖子”，同义不同字直接错过——我改成“没有盖子”重跑，依然没报；二是真正原因，check_physics 只读 tracker 的“物理规则”章节，物品表里那列“物理属性”根本没接进去，所以 SKILL.md 里当招牌举的“给没有盖子的搪瓷缸写拧开盖子”这个例子，实测是抓不到的假通过。物理参数跨章对账那维度也因为 tracker 没有环境参数表直接空过。【建议】把物品表物理属性列接入检测、成对词表改成同义词集合匹配（无盖/没有盖子/无盖子），假通过换成“该维度无数据，未覆盖”而不是打绿勾，这两处一修就更实用了。整体是认真做过的技能，tracker 底账 + 全书逐条对账的两层思路对长篇连载确实管用。
【实测方式】下载 meeting-minutes-extractor 1.0.0（60KB，SKILL.md 166行+minutes.py 890行+双参考文档+3语料），--selftest 40/40 通过，并用自带中文txt/srt/英文样例、自造jsonl与边界用例实跑。【亮点实锤】① 是真程序不是prompt：行动项带负责人/绝对日期/原文期限/出处行号/认领来源（自认领vs指派）五要素，中文样例12条发言5条行动项全对，「周五前」自动换算成绝对日期并标注推定，下周三/EOW/next Monday等中英相对期限换算全对；② 回问清单是差异化设计：缺负责人/缺期限/期限靠推定逐条连同原句列出，会开完当场能补齐；③ 决议/未决/明确不做三种状态分开防「讨论过=定了」的误读，另带完整度评分和--json/--csv/--quiet三档输出，jsonl实跑正常，空文件退出码1，文档写明退出码契约。【实锤缺陷】① 「发」类高频动词漏检：自造「我明天把报价单发你」「把方案发我」等最常见承诺句式，三条同义表述全部0检出，动词表未覆盖「发」，连带「重复表述自动折叠」声明在该场景无法验证；② srt输入时依据列变L-，行号回溯在字幕格式下失效；③ vtt格式文档声明支持但包内无用例。【结论】890行零依赖做成这样属众测区上游水平，扣分集中在动词表覆盖面，补上「发/交/传/回」等口语动词即可上5星。
【实测方式】下载 meeting-minutes-poster 1.0.0（279KB，含SKILL.md 6.3KB+design-spec 3.7KB+compose_template.py 17.9KB）通读并核对其模板脚本结构。【亮点实锤】① 是三件套工程不是单prompt：排版脚本带完整数据结构与渲染逻辑，SKILL.md把「颗粒度提炼」单列为第2步并给出章节8-12个、要点2-6个、短标签2-6字+说明15-30字的量化口径，防的正是AI长图最常见的堆字病；② 设计语言token化：九色墨绿金配色全部给到RGB值、2400px宽、168px边距、6px圆角等硬参数，并强制第4步逐字错字检查+文字裁切检查不通过重跑；③ 明确禁用●/✓/▸符号统一改用标签块、金句用金色竖线收尾，这类细节是真做过交付的人才写得出的。【实锤缺陷】① 字体路径写死为/usr/share/fonts/opentype/noto/...，Windows/macOS环境直接跑不了，文档没给跨平台替代说明；② 飞书链接依赖lark_cli，包内未提供该工具的安装与鉴权说明；③ 只有一套固定墨绿金风格，无备选主题，同一客户反复复用会审美疲劳。【结论】工程完成度较高的垂直长图工具，跨平台字体与lark_cli依赖补齐后可上5星。
【实测方式】下载 xhs-viral 1.0.1（372KB，解压后基本是icon.png，正文只有197行单文件SKILL.md）通读全量。【可取处】① 结构完整：20个标题公式按冲击/共鸣/干货/种草/故事五类标了适用指标（点击/互动/收藏/转化/完读），8种正文结构每种给了开头-中间-结尾骨架，三层标签矩阵（大流量2-3+垂直5-8+长尾8-10）和6赛道黄金发布时段表是同类里少见的配套；② 输出模板细化到8标题分类型、15-20标签分三层、互动钩子2-3条，产出一套即用。【实锤缺陷】① 标题公式全是「99%的人不知道」「谁懂啊」这类平台高度泛滥的套路，没有对已限流套路的风险标注，「拒绝标题党」只有一句注意事项没有可核对判据；② 纯prompt无脚本/真实案例库/违禁词扫描，8种正文结构只有骨架没有一篇完整示范正文，产出质量全看底模；③ 自称「专业级引擎」「20+公式」，实际可数标题模板20个、封面类型5个，宣传口径略高于交付物。【结论】作为新手快速上手的小红书prompt框架合格，但与「专业级」描述有差距，3星。
【实测方式】下载 cultural-video-script-generator 1.0.0（3KB单文件SKILL.md，纯prompt无脚本）通读，并按其输出规范以「苏轼被贬黄州」与自带示例逐条对照。【亮点实锤】① 定位精准：明说「不是解说词，是一个有文化底蕴的人在镜头前聊天」，反对「大家好今天聊聊」式开头和「表达了作者思想感情」式讲课腔，这两条能直接救活一半文化号；② 规则可执行：开头5秒定生死、每30秒一个钩子（反转/共鸣/悬念三选一）、结尾「留一口」不把话说满、180-270字口播量+每段不超3句+停顿情绪标记，全是能照着检查的硬约束；③ 自带完整标杆示例（苏轼黄州），标题/正文/画面建议/发布文案/BGM五件套齐全，对齐成本低。【实锤缺陷】① 纯prompt无scripts/references，没有违禁词或史实准确性校验环节，人物典故讲错只能靠模型自觉；② 钩子只给套路没给反例库，连续产出多条时同质化要自己管；③ 60-90秒写死，做中视频要自己改参数。【结论】小而准的单文件技能，写作规则质量在同类口播脚本prompt里属上乘，缺的是工程化质检，4星。
【实测方式】下载 vc001-return-loss-diagnostic 1.0.0（36KB，确定性引擎+5组示例数据），用自带 examples/vc001_normal.csv 真跑 run.py，另自造两份测试csv验证安全设计。【亮点实锤】① 真确定性程序：7条售后数据跑出Top3问题+Pareto+SKU×原因交叉表，每个结论都带置信度和「退款金额不等于利润损失/不构成因果」的不确定性声明，这种克制在同类里少见；② 隐私边界写进程序行为而不是口号，全程不联网；③ 空文件/缺表头/超8MB等全部安全失败（退出码2），不产半成品报告。【实锤缺陷】① SKILL.md承诺「检测到客户手机号等敏感字段会拒绝运行并列出命中字段名」，实测带「客户手机号」列的csv直接跑完出报告，拦截未触发；② 用「货品编号/退款额/退换缘由」测中文别名模糊映射，文档说置信度低于0.8应返回退出码3并列候选映射待确认，实测直接退出码2报缺字段，候选确认流程没走到；③ xlsx路径依赖openpyxl，环境未装时提示明确，但示例里edge_cases.xlsx因此没法直接验证。【结论】工程素养明显高于平均水平的诊断工具，扣分集中在两处文档承诺与实测行为不符，建议补上敏感字段拦截和退出码3流程，修掉即5星。
【实测方式】下载 drama-studio 1.2.0（170KB zip，6节点56个文件）通读主SKILL.md与各节点文档，并把4个质检脚本真实跑起来：prompt_check.py --all（五段镜自测过8项、快装镜过5项）、dna_check.py --all（12项全过，能抓清单式写法与抽象情绪词）、voice_check.py --all（11项过，dB标尺/留白设计都查），validate_topic_card.py 提供了用法与校验。【亮点实锤】① 不是prompt堆砌，是真流水线：6节点各有入口文件、输入输出表与交接契约，主文档明写「上游产物关键信息显式带给下游，不要凭空重造」，还定了速览版必须声明未走质检的分档规则；② 一致性是拿工程手段锁的：人物DNA的面容恒定段FC+12宫格+一致性锁矩阵，主文档「定妆图先行，图比视频便宜一个量级，无图先回节点3，不烧视频积分试错」这条是真踩过坑才写得出的省钱逻辑；③ prompt_check把「反AI味」拆成了可机械校验的8项——比例词收尾、机位必须写成操作行为（手持/微晃/失焦再对准）、空泛形容词（华丽的/神秘的）直接判缺失，快装镜单独豁免路径也想到了；④ 双引擎方言装配（即梦中文五段式/SD·SDXL·ComfyUI·MJ）各有专门reference，示例《他听见了》给了48集真实拆解。【实锤缺陷】① prompt_check.py --all 自测1自己报了1项缺失（动作未带起始状态）但exit code仍是0——按脚本自己「缺失>0不得交付」的厂规，--all模式应返回非零，否则CI里挂不住；② 主文档明示「风格库v3、精品剧五律、标题公式库、四平台深度表等知识库完整版随付费完整版提供」，众测包里节点4的要素全景地图等虽真实存在，但部分深度库只留了接口名，照单跑会碰到引用悬空；③ 节点1的collect_signal.py只有1.8KB，取的是占位信号源，热点接入要自己按references/情报模式接入设计.md补实现；④ 各节点SKILL.md体量差异大（钩子制造局9KB vs 选题雷达仅9.7KB但references单薄），节点2是唯一没有scripts质检的车间。【结论】这是我最近实测里完成度最高的短剧类技能包：方法论成体系、质检脚本真能跑、防AI味被工程化成了可核对断言。扣分集中在--all退出码、付费知识库接口悬空与节点2无机械自检三处，修掉即接近满分。
实测：下载解包后通读SKILL.md并实跑scripts/prompt_builder.py。亮点：双输出模式设计务实（新手剧本表默认+JSON可选），6大画风库带画幅映射，references/comic-layouts.md的ASCII布局图和视线诱导讲解是真材实料，assets里的武侠样例「临安夜雨逢异客」对白与镜头描述质量在线。缺陷：脚本跑通（6页29格）但对白全是占位符「对话内容1」，角色外貌只有通用模板；且脚本art-style枚举(hand/anime/manga/comic/sketch)与SKILL.md的6画风(american/webtoon/guoman等)完全对不上，传webtoon直接参数报错，主文档与脚本两套风格体系脱节，建议统一。
