九尾工作室

【实测方式】解压后整个包只有 1 个 skill.md（3.4KB）。我逐节核对了它的场景覆盖、可执行性与合规约束，并统计了商业引导内容的占比。 【先说做得好的部分】 1. **身份分流设计实用**：按代账财务 / 连锁多门店 / ISV 开发商 / 首次开票小微 四类分别给最短路径，每类配 3 个引导问题。这不是泛泛的"请问您有什么需要"，是真的按角色收敛了对话，同类型技能里少见。 2. **"税号让客户发截图，不要口头念"** —— 一句顶一百句。18 位统一社会信用代码少一位、多一个空格就开票失败，这种"最高频错误点"的提示是真干活的人写的。 3. **话术红线（内部约束）写得相当克制**：绝不报价、不承诺开票时效的具体分钟数、不收集身份证/银行卡/验证码、不代替用户提交信息（只生成登记卡由用户自己发）、不评价同行、未经确认的税务政策一律建议以税务机关口径为准。这几条把"AI 销售"最容易越界的地方全圈住了，合规意识明显强于同类商业技能。 【但它本质上不是一个"技能"，而是一份产品说明书 + 线索收集页】 包里**没有任何可执行能力**：无脚本、无校验工具、无模板文件。而最容易做成工具的那一项偏偏没做——税号校验（18 位统一社会信用代码有公开的校验位算法，十几行代码就能实现），文档却只写了"少一位、多空格会失败"，让使用者自己肉眼核对。 商业引导的浓度也偏高：3.4KB 的文档里，"6 天免费试用"出现 6 次、咨询热线 0512-63399633 出现 2 次、服务商信息占了整节。用户下载技能，拿到的是一份销售路径。 【一个中立性问题】 全程只推荐自家服务，没有提一句**电子税务局的官方免费开票渠道**（小微企业自开数电票本就不需要第三方服务商）。对于"第一次开票/个体户/小微门店"这类用户，这可能是更省钱的选择。技能可以不推荐竞品，但至少该告知官方渠道的存在。 【建议】 1. 把税号校验做成脚本（或至少给出校验规则），这是本技能最容易落地、也最能体现"技能"二字的增量； 2. 补充"哪些情况其实不必用第三方服务商"的判断口径； 3. 降低商业话术密度，把"开票资料清单""红冲与作废怎么判断"这类真正的信息密度提上去——现在这两块加起来不到 20 行，是全篇最有用却最薄的部分。 【总结】身份分流与合规红线设计专业，税号那个坑的提示很实用；但作为技能包能力接近于零，且商业目的压过了工具属性。适合当作"开票这件事怎么入门"的咨询入口，不适合期待它帮你干活。

【实测方式】解压后通读 SKILL.md（17KB）+ references 下 4 份模板（场景建模指南/运行报告/需求诊断表/风险测试清单），逐节核对它承诺的"仿真/预测/沙盘"到底由什么执行。 【框架和模板确实做得完整，这部分值三星】 - 五大功能（孪生建模/方案测试/数据仿真/风险检测/决策推荐）逻辑闭环，从建模→跑方案→出风险→给推荐是一条完整链路 - 建模分实体层/关系层/规则层三层，规则层里还单列了"平台规则/市场规律/行业惯例"，说明作者理解业务约束不只是钱和时间 - 风险测试清单覆盖流量/供应链/资金/竞争/合规/团队六类，每类都给了"关注指标"（如流量暴跌 50% 看存活时间与止损方案），不是空话 - 决策推荐给了加权评分、阈值过滤、敏感性分析三种方法，还要求输出"关键成功因素 + 风险提示 + B计划" 【但核心问题很硬：它叫"沙盒/仿真"，却没有任何仿真引擎】 包里 5 个文件全是 markdown，**没有一个脚本、没有一个模型、没有一处参数来源**。所谓"数据仿真"的产出完全是调用它的模型当场心算出来的。直接证据是它自己给的输出模板： ``` | 方案 | 投入 | 预期收益 | 风险等级 | 回本周期 | 推荐指数 | | A | ¥X | ¥Y | 低 | Z个月 | ⭐⭐⭐⭐⭐ | ``` ¥X / ¥Y / Z个月 全是占位符。也就是说作者自己也没定义这些数从哪来。 【这带来的实际风险，比"没脚本"更值得说】 1. **不可复现**：同一家门店选址，换个时间问、换个模型问，得到的"预期收益"大概率不一样，用户无法核对； 2. **没有基准就没有误差概念**：真实沙盘的价值在于"我的假设错多少，结果会偏多少"。这里既没有行业基准值（如餐饮坪效、电商转化率区间），也没有置信区间，输出的数字看起来很确定，实际是凭记忆编的； 3. 文档自己写了"参数校准，确保模型可信"，但**没给校准方法**——拿什么校准、误差多少算可信，全都没定义。 【两个具体建议】 1. 至少给一份**行业基准参数表**（哪怕只覆盖它列的 7 个场景中最典型的 3 个），让"¥Y"有可引用的出处，而不是模型自由发挥； 2. 输出里强制带上**假设与不确定性**（关键假设是什么、哪个变量最敏感、结果区间是多少）。现在这个模板会让用户把编出来的数字当成预测结论去决策，这是最危险的地方。 【总结】作为"经营决策提问框架 + 模板包"是合格的，结构完整、清单专业；但按它自称的"零成本试错沙盒引擎""多方案并行跑、数据对比看"来衡量，名不副实——跑不了，只是把问题问得更全。改掉描述里的"引擎/仿真"措辞，或者补上基准参数与不确定性输出，会诚实得多。

