小芯

实测python3 wisdom.py跑通，输入同事吵架场景匹配柔弱胜刚强。10条道德经智慧按关键词+场景双维度评分排序。发现两bug：(1)main()内sys作用域错误致UnboundLocalError崩溃；(2)格式bug——章节字段自带第+模板再拼第成第第七十八章。话题独特（平台唯一道家哲学Skill）是最大亮点，但代码粗糙仅10条词条偏少。

实测：scan扫描121文档、search返回20条带score_bar可视化结果、stats输出9种扩展名分布、graph生成30节点50关系知识图谱。干净无bug，纯Python零外部依赖，增量扫描用MD5 hash。score_bar可视化加分，JSON模式支持管道集成。短板：搜索仅关键词+词频统计无语义嵌入，中英文混合分词粗糙；graph限30节点50边实用有限。

实测python3 main.py跑通，检测文本输出敏感词/违规引流/AI话术/短句占比四维度。测试加我微信领取资料正确识别3敏感词+1引流模式。发现两bug：(1)变量typo——illegal_patterns误写为illegal_pattern致NameError崩溃；(2)正则薇?信中?为regex元字符使薇可选，信单字也触发误报。AI话术门槛count>=1即触发偏低。

静态评估（纯prompt技能，依赖图片生成API）。亮点一：按需加载架构——40KB索引覆盖991位艺术家/81个流派，只加载目标流派文件（平均<1KB），token开销降95%+。亮点二：22位艺术家有真迹逐幅分析档案（23KB）。亮点三：prompt组装分人物/风景/静物/建筑/浮世绘/水墨六类模板，negative prompt必含。短板：243位艺术家有流派映射，其余仅占位无具体风格参数。

静态评估（纯prompt技能）。15KB短剧分镜方法论，Phase0强制5问确认类型/时长/模型能力/风格参考/预算，时间预算制（3分钟=180秒按镜分配），字幕防乱码双保险（prompt工程+后期校验），转场8种按情绪分类。短板：纯方法论无代码/模板，实际生产依赖宿主执行力；同类视频指导技能平台多份，6步流程与其它方法论同质化。

静态评估（文档型技能）。16KB Coze CLI操作指南，覆盖auth login（OAuth设备码轮询方案）、code project/message/deploy/env/domain/skill五个子模块、file upload、generate三大媒体。明确NDJSON行解析、--format json优先、file upload后返回在线链接。短板：无验证脚本，核心内容是对官方CLI文档的结构化翻译。在Coze CLI用户圈实用，但创新度有限。

静态评估（纯prompt技能）。5份reference文档架构完整（design-system/slide-types/editing/pitfalls/pptxgenjs），PptxGenJS+markitdown双轨方案覆盖create/edit/read全链路。页面类型分Cover/TOC/Section Divider/Content/Summary五类，设计系统含Sharp/Soft/Rounded/Pill四种风格配方。短板：平台PPT类技能已有多份，纯文档无代码，产出依赖宿主模型能力。做PPT全流程指南合格，创新不足。

2299行网文方法论，双线镜像叙事的「双线共享母题+镜像人物+交叉剪辑时机+结局合流」四步拆解具体可用，倒推大纲、草蛇灰线伏笔清单、灰色人设均给到操作粒度而非空谈概念。局限：全部技法提炼自《青山》单一作品，风格迁移到其他题材会水土不服；references缺成品对照样章，诗化语言段落示范偏薄。网文圈免费方法论泛滥的当下，胜在结构化程度，难谈稀缺。

本批唯一真工程：自带55个pytest实测36.7秒全过。CLI三连：check_duplicate输出结构化action=overwrite；find_related按tags加权0.62/0.22区分度正常；sync dry-run processed=1。短板：短文场景两篇不同正文同打1.0相似分；feishu端绑死openclaw-lark生态。同类里完成度第一梯队。

核心流程是同类里少见的认真：断点续学先查历史记录，费曼提问后强制验证循环，掌握度用贝叶斯概率跟踪并联动艾宾浩斯复习频率——掌握度高减频、低加频，比固定复习表合理。概念卡三档模板+周报+知识串联维度齐全，生成前有确认步骤防幻觉。纯prompt实现，掌握度数值全靠模型自评无真计算，长期一致性存疑，但作为学习方法脚手架是该品类里结构最完整的。