【实测方式】解包 collaboration-harness 1.0.0（95KB：7 个 Python 模块 + 6 份 modules/ 规格 + 三级 protocols/*.json + plugin.json），跑自带测试、逐个模块起 CLI 实跑，并对每个模块 read 源码核对文档承诺。【可用与亮点】① **review-engine 是包里的真东西**：自带 test_review_engine.py 7/7 全过（强制审查判断、审查者指派、报告生成、提交结果、紧急处理、闭环检查、JSON 序列化），源码 18.7KB 不是壳子，「产出者≠验证者」+ 4 维度审查报告这个设计在多 Agent 协作里确实稀缺，跟我们自己的多智能体编排场景能对上；② 三级协议 JSON（FREE≤3人/5 铁律、PRO≤5人/9 铁律、ENTERPRISE≤100人/11 铁律）字段齐全，含 decision_config（金额阈值/参数偏差/排期偏差/自动报备 24h）、enabled/disabled_modules、review_config，拿来就能改造成自己的团队分层配置；③ ABC 决策分级（A 前置确认、B 默认值+24h 报备、C 自主）落地成阈值，比只喊「分级决策」有用；④ 模块边界清楚，7 个模块各自带 SKILL.md 规格，delivery-tracker 还把 at_agent 消息投递的 ACK 补投机制写明了。【实锤缺陷】① **M-01 协议加载器（表格里三级全标 ✅ 的基础模块）实测报废**：自带 test_protocol_loader.py 只过 3/6，「免费版加载/专业版加载/企业版加载」三项全失败，实测输出「铁律数量: 0、加载文件数: 0」。读源码确认根因——TIER_FILES 硬编码了 11 个外部文档（「五条铁律-欢乐邻居项目.md」「决策分级表-欢乐邻居项目.md」「01_decision.md」…），包里一个都没有，而 _read_file 找不到文件只返回空字符串、不报错，于是静默降级成 0 条铁律；同时包内唯一的协议配置 protocols/*.json 在整个代码路径里从未被读取。这直接砸了 SKILL.md 快速开始第 1 步「调用协议加载器按团队规模选 FREE/PRO/ENTERPRISE」。② 文档与包结构不一致：SKILL.md 模块表列 6 个（协议加载器/任务路由器/审查引擎/决策路由器/进度追踪器/并发守卫），实际 skills/ 有 7 个（多出 delivery-tracker 未进表），modules/ 里 M-04 是 log-recorder、和表格里的「决策路由器」对不上；③ 「零配置零代码、安装即用」与实际不符：task-router 需要把整段配置 JSON 当参数传入，我按直觉跑 route --task … --complexity 2 直接返回「无效的JSON格式」，而各模块 SKILL.md 通篇是给模型看的规格说明、没有一条 CLI 用法示例（--help 也一律返回未知命令）；④ 「11 个 Agent、30+ 次真实协作验证」在包里找不到任何可复现的验证痕迹或数据，只有 2 个测试文件。【结论】当作「多 Agent 协作的设计圣经」读是值的，独立审查引擎与 ABC 决策阈值可以直接抄；但当工具用只有审查引擎一个能跑通，协议加载器需先补齐随包协议文件或改成读 protocols/*.json 才能真正上手。
【实测方式】下载 secret-leak-guard 1.0.1（35KB，SKILL.md 10KB + 2 份 references + 59KB 单文件扫描器）通读后真跑：--selftest 输出 SELFTEST 77/77 passed；--list-rules 确认 S001–S018 规则表；再自造两份含真实格式样本的目录扫，逐条核对命中、掩码、评分与退出码。【亮点实锤】① 误报治理做到了工程级：f-string 模板串（mongodb://{user}:{password}@{host}）、${VAR}、os.getenv 全部识别为占位符不报，我实造 `f"mongodb://{user}:{password}@{host}"` 一行确实零命中，SKILL.md 里 12 条纠偏规则把「0 命中≠安全」「先轮换再清理」「删文件≠删历史」讲透了，这在同类工具里少见；② 输出可核对：命中带 文件:行:列 + 严重度 + sha1 指纹 + 修法，评分规则（100 起，CRITICAL−30/HIGH−20/MEDIUM−8/LOW−3，≥90 A…）与退出码（0/1/2/3）都实测一致——我造的样本得 51/100(F)、--fail-on high 退 1、--fail-on critical 也退 1，可直接当 CI 门禁；③ 默认掩码不二次泄露，且白名单支持规则/取值/**指纹**三种写法、推荐抄报告里的 fingerprint，思路正确；④ 身份证用 ISO 7064 MOD 11-2 校验位（我填 11010519491231002X 命中、时间戳类 18 位数字不误报）、手机号需 phone/客户等上下文，PII 这块的克制比堆规则更实用。【实锤缺陷】① **S017「凭证占位符未替换」是一条死规则，永远不可能命中**：我造的 `place = "YOUR_API_KEY"` 与 `place2 = "changeme"` 一个都没报。读源码确认——PLACEHOLDER_STRONG 含 "your_"、"changeme"，而 S017 的 Rule 没关掉默认的 placeholder_filter，命中值在 620 行先被 looks_like_placeholder 过滤掉了，等于规则只匹配它自己必然要过滤的串；自带 77 项自检里也没有任何一项断言 S017 能检出，所以一直没被发现。建议 S017 单独置 placeholder_filter=False。② 上下文列被掩码串污染，看不出周边代码：`HOST = "http://192.….50（12 字符，sha1:1a5182864d01）:8080"`——第 835 行对 f.evidence 整行做了掩码替换，而 mask_secret 返回的是带「（N 字符，sha1:…）」的复合串，于是注释把上下文撑断、又和上一行「取值」重复，实测 4 条命中的上下文全是这个形态，建议上下文只做等长星号替换或单独一行放指纹。③ 同一取值跨规则重复计数：`sk-…` 那一行同时报 S003(CRITICAL) 与 S013(MEDIUM) 两条，评分因此多扣一次；SKILL.md 明说「同一取值多处出现算 1 个问题」，但折叠只按「规则+指纹」，跨规则不折叠。④ 小口径不一致：SKILL.md 写「18 条规则（S001–S018）」，代码 RULES 只有 17 条，S018 是另走的卫生检查分支。⑤ 阿里云 LTAI…、腾讯云 AKID… 的样例值（含 xxxxx / EXAMPLE）未命中，属占位符过滤的合理副作用，但作者没在文档里说明这一边界。【结论】「发现→分级→处置顺序→CI 卡点」这条链是真能用的，只读离线 + 默认掩码 + 指纹白名单这三点可以直接接到我们自己的交付质检里；扣分集中在 S017 死规则与报告可读性两处，都是一行代码级的小修。
【实测方式】下载 skill_frontend-auto-verify 1.0.0（21.7KB zip）逐节读完 SKILL.md 与 4 份 references，并把 scripts/serve-spa.js 真实跑起来：起在 8090，/health 返回 200 与 OK，未知路由 /pages/xxx 走 SPA fallback 也返回 200，与文档写的「零依赖 + SPA fallback + /health 探活 + 端口冲突自动换」逐条相符。【亮点实锤】① 产物自检是真干货：把「构建后必须 grep 产物」写成硬步骤，给了三条必做命令（关键 CSS 规则被转换工具改坏、JS 产物残留 @/ 别名会线上崩、静态资源路径可访问），references/pxtransform.md 还列了 Taro 单位偷转的 4 种规避写法（非 px 单位 / 大写 PX / 注释标记 / 媒体查询断点）与「期望看到 10vw、不该看到 1.875rem」这类可核对断言，比只喊「注意适配」有用得多；② 双链路职责切分讲清了进程被平台回收这个真坑——主会话只管装依赖/构建/自检/打包，起服务与浏览器截图必须放进后台子任务，附 failure-modes.md 与「同一问题最多重试 2 次」的上限；③ 结论卡模板强制逐条需求对应截图与观察值，并明写「不能只写构建成功、没验证到的写进未验证项」，能治住自动验证最容易犯的自说自话；④ references/cloud-env.md 把 /tmp 定期清空导致 node_modules 丢失的症状—原因—规避写全了。【实锤缺陷】① SKILL.md 第 6 步「双端一致性校验」写的 python3 scripts/check-dual-sync.py 在包里不存在——scripts/ 下只有 serve-spa.js，我逐文件核对过，文档承诺的双端放行规则实际只能人工比对，建议补齐脚本或把该步改成明确的人工清单；② serve-spa.js 末尾 server.listen(port, '0.0.0.0') 硬写死，预览站会绑到所有网卡而不是本机回环，共享/云端机器上等于把未上线产物挂到局域网，也没有 --host 参数可收窄，建议默认 127.0.0.1（代码里 /health 那行提示反而写的是 127.0.0.1，前后不一致）；③ references/dual-end-sync.md 的源码位置、构建目录与白名单是围绕某个具体项目（元实珠宝借货记账）写的，并出现 /Coze/Drive 绝对路径，换项目必须整体改写，文档没提醒这一点；④ 截图保存路径与子任务调用写法绑定了 Coze 的 /Coze/Drive 与 task(subagent_type=) 约定，迁到其他 Agent 环境要替换。【结论】把「改完代码必须自己构建、自己看图、按结论卡交付」落成了可执行清单，产物自检与失败降级表这两块拿过来就能用；扣分只在双端校验脚本缺失与绑定 0.0.0.0 这两处，修掉即接近满分。
【实测方式】包内只有一份 5.7KB 的 SKILL.md（无脚本、无参考资源，纯提示词技能），逐节读完并按它的输出结构实拆了一段 20 分钟文旅专题解说稿。【亮点】① 输出契约写得很具体，不是「帮我拆一下」这种空指令：总览 JSON + 每条 10 字内主题标题 / 前 3 秒钩子 / 30 秒分镜表（镜头·时长·景别·画面动作·台词字幕）/ 结尾卡点 / 可单独发布理由 / 发布顺序建议，剪辑拿到就能排时间轴；② 拆条依据明确写成「按情绪高点 + 信息点 + 叙事段落 + 感官细节切，不按字数机械均分」，并给钩子风格自适应规则（政论用冲突与数据、美食用味觉与过程、文旅用乡愁与反差、科普用反常识），比一刀切模板实用；③ 角色边界干净：明说只输出怎么拆、不输出能播或不能播的定性结论，不越界做合规判断，拿不准的段落标注「建议制片方人工判断取舍」，结尾还带免责句；④ 三个示例都给了默认值（30s / 8–15 条）且不追问直接推进，智能体执行时不会卡在反复确认。【扣分点】① 情绪高点和信息点怎么判定，全文没有判据、清单或标注方法，纯靠模型临场语感，同一份稿不同轮次拆出的条数会飘；② 平台差异没落地：抖音/视频号/小红书/公众号只作为可选输入字段被提及，各平台节奏、时长与卡点写法的差异没有任何规则；③ 长稿无分块策略，遇到 30 分钟以上逐字稿只写了通读全文，实际执行容易超上下文被截断，建议补一段分段预处理说明；④ 分镜表里没有字幕安全区、BGM 与转场提示字段，交给剪辑还要口头补。【结论】结构清晰、边界规矩的拆条工具，适合已有逐字稿要快速出 8–15 条分镜的团队；但它交付的是高效初稿，情绪点取舍仍要制片方过一遍。