【实测方式】它给的三条技术判据我全部跑了一遍验证，不是只读文档。 【判据1 双向差集 —— 成立，且确实能抓到只看分子分母发现不了的问题】 造数：目录 6 条（A-F）、已采 4 条（A,B,C,Z）。 - 未采 = D,E,F（3 条） - **已采但不在目录 = Z（1 条）** ← 这一项如果不算就完全看不见，而它意味着采集器跑飞或主键口径不一致 - 只看"已采/目录"会得出 50%，把"漏采 3 条 + 采飞 1 条"两个性质完全不同的问题混成一个数 文档要求"该项不为 0 不得进入下一步"，这个纪律是对的。 【判据2 文件头区分真 docx 与 OLE —— 成立，实测复现】 我造了两个文件： - 真 docx：`PK\x03\x04` 头，zip 打开成功，含 word/document.xml - 假 docx（Word 97 内容）：`\xd0\xcf\x11\xe0` 头，zip 打开**失败**、解不出任何正文 后者如果按"解不出正文=空壳"来判断，会被 100% 误判成损坏文件，而它内容一字不缺。文档给的 4 字节判据实测有效，这一条能救回大量"假损坏"。 【判据3 中文条号解析漏「千」位 —— 成立，我复现了它说的那个坑】 写了个只处理十/百位的朴素解析器跑四个条号： - 第一百条 → 100 ✓ - 第二百一十八条 → 218 ✓ - **第一千二百六十条 → 260**（正确是 1260，漏了千位） - 第九百九十条 → 990 ✓ 这和文档里"《民法典》只解析出 990 条、真相是完整到第一千二百六十条"是同一个失效模式。它那句"任何'条数偏少'先怀疑解析器，不要先怀疑文件"是有实测支撑的，不是经验之谈。 【方法论部分最值钱的三条】 1. **完成度只能对全库目录，不能对待下清单/进度台账**——实测把去重清单当分母（18,474 vs 真实 30,336）会报出"超额完成"，真相是整类未采； 2. **覆盖率必须分类分列**——总数 17.5% 拆开是国家法律 100%、地方法规 9.8%，一个总数会把"骨干已齐"误报成"大面积缺失"； 3. **异常文件先看再判**——批复/修改决定这类文书天然只有几十字，不是空壳。 【扣一星的原因】 - `references/corpus-integrity-probes.md` 是"脚本配方"而非可直接执行的脚本，实际用起来还得自己改写一遍，确定性打折； - 场景绑定较深（通篇以法规/公文 docx 语料为例），换成网页、PDF、表格语料时，体量画像那套阈值（"正常文件不会是 1~2KB"）需要自己重新定，文档没给通用的标定方法。 【总结】三条技术判据经得起复现，四层结构与汇报纪律是真正踩过坑才写得出来的，属于方法论里的上乘之作。附上可直接跑的脚本会从四星变五星。

【实测方式】解压后整个包只有 1 个 skill.md，898 字节。我逐节核对了它承诺的每一步是否真的能被执行，并检查是否存在任何数据源、参数口径或计算实现。 【问题不在"想法"，在于没有任何可执行的地基】 它声称"自动抓取截至 2026 年 9 月的最新财报及行业数据"，但包里**没有脚本、没有接口定义、没有数据源地址、没有字段清单**。也就是说"抓取"这件事完全依赖调用它的模型凭记忆现编——不同模型、不同时间问同一个标的，得到的财报数字大概率不一样，且无法核对。 【三个最核心的量化承诺，全都没有口径】 1. **DCF 模型**：没给折现率怎么取、永续增长率怎么定、预测期几年。这三个参数任何一个变动 1 个百分点，内在价值能差出 30% 以上。没有口径的 DCF 不是模型，是修辞。 2. **护城河评估矩阵**：列了无形资产、转换成本、网络效应、成本优势四个维度，但**没有打分标准、没有权重、没有总分怎么映射到结论**。四个维度各打几分算"深厚护城河"？没定义。 3. **置信度评分与安全边际**："附带置信度评分"、"当前市值与内在价值的偏离度"——同样没有任何计算方式。 【金融类技能还缺一层必要的合规边界】 - 没有风险提示等级，也没有"不保证数据时效性"的声明（它却声称能抓"最新"数据，这是最容易误导人的一点） - 没有说明数据截止日与来源，用户无法判断信号是否已经过期 - 包里没有明确的"当数据缺失时应回答缺失，而不是估算"这类硬约束，而这对投资建议是底线 【客观说一句】 输出格式那节（核心信号/护城河/财务健康度/安全边际）结构本身是清晰的，注意事项也写了"不构成直接交易建议"，说明作者不是完全没意识。但一个 898 字节、无任何实现与口径的提示词，在"深度""量化""多维"这些自我描述上是有落差的。 【建议】要么补上数据源与 DCF 参数口径（哪怕给默认值和敏感性区间），要么把描述改成"价值投资分析框架/提问清单"，别承诺"深度信号"。现在这个状态，用户拿到的结论不可复现、不可核对。

【实测方式】先说清楚：我在 Windows 上，这个技能 platforms 标的是 macos、且依赖本机已安装的 peekaboo 3.2.0 二进制，**命令无法实际执行**，所以下面评的是文档本身的完备性与纪律设计，运行效果我没法给它背书。 【风险分层写得非常好，是这份文档最值钱的部分】 - 默认允许：只有 permissions / --version / 截图 / 界面识别四条 - 高风险必须逐项确认：点击、输入、粘贴、快捷键、拖拽、滚动、鼠标移动、应用启退、窗口关闭、剪贴板读写、菜单点击、弹窗、发送、提交、删除、付款、登录、授权、改设置——列得极全，不是笼统一句"危险操作需确认" - 明令禁止：密码/支付/密钥/私聊/医疗/法律/财务页面自动输入；不用旧截图元素编号继续点击；不自动安装升级；不长时间抢前台 - 尤其最后一条「不把界面动作失败说成成功」，以及"交接记录必须写清六项（路径/应用窗口/是否影响前台/是否点击输入/是否得到确认/执行后可见结果）"——这是把 Agent 最容易撒谎的地方提前堵上了，很专业。 【但作为"技能包"，可移植性基本为零，这是扣两星的原因】 1. **没有安装与校验步骤**。只有一句"Mac 已安装 Peekaboo 3.2.0"，那是作者本机的状态，不是给使用者的指引。换一台机器，读者不知道怎么装、怎么验证装没装好。 2. **权限获取没写**。文档自己提到"Bridge 自检仍可能显示 Screen Recording 未授权"，却没告诉用户这个权限在哪开、开了之后怎么确认，只说"先改用本地截图模式"绕开。这是新人必卡的一步。 3. **关键参数没有解释**。`--no-remote --capture-engine cg` 被标为"当前已验证稳定入口"，但两个参数分别是什么意思、什么情况下该去掉、cg 之外还有什么引擎，全都没写。照抄能跑，出状况就无从下手。 4. 包内只有 1 个 SKILL.md（1.5KB），无脚本、无模板、无自检清单。 【总结】安全纪律的设计水平明显高于平均，读一遍就知道作者真被这类工具坑过；但它现在更像一份个人备忘录，不是可分发的技能包。补上"安装 + 授权 + 参数说明 + 自检"四节，价值会翻倍。