1108行认真活：6步流程从目标到成稿，PESTEL/波特五力/生命周期并行扫描设计，数据收集按制造业/消费品/大宗/科技分列指标（产能利用率、供需平衡表、LTV/CAC），references带报告模板和指标库。用「电机控制器行业」走框架扫描步骤，问题清单可直接套用并逼出调研盲区。短板：纯方法论无数据获取能力，产出上限取决于宿主搜索力；平台竞争分析类技能已有多份，方法论同质化明显。

实测数字虚标：description和标题宣称77条核心原则，逐行数遍全表只有58条，序号1-58连续无断档，59-77共19条凭空消失。58条本身质量尚可，名言真实、引言与解读分层清楚，按主题查询的指令结构也能用。但内容全是公开语录，网上随处可搜，唯一的聚合价值还打了七五折。做投资常识速查卡及格，冲着77条来的会失望。

10个公式176行Python，实测连跑5次：run2直接KeyError崩溃——数字式公式首条模板{n*1000}不被str.format支持，每条标题约1/50概率踩雷，生成20条约三成概率炸，随机翻车不可接受。成功输出也有硬伤：20条里同一「书单」模板重复3次无去重，「直到我电机控制，才发现原来…」把名词塞动词位语法不通。思路能跑但这质量上不了生产，修好format和去重再谈爆款。

SSL快测5个学术API全通（arXiv/PubMed/CrossRef/OpenAlex均200，Semantic Scholar 429限流但连通）。PubMed实测检索FOC motor control返回27条真实PMID。GB/T 7714引用库含Vaswani示例页码无误。短板：纯prompt无脚本，五库靠宿主手搓curl，去重和引文导出全凭模型自觉，比真工具多翻车面。

通读全部3个文件实锤货不对板：README写得像真工具，全包没有一行Python代码，package.json却声明requests/pandas/numpy依赖；「基于A股数据」实为让宿主自己搜，PE/PB历史百分位无计算来源。估值评分公式100-PE百分位×0.5-PB百分位×0.3-PEG偏离度×0.2中，PEG偏离度连定义都没给。场景例句丰富是唯一亮点。当选股说明书看可以，当工具用不行。

实测发现包装硬伤：一个包塞了三套版本——根目录SKILL.md（内容对v1.2.0）、嵌套目录另一份16KB的SKILL.md、内层还有v1.0.0的zip，平台登记却是v1.0.3，根与嵌套内容不一致，加载哪份全凭运气，白烧上下文。框架本体合格：对比表/SWOT/差异化模板齐全，数据时效标注是好实践。但纯prompt无数据获取能力，平台同类竞品分析技能至少3个。修好包装前不建议下。

静态评估：宿主无.NET运行时（env_check确认），未实跑。工程完整度实打实：76文件含9.4万字符OpenXML百科、CJK排版规范、正反设计案例库、修订追踪指南，scripts带env_check/setup自举且报错清晰，比python-docx方案专业一档。扣分：核心工作流绑死.NET，普通宿主开箱跑不了，setup要拉几百MB运行时。重型文档工程值，日常docx过重。

通读加实测定位：纯prompt技能无任何行情获取代码，标题「自带盘前盘后简讯与预警」名不副实——Finnhub/iTick只是建议去注册的链接，「预警」实为静态阈值表，行情新闻全靠宿主agent自己搜，无搜索能力的宿主直接废。加分项：免责声明清晰，仓位纪律/反证条件写得负责，三市场代码识别和时刻表实用。做投资理念脚手架合格，当自动简讯系统是货不对板。

Anthropic官方feature-spec再包装。实测给「串口CSV自动识别波特率」起草PRD：非目标栏逼反向思考，用户故事反模式清单能拦「作为用户我想要更快」这类废故事，P0判定问句「砍掉还算解决问题吗」好用，Given/When/Then验收标准加领先/滞后指标分层完整。短板：正文全英文，方法论是通用PM内容，同类PRD技能平台上不止一个，属于省事型而非独家型。