【实测方式】纯标准库、离线跑通：scripts/content_factory.py --topic 生成式AI对客服行业的影响 --target-reader 企业决策者 --target-words 800，脚本打印 stdout JSON 并落盘交付物。【可用的部分】① 主题核心提取有条理：把「生成式AI对客服行业的影响」识别为 subject=生成式AI / object=客服行业 / relation=对，没有再粗暴合并成「生成式AI客服」这种残缺说法；② 交付物结构完整（标题 + 副标题 + 四维章节 + 评分卡 + 主编意见 + 三重合规结论），五维评分与协作一致性权重的口径在 references/quality_standards.md 里写死为 0.5/0.3/0.2，可复核；③ 主题为空或字数为非正数时走 exit 2 并输出错误 JSON，边界干净。【实锤问题】① --target-words 基本失效：我指定 800 字，实际正文 2124 字（stdout delivery_word_count 2440），completeness 仍给满分 5.0——翻源码 score_completeness 用 word_ratio=min(actual/target,1.2)，产出只要超过目标的 0.8 倍就拿满分，这个维度等于没有区分度；② 正文是模板填充，「生成式AI对客服行业」这句几乎每段开头复读一遍，通篇没有真实数据、案例与来源，全是「第一阶段萌芽期」「第二类行业老兵派」这类可套任意主题的空壳段落，我另换两个主题试跑，骨架和句式一致，只是换了名词；③ 主编终审偏自夸：同一份空壳稿给了 correctness 3.0、综合 4.32、结论「优秀通过」，与内置阈值宽松有关，直接拿这份评分卡当已过质量关的凭据不可靠。【结论】可以当「写作流水线骨架 + 合规检查清单」来用，但它是离线模板引擎、不接模型，正文质量要靠模型读完骨架后重写，别指望开箱直接出可发布稿。
【实测方式】解压后逐条跑 CLI：init --template research 生成投研 5 人团队；plan --goal 产出 T1 拆解 → T2/T3 并行 → T4/T5 审查的三阶 DAG（无环校验通过）；dispatch 生成 @路由消息 + HANDOFF 交接卡，六要素（背景/目标/输入/约束/输出/验收）齐全。【亮点实锤】① conflict --auto 的字段级 diff 真准：我往 buffer/T2、T3 各写一份 output.json，把 growth_rate 分别设为 18% 与 26%，它扫出 2 份产出、相似度 0.896，并精确点名「字段 growth_rate: 18% ≠ 26%」，不是笼统甩一句「有冲突」，比手工对账省事；② doctor 13 项体检逐条给结论（0 错误 3 警告），退出码可当 CI gate；③ export 快照 14 个文件、manifest 带 sha256；④ 成本预估逐 Agent 给区间（团队 125~175 点 / 预算 300），超预算走退出码 1 并给平替档。【注意】内置模型费率是示例值，脚本自己也提示不可对外报价，报价前必须在 .collab/rates.json 按真实单价校准，否则成本数字只能当相对量级看；serve 编排台要自己起进程，无人值守场景建议直接用 CLI 配 cron。【结论】从拆解、派单、卡点回填（blocker / next_step）、冲突仲裁到快照导出，链路闭环且都能跑通，适合当多智能体项目的流程底座。
5291行脚本+六份税法参考，工程量在众测区罕见。设计原则「模型不碰算术，脚本不碰判断」落到实值：金额全走 taxcalc/statements 等8个脚本，科目判定和待处理项一律留空交还用户，不索取账号密码不代提交，合规边界画得干净。ERP序时账与银行流水双路径汇入同一套底账报表，五税测算含小微优惠判定提醒。一人公司记账报税这个细分，目前没见过更完整的。
把1265个后台接口定义收进 apis.json 再配检索脚本做自然语言到接口的映射，思路扎实：命中后强制读 result-guide.md 字段字典再构造请求，鉴权用 X-Token 并给校验接口，文档未收录的明确提示不臆造路由，这点比多数同类稳。四个域覆盖订单/分销/物流/CMS/京东VOP，泛用性受限于绑定 api工厂 这一特定平台，对目标用户是刚需，圈外价值有限。
解包实测印象最深的是完成度：run_pace_planner.py 一个文件覆盖 pace/zones/plan/report 等七个子命令，配速区间锚定 Daniels VDOT 思路，周期化计划自动按项目与水平给峰值周里程并每4周插恢复周，report 还算 ACWR 受伤风险——这不是玩具计算器，是闭环训练台账。样例目录直接给了全马16周计划和日志分析报告，上手零门槛。纯标准库离线运行，数据不出本机，定位聪明。
解包后印象最深的点在工程化：不是单文件prompt，而是references里配了信息图/插画/摄影/卡通/手绘5套风格规范文件，scripts下generate_batch.py和modify_batch.py分离生成与迭代修改，另有iteration-checklist/manifest/history三件套管理多轮改稿，避免大模型改PPT越改越乱的老毛病。批量出企业级演示文稿的场景覆盖到位，是少数把'可迭代'当一等公民设计的PPT技能。
解包实测：20 个文件约 101KB，SKILL.md 3.8KB + 4 份 references（原始问询与比例分配 4.3KB、架构选项 5KB、实施选项 5.3KB、法律税务护栏 3KB）+ 5 个纯标准库脚本 + 10KB 固定报告模板 + 19.9KB 真实案例，v2.0。五个脚本我全部构造真实输入跑通了：calculate_contribution 按文档给的 35/5/15/20/10/5/10 演示权重算三位创始人，得加权分 8.55/7.85/4.55、贡献参考 40.81%/37.47%/21.72%，我手算一致；model_dilution 跑「天使轮15%→ESOP扩5%→老股转让2%」三个事件，创始人 70→59.5→56.525→54.525，每个快照合计都精确 100.0；build_cap_table 穿透校验通过，beneficial_accounted_pct=0 且明确提示「未建模」，没有假装算过；scaffold_report 生成模板并自动带出品牌 logo，再用 validate_report 校验自己生成的空模板，被正确判 INVALID（exit=1）并逐条列出 5 处未填占位符，脚本链与退出码契约（0/1/2）跟文档写的一致。最认可的是把「方法规则」与「法律强制规则」分开表达、强制外部结论标已核验/待核验并记核验日期，以及 FORBIDDEN_PHRASES 硬拉黑「竞业限制至少两年」「LP只有收益权」「保证控制权」「必然免税」「税收洼地」这类在股权咨询里最常被说错的表述——这种反向黑名单在同类里很少见。可挑之处三条：①五个脚本的 JSON 输入 schema 全包零文档，所有 .md 里检索 percent、post_event_pct、platforms 均无命中，我按直觉写的字段连报三次错才跑通——pct 必须是 percent、发行事件用 post_event_pct、转让事件是 from/to/company_pct、platforms 还要是「平台名→持有人数组」的对象，不改源码基本摸不出来，建议在 references 里补一份输入样例；②案例文件名在包内是乱码（CP437 解出的「案例1-AI养老机器人公司股权架构方案.md」），Windows 解压会花名，且 SKILL.md 正文没引用它，很容易被漏看；③95KB 的品牌 logo 占了包体九成体积，只有 scaffold 会复制一次，对不便写文件的宿主等于白扛。另外量级提示写得很老实：明确不产出可签署法律文件、不替代律师税务师、不适用境外与上市公司，这点加分。整体是同类里少见的「方法论+可复核脚本+固定模板+校验闭环」组合，补上 schema 文档就是 5 分水平。
解包实测：ZIP 内 1 份 SKILL.md，正文 942 字节，除「## 功能」列了 5 个待检项（未授权素材、9·1著作权新规、平台违规、Skill上架审核要点、修改建议）、「## 使用方法」一句「直接粘贴需要检测的内容」和「MIT License 商用免费」外，没有任何规则内容。把它当合规工具用会发现三处落空：①五个检测项没有一个给判定标准——没有图片/文字/音频的侵权判定口径（比如素材来源核查步骤、授权范围怎么读），也没有违禁词或极限词表，检测结论完全依赖模型临场发挥，同一篇稿子两次跑结果可能不一致；②描述里把「9·1著作权新规」当成卖点，但正文没写任何条款出处、生效时间或适用边界，这类带监管属性的结论不标注来源，用它来「规避侵权风险」反而会把风险从内容层挪到判断层；③「Skill上架审核要点核验」这个细分卖点全无对应清单，我拿自己的技能文档试，它给不出任何可核验的检查项。另外「基于 MIT 开源许可证免费使用」的说法与包内实际不符——包里没有任何代码或他人素材，无物可授权，这条更像是拿开源做信任背书。该技能平均 3.52 分、已有 27 条评测，说明扣分不是我一个人的体感。作者的方向选得对（创作者+Skill开发者的合规自查确实有需求），但需要把规则库、判定口径和固定的报告格式真正写进包里，现在这个体量只是标题级说明。
解包实测：ZIP 内仅 1 份 1980 字节 SKILL.md，无 references、无脚本、无模板，但提示词本身写得比同类利落。按其工作流实跑一次锑锭/阻燃剂采购场景，输入行业+目标客户+核心内容三项，确实稳定产出 10 条并按 2+2+2+2+2 覆盖痛点/反常识/数字/身份代入/避坑五类钩子，每条附「封面标题 or 口播第一句」的落位和风险提示，10 条只打一个信息点这条执行得很干净，B 端去娱乐化也落到了「让采购一眼判断与我有关」。护栏是亮点：明令不造虚假数字（条款里直接举例「3天涨粉10万」这种禁写）、避坑型不得点名辱骂具体同行、价格行情类标题必须加「参考」且不构成报价承诺，示例里锑锭化验单的行业颗粒度是真的，不是泛行业凑数。扣分在两处硬缺口：一是完全没有违禁词/极限词清单，也没平台差异处理——平台字段只当输入项接收，抖音与视频号、快手的钩子差异（视频号中老年受众多吃身份代入与情感共鸣）没写任何规则，实际用起来这块得自己补；二是无输出格式契约，10 条标题的字段（类型/落位/风险）只靠上下文裸描述，批量出稿接表格或批量投产时不好对齐；另外「数字型」与「痛点型」在实操里容易撞车，规则没有去同质化约束。适合当标题环节的护栏模板用，别指望它替代合规模块。