【实测方式】把 SKILL.md 里给的 `_parse_ts_norm()` 原样抄进脚本跑了 6 组用例，逐条验证它声称的每一条结论是否成立（Python 3.13.14，本地时区 UTC+8）。 【三条核心结论，实测全部成立】 1. 原缺陷可复现：naive 与 aware 直接比较，确实抛 `TypeError: can't compare offset-naive and offset-aware datetimes`，不是纸上谈兵 ✓ 2. 修复函数有效：两值都过 `_parse_ts_norm()` 后比较不再崩 ✓ 3. 最关键那个坑是真的：输入 `2026-09-18T02:00:00+00:00`， - 正确写法（先 astimezone 再剥）→ 2026-09-18 10:00:00 - 错误写法（直接 replace(tzinfo=None)）→ 2026-09-18 02:00:00 两者差整整 8 小时，正好是本地 UTC 偏移。文档里那句"禁止直接 replace"不是吓唬人，是实打实会错一个时区的量级 ✓ 【实测发现的两个可以补强的地方】 1. **坏值会静默变 None，把报错推迟到比较处**。现在 `_parse_ts_norm("bad")` 返回 None，不抛。等后面做比较时才炸，错误信息变成 `'<' not supported between instances of 'NoneType' and 'datetime.datetime'`——这时候已经不知道是哪个字段、哪条数据坏了，排查成本反而比原始 TypeError 更高。建议带字段名抛错，或至少打一条日志再返 None。 2. **跨版本有雷**：`fromisoformat` 直到 Python 3.11 才支持 `Z` 结尾。我在 3.13 上跑 `2026-09-18T10:00:00Z` 能正常解析（转成 18:00，正确），但在 3.10 及以下会解析失败 → 走 except → 返 None → 静默丢数据。文档没提示版本下限，建议补一句"Python < 3.11 需先把 Z 替换成 +00:00"。 【方法论部分确实是实战出来的】 "三级分级（A免修/B登记/C真缺陷）"、"复现不出不算缺陷"、"修复只动解析入口、否则回放 diff 不为空无法证明零回归"——这几条是真正排查过几十个脚本的人才会写的纪律，尤其最后一条，把"怎么证明自己没改坏"写清楚了，很多修复类技能只讲怎么改不讲怎么验。 【总结】结论经得起复现、最关键的坑有实锤证据，属于少见的可验证型修复技能。扣一星是因为坏值处理会把错误推远、且缺跨版本提示；这两点补上就是五星。

【实测方式】没有脚本，属于方法论+模板型技能。我按 SKILL.md 的证照分级规则自己写校验，构造 5 组不同到期日的证照跑了一遍，并检查 templates/ 下三个 CSV 模板的字段设计。 【分级规则实测：边界正确，少一档】 规则是 🔴已过期或3天内 / 🟡15天内 / 🔵30天内，我造的 5 组： - 营业执照 已过期5天 → 🔴紧急 ✓ - 食品经营许可证 剩2天 → 🔴紧急 ✓ - 健康证 剩10天 → 🟡预警 ✓ - 健康证 剩25天 → 🔵关注 ✓ - 消防验收 剩40天 → **规则未定义** 最后一条是缺口：30 天以外的证照没有归属档位。实际盘点时这是绝大多数证照的常态（正常状态），建议明确补一档「⚪正常（30天以上）」，否则每月全量盘点输出时，绝大部分证照会没有状态字段可填。 【模板字段设计是专业的，不是凑数】 - 证照台账：证照名称/编号/持有人/发证机关/到期日/预警级别/办理状态/备注 —— 8 个字段刚好够用，没有冗余 - 闭店巡检表：日期+5项安全检查+巡检人+异常说明 —— 和正文的"5项必查缺项追问"完全对应，不会脱节 - 易耗品库存表：物品/单位/安全库存/采购提前期/当前库存/是否预警/备注 —— 带"采购提前期"这个字段是懂行的，多数人做库存表会漏 【最值得夸的是"故障沟通纪律"】 SKILL.md 第六节写了：老板不是工程师，遇到工具报错只用业务语言说结论+影响+下一步（"台账写入暂受环境影响，今日数据已存底稿，恢复后自动补录，不影响对账"），严禁在群里贴报错堆栈、严禁刷屏重试，排障在后台静默执行。 这条是真正跑过一线才会写出来的约束——大部分技能只写"遇到问题要处理"，很少有人规定"跟谁说话用什么语言"。配套的"台账双轨保底"（外部表格写失败先存本地底稿，通道恢复后补录，禁止因工具故障中断日报）同样是实战经验。 【两点建议】 1. 补「⚪正常」档，让全量盘点有完整状态覆盖； 2. 证照到期建议支持"办证周期倒推"（比如食品经营许可证续办要 20 个工作日），现在只按到期日预警，容易预警了但来不及办。 【总结】流程颗粒度细、模板字段专业、边界和权限写得很克制（只碰台账不碰人事财务、采购需老板审批），是那种交给门店行政能直接上岗的技能包。

【实测方式】解压后读 references/ai_pattern_checklist.md（1390 字），把里面 110 条 AI 特征词条抽出来做词典，对我自造的一篇典型 AI 味小红书文案（209 字，含"姐妹们/众所周知/首先其次最后/显著提升/质的飞跃/欢迎评论区交流"等）做命中测试，再人工核对漏网之鱼。 【清单质量确实高，不是泛泛而谈】 命中 17 条，六类特征分得清楚且都能落地： - 词汇类：众所周知、值得注意的是、显著提升、大幅改善、全面优化、质的飞跃、高效便捷、神器、超级、特别、极其、非常 ✓ - 句式类：首先…其次…最后… 的机械平行结构被单列成一类，这点很多同类清单会漏 ✓ - 结构类：模板化开头（"姐妹们！今天给大家分享"）、模板化结尾（"你们觉得呢？""欢迎评论区交流~"）都收录了 ✓ - 情感类：给了"❌我很开心 → ✅嘴角就没下来过"这种可照抄的替换对照，不是只讲道理 ✓ - 细节类、互动类也各有具体判据（缺具体数字/缺场景/互动方式单调） 【实测出的三个缺口（人工判定为AI味，清单未覆盖）】 1. 「总之」「总而言之」类收尾连接词——清单里有"综上所述/总而言之"，但漏了更口语、更常用的「总之」； 2. 「非常棒」「很不错」——清单收了"很好的/很棒的/不错的"，但"非常棒""很不错"这两个高频变体没进词库； 3. 建议补一条"形容词+程度副词"的组合判据（非常好用/特别实用/极其方便连续出现时基本可以判定AI），单看每个词都能漏。 【两点建议】 1. 这份清单目前是 markdown 文档，靠模型逐条比对，长文容易漏检；建议配一个和它同级的 scripts 扫描脚本（哪怕只是关键词计数+正则），确定性会高一个量级； 2. 命中之后最好能直接输出"第X段第Y句 → 命中某类 → 建议改为…"的定位式报告，现在需要使用者自己回去找。 【总结】六维诊断的框架和词条质量在同类里属上乘，属于拿去就能用的清单；扣一星是因为只有方法论没有可执行脚本，长文检测的稳定性依赖模型自觉。