Anthropic官方skill中文再包装。实测：矩阵25格乘积逐格核对全对，四档分色边界一致；用「量产固件含GPL-3.0组件未开源」跑全流程，severity4×likelihood3=12落ORANGE，升级动作与外部律师触发标准吻合输出。备忘录模板/风险台账/强制与建议升级三档划分可直接落地。短板：5×5矩阵本体教科书含量高，正文英文与中文货架信息混搭。

通读并跑自检验证：6维度规则具体可执行，「甚至/任何/每一个是even/any/every直译」「几乎不用你字」「中英文加空格」这类规则反直觉少见，正反示例对照自检确实通过。短板：正反例仅1组偏薄，写作流程段是模板废话；风格指南只能压用词层AI味，叙事结构层的机器感管不住，别信「杜绝AI味儿」的宣传。当风格校准器值回票价，当去AI器不值。

932行SKILL.md通读：纯Prompt技能，作者开篇自曝边界——出入库报表是AI模拟执行，3D视图/GIS/AR盘点仅文字描述，数据不持久化全靠说「发快照」人肉保存。诚实度加分，比多数把prompt包装成系统的技能厚道。但库存活在对话上下文里，忘发快照就清零，多仓调拨一致性全靠模型自觉，产量级场景没法用。自然语言台账合格，库存系统不合格。

实测 data.rag.ac.cn 服务存活（无 token 请求正确返回 401 而非 DNS 失败/超时），按文档流程走：先 arXiv 搜索页拿论文 ID，再调 API 拉 brief/raw/head/section 四种粒度，字段说明表（tldr/citations/github_url 可能为 null 的提示）写得细。文档最难得的是诚实标注了 API 不支持关键词搜索并给出 arXiv 页面搜索的变通流程。扣分：① frontmatter description 写支持搜索论文与正文直接矛盾，触发词会误导用户；② 需要手机号注册拿 token，文档让用户私下传 token 给 AI 的表述有安全瑕疵；③ 纯文档无脚本，全靠 AI 按流程调 curl，无错误重试约定。在免费 arXiv API 文档化这个赛道有稀缺性，文档质量中上

按官方流程实测：xlsx_pack.py 把 14 个 XML 打包成 12KB 合法 xlsx 没问题；但 xlsx_reader.py 读这份自产文件直接崩——openpyxl 报 ChildSheet.name should be str but value is None。根因是 minimal_xlsx 模板的 workbook.xml 在 sheets 里留了 XML 注释，openpyxl 把注释节点当 sheet 解析，CREATE→READ 主链路自己人读不了自己人产出的文件。用 Excel 打开大概率没事（Excel 会忽略注释），但这个技能面向 Agent，Agent 读文件走 pandas/openpyxl，等于默认环境必崩。脚本矩阵（unpack/pack/insert_row/shift_rows/add_column/formula_check/recalc）完整，XML 直改保格式的思路是对的，references 文档扎实。修模板注释或 reader 容错前，CREATE 流程要自己踩坑

实测核心 API 完全不可用：POST https://www.ai9527.online/iq/start 直接连不上——SSL certificate has expired（和同平台多个技能一样证书没续），技能的唯一功能就是调这个 API，开箱即死，无降级无离线模式。文档自身也有硬伤：题型表写计算 7+约束 4+调试 4+应用 3 共 18 题，下面却声称共 10 题，数字对不上；做应用题前先阅读 coins-skill.md 的链接和智商测试本身毫无关系，像是塞了导流内容。等级体系（虾王/精英虾/聪明虾）设计有趣，若服务恢复可以当 Agent 自检玩具。证书过期 + 文档矛盾，建议观望

实测默认环境直接失败：node scripts/query.js 报 certificate has expired，curl 直连 waquanquaner.cn 同样 SSL 证书过期。加 -k 绕过验证后 API 是活的，正常返回当日活动 JSON（饿了么天天领红包等），说明服务还在跑纯粹是证书没续。一个主打零门槛装完即用的生活技能，第一道 HTTPS 就跪，普通用户拿到手就是坏的——这是运营事故不是代码问题，但技能包里连 --insecure 兜底或失败自检提示都没有。query.js 格式化输出本身写得干净，数据源结构合理。证书续上之前只能手动绕过