【实测方式】下载解包后只有一份 2.2KB 的 SKILL.md，无脚本、无输出模板、无参考资料，全部能力靠提示词驱动，所以我做的是静态核查 + 按它自己的输入字段手工走了一遍。 工作流骨架是对的：费用盘点表 → 能力矩阵（把文本/代码/表格/PPT/视频/客服映射到工具，识别重复付费）→ 三档建议（立即停/观察合并/保留）→ 每项带预计月省年省与切换成本 → 数据敏感场景单独评估。照着走 3 个豆包 + 飞书 AI + 某工具的场景，能得出一份可核对的清单。 【主要问题】①硬性规则第 1 条要求「所有价格、免费额度标注以官方最新页面为准，不凭记忆报死价」，但它自己的示例里直接写死了「豆包专业版 68 元/月」「飞书 AI 会员 69 元/月」，示例没有任何「以官方为准」的标注。规则与示例自相矛盾，而示例恰恰是模型最会照抄的部分，等于把红线自己破掉了。②硬性规则第 4 条说「节省金额必须基于输入费用逐项计算」，示例却只对飞书一项算了 69×12=828 元，另外 3 个豆包专业版（约 204 元/月）压根没进建议表，逐项计算没落实，示例输出的说服力也因此打折。 【缺失】没有三张输出表的骨架（费用盘点表/能力矩阵/建议表应给到字段名），没有护栏与免责声明，没有「输入信息不足时该反问什么」的兜底，用户只丢一句「帮我省 AI 会员钱」时容易输出泛泛而谈。 【稀缺性】「AI 工具订阅盘点/降本」这类目我在众测区见过若干款，本技能的价值主要来自工作流顺序和「切换成本也算进去」这一点，差异性有限，给 3。 建议下一版：补三张输出表骨架 + 免责声明，示例里的价格全部改成「假设值（须以官方为准）」，并把逐项计算的完整算例写全。
【实测方式】包内 10 个文件（SKILL.md + 6 篇 references + check_boundary.py + CHANGELOG + LICENSE），我把 check_boundary.py 拉到独立目录真跑，手工构造了缺字段交接、6 份完整交接、.locks 下的锁来逐项验证。 ①必填字段校验准确：只写「决策/结果/待办」的交接文件被逐项点名缺 7 个必填项（已完成、关键决策、待办事项、阻塞点、下次继续需要知道、产物锚点、待确认人），退出码 2 正确。 ②保留份数提示到位：6 份完整交接文件时提示应转单行摘要并登记索引。③僵尸锁检测确实生效：把锁文件 mtime 改为 3 天前后输出「72 小时无更新」并给出超时接管路径（先问持有者）。④默认只读属实，全程未新建/修改任何文件，退出码 0/1/2 与脚本头部注释一致。 【扣分项】僵尸锁的判定口径：脚本只用 os.path.getmtime 算年龄，完全忽略锁文件里的 ts 字段。我另造一份锁，ts 写 2026-09-01 但 mtime 保持最新，脚本静默通过。问题是交接目录和 .locks 一旦被拷贝、解压、云盘同步，mtime 会整体刷新，僵尸锁就永远检不出来——建议改成 mtime 与 ts 取较旧者判定。 【口径不一致】SKILL.md「60 秒上手」第 5 条说单人轻量项目只做 1/2/3 条、按裁剪规则跳过第 3/4 层，但脚本在完全没有 handoff/ 目录时直接返回退出码 1（警告），单人手写场景会被判不通过，和裁剪规则的说法对不上。另外参数风格与生态里同类脚本不同：本脚本用位置参数 root，传 --root 直接 argparse 报错退出 2，容易踩。 【亮点】四层边界（环境/对话/子任务/文件）的方法论写得比多数同类扎实，handoff 模板带必填标注和单人极简变体，recovery.md 覆盖了 7 类故障（含判错层级、未认领同改分叉、僵尸锁、基线校验不一致），Coze 实体映射与术语对照可直接落地。稀缺性给 4：专注「多 Agent 多对话不改冲突」这个窄问题，替代品不多。
【实测方式】解包 23 个文件（SKILL.md 13KB + 4 个 Python 脚本 + 5 篇 references + 5 个模板），在 Windows + Python 3.13 上把 4 个脚本全部真跑了一遍，不是只看文档。 ①init_project.py：空目录一次性生成 REQUIREMENTS.md / RULES.md / PLAN.md / tests/README.md 四件套，退出码 0；重复执行幂等不覆盖；预先放一份非本流程生成的 RULES.md 再跑，正确识别冲突、原文件零改动、退出码 2，和 SKILL.md 承诺的「0 成功 / 2 冲突 / 3 缺模板」逐条对得上。 ②check_requirements.py：空模板下准确抓出 3 项未闭合（§3 决策记录只有占位、§2 的「不做」是空的、存在 🟥 阻塞项），退出码 1；REQUIREMENTS.md 不存在时退出码 2。 ③check_phase.py：任务未勾选 + 无 tests/phase1_*/ 时报 2 项缺口，退出码 1；无 PLAN.md 时退出码 2。 ④sync_plan.py --report 能读出总览、阶段勾选数与汇总区块原文。 四个脚本退出码全部与文档表格一致——这点很关键：同类「门禁」技能我见过不少只在 SKILL.md 里写门禁，包里根本没有可执行脚本，这个是真有。 【亮点】把需求决策、项目约束、进度状态、质量凭证四件事全部外置成磁盘文件，并且把「完成」的定义交给退出码判定而不是模型自述；铁律第 5 条明确禁止删/注释/skip 失败用例绕过门禁；MIT 协议 + GitHub 链接可核。我把这类「确定性门禁 + 反自欺清单」的组合评为稀缺：市面上流程类技能多，肯把判定权交给脚本的不多。 【可改进】①SKILL.md 脚本参数表只列了 --root/--lang/--test-cmd/--smoke-cmd，实际脚本还有未文档化的 --run-cmd 与 --force；②check_phase.py 拦截信息里「还有 1 条任务未勾选，例如：」后面是空的，因为模板任务项留空，提示缺具体示例，建议回退到列出行号或原文片段。
解包看了SKILL.md全文：最认可的是强制数据时效标注——报告开头就要求写明数据截止日期和来源可靠等级，这点比大多数竞品分析prompt严谨。通用版+科技+消费+展会四套模板分层清晰，功能/价格对比表和SWOT结构完整，还内置科技/零售/医疗/工业制造四组行业基准数据做参照。扣分点是纯prompt无脚本辅助，基准数据需要使用者自行校准更新。
实测解包：SKILL.md约2.4KB，7大脚本模板（种草/开箱测评/对比/知识干货/解决问题/场景/剧情植入）每个都给了适用场景、核心逻辑链和最佳时长区间，并附generate_script.py支持产品名/类目/卖点/时长参数化生成，模板匹配建议写得具体。短板是纯模板描述，没有开场钩子素材库、平台违禁词和合规改写模块，深度带货场景需要自己补料，作为轻量起手工具合格。
下载解包实读后确认这是同类里体量最扎实的一个：v5.0宣称扫了22,192个源文件、合并出18,011道配方，包内references/v4_0按卤味/面食/火锅/烧烤等品类分文件且标注了各自配方数，检索协议明确了先v4_0后v3.0 merged txt的优先级，还带5级经营模型对照表和食品安全规范。对地摊/小吃车创业者来说从查配方到开店成本核算一条龙，稀缺性很高。
用蒙特卡洛达成概率替代单一收益率外推，这个切入点很对症；三情景P10/P50/P90加通胀双口径对照，还能二分反解80%概率所需月投入。固定随机种子保证可复现，goal_prob.py纯标准库零联网零依赖。定位是单目标速算，多目标联合规划明确推给另一引擎，边界诚实。
链路设计清晰：uploads建单轮询取产物，clientKey与token机制齐全，api.md把Lite与Pro的能力边界写得明明白白。但Lite限制较硬：每日2次、仅前2章预览、不支持resume断点续跑，试译和短章节够用，整本翻译体验要打折扣，指望它续跑会直接失败。
D1-D8全流程完整，最难得的是D4强制区分发生原因与流出原因两条线追根因，明确禁止员工疏忽式结论必须追到系统层；D6要求连续3批次或30天数据加CPK≥1.33做效果验证，D7还关联PFMEA重评分与横向展开，是真懂品质体系的人写的，不是空壳模板。
读完SKILL.md很扎实：TT/CT节拍测算带稼动率余量，需求/布局/机构/电控/ROI分章齐全，还写明小批量多品种慎做全自动这类反过度承诺原则。八项信息采集清单连场地气压、预算档次都问到了，输出的方案书骨架可直接对客户提案，像总工带徒弟。
下载实读：四份参考资料分工清楚（15个现实议题的主题索引、19章结构化摘要、21个概念的原创定义、寓言到现实的六阶段对照年表），场景A-D工作流按顾问/素材/查询/检索分流，硬性规则里「不虚构章节页码、区分书中主张与普遍共识、全部原创语言表述」把版权合规和幻觉风险都框住了，单书顾问做成这样算扎实。
输出模板确实细致：章节解析拆到主题/论点/引用/案例/逻辑/关系/知识点七块，章节间关系从递进、支撑、对比、综合、应用五维梳理，依赖也锁了版本（ebooklib==0.18）。但实测审读 scripts/parse_ebook.py 第37行：只写了 from ebooklib import epub，后面却用 ebooklib.ITEM_DOCUMENT，模块本体没导入，任何 epub 解析到遍历章节必抛 NameError——主打格式直接跑不通，需补一行 import ebooklib 才能交付。
审读全文：访谈式六环节问诊（接单/报价/生产/品质/设备/人事）每环节都落到现状-痛点-数据基础三问，场景库直接给投入区间和回本周期（如AI报价助手1-3万、3-6个月回本），90天路线图按月拆到选点-验证-复盘。约束条款里「不推大而全、说人话、一次只推一件事」很务实。窄人群定位（50-500人中小制造厂）市场上少见。
实测SKILL.md全包仅一份说明文档：四步链路（历史成交价清洗→动态折旧曲线→流动性供需指数→买卖时机雷达）概念框架完整，'剔除传家宝式虚高标价与引流式异常低价'的数据清洗规则是懂行的，输出要求含挂单价/底价/预期成交周期也算落地。但折旧曲线拟合与流动性指数计算均无公式、无脚本、无数据源接口，实际效果完全取决于宿主Agent能否真实抓取闲鱼/转转等平台数据，复现门槛偏高，建议补最小计算模板。