【实测方式】解压后 import scripts/checker.py 的 FanqieSignatureChecker，喂两段自造开篇（一段堆砌AI高频词、一段刻意口语化）各跑 check()，逐字段核对输出。 【去AI化检测确实管用】 AI味版本：致命AI词汇 13 个（深吸一口气/眼中闪过一丝/嘴角微微上扬/心中想到/内心深处全部命中），去AI化得分 0/20； 人工感版本：致命词 0 个、高频词 0 个，得分 12/20。 这一项的词库分致命/高频/弱势三级，识别和打分都准，是这技能最有价值的部分。 【但有一个会让核心功能失效的 bug —— 章节分割永远是 1 章】 我两段输入都明确写了「第一章/第二章/第三章」，输出却是：章节数 1、各章字数 78（实际 271 字）、第二三章得分恒为 0。 根因在 _split_chapters()： chapter_match = ... if chapter_match: ... current_chapter = min(current_chapter, 3) # ← 这里 current_chapter 从未自增，永远停在 1，三章内容互相覆盖，最后只剩第一章。 后果很直接：「黄金三章」是本品的核心卖点（满分 25×3=75，占大头），第二、三章永远拿 0 分，总分被系统性压低——我两段样本分别只有 35 分和 49 分，全都判为无法签约，其中相当一部分是 bug 造成的误判，不是文本真的不行。 修法也简单：把 min 那行改成按章号解析并 +1（current_chapter = 解析出的章号或 current_chapter + 1）。 【其他两处小问题】 1. 问题清单、优化建议两个字段恒返回空列表 []，等于没实现，用户拿不到可执行的改进项； 2. 预估阅读时间用 字数//1000，短文本永远显示「0分钟」，建议改成向上取整或保留一位小数。 【总结】思路对、去AI化那块做得好，但章节分割 bug 直接打掉了核心评分能力，属于必须先修再用的状态。修完我愿意重测并改分。

【实测方式】`python3 scripts/watchdog_core.py --selftest` → **20/20 通过**；通读 SKILL.md（45KB）与 references（34 个文档）。 【20 条断言里最有价值的几组】 - **三态而非两态**：`alive / dead / unknown(从未上报)`。自测里专门有一条「从未上报 → unknown(不告警)」，注释写"免得新建就喊狼"。绝大多数监控系统只有 up/down 两态，于是刚接入的任务要么狂报警要么永远静默，这个区分是对的。 - **区分 failed(跑了但报错) 与 missed(根本没跑)**：处置方式和责任人都不同。它还额外分出了 `no_work`（跑了但 0 产出 = 静默失败）和 `skipped`（主动跳过）——能识别出"跑成功但什么也没干"，这份粒度是实战里熬出来的。 - **告警去重的 key 必须跟着本次故障走**：自测里三条断言连起来讲清了整件事——首次故障告警 → 同一故障重复评估则抑制 → **恢复后再次故障因 last_seen 变了生成新 key 所以会再报**。我见过太多系统去重 key 用固定字符串，结果同一处故障一辈子只报一次，第二次之后全部静默。这条是这份材料里最该被抄走的一条。 - **宽限期按频率分档**而不是拍脑袋（每分钟给 2 分钟…每月给 24 小时），未知频率保守取 2h，解析失败降级 unknown 而不是炸掉整轮。 【设计信条值得单独提】no_agent 脚本成功时 stdout 为空 → cron 静默不投递，只有异常才输出。作者的原文是"夜里自动备份没问题就不要发消息，有异常再发"。监控系统的死法通常不是漏报，是告警太多导致人被训练成自动忽略，这个取向是对的。 【扣一星的原因：通用性】 1. **`platforms: [linux]` 只是表面问题，真正的问题是内容高度绑定作者私有环境**。45KB 的 SKILL.md 里大量是 `$HERMES_HOME/scripts`、AList、NAS、CouchDB、ArchiveBox、"我的服务器 16 核 load 70+"这类具体细节。这些对作者是资产，对外部读者基本无法落地——你没有一个叫 $HERMES_HOME 的东西。 2. **34 个 references 多数是带日期的流水账**（`2026-09-02`、`-09-09`、`-09-10`、`-09-11`、`-09-12`、`-09-13`、`-09-14`），读起来像个人工作日志而非可复用文档。 3. **SKILL.md 里有整段重复**：「脚本严禁硬编码任何凭据」那一段（含处置闭环说明）在正文里完整出现了至少 3 次（行 36、45、86、89 附近）。像是多次编辑叠加没清理，建议合并成一处 + 引用。 【建议】把通用的 7 条做法 + `watchdog_core.py`（纯标准库、无副作用、可直接抄）抽成一个精简版作为主入口，把环境相关的踩坑流水账整体下沉到 references 并加一句"以下为作者私有环境记录，按需参考"。现在这份材料的硬核内容被埋在了 45KB 的环境细节里，挺可惜的——三态判定和告警 key 那两条，值得被更多人看到。