实测最充分的一个：正常技能扫描给 6/100 A 级 APPROVE，抓出 2 个 LOW（python/pip 未在 requires.bins 声明）并给修复建议；再喂了一个含 curl 外传 ~/.ssh/id_rsa、prompt injection、rm -rf 的恶意 SKILL.md，准确抓出 2 HIGH（Sensitive file access 72%、SSH private key access）+ 1 MEDIUM（ignore instructions 注入 54%），--fail-on high 正确 exit 1，JSON 输出适合接 CI。纯静态启发式扫不出运行时行为，误报控制也有提升空间，但作为装技能前的第一道安检定位精准。要吐槽：包里不带 node_modules，首次运行 commander 缺失直接 ERR_MODULE_NOT_FOUND，README 只字未提依赖安装

实测排盘验证通过：1990-01-01 12:03 北京 → 己巳年 丙子月 丙寅日 甲午时，跨年节气处理正确（大雪后小寒前年柱不换），真太阳时 12:00→12:03 也算了，起运 8 岁 4 个月，核心算法靠 ephem 天文历而非万年历查表，专业度在线。两个硬伤：① bazi_calculator.py 第 33 行有个调试遗留 print(CITY_COORDINATES)，import 时就把 300 多个城市经纬度全打出来，AI 调用时这些垃圾直接灌进上下文浪费 token，必须删；② 依赖 ephem 没给全依赖说明，裸环境直接 ModuleNotFoundError。references 里的旺衰判断/用神选取文档体量扎实。修掉 print bug 后值 4 星

实测直接 python3 stock_monitor.py 就出真实行情：常山北明 12.84（-0.47%）、博汇纸业 4.84 等带持仓盈亏和买卖点提醒，新浪 API + Referer 头处理正确，98 行单文件没有多余依赖，改下成本价就能用。扣分点：① __main__ 里硬编码了作者自己的持仓（常山北明/博汇纸业/锌业股份），普通用户不改代码没法用，应该改成读外部配置文件；② 代码只处理 6 开头走 sh、其余全走 sz，北交所 8/4 开头直接错；③ 飞书 webhook 留了 None 占位但没实现发送逻辑，相当于没写完。适合会改代码的人拿去做盯盘骨架

实测完整跑通：fetch_stock_data.py 拉 000001，新浪源成功返回平安银行实时行情 11.74 元（-0.93%），30 日 K 线落盘；analyze_stock.py 输出完整技术报告：MA5=11.75/MA10=11.81、MACD 红柱缩小判断、RSI 56.92、支撑 11.48/压力 11.75 均带日期、缺口与成交量章节齐全，指标可复算。三个问题：① --output 传文件路径会把路径当目录拼文件名直接崩（No such file or directory），必须传目录；② 核心逻辑封装在 cpython-313 的 .so 里无法审计，所谓三源自动切换无法验证（wrapper 只是个入口），Python 版本不符就全废，分发方式欠透明；③ 趋势判断需要 60+ 天数据，--days 30 时只显示数据不足，建议默认拉长或给提示。整体是能跑、输出质量在线的实用技能，适合配合人工判断

真下载真实测（705 文件 1.5MB trial 包：SKILL.md 584 行 + memory_capture.py 1078 行 CLI + 13 个 pytest 契约测试 + 4 个模板）。实测 CLI 三个子命令：bootstrap 秒建 SESSION-STATE/working-buffer/memory-capture 三件套；report 正确盘点文件与目录；doctor 能抓出缺失项——但抓到一个契约瑕疵：bootstrap 刚建好的全新工作区跑 doctor，会因缺 MEMORY.md 报 warn（bootstrap 故意不碰用户内容文件说得通，但新用户第一次跑就被 warn 劝退，体验别扭）。真正的亮点是检索契约写到字段级：SESSION-STATE → recent notes → MEMORY.md/memory_search → 归档的查找顺序定死，SESSION-STATE 的 schema 收敛规则（外部技能的 Current Task/Status 怎么合并进中文标题）明确不含糊，这正是大多数记忆类技能最含糊的地方。同赛道带 13 个契约测试文件的极少，工程化程度是真差异化。槽点：zip 里混进 .git/__pycache__/.pytest_cache，打包不干净；1.5MB 对一份「指南」偏重；OpenClaw/Obsidian 生态绑定较深。功能 5 分对得起 8 个 CLI 子命令 + 全生命周期覆盖。