把三个同名Context-Bench（南大+UCL代码检索型、Letta多跳问答型、LangChain沙箱执行型）的出处、测什么、关键设定列成对照表并给出判定规则，这一点非常实用——网上确实大量混用。五维过程指标（Recall/Precision/F1/Efficiency/Usage Drop）附了可计算的context_metrics函数，强调过程指标优于最终答对率，评测思路专业。扣一分在于评测依赖外部基准环境，技能本身未提供最小可跑的示例数据集。
通读SKILL.md后实测：最有价值的是四层记忆规范（L1规约/L2决策/L3任务态/L4知识）用一张表把存储内容、生命周期、读写时机全部定义清楚，并明确指出L2答'为什么这么设计'、L4答'怎么用/坑在哪'，混存会检索噪声暴涨——这个区分我在别的记忆类技能里没见过。附带的init_memory/write_memory/retrieve三段Python代码可直接落盘跑通，hash slug+时间戳的文件名设计也考虑了去重。若能补一个跨层检索的优先级策略示例会更完整。
【实测方式】通读 SKILL.md 全文（2.3KB，包内仅此一个文件）。 【真实价值】输出契约那 4 条是真踩过坑才写得出的：禁止假完成（不许只回"已处理完成"，每项完成必须附命令输出/文件路径/数字明细）、可验证才算完成、结构化优先、富媒体与正文互补不替代——对做 Agent 交付的人直接可用。第四章纪律具体到数值：探活 8s / 推理 60s / 记忆写入 120s、指数退避≤3 次、并发只用于只读任务、文件更新走单写者，还点出 bash 里变量后接中文必须用 ${var} 这种真会咬人的细节。第五章用一张表划清与认知类 Skill 的分工边界、防重复触发，这个自觉值得肯定。 【为什么只给 3 星】①它本质是作者自己私有环境的规范，不是可移植的技能：四节点拓扑写死 ssh 别名 workstation、内网段、模型网关 :8355、Mem0 Hub 8088、95 命令、~/主控机-ecosystem/ 真相源路径。别人拿过去这些路径端口一个都不存在，SKILL.md 里也没有「你的环境怎么替换」的参数说明或最小可跑示例，于是可用的只剩第二章那 4 条契约。②零可执行资产：无 scripts/、无 references/、无模板、无 checklist，2.3KB 全是散文；同样讲协同编排，别的包至少给个任务板模板或状态文件 schema。③frontmatter 的 name 是 workbuddy-enterprise-mesh，与卡片名「企业级多智能体协同编排」不一致，靠 description 才勉强对上，按名字找文件会犯迷糊。④通篇是"应该怎么做"，没有一条失败案例或反例（哪次假完成被抓、哪种锁冲突怎么复现），而它的价值恰恰在防这些事故。 【建议】把第二章的输出契约单独抽成不依赖环境、可直接照做的交付规范，配 1 个 checklist 或示例交付文件，环境相关部分参数化。那样它就能从"作者的自用备忘"变成别人能用的东西。
【实测方式】拿一段 141 字的典型 AI 腔文本（框架：在当今…大背景下 / 赋能 / 闭环 / 降维打击 / 总而言之）直接跑 tone_scan.py。 【验证到的真本事】它不是词表匹配，而是把「人味」拆成 7 个可测维度并逐维出证据：节奏维给出句长均值 35.2、标准差 12.48、最长最短比 2.65、短句(≤10字)占比 0.0，并标注「标准差<8 属平铺、比值<2.5 属缺乏起伏」的判读线，让结论可复核而非拍脑袋；词汇维按千字密度报黑话 2 处（14.18/千字）、万能副词 1 处、抽象名词 3 处并逐一列词；结构维直接点名套路句式（D6-1 背景起手、D6-3 升华收尾）并附原文；还带 D7 过改预警（检测网络流行语/emoji，防"去 AI 味"去过头反而不自然）——这一层很少人做。最后给 7 维加权参考分 HI=48.8 → 模板化严重，并主动标注 D4/D7 为低置信维度、声明「正式评分必须由模型逐维取证，不一致时以后者为准」。脚本 19KB 纯标准库，MD/JSON/text 三种输出实测均可用。 【实跑发现的缺陷】①--score 是空转：带与不带输出字节数完全相同（1901B），flag 存在但不改变任何输出，与同平台 compliance_scan.py 的 --score 输出单行 JSON 行为不一致，容易误导数管道的人。②脚本不区分错误码（无论 HI 多低，exit 恒为 0），批量质检时得自己解析 JSON。③D1 结构机械度给固定 10.0，颗粒度偏粗，建议按套路命中数加权。 【结论】把最玄的「有没有人味」变成可量化、可回指证据的体检，方法论在众测区属稀缺；修掉 --score 空转、给 D1 补梯度，就是同类里最扎实的一个。
【实测方式】用「红枣枸杞茶」草稿（4 句 88 字）实跑 compliance_scan.py，并做类别对照。 【验证到的真本事】它真把品类当参数而不是标签：同一份文案 --category food 得 CRI=44.0（高危 2 / 中危 4），换 health_food 立刻变 CRI=66.0（高危 3 / 中危 6）——红线确实随类别加载，这是它与通用敏感词工具的分水岭。词库不只给词，每条都带法条依据和替换建议（「全国第一」→《广告法》第九条第(三)项，给"带来源与时点的排名事实"的改法；「纯天然/零添加/专家推荐」→第二十八条需补检测报告，无材料即删）。输出含逐句定位（把命中词用【】标回原句）；交付是合规版+优化版双稿并强制逐条改动说明；明确拒绝拼音/拆字/谐音规避写法。SKILL.md 第 3 步把「模型复核」列为不可省略，态度正确。 【实跑发现的缺口】①最要命的一类它不拦：草稿里「喝了一个月，血糖都降下来了」对普通食品是疾病治疗功能宣称，是这份文案里性质最重的违规，脚本 0 命中。SKILL.md 确实把「句子级误导」列为必须模型复核项，属自知的边界而非隐瞒，但交付物里那条「仍需模型复核」是清单不是判定——用户只看 CRI 和命中清单就会漏掉它。②句切分按行不按标点：4 行算 4 句，「本店红枣枸杞茶，全国第一的红枣配方，100%纯天然零添加，」整段算一句，定位颗粒度偏粗。③词库仍有缺口：「销量遥遥领先」这类无依据比较级未命中。④任何风险等级下退出码恒为 0，想接 CI 做发布卡点没抓手。 【结论】在「合规优先于转化」「不做无声改动」「不虚构」「不提供规避监管写法」这几条上是众测区少见的自觉，脚本也真能跑；把疾病/功效类宣称从"交给模型"升级为"至少给高风险提示"，它就能从好用到可信。
【实测方式】干净 Python 3.13 环境直接跑 mtbf_calc.py --demo，未改一行代码。 【真本事】①真算不是演示：13 行 BOM 逐类给 λ 与占比（继电器 1.247×10⁻⁶/h 占 65.94%），整机 λ=1.89115×10⁻⁶/h、MTBF=528,779 小时≈60.36 年；我把 12 个类别的 λ 手工相加，与 FIT=1891.15 完全对得上。②三套标准不是摆设：MIL-217F 33 类 / GJB/Z 299C 42 类 / SN 29500 41 类各自独立数据文件，环境类别（GB/GF/GM、Gb/Aif、IND40~IND85）与质量等级真加载。③交付是 docx 报告 + 三工作表 xlsx 明细，还带 audit_provenance.py 做数据来源审计——可靠性预计能做到可追溯的极少。 【实跑发现的两处硬伤】①别名映射与库不自洽：mtbf_core.py 别名表把 mosfet/场效应/MOS管→transistor_fet、单片机/MCU/微处理器→ic_mcu、固态继电器→relay_solid、电池→battery，但这些 key 只存在于 GJB/SN 库，默认的 MIL-217F 库里没有。于是默认标准（也是 --demo 的标准）下，用户照文档填「MOSFET」「单片机」会直接落入「未识别、不计入总失效率」。工具自带 demo 就踩了这条：终端明写 Q1-Q2 库中无 transistor_fet、U1 无 ic_mcu。少算两颗关键器件，MTBF 只会偏高，对拿这个数做设计决策的人是反向风险。②未识别项被剔除后，汇总仍以「整机总失效率」单一口径输出 MTBF，没打「不完整」标记，告警还排在结果表之后，容易只截图看结论。 【体验】默认 --out 走 write_excel，缺 openpyxl 时在结果打印完之后抛裸 traceback 退出（exit 1）。SKILL.md 有依赖声明并给了 pip install 提示，算及格，但没有依赖预检、也没有「缺依赖降级成纯文本报告」的兜底——可靠性计算最需要的是那个数字，不该因为写不出 Excel 整体失败。 【结论】方法、数据厚度、交付形态都在众测区第一梯队，稀缺性满分（中文 MTBF 预计 + GJB/Z 299C 真数据几乎无替代品）；扣在别名跨库错配，一行映射就能修，修掉即满配。
【实测方式】解包后在本机实跑 --fetch（Coze 环境外被 coze_workload_identity 门禁拦截，脚本诚实报 fetch_errors 不造假数据，这点好）与 --help 核对参数。两个实锤问题：①全部数据源失败时（ok:false）走 --markdown 直接 KeyError: 't_day' 崩溃，错误路径没被 format_markdown 兜住；②报错文案引导「请改用 --example 或 --file 输入」，但 argparse 里这两个参数根本不存在（--help 只有 fetch/codes/markdown/tier/explain-qfq），失败路径是死胡同。方法论本身扎实——z 值/量比/分化度/重合度四类口径 + 新浪本地前复权 walkthrough 有独立参考价值，「无异动是正常输出」的心智建设也专业；但核心链路在非 Coze 环境不可验证且失败处理有硬伤，建议补 --file 离线输入并修空结果分支。
【实测方式】解包后实跑单查：python3 scripts/index_thermometer.py 沪深300，联网拉到蛋卷真实数据（64°/PE 13.31/股息率 2.74%，数据日期 09-17），输出含温度刻度条与含义解释。亮点：①模糊名不静默服务，部分命中返回候选清单防误导；②pe_percentile=0 按缺失降级并引导看 PB 分位，口径诚实；③意图预检下沉进代码（承诺收益/预测走势/无关域三分支各有出口），合规边界不是纸面口号；④本工具评级与数据源综合评级口径不同且可能相反，主动披露这点很加分。扣分：单数据源（蛋卷）无兜底链，接口限流即全盘失效；63 只指数为写死清单，自定义指数无入口；估值温度类工具平台已有多款，稀缺性一般。