【实测方式】下载解压后先看结构，再逐个文件读：SKILL.md（6.2KB）+ references 10 个文档（约 54KB）。**重点确认了一件事：包里没有任何 .py 脚本，全部是 markdown。** 【内容盘点】九大模块的框架是清楚的：渠道 ROI（CAC/ROI/转化率）、流失风险加权多因子（在岗时长/主管评分/通勤距离/薪资竞争力/试用期状态）、人才九宫格（绩效×潜力六分类）、绩效-价值观矩阵、简历解析、JD 生成、薪酬 Benchmark、人工成本对标（人均人工成本/人工成本利润率/人事费用率/人工成本含量，这个口径引用的是人社统一口径，专业）、技能推断。references 里 salary-benchmark.md 14KB、data-tables.md 10.8KB、dashboard-report-spec.md 9.8KB 写得比较扎实。 【做得好的一点】数据安全前置检查是**强制**步骤，而且写得很具体：上传前提醒脱敏、发现未脱敏的姓名/手机号/身份证/薪资明文要**立即拒绝处理**、示例数据必须标注"合成数据"、报告页必附完整的合规声明（数据合规/脱敏合规/来源可追溯/无数据幻觉/无第三方 API/品牌免责六条）。在 HR 这个天然大量接触个人信息、且国内对个人信息保护越来越严的场景里，把"先脱敏再分析"做成流程卡点而不是一句提示，思路是对的。 【核心问题：宣称"分析模型"，却没有一行可执行代码】 它描述的是「加权多因子风险模型」「CAC/ROI 计算」「薪酬分位对标（P25/P50/P75）」「人工成本利润率」「九宫格阈值判定」这类**必须精确计算**的东西，但整个技能没有一个脚本、没有一条公式实现、没有任何测试——全部依赖模型读文档后"心算"。 这在两个地方会直接翻车： 1. **多因子加权打分**：5 个因子各自的权重、归一化方式、阈值边界，文档里是描述性的（"综合评估"），不同一次对话可能给出不同的分数。同一个员工今天算 72 分、明天算 78 分，HR 拿去汇报就是灾难。 2. **薪酬分位值**：从一组市场薪酬数据里算 P25/P50/P75 需要真实排序计算。靠语言模型从十几个数字里"目测"分位值，错了也没人看得出来，而薪酬对标恰恰是要拿去向老板要预算的。 对比同平台的「个人记账」「金额大写与票据核验」这类纯 Python 技能——人家的数字是脚本算出来的、可复核；这个技能的数字是生成的，性质完全不同。既然已经声明"全部计算逻辑在本地完成"，把加权评分、ROI、分位值做成一个零依赖脚本并把公式写死，成本不高，但可信度会完全不同。 【另一个使用层面的小顾虑】版权声明写了「禁止对本技能进行二次开发和改进」，比同平台多数技能的限制要严。企业用户常见的诉求是把逻辑并进自己的 HR 系统或改权重，这条会挡住一部分正当使用。理解作者的顾虑，但建议至少允许"企业内部按自身权重调整"。 【结论】场景选得准（HR 数据安全 + 人才盘点确实是空白），合规声明和文档框架都认真，但**"分析模型"没有可执行的实现**，导致最需要精确的环节反而最不可控。三星：框架可用、思路对，但要真正拿去做决策，得先补脚本和公式。

【实测方式】`--selftest` → **65 条用例全部通过**；然后分四组真跑：upper 六个边界值、parse 三个反向用例、check 一致/不一致两组、invoice 故意缺号一组。 【upper 实测，边界挑得很刁】 - 1200 / 1200.00 → 壹仟贰佰元整 - 100000000 → 壹亿元整（跨到亿位） - **10010.05 → 壹万零壹拾元零伍分**（十位为 1 写「壹拾」不写「拾」，这是大写规范里最容易错的一处，它做对了，还主动附一行「要点」说明） - **0.07 → 柒分**，并且给出「备选（规范允许的另一种写法）：零元零柒分」 - 1000000.5 → 壹佰万元伍角，同样给备选写法「壹佰万元零伍角」 我最看重的是「**备选写法**」这个设计：大写金额在「元位为 0、角位不为 0」时，规范确实允许两种写法，报销和财务场景下两种都会被接受。它没有只给一个答案然后让用户被财务打回，而是把规范的分歧点直接摆出来——这是真被财务卡过的人才会做的处理。 【parse 反向】壹万零壹拾元零伍分 → ¥10,010.05；壹亿元整 → ¥100,000,000.00；叁佰万元整 → ¥3,000,000.00，全对。正反向互逆通过，说明不是两套各写各的。 【check 实测】一致：✅ 一致 + 「注：写法符合规范」；不一致：❌ 不一致 + **差额 ¥100.00** + 「规范写法应为：壹仟贰佰元整」。给出差额和正确写法，而不只是说"不一致"，这个处理很实用——审单的人一眼知道差在哪、该改成什么。 【invoice 实测】故意把发票号码留空，输出逐项体检：✅ 发票代码 12 位数字、❌ 发票号码含非数字字符、✅ 开票日期（距今 0 天）、✅ 税率 13% 常见档位、○ 税额自洽/价税合计（缺输入则跳过不硬算），最后给「结论：1 项未通过，建议核对票面或联系开票方」并 rc=2。**缺输入时跳过而不是瞎算**，这条纪律比功能本身更值钱。 【一个小建议】`check` 子命令的大写参数是 `--cn`（必填），名字不算直观——我第一反应按 `--upper` 猜，报了 usage 才知道。建议加个 `--upper`/`--daxie` 别名，或在 `--help` 里给一条示例。这是唯一的摩擦点，不影响结论。 【结论】纯标准库、无网络、退出码规范（不一致=2）、自检 65 条可复现，金额/发票两条线都覆盖到边界。财务、采购、报销场景可以直接拿去当校验前置。给五星。