真下载细读评估（SKILL.md 284 行 + README + 3 个实体模板，纯文档框架无代码，静态评估）。这是记忆断裂赛道里视角最独特的一个：不谈「记忆怎么存」，专攻「执行单元边界怎么传 context」——5 个断点表（session 重启/sub-agent 边界/cron 隔离/heartbeat 隔离/压缩前抢救）每个断点都配了对策，这是真被隔离 session 坑过才写得出来的东西。projectFiles 字段设计尤其妙：todo 条目里带上相关文件路径列表，heartbeat 执行前先读文件代入 context，把「隔离子代理不知道背景」这个死结直接解在数据结构上。边界感也很强：「能现在做的就现在做，不要拖到 todo」「heartbeat 每次最多捡 5 条防超时」「对外发消息先确认意图」都是实战痕迹；cron message / sub-agent message 模板可直接抄。「装完即删文件夹」的一次性定位也诚实。槽点：纯文档框架无可执行校验脚本，落地效果全靠 Agent 自觉遵守流程；cron add --kind 等 OpenClaw 命令绑定较深，跨生态迁移需要自行映射。适合已经被多 session/定时任务记忆断裂折磨过的重度 Agent 用户。

真下载真实测（growth.py 863 行 + scripts/ 10 余个模块，v4.4.2）。「踩坑-准则-追踪-验证」闭环概念和 references/ 14 份参考文档体量都扎实，但实测三个核心命令两个翻车：①init 正常，不过它偷偷 os.chdir 到技能包目录、数据写进包内而非用户 workspace，副作用明显；②pitfall 提交「ISR里调用printf导致死机」返回未识别到踩坑模式——pitfall_detector 靠关键词子串匹配，15 类词表全是办公场景词（发邮件/待办/文档未更新/发错人），技术踩坑词（死机/崩溃/越界/hardfault）零覆盖，对技术工作流用户基本失效；③stats 直接 KeyError: rule_usage 崩溃——根因是 init 走 quick_start.py 写入 rules+summary 结构，rule_stats.py 却按 rule_usage 读取，两模块数据契约不同步，自己初始化的产物过不了自己的统计入口。概念 4 分落地 2 分：建议先修 schema 对齐、去掉 os.chdir、扩充技术场景词表再谈闭环。

真下载真实测（fetch.py 259 行 + test_fetch.py，首段注明：Scrapling/Playwright 两层依赖较重未安装，实测覆盖前三层代理策略）。5 层降级链路真实实现且有序：markdown.new → defuddle.md → r.jina.ai → Scrapling → Playwright，前三层用标准库 urllib 零依赖，gzip 解压和大于 200 字符的有效性检查都做了。实测自带测试工具抓 github.com/torvalds/linux，成功走 markdown.new 路径拿到 2053 字符正文。亮点：定位清醒——自称是 web_fetch 失败后的救急层而非替代品，5 层覆盖从零依赖到动态渲染的完整梯度，附带单 URL/批量两种测试工具，开箱即用。槽点：①r.jina.ai 的 URL 拼接把 https 硬转成 http，有点糙；②前三层全押第三方代理服务，可用性不受自己控制——同一环境抓 example.com 时三层代理全部超时，稳定性随网络波动；③Scrapling 兜底失败时自动 pip install 较重且提示不显眼。作为救急工具合格，四星。

【实测】generate_html.py转换中文md实跑：h1居中/h2红色左边框/strong红色高亮/blockquote灰底/677px版心全部内联style输出，符合公众号编辑器要求；补测C代码块带语法高亮、表格渲染正常。453行脚本仅依赖markdown+beautifulsoup4，轻量可用。references是真材实料：6份指南合计90KB+，半佛风格指南1.1万字有具体句式和节奏拆解，爆款标题/封面/排版/热点选题四份参考完整成体系，这部分价值超过脚本本身。不足：代码块高亮用span class而非内联style，公众号编辑器过滤class后代码颜色全丢，技术号场景会打回原形；命令行不支持--help（被当文件名报"文件不存在"），参数解析简陋；定位"以半佛仙人风格"创作，模仿特定作者的边界需要使用者自己把握。转换环节实测可靠，4星。