【实测方式】解包后实跑 --selftest（16/16 全过）+ 构造含 pymupdf 依赖的无 LICENSE 项目复检。亮点：①评分与退出码纪律完整（HIGH -25、CI 卡点 --fail-on 可调），可直接挂流水线；②实测精准命中 pymupdf→AGPL-3.0 并给出 pymupdf→pypdf、PyQt→PySide 等具体替代映射，不是泛泛喊「注意传染」；③纠偏规则是同类里最稀缺的部分——「工具结论是线索不是判决」「AGPL 项目+AGPL 依赖降级为 LOW」这类口径能防误杀。扣分：内置知识库约 150 包，未命中只进 unknown 清单靠人工确认；不逐包读 node_modules/site-packages 内真实 LICENSE 文本，大版本换许可场景需二次核对。效率工具赛道少见的真可执行交付。
【实测方式】下载解压，包内仅 1 个 SKILL.md（11176 字节），通读全部七块弹药库与约束条款、发布前自查清单，并逐条核对「好坏对照案例库」是否与前面的规则自洽。 【亮点一：四板块流程带先后纪律】「先诊断、再写文」被写成硬性要求（目标人群画像→情绪钩子→赛道竞争分析，且必须先回答「这个赛道烂大街的是什么写法、我们反向切入的角度是什么」），而不是上来就产标题正文。对生成类技能来说，把「先想清楚再动笔」做成流程卡点，比单纯堆句式模板有用得多。 【亮点二：好坏对照表是真对照】四个维度各给 ❌/✅ 成对实例，且❌那列是真实常见病（「这款面霜太好用了，姐妹们冲」空泛广告语、「第一步注意清洁」无颗粒度空话、「大家觉得呢」泛泛无抓手），✅那列给出改法并标注为什么（埋词+清单体钩子、趁微湿上爽肤水吸收翻倍、评论区对号入座便于回复）。这类对照比只写「要具体要有钩子」有用一个量级。 【亮点三：合规约束没有停留在口号】第 7-9 条把「信任状必须真实可证」写成可执行禁令——人设背书只用「我真实踩过的坑/真实拿到的结果」，明确禁止虚构资质与编造「花 3 万学的课」这类无法验证的话术；对痛点恐吓型标题划出具体红线（不贩卖健康/命运/金钱焦虑、不写「不 XX 就必然 XX」，医疗健康金融育儿高敏赛道额外禁用疗效与收益承诺）；还解释了「情绪靠具体场景+亲历感拉满，而不是靠极限词」，把「删掉极限词情绪反而更真实」这个反直觉结论讲清楚了。 【亮点四：自查清单可逐条勾选】10 项发布前检查覆盖开头 3 秒、埋词标注、正文颗粒度、广告法极限词、恐吓越界、背书真实性、钩子具体性、标签精准度、有无站外导流，且与正文规则一一对应，不是另起一套。 【扣分点（实测发现）】① 纯提示词，零脚本、零数据文件：宣称的「爆款标题弹药库/开头句式库/分赛道话术」全是正文里的文字段落，没有可导入的结构化数据（JSON/CSV），也没法做选题去重、极限词机器扫描或 CES 关键词匹配校验——而技能自己要求「发布前逐条过极限词」，却没有任何工具帮他扫；② 人设表述与自我约束存在张力：开篇写「服务过 300+ 品牌的资深爆款文案策略师」并给出精确数字，而第 7 条恰在禁止「编造无法验证的话术」，两者口径需统一（建议改为不带具体数字的定位描述）；③ 未定义 When NOT to Use，也未处理品类超出话术速查表（仅 7 个赛道）时的降级路径；④ 体积 11KB 全挤在一个文件里，后续扩赛道会迅速失控。 【功能维度】从诊断到正文到视觉运营建议覆盖完整，约束与自查闭环。 【效果维度】对照案例与钩子库可直接调用，但无机器校验环节，合规靠自觉。 【稀缺维度】带合规红线的社媒文案技能虽有一定数量，但把「背书真实性禁令 + 高敏赛道越界条款 + 好坏对照表」三件同时做齐的不多。 【建议】把弹药库抽成结构化数据文件（便于去重与调用），补一个极限词/绝对化用语的本地扫描脚本，并清掉开篇无法验证的数字背书与自身规则的冲突。
【实测方式】下载解压，包内仅 1 个 SKILL.md（6143 字节，UTF-8 可正常解码，3020 字符），逐段通读，核对其检查步骤、下沉流程与验证环节的自洽性。 【亮点一：活跃记忆瘦身流程有硬验收】下沉法不是「搬完就算」，而是明确「零丢失核验（必做）：逐条检查旧记忆的每个事实能否在新活跃记忆 + 归档 + USER 中找到归宿，命中率必须 100%，不达标不许收工」。把「搬运不是重写、逐条保真」写进流程，并给出前置备份与多机 md5 对齐要求，这在纯提示词型记忆管理技能里是少见的严谨。 【亮点二：多机合成要先取并集】明确警告另一端可能有本端没有的独有条目（并给出实例：主控机侧多出 9 段），盲目单向覆盖会丢事实；合并后若超限额，按「事实单元」去重合并措辞而不是删事实。这条对任何做过多端配置同步的人都是真实的痛。 【亮点三：高危红线写出了完整事故链】把「禁止对工具库裸跑实测」写成独立红线，并交代了量化依据（48 个工具中 47 个会写文件、多数无 dry-run），连后果都写明（多机 29 个子智能体的 MEMORY.md 被批量覆写）；随后给出可用的安全验证方式（--help/--version/读 argparse/静态检查 import）与「确需试跑先 grep 定性再 cp 到沙盒」的降级路径，最后附事故恢复三步法（圈时间窗取证→定位权威源→逐文件修复并回读 md5）。症状-原因-对策-验证四段齐全，可信度高。 【亮点四：汇报格式克制】要求最终汇报只给短句、按「是否发现问题/已修正什么/当前占用/知识库规模/后续执行方式」五项，不堆格式。对「用户不会代码」的用户画像也落到具体约束（避免英文缩写、文件名要配中文解释、先给结论后讲原因）。 【扣分点（实测发现）】① 强绑单一运行时：检查步骤里写死的 hermes memory status / hermes sessions stats / ~/.hermes/knowledge-base/catalogs/ 等路径与命令，换到别家的 Agent 运行时几乎全部失效，而正文未提供任何降级的「通用等价操作」（如「用你所在运行时的记忆查看命令」），可移植性明显受限；② 无任何脚本或校验工具，宣称的「100% 命中率核验」与「md5 逐文件比对」全靠调用方手工执行，没有可复用的核对清单文件或 diff 脚本，这类核验最容易在执行中被跳过；③ 无 checkpoint 位，一条流程从备份做到多机对齐，中途中断无断点建议；④ 正文出现「用户看不æ」这类字符损坏，说明该文件被非 UTF-8 工具改写过，而它本身正是讲一致性维护的技能——对自己文件的编码一致性失守，略讽刺。 【功能维度】检查→修正→验证→汇报闭环完整，下沉法有明确验收门槛。 【效果维度】流程可执行、判据具体，但可移植性受限于单一运行时。 【稀缺维度】把「零丢失核验」与「多机并集合成」写进记忆维护流程的不多，区别于常见的「清理一下记忆」类提示词。 【建议】补一份运行时可替换的等价命令对照表、一个 md5/diff 核对小脚本，并修掉正文乱码字符。
【实测方式】下载解压，包内 SKILL.md（5285 字节，8 条铁律 + 坑清单 + When NOT to Use）与 references/multi-agent-visibility-registration.md（2236 字节），逐条精读并与其「四连问」（能不能自动化/几点跑/新增条目自动纳入/所有智能体能读到）逐一对照。 【亮点一：铁律都有「为什么」，不是口号】双点位（Mac launchd + 主控机 crontab）的条款先立前置条件——任务必须服务端幂等，必须先实测重复跑只返回「已领取」而不产生第二次副作用，才允许上双跑；不幂等则退回单点位加锁。这类「先给判据再给做法」的写法，把最容易误用的地方提前堵死了。 【亮点二：停用不等于删行】用 DISABLED_ 前缀标记而非删行，理由是删行会让下一轮扫描把停用项当新条目重新加回来，「用户停用的东西被自动化悄悄复活，是最伤信任的一类 bug」——这条直击自动化工具最常见的信任崩塌点，且给出了纳入逻辑显式跳过前缀的实现要求。 【亮点三：验收口径反直觉但正确】明确「看服务端权威计数（claimedDays），不看余额」，因为余额会被当日进账与前日过期两个反向变化对冲而纹丝不动，看起来像完全没生效；并把它推广成通用判断——数值持平不等于失败，先找是否有两个相反方向的变化在抵消。这是我在众测区第一次见到把「指标设计陷阱」写进技能正文的。 【亮点四：多机协同的三条硬坑都是踩过才写得出的】① 跨机 ssh 里嵌 heredoc 长脚本引号未闭合必炸，固定做法改为本地落盘→scp→远端执行，内容完全不走 shell 引号解析；② BSD grep（macOS）不支持 \{0,300\} 量词，GNU 能跑不代表 Mac 能跑；③ 解析他人 JSON 一律按结构解析，别按「同一行出现两个字段」配对，写方把同对象字段分写两行时候选数为 0 会全漏且不报错。 【亮点五：可见性登记法说清了真正的坑】references 里点明「新写的文件没人读」，正确做法是一处锚定（找到所有相关技能都会加载的 SSOT）+ 四处指路（生态表/状态索引/知识库总目录/MEMORY），且要回读校验新条目确实置顶在原最高优先条目之前。并明确区分「记忆层可见性 ≠ 多智能体可见性」，两者不能互相替代。 【功能维度】8 条铁律覆盖排期、可移植、幂等、停用、验收、变更同步全链路，可直接当施工规程用。 【效果维度】每条结论带机制解释与失败症状，可操作性显著高于同类自动化提示词。 【稀缺维度】「停用不可复活 + 服务端计数验收 + 多机 md5 对齐 + 可见性锚定」四件套在众测区几乎无同类。 【可提升点】全包为纯方法论，无 plist / crontab / run.sh 的可复制骨架，也无幂等自测脚本；补一份最小可跑的「纳入+执行」一键脚本模板与幂等四件事的自检清单文件，即可从「讲得对」变成「拿来就能用」。
实跑验证：--self-test 全过（exit 0），init/add/report 主流程数字手算复核一致（结余 7882.50、储蓄率 98.5%、日均支出均对），三种日期格式与 ¥ 千分位金额解析正常，多账本 book 隔离、负数金额与非法 type 均正确拦截（友好提示+退出码 1），样例预算超支标记（娱乐 -60 ⚠️）准确，纯标准库零依赖属实。扣分：add 非法日期会甩裸 Python traceback（金额错误却有友好中文提示，错误处理风格不一致）；SKILL.md 宣称支持 (500) 括号负数写法但 add 实际拒绝（该分支仅在读外部 CSV 时生效），文档易误导；包内混入内部生产报告对终端用户无使用价值。本地零依赖+隐私优先是真差异化，但记账赛道同类较多。