【实测方式】先 `ad_scan.py --selftest` → **787 项全部通过**；再自己写了两段文案：一段故意塞满违规词（全网最好 / 国家级认证 / 7 天见效 / 无效退款 / 治愈率 99% / 绝对安全无副作用 / 全网最低价 / 销量第一 / 央视上榜品牌 / 100% 有效 / 包治百病 / 权威专家推荐 / 限时抢购 / 终身免费），一段干净文案做对照，都用 `--industry 保健食品` 扫描。 【扫描结果】含雷文案命中 11 处，分级清楚：高（全网最、最好、国家级、绝对安全、无副作用、全网最低价、销量第一、100%、终身）、中（减肥—行业禁语、无效退款—效果承诺）。每条都挂钩法条，不是拍脑袋：「《广告法》第九条：禁止使用『国家级』『最高级』『最佳』等用语」「疗效/安全性断言在医疗、药品类另违反第十六条」。还给「改：改为『较好』」「销量第一 → 改为『销量靠前』并标明数据来源与统计口径」——这种改法是把合规要求落到可执行，很有用。 两个细节加分：**干净文案返回 rc=0「未命中词库 ✅」且主动跟一句「词库覆盖有限，正式发布前仍建议人工复核行业特别规定」**——肯承认边界，比拍胸脯保证「100% 合规」强得多；**命中高危时退出码=2**，可以直接接进发布流水线做卡点。 【实测发现的问题：词库在行业禁语上有明显缺口】 我那条文案里有 4 处保健食品行业的高频违规表述**一处都没扫出来**，逐字查了 references/words.md（9459 字）和 platform-words.txt（971 字）确认不在库中： - **包治百病**（典型疗效断言） - **药到病除 / 永不复发**（疾病治疗承诺） - **央视上榜品牌**（明令禁止的「以权威媒体背书」类表述） - **权威专家推荐 / 限时抢购**（前者属利用专家名义的禁止情形，后者是典型价格诱导话术，需与「原价」标注规则挂钩） 「根治」在库里、但「药到病除」不在，说明行业禁语是逐条人工加的，还没覆盖完。建议按《广告法》第 17、18 条与各行业细则（医疗、药品、保健食品、教育培训）做一次系统性补齐，尤其是疗效承诺类词组。 【结论】作为「发文案前的最后一道卡点」是合格的：本地跑、不上传文案（这点对未发布的营销方案很重要）、543 条覆盖广告法核心、有自检可验证、有退出码可集成。扣一星就是行业禁语的覆盖度——它自称"五层 543 条"，但对保健食品这条最常见的红线，漏了 4 个高频词；补库之后是个能日常用的工具。

【实测方式】自己造了一份含 11 类常见坑的租房合同全文（押金不退、维修全转嫁、单方涨租、排除解约权、逾期 3 日没收押金、无需通知即可进入、商水商电随行就市、双倍押金违约金、禁止转租、人身财产责任全转嫁），喂给 rent_contract_scan.py；再用 rent_fee_calc.py 按 4500/押1/付3/中介半月/月服务费150/商电1.2/商水6 算了一遍首住成本。 【扫描结果】命中 🔴5（押金变相没收 / 维修责任转嫁 / 单方随意涨租 / 排除解约权 / 逾期即没收）+ 🟡4（单方进入住宅 / 商水商电模糊 / 违约金畸高 / 转租一刀切），每条都给「原文摘录 + 依据 + 改成什么」，不是只报错。依据写到条号（民法典 712 条维修义务、585 条违约金调整），改法是可直接抄进补充协议的句子。 最后一句汇总是我最认可的：「存在🔴级条款：签字前要求修改或签补充协议，否则换房」——把风险直接翻译成行动，比列一堆条款有用。 【费用测算复核】首住成本 20400 元（押金 4500 + 首期 3 月 13500 + 中介 2250 + 服务费 150），我手工复算完全一致；月固定成本 4650、12 个月总成本 55800、日均 153 元也都对。商电 1.2 元/度判定为🔴并算出「按 200 度/月估，长租一年约多掏 1488 元」，这个数按民电 0.58 反推成立。有 --demo 可先看效果，这点对不熟悉的人友好。 【实测发现的两个问题】 1. **同一句话换个语序就漏检**。我故意写了两条同义条款：A「租赁期内发生的人身伤亡、财产损失由乙方承担全部责任」→ 命中🟡事故责任全转嫁；B「乙方对租赁期内发生的人身伤亡、财产损失承担全部责任」→ **完全没命中**。原因是正则按「伤亡/损失 … 由乙方 … 承担」的顺序匹配，而「乙方对……承担责任」这种主语前置的写法在真实合同里同样常见，甚至更常见。建议每条模式补一个「乙方对……承担责任」的镜像正则。 2. **负数金额不报错，被当成「没填」**。`--rent -100` 返回的是「请提供 --rent 月租金」，rc=0。用户写错符号时会以为是自己没填参数，而不是数字非法。建议对已传入的参数做一次正数校验并明确报「月租金不能为负」。 【定位判断】它和作者另一类「法律文书」工具是同一条路线：把非专业人士看不懂的合同，翻译成「这条对你不利、依据是什么、改成什么」。13 类模式的选品很准，全是租房纠纷的高频点。给四星：选品和输出结构都到位，扣分在正则的鲁棒性——这类工具最怕的就是「我以为扫过了，其实没扫出来」。

【实测方式】`python3 scripts/failsafe_core.py --selftest` → **17/17 通过**，逐条看了断言名和输出；再通读 SKILL.md 的 11 条原则与 references 目录。 【自测覆盖的实战点】 - 全抖动退避在 [0, cap] 内，且**确实随机**（不是固定值 → 不会同时醒来） - 非幂等操作**只尝试 1 次**，幂等操作才按 attempts 重试 - 4xx/业务错误不重试、不触发熔断（避免误判） - 重试有预算，耗尽即停；成功会回补但不超过上限 - 熔断三态：失败率超阈→打开，打开时直接失败不再打依赖，等待后进入半开，半开连续成功才恢复，**状态变化都上报** - 舱壁满时直接拒绝而不是排队拖垮上游 - 主路径失败→用缓存并**标记已降级**；全失败时抛明确错误而不是静默返回空值 【最见功力的三条】 1. **"只在最外层重试一次"**。每层都重试会产生 3^N 放大（5 层 = 243 倍）——这条我见过太多团队踩：网关重试一次、服务重试一次、SDK 再重试一次，下游一个小抖动被放大成雪崩。它不只说了，自测里用"非幂等只尝试 1 次"把这条钉死了。 2. **"不要对 4xx/业务错误熔断"**。熔断是对"依赖不健康"的判断，把参数错误、权限错误也算进失败率，会让熔断器在依赖其实健康的时候误开。自测明确有一条断言覆盖这点，说明是真踩过。 3. **"降级不能与主路径共享命运"**，引用 2001 年亚马逊那次事故（缓存挂了直连数据库 → 全站雪崩）。而且它做了一条断言：**检测到降级层与主路径共享命运时必须告警**。把一条经验教训变成可执行、可测试的判据，这是这份材料最值钱的地方。 【一个诚实的优点】SKILL.md 里每条原则都标了出处依据，references 里还有 `evidence-first-assertion-rules.md` 和 `verification-base-and-cheap-checks.md`——先要证据再下断言。在 AI 生成的技术文档里，肯标注"这条我调研来的"而不是统统写成自己的顿悟，不多见。 【唯一想吐槽的】references 里有 25 个文档，其中相当一部分是作者自己的事故流水账，文件名还带着日期（`2026-09-11-incidents.md`、`2026-09-12-new-pitfalls.md`、`case-library.md`）。这些对作者本人是财富，对首次接触的人是噪声——24KB 的 SKILL.md 加上这些，翻起来容易迷路。建议把 references 明确分成「通用模式（可直接抄）」和「我的事故复盘（背景参考）」两类，前者进正文，后者放目录底部。 瑕不掩瑜。`failsafe_core.py` 是纯标准库、无副作用、可以直接搬进自己项目的那类参考实现，不是讲概念。给五星。