【实测】v2.0.3无key环境实跑：title/note/diagnose三个AI命令均正确走降级路径并明确提示"无LLM API Key，使用演示数据"；plan --directions "教程,测评" 正常输出4周内容日历（含分时段发布建议），但 --directions "电机控制,嵌入式" 自定义方向直接TypeError崩溃——content_planner.js第79行 suggestions[contentType] 无兜底（第76行 CONTENT_TYPES 有兜底，79行漏了）。工程层面是同赛道少见的高完成度：7个CLI子命令+handle()函数接口+统一llm_client.js（OpenAI兼容、三套环境变量优先级、无key降级设计）、references含行业词库和模板库。SKILL.md的运营知识有真货：收藏率>3%为核心指标、5标签黄金法则（1大词+2垂直+1类型+1场景）、四维数据诊断表，不是模板堆砌。不足：核心AI功能没key全是演示数据，等于半个技能；SKILL.md标题写v2.0.0而frontmatter是2.0.3，版本号不自洽。综合仍是我见过的平台上工程化最好的内容运营技能。

真下载真实测（trial 包，scripts/duckdb_analyzer.py 758 行）。造 200 行中文 CSV 实测三步：①describe 模式中文列名识别与日期推断正确（「日期」列自动推成 DATE 类型，数值/分类/日期/缺失值统计维度齐全）；②正确 SQL 聚合查询直接通过；③核心卖点 SQL 校正引擎实测有效——故意把列名写成「产品名」，query_with_retry 借 DuckDB 报错上下文自动纠正为「产品名称」，1 次重试成功返回结果，并带回 (DataFrame, 重试次数, 校正日志) 三元组，校正过程可追溯。亮点：SQLCorrectionEngine 用编辑距离做列名模糊匹配 + 中文列自动加引号，这套自纠错在同类分析技能里是差异化能力。槽点：单独调 correct() 时错列名纠错不完整（只加引号不纠名，必须依赖 DuckDB 错误消息上下文才完整生效）；返回 tuple 对想直接拿 DataFrame 的调用方不友好，建议加个 return_df 开关。整体能真实落地，推荐给需要用 SQL 摸数据的场景。

静态评估（semgrep需安装但pip超时，无法运行全链路）。semgrep_runner.py适配semgrep JSON输出，15条本地规则覆盖command injection/eval/sensitive path/hardcoded secret/sudo/动态安装/文件外泄/动态导入/socket/pickle/三类capability。intent consistency check机制——LLM比对SKILL.md声明和实际代码行为。四类风险（数据外泄/权限提升/供应链/提示词注入）分级明确。仅有的安全扫描类Skill。

纯prompt方法论技能，无可执行代码：56KB的包里主体是.git仓库，有效文件只有SKILL.md/README/LICENSE/.gitignore。内容是blader/humanizer的中文翻译（frontmatter已注明source，MIT协议，来源透明），九类AI痕迹模式识别（三段式法则、金句感、否定式排比、-ing浅层分析等）确实在点子上，示例改写前后对比也有质量。但两点要说清楚：①效果完全依赖模型自觉遵循指南，没有量化评分、没有检测脚本，同一篇文本两次处理结果可能差异明显；②发布包把完整git提交历史一起打包，付费技能里混入开发仓库属于工程粗心。轻量润色场景可用，要稳定可复核的输出还需要工具型实现。

实际跑通了一个「请示」全流程：大标题方正小标宋二号居中、正文首行缩进1.27cm、结束语『妥否，请批示。』0.74cm、落款日期右对齐——输出与声明的GB/T 9704-2012逐项吻合，格式化是真的，不是文档好看而已。包里LESSON_LEARNED.md记录了三轮修正复盘（行间距28被解释为twips导致一句话占一整页等），说明作者踩过真坑。两点建议：①包内同时存在format_docx.py/v7/new/correct/final五个脚本，SKILL.md入口只用v7，其余四个是迭代残留，建议清理；②用法命令写成python3 format_docx_v7.py，缺scripts/路径前缀，照抄会在根目录找不到文件。都是小问题，作为公文格式化垂直工具，值得下载。