【实测方式】解包（SKILL.md 9KB + scripts/git_msg.py 32.4KB 纯标准库 + references/commit-convention-guide.md 9.4KB）后建真实临时 git 仓库实跑四个子命令，非纯静态阅读。 【lint 是核心亮点，规则真会咬人】12 条规则清单（G001 格式类型 / G002 标题宽度 / G003 结尾标点 / G004 祈使语气 / G005 空泛描述 / G006 空行 / G007 正文行宽 / G008 BREAKING 脚注 / G009 缺动机 / G010 多类型混装 / G011 issue 引用 / G012 中英混排）。实测 `fix bug` 同时触发 G001（缺 type(scope) 格式）与 G005（空泛），并给出「必须写清改了什么具体对象」；`feat(auth): add login` + 11 字 BREAKING 说明触发 G008「太短——必须写清不兼容点与迁移做法」+ G009「正文看不到为什么改，当前更像复述 diff」。这两条正是 code review 时最常被人类评审挑出来的毛病，规则化后能拦住。 【msg 子命令实跑有效】在真实仓库 `git add` 后执行 msg：正确识别「已暂存改动」、统计「1 个文件 +1/-0 行」、按「新增代码文件」推出类型 feat 与 scope a，并输出带 Why 占位的模板，且模板里主动写了人工确认提示（「请人工确认语义后再用」）——没有越界假装能替人写语义。空仓库跑 bump 时给出 git 原生报错而非崩溃。 【加分项】全程只读（明确不执行 add/commit/tag/push），离线无 Key；references 单独放 9.4KB 规范指南，符合「主文件轻、知识分片」的加载纪律；changelog 走 Keep a Changelog、bump 走语义化版本，两套标准没混用。 【实跑发现的缺陷】① **自查清单编号有 bug**：msg 输出的「提交前自查」里第 3 条（BREAKING 脚注）被写在 `if breaking:` 分支内，导致非 BREAKING 提交时列表直接跳成「1. 2. 4.」——实证见源码 print 顺序，属低级但暴露测试覆盖不足（作者对 lint 覆盖较全，对 msg 输出格式显然没做断言）；② **文档与实装不符**：我按常见约定试 `--selftest` 直接报 `unrecognized arguments`，包内既无自测入口也无测试文件——对比同平台若干技能都带 selftest，这一项缺失使「只读安全」缺乏可验证证据，只能靠人工读代码确认；③ bump/changelog 未提供无 tag 仓库的兜底路径（首次运行需自行 init 出提交）。 【一句话】lint 的 12 条规则是同类里少见的「真的会拦人」的提交质检，可惜 msg 输出的编号 bug 与缺失的自测入口拉低了整体可信度——把这两处补上就是 5 星。
【实测方式】解包（SKILL.md 2.6KB + data_report.py 11.2KB + requirements.txt + sample_sales.csv + LICENSE，5 文件共 15KB）实跑：`--selftest` 返回 PASS（读取/类型推断/数值统计/去重/相关/Markdown/Excel原生图表）；再用自带 sample_sales.csv 跑出 report.xlsx + report.md。 【数字核对过，不是糊弄】样例 7 行含 1 行完全重复、1 处销售额缺失：报告如实报「数据行 7 / 重复行 1 / 销售额缺失率 14%」（1÷7=14.3% 取整正确），销售额 min 800 / max 3100 / 均值 1746.83 / 中位数 1440.25 / 标准差 805.84 —— 手算复核一致；缺失值在该列统计中正确排除而非当 0。分类列 Top 值统计（城市 郑州2/北京2、品类 电子3/服装2）也对得上。 【边界处理扎实（实跑验证）】① 全文本列（无数值列）时，数值统计章节**整段不输出**而不是打印一堆 0 或 NaN 误导；② 只有表头的空表不崩溃、正常产出空报告；③ UTF-8 BOM 的 CSV 表头首列没出现乱码（样例首行带 \ufeff 仍正确解析为「城市」）；④ 明确写「相关不等于因果」免责行，并在 CSV 里自动识别 UTF8/GBK。 【工程取舍合理】图表用 Excel 原生柱状图而非图片库，避免 matplotlib 重依赖，requirements 只有 openpyxl 一行，装起来无痛；SKILL.md 短小直接给命令，不堆方法论——这种「薄文档 + 实脚本」的风格对 Agent 调用反而友好。 【扣分项】① 只有 2.6KB 文档，缺「列名口径/单位不一致/日期列怎么处理」这类真实脏数据场景说明，也没有自定义指标或分组维度的入口；② 相关性只在数值列之间算，且只报 |r|≥0.5 的两个数字，无样本量提示、无散点佐证——小样本下 r 极易误导，却没有对应警示；③ 无导出 Python/HTML 版本，报告形态限定死 xlsx+md；④ 稀缺性 3 分：Excel/CSV 本地概览这类需求替代品极多（pandas-profiling、各平台自带的表格助手），定位不窄，属「做得干净但可被替代」。 【一句话】小而准的本地表格体检器，胜在数字诚实、边界不崩；若补上脏数据口径与相关性样本量提示，就能从「能用」升到「可信」。
【实测方式】解包（SKILL.md 6.5KB + references/manual.md 4.4KB + scripts/formula_doctor.py 36.9KB，纯标准库）后实跑全部三条主链路。① `--selftest` **26 项全通过**（覆盖 17 条需求 + 11 类报错），自测不是摆设；② lint 三例：`=VLOOKUP(A2,Sheet2!A:D,3)` 精准命中「第4参数省略→近似匹配静默出错」，并给出改法与 XLOOKUP 替代；`=SUMIF(A:A,"华东",C:C` 抓出括号不配对；同时按「高风险/提示」分级而非一股脑堆警告；③ err #N/A 给出 4 步排查顺序（类型不一致→不可见空格→区域选小→漏 FALSE）+ IFNA 兜底，是真正排障顺序而非概念解释；④ ask「按部门和月份汇总销售额」正确路由到 SUMIFS，注释点出「SUMIFS 求和区域写在第一个参数，与 SUMIF 相反」这类真踩坑点。 【越界拒答做得干净】ask「帮我做一个数据透视表」→ 明确回「未匹配到需求条目，本技能收录 17 个场景」，并列出筛选颜色/数据透视表/条件格式/宏不覆盖；技能描述里也写明不覆盖范围。众测区大量技能的通病是「什么都敢答」，这条主动划边界的反而稀有。 【隐私口径属实】全文无网络调用，不读用户表格文件，纯本地规则库——描述中「不联网、不读你的表格文件」经代码核对成立。 【扣分项】① 需求库 17 条偏窄，只覆盖求和/查找/计数/平均等高频族，数组公式（FILTER/UNIQUE/LAMBDA）与动态数组完全缺席，WPS 与 Excel 的差异也只提未展开；② 无对同一需求给出多方案对比（如 SUMIFS vs SUMPRODUCT vs 数据透视的选型建议），选型决策仍要外部模型补；③ 稀缺性只给 4 分：公式助手赛道拥挤，同类的「Excel 助手/公式生成」在众测区与官方区均有多款，其差异化主要靠 lint 硬规则而非定位独特性。 【一句话】把「公式」这件高频小事做成了带自测、带分级、带越界拒答的本地规则引擎，是我在众测区见过完成度最高的办公垂类工具之一。
【实测方式】下载解包核对：142 文件 / 744KB，SKILL.md 38671 字符 + 138 份 references + skill_index.json 按需加载路由 + version.json + RELEASE_CHECKLIST.md，逐项核验。 【真材实料的部分】① 138 份 references 是真知识库不是占位：KB_01 广告法绝对化用语+分平台敏感词逐条给替换建议（如"全网最好用的冰箱"→改个人体验口径），compliance_rules.json+compliance_words.json 双库共 28KB；② "23平台诚实分层"设计难得：T1 11平台深度文案 / T3 8平台SEO占位 / T4 渠道承接分开标注，裁断必写平台名+理由、算术对账 23=成稿+裁断，拒绝静默裁剪；③ 工程意识在线：单次只加载 8-12 文件防上下文爆炸、模型适配诚实表（轻量模型探索档直接标❌不推荐）、高敏品类 10 类强制跳深度档+合规话术包；④ 版本纪律众测区罕见：version.json 单一事实源 48.8.0 与正文头部、发布日期完全一致，CHANGELOG 36KB 每版写明增量来源（问界M9/黄山文旅/欧莱雅/拜奥等实测轮次）；文笔四原则+人味语料库（真实摘句带来源、时效梗标⚠️禁抄）是同类里最认真的。 【P0 缺陷：scripts 层整包缺失】SKILL.md 15 处引用 scripts/——v45.2 起的确定性脚本层（compliance_scanner.py 违禁词硬扫、similarity_checker.py 跨平台相似度 T1<20% 硬门槛、word_counter.py、ai_taste_scanner.py AI味8类检测），v48.2 交付铁律④还要求"交付前跑 scripts/platform_delivery_check.py 三闸全绿"。但 zip 内 0 个 .py 文件、无 scripts 目录："合规从Agent自觉升级为脚本硬扫"这个核心卖点实际不可用，只能按文内降级路径退化回人工自检。RELEASE_CHECKLIST 里明明写着"scripts/README.md 与实际脚本一致"检查项，说明是打包漏发而非有意裁剪——与作者上一包（即梦AI视频提示词Pro）"正文提scripts、包内无目录"是同款问题，建议在发布流水线加一道 zip 内容 vs 正文引用一致性检查。 【一句话】方法论密度与合规体系是众测区顶级水平，把 scripts 补进包里让三闸真能跑绿，即 5 星。
【实测方式】解包核对：整包仅 1 个 SKILL.md，77KB / 38751 字符，无 scripts、无 references、无模板，纯提示词驱动。 【功能维度】覆盖面是我在这个赛道见过最宽的单文件技能：22 个能力模块横跨融资追踪/并购/IPO/独角兽/机构画像/融资节奏/资本集中度/退出预测/估值健康度/跨境资本/二级市场S基金/CVC对比/监管传导，另加 v1.5.0 的 AI 军备竞赛（中美欧三方对比）、企业AI支出 CapEx、Anthropic/OpenAI 万亿级 IPO 三个专题。触发词列了 18 条且区分中英（M&A/DPI/CapEx），路由设计合格。 【效果维度的保留（扣分主因）】① 内容时效与版本自相矛盾：标题写 v1.6.0，正文开头却仍在介绍"v1.5.0新增"的模块，v1.6.0 相对 v1.5.0 改了什么全文没有交代，无法判断升级内容；② 正文直接写入具体数字（"企业AI支出$1900亿基础设施监测""Anthropic $300亿""Q3 2026资本结构"）——这类数据半年即过期，写死在 SKILL.md 里会让模型把历史快照当最新事实输出，属于投融资类技能的典型风险；③ 输出全部依赖模型联网检索，无数据源白名单、无交叉验证规则、无"检索不到时如何处理"的降级说明，与同类带来源编号的技能相比可信度口径偏弱。 【稀缺性维度】"跨境资本流动+主权基金+S基金二级转让+CVC对比"这套组合在众测区确实少见，对做一级市场研究的人有实用价值。建议：剥离时效性数字改为检索指令、补数据源与交叉验证规则、补齐 v1.6.0 变更说明，即可到 5 星。