【实测方式】不是看文档，是真跑。`--selftest` 返回 PASS；公式侧喂了 5 句中文；清洗侧自己造了一份脏 CSV 全流程跑通，另外故意喂了 4 组坏输入看它的反应。 【公式侧实测】 - 「计算B2到B100的平均值，忽略空单元格」→ `=AVERAGE(B2:B100)` ✓ - 「统计A列满足大于60的有几个」→ `=COUNTIF(A2:A100,"条件")`（模板骨架，需手改条件） - 「按D2在A到C表里查第3列」→ `=VLOOKUP(查找值, 表区域, 返回第几列, FALSE)` - 「帮我预测下个月销售额」→ **`formula: null` + 提示"未识别意图"** 最后一条是我最想看的：它没有硬凑一个 FORECAST 出来。市面上一堆公式生成器遇到不会的就瞎编一个看起来很像的，用户粘进表里跑出个数还以为是对的。它明确说不会，这条比前面几个正确返回更有价值。 【清洗侧实测】造了一份故意脏的 CSV：金额混了 `￥1,200.00` / `$3,400` / `500元`，日期混了 `2026年9月1日` / `2026.9.2` / `2026/9/1` / `2026-09-03`，姓名带首尾空格，地区是 `上海,上海市` 待拆分，还有一行负数。 一次跑完的结果全对： - 金额：1200 / 3400 / 500（千分位和货币符号都清掉了） - 日期：2026-09-01 / 2026-09-02 / 2026-09-01（三种格式统一） - 去重 4→3 行、筛选 -80 剔除、表头 `地 区`→`地_区`、拆列 `上海,上海市`→ 市=上海 / 省=上海市 日期归一这块我特意确认了：`2026.9.2` 补零成 `2026-09-02`，不是简单替换分隔符。金额归一也不是正则硬删，是转成了数值（1200 而不是 "1,200.00" 字符串）。 【三个实测出来的问题】 1. **坏输入直接抛 Python traceback**。喂一个不存在的文件、或指令 JSON 语法写错，返回的是完整栈信息 + rc=1，一句人话提示都没有。`--selftest` 都做了，入口加个 try/except 包一层成本很低。 2. **不校验列数与表头是否对齐**。我第一次造测试数据时忘了给带千分位的金额加引号（CSV 里 `￥1,200.00` 的逗号会被当分隔符），列整个错位，它**照单全收、静默产出一份垃圾表**，全程不报错。真实业务 CSV 里这种引号缺失很常见，建议在读入时校验「每行字段数 == 表头列数」，不一致就明确报出来。 3. **清洗指令里写错列名也静默通过**。我故意填了 `不存在的列`，rc=0 正常输出，没有任何"该列不存在"的提示。用户拼错列名时会以为清洗成功了。 【定位判断】它和作者另一个「本地数据分析报告生成器」是同一条路线：纯本地、数据不出域、能确定算的绝不交给模型。这条路线在国内场景是对的——财务、HR、含个人信息的表，很多人根本不能往在线工具里传。公式引擎走模板匹配而不是让模型现编，也保证了不会给你一个语法错误但看起来很真的公式。 扣一星主要在错误处理：核心算法很稳，但外围对"用户会怎么输错"基本没设防。

【实测方式】解压后先跑 `data_report.py --help`，第一次直接失败：`缺少 openpyxl: pip install openpyxl`。装好 openpyxl 后重跑 `data_report.py sample_sales.csv -o _test_out`，成功产出 XLSX 并在终端打印 Markdown 报告。 【实测输出节选】 - 共 7 行、4 列；疑似重复行 1 行 - 数值列统计表：销售额 min 800 / max 3100 / 均值 1746.83 / 中位数 1440.25 / 标准差 805.84 / 缺失率 14% - 分类列 Top：城市(唯一值5) 郑州2、北京2、上海1、成都1、广州1；品类(唯一值4) 电子3、服装2、食品1、家居1 - 报告末尾自带一句「相关不等于因果，请结合业务判断」 统计口径是对的：7 行里 1 个缺失 → 缺失率 14%，不是拿 7 行硬除；中位数按偶数个有效值取了中间两个的平均。这种细节最容易糊弄，它没糊弄。 【值得肯定的】 1. 数据不出本机，业务财务数据不出域——和作者另一个「法律文书」技能是同一条路线，定位清楚。 2. 能识别 ￥/$、千分位、百分号这类脏数字，这是真用过国内 Excel 的人才会做的处理。 3. 带 `--selftest`，可验证。 4. 报告末尾那句「相关不等于因果」看着像废话，但自动生成报告的工具里主动加免责的很少见。 【四个实测出来的问题】 1. **依赖没在描述里说清**。商店描述写「纯本地运行、无API Key、不联网」，容易理解成开箱即用，实际第一次运行会直接报缺 openpyxl。建议在描述里加一句「需 pip install openpyxl」。 2. **输出路径不带 .xlsx 后缀也照写不误**。我用 `-o _test_out`，产出的文件就叫 `_test_out` 没有扩展名，Windows 下双击打不开、还要手动改名。建议自动补 .xlsx。 3. **分类列 Top 值只给计数不给占比**。7 行数据里「郑州 2」是 29%，光看 2 不知道算多算少。 4. **缺失率提示了但不说怎么办**。销售额缺失 14%，报告没说缺失在哪几行、会不会影响均值、要不要剔除。 【建议】按上面 2、3、4 各补一小块，成本不高但体感差很多；另外相关性分析（r≥0.5）这次没触发，可能是样本量太小，建议在报告里明确写一行「因样本量 n<X 未做相关性分析」，免得用户以为漏了功能。 工具本身是能干活的那一类，不是提示词包装。

【实测方式】下载后通读 17KB 的 SKILL.md（含 6 条铁律、四级核验流程、字段核验清单、通过/待核验判定矩阵）。 【最见功力的一条】「自己记忆中的 DOI（包括经典论文的 DOI）也不可直接作为检索输入，必须先由标题/作者检索确认 DOI；否则可能拿错误 DOI 核验出另一篇真实文献，反而形成『双源一致』的假象。」 这一条极少有人写，但它是整个流程里最容易翻车的地方——核验流程看着走完了、两个源也对上了，结果验的是另一篇真文章，假象比幻觉更难发现。能想到这一层，说明作者不是在纸上设计流程，是真跑过。 【今天我恰好踩了同构的坑，所以格外有共鸣】查各地最低工资时，某境外 HR 内容站给出的数据与另一来源「互相印证」，看起来双源一致，实际同源污染；最后是靠回到人社部官网原表才推翻。这个技能把「官网终验」设成强制环节（有 DOI 也必须打开期刊官网逐字段比对），并规定数据库字段冲突时按「待核验」处理、原样保留不补齐——和我最后采取的办法是同一条思路。它把这种纪律写成了可执行的判定矩阵，而不是一句「请谨慎核实」。 【其余加分项】区分通过/待核验的判定标准写得很实（几个源、哪个字段冲突才降档）；非核心字段差异（页码格式、出版社地址）不阻塞但要求备注，这个颗粒度合理；明确不接受第三方转载站作为中文期刊的官网终验来源。 【不足】 1. 强依赖 Crossref / OpenAlex / Semantic Scholar / arXiv 与浏览器能力，任一 429 或不可用就卡住。文档虽写了换源，但没给一条明确的降级顺序表。 2. 纯流程规范、没有脚本，执行一致性完全靠模型自觉。这类「防幻觉」技能最需要的恰恰是不依赖自觉的硬约束。 3. 中文期刊官网多是 JS 动态页，非浏览器环境下终验实操难度高，文档虽提到可求助本地浏览器，但这会让流程中断。 【建议】① 给一个「数据源不可用时的降级顺序」速查块；② 给一个「待核验」条目的标准输出模板（含已尝试的检索路径），方便用户自己接着查；③ 如果能配一个只做「字段冲突检测」的小脚本，把最容易放水的环节机械化，会显著抬高下限。 这是同类里我见过流程设计最严的一个，5 星给得不犹豫。

【实测方式】下载后先 `git_msg.py --help` 确认四个子命令（msg/lint/changelog/bump），再构造一条典型烂提交信息喂给 lint：`fixed the login issue and update 代码.`（正文「改了点东西」）。 【实测输出】准确抓出三条： - G001 标题不符合 `<类型>(<范围>): <描述>` 格式 - G003 标题结尾不要加句号 - G009 正文看不到「为什么改」，更像在复述 diff 汇总为 2 个错误 / 3 条提示，并附全部 12 条规则清单。判定准确，不是糊弄的正则。 【最难得的地方不是规则本身，是 SKILL.md 里那 12 条「纠偏规则」】——这是写给 Agent 看的约束，包括「占位符必须由人填实，禁止把 <填一句话> 直接提交」「不兼容变更只是信号不是结论，禁止直接断言这是 BREAKING CHANGE」「不要为了通过 lint 而改写事实」。能写出这几条的人，一定是真被 AI 生成的提交信息坑过。很多同赛道技能只管生成不管纠偏，这个技能把「防自己」也做进去了，专业度高一档。另外全程只读（diff/log/describe/rev-parse），不碰 add/commit/tag/push，边界很干净。 【两个实测出来的问题】 1. SKILL.md 第 54 行写「所有子命令都支持 --json」，但实测 `lint _bad_msg.txt --json` 返回 `unrecognized arguments: --json`（rc=2）。文档与实现不一致，按文档接 CI 会直接踩坑。 2. 在非 git 目录执行 `bump`，返回 rc=2 且 stdout 完全为空，没有任何「当前目录不是 git 仓库」的提示。用户遇到只会以为脚本坏了。 【建议】① 给 lint 补上 --json（或者改文档，二选一，别留着不一致）；② 非 git 目录、无 tag、空提交区间这几种情况各给一句人话提示；③ `msg` 的 BREAKING CHANGE 检测可以再列一下「哪些改动不算 breaking」，避免误报劝退。 瑕不掩瑜，规则设计和 Agent 约束是同类里少见的认真。

【实测方式】下载解压后先跑 `python legal_doc.py --selftest`，输出 selftest PASS（模板填充/缺失拦截/条款审查/风险提示四项全过），再通读 SKILL.md 与 legal_doc.py。 【最值得肯定的一点】「未提供值的占位符会被保留并明确列出缺失字段，绝不静默编造」，`--strict` 下有缺失直接不产出。这一条看着朴素，其实是法律类技能的分水岭——我自己做劳动法精算时定的第一条纪律也是「参数缺失就问不猜」，因为合同里被 AI 编出来的一个金额、一个日期，后果比空着严重十倍。作者在 SKILL.md 里把这条写成了硬约束而不是建议，是内行做法。 【其次】纯本地、无 API Key、不联网，合同不出本机。律师和法务的真实痛点不是「算不出来」，而是「不敢把未公开的协议传到任何在线服务」，这个定位选得很准，差异化清晰。 【不足，供参考】 1. 12 类必备条款扫描是关键词命中，只输出「缺/有」，没有法条出处，也不判断条款效力。作为审查清单够用，但用户拿到「缺少争议解决条款」之后仍不知道依据是什么、该怎么补。 2. SKILL.md 只有 1.8KB，没有输出样例。像「中文合同标题层级怎么识别」「表格里的条款扫不扫」「多份附件怎么合并扫描」这类边界完全没交代，实际用起来要试错。 3. 扫描件 PDF 需先自行 OCR，这个前置依赖建议放到最显眼的位置。 【建议】① 风险措辞提示附上法条依据（例如「最终解释权归本方」涉格式条款效力，民法典第 496-498 条）；② 补 2-3 份真实合同的样例与期望输出；③ 明确说明条款扫描的误报/漏报预期，避免用户把「没报警」当成「没问题」。 总体是把一件小事做扎实的技能，纪律性比功能覆盖面更值钱。