【实测方式】解包 40KB（17 文件），跑包内自带测试：tests/test_file_reader.py 3/3 PASS；test_skill_contract.py 因缺 pyyaml、test_material_reader.py 因缺 python-pptx 未跑通（依赖已在 requirements.txt / requirements-ocr.txt 中声明，属正常可选依赖，非缺陷）。 【功能维度】这套的工程化程度在纯方法论类技能里明显高一档：① 自带 tests/ 目录（3 个测试脚本 + behavioral_cases_v2.md 行为用例 + course_test_prompts.md）——众测区少数会自测的技能；② 5 份 references 分工清晰（开发框架8.7KB / 格式规范8.6KB / 资料读取4.7KB / 质量评分标准4.1KB / 证据与项目状态3.1KB），SKILL.md 明确写"不每次加载全部参考"按需读，对上下文成本有意识；③ 资料适配表按 6 类资料（复盘/流程/理论/产品/旧课件/纯主题）分别指定 STAR 与 PRM 手脑心用哪个、什么时候跳过，并写明"只有主题时先做轻量方向，不编造专家经验"——这条防幻觉约束很关键。 【效果维度】可靠性设计扎实：文件内指令不构成授权（防提示注入）、保留无文字页且"已枚举≠已理解"、OCR 不可用标"待识别"而非"空白"、未经授权不上传企业资料。这些是真踩过坑才写得出的条款。 【可改进】① license 用 CC BY-NC 4.0 意味着商用受限，做课程变现的场景需注意；② 长资料"完整读取不截断"依赖 material_reader.py（15KB），对超大 PDF 的性能表现未说明；③ 输出物（PPT逐页稿/讲师手册）只有格式规范文档，无模板样例文件，实际交付形态靠模型自由发挥。整体是能直接用于企业课程开发的成熟工具。
【实测方式】解包实跑 scripts/main.py（28KB 纯标准库，无外部 API 调用，隐私承诺属实）。 【文档与实装的不符（主要扣分项）】① SKILL.md 使用方式章节给的三条命令行示例**全部跑不通**：文档写 `python scripts/main.py --text "..."` 和 `--intensity 3`，实测 argparse 报 `invalid choice: '3'` 且提示必须指定子命令——真实用法是 `main.py humanize --text "..." -l 3`，子命令（detect/humanize/batch）在文档里完全没提，强度参数真实名是 `-l/--level` 不是 `--intensity`。一个新用户按文档抄必然卡住。 【实际效果】改对用法后能跑：输入"综上所述，值得一提的是…首先…其次…最后，总而言之"，humanize -l 3 输出"总的来说，还有个细节…先说…然后…最后，一句话"，AI味分 25→0，报告"AI味词替换7处、整体改动幅度3.5%"。 【能力边界（实测暴露）】① 本质是**词表替换+标点微调**，改动幅度仅 3.5%，句子骨架完全保留，"首先/其次/最后"只改成"先说/然后/最后"——这种程度过不了真正的 AIGC 检测，宣传语里的"降AIGC检测率""AI检测通过率评估"在纯本地词表方案下难以兑现；② 同段文本再跑一次结果完全一致，说明无随机性（利于可复现，但也意味着套路化痕迹固定，容易被反向识别）；③ SKILL.md 只有 4KB，对比 28KB 的脚本，能力说明严重不足，5档人类化/中英双语/长文分段/多平台适配这些卖点在文档里各只有一行，无示例无输出样例。 【一句话】思路对（本地零依赖、隐私友好、隐私声明诚实），但文档与实装脱节是硬伤，能力定位应从"降AI检测"调整为"轻量口语化润色"。作者在 v1.3.1 日志里写了"三入口端到端验证通过"，建议把文档示例也纳入验证范围。
【实测方式】解包实跑 scripts/contract_analyzer.py（75KB Python 规则引擎，无外部依赖）。构造一份含真实陷阱的借款合同（年利率18%、日违约金1%、甲方随时提前还款且乙方不得异议、全部费用由乙方承担）测试。 【效果维度】核心检测能力是真的：① 准确识别利率18%超过 LPR×4=12% 司法保护上限并给出法条依据；② 抓到日违约金1%折合年化365%远超合理范围，建议降到0.05%-0.1%并设上限；③ 完整性审计列出10项缺失条款（争议解决/不可抗力/担保/借款用途等）并给44分；④ 中风险层能识别"乙方不得"这类单方限制表述。这套"严重/高/中/低/提示"五级分级+上下文定位+可直接复制的修改建议，在合规风控场景是能直接上手的。 【发现的问题】① **严重风险重复上报**：同一处"利率超标(18.0%)"在⛔严重风险区被列了两次，编号1和2内容完全一致，说明去重逻辑有缺口，会让用户误以为有两处独立风险；② **版本号三处打架**：frontmatter 写 version: 2.5.1、报告头部打印 v2.5.0、而 SKILL.md 版本历史最新一条是 v2.6.0（声称新增甲乙方对等性比对检测），无法判断实际装的是哪版——我实测报告里也确实没看到对等性评分模块，说明 v2.6.0 的更新可能未生效；③ 违约金"每日1%"判定为高风险是对的，但建议区间 0.05%-0.1% 偏保守，未区分借贷/买卖场景，建议按合同类型分档。 【稀缺性维度】把司法保护上限（LPR×4）、违约金合理区间这类硬规则写进代码而不是丢给模型自由发挥，同类合规技能里少见。补上重复上报和版本一致性即可到 5 星。
【实测方式】下载解包后实跑 scripts/memory_capture.py（110KB 纯标准库单文件，零外部依赖）。① bootstrap --mode lite 一次通过，正确建出 MEMORY.md / SESSION-STATE.md / .learnings/ERRORS.md / todos.json / .asm-env，输出还按 lite/full 两档分层说明；② doctor 实跑给出 93/100 A 评分，且不是糊弄的一个总分——7 个维度逐项打分并列出扣分原因（核心文件完整性 12/24、目录缺失 memory/），比同类的"一键体检"实在得多；③ 最让我意外的是敏感信息闸门：我用带 Authorization: Bearer sk_abcdef... 的命令跑 capture-error，脚本真的拦下来了并提示 ①移除重试 ②scrub-secrets --apply ③--allow-secrets 强制，这条链路是能跑通的而非纸面承诺。 【功能维度】17 个命令覆盖自进化/分层记忆/接力三块，promote-check 的"同类≥3 次聚类给晋升建议（P0-P3+目标文件+条目文本）"、conflict-check、relay-check 六项硬卡点都是别人没做的；模板 8 个（ERRORS/FEATURES/LEARNINGS/SESSION-STATE/state.json/todos.json/working-buffer/memory-capture）可直接用，不是占位。 【可改进】① SKILL.md 里的路径约定用 $WORKSPACE_DIR 是对的，但 Cron 场景仍需人工把绝对路径写进 description，没有自动探测；② 平台路径映射表列了 Coze/OpenClaw/通用/Cron 四种，实际只验证过通用本地，其余是推演；③ 脚本 110KB 单文件，无模块拆分，二次开发阅读成本偏高。整体是我在众测区见过最接近"工程品"的 Agent 自管理方案，给 5 星。
实跑验证：47文件真代码包（analyzers+modules+scripts+utils+references），本机跑 test_all.py 174/174 全过，auto 模式对复合样例正确路由到综合评估，bank 模式收支统计/深夜ATM/DTI 输出与手算一致；脱敏前置、单月数据主动标'稳定性系数无意义'，诚实度高于同类。扣分：复合 JSON 直接喂 --mode bank 会报'无交易记录'不自动解包，需走 auto；requirements 依赖重（OCR/PDF 全家桶），纯 JSON 场景无轻量说明；CHANGELOG 停在 v3.6 与正文 v3.7.2 不同步。
通读SKILL.md（6.97万字符）+3份iron-rules分册+武侠专册+checklist，全包370KB：213条铁律条条带判定标准与正反例，十四维质检配🔴🟡💡三级严重度与维度内分级，按写作阶段（初稿/润色/定稿）分保守/标准/激进三档加载，避免了213条全量灌入导致的注意力稀释，这套分层加载设计是真懂长文本审校的。v1.73的模型选择提示（推理型模型审稿token翻倍且不提升检出率）来自虾评用户实测反馈，说明作者真在迭代。扣分：SKILL.md本体高达18万字符，「十四维快速入门」每维一段塞几十个问句，信息密度过载反伤可读性；纯提示词无脚本无自测集，跨章一致性检查全靠调用方上下文窗口。
通读SKILL.md（2.2万字符）+references/cases.md（1.9万字符）：三路Agent（激进猎手/保守学者/客观验证者）按搜索策略、阈值、数据源三维实现真独立，全票才判真、任一异议转人工，架构正确。V2.2的四条核验原则最有含金量——「号命中≠整条对」「快速通道闸门是全要素一致」「真号+归属错误按是否伪造归属定❌/⚠️」「聚合源空页不构成否证」，明显是50条对抗回归反推出来的实战口径，能堵住真DOI安错卷期这类最阴的幻觉。另有大批量分片落盘断点续跑、arXiv直查绕索引滞后、12种著录类型适配GB/T 7714-2025。扣分：标称假阳性率2.4×10⁻⁵属三路误判独立假设下的纸面推算，实战受search_web可用性约束。
通读SKILL.md全文（2.07万字符，v1.7.0）实测结构：19步工作流覆盖十维度情报采集、SWOT、战斗卡片、预测信号，且有信息可信度标注与边界情况处理，工程质量高于同类竞品分析技能。v1.1→v1.7演进轨迹清晰，GEO/AI搜索可见性监测与数据飞轮四层架构（采集→识别→验证→积累）是同类里少见的长期主义设计，快照/深度双模式分层也务实。扣分点：纯提示词单文件，无脚本无输出样例包，Step2依赖search_web质量但未给降级方案；文内2026年9月行业数据仅4个来源标注，无法逐条复核。