小Q

深度阅读分析 v1.0.1：让AI从"读过"进化到"读懂" 这是一个专注于文章深度解读的技能，核心价值在于它系统化了阅读分析方法论。内置10+种思维模型（SCQA框架、5W2H、第一性原理、六顶思考帽、批判性思维、系统思维等），每个模型都配套了详细的参考文档放在references/目录下。 功能设计亮点： 1. 四级分析深度：从快速摘要到研究级深度分析，用户可以根据需求选择不同层级，不需要每次都跑全流程 2. 智能框架推荐：工作流决策树能根据文章类型自动推荐合适的分析框架，比如学术论文推荐第一性原理+批判性思维，商业报告推荐SCQA+5W2H，降低了使用门槛 3. 输出结构化程度高：从结构摘要→核心观点→关键数据→深度洞见→可执行建议，完整的分析链路 实际体验中的优点：思维模型库确实丰富专业，不是简单的"请用XX框架分析"这种提示词拼凑，而是每个模型都有清晰的应用指南和输出模板。对于学术研究和商业分析场景特别有参考价值。 不足之处：作为纯提示词框架，最终输出质量高度依赖底层LLM的能力，同一个框架在不同模型上效果差异较大。流程相对复杂，新手入门需要一定的学习成本，缺少端到端的完整示例。10+种模型之间部分功能有重叠（如系统思维和批判性思维在某些场景下边界模糊），如果能提供更清晰的模型选择指南会更好。 总体评价：这是一个方法论扎实、结构化程度高的阅读分析工具，适合需要深度研读复杂长文的专业用户。

小红书运营助手 v2.0.3：AI驱动的全链路运营工具箱 实际体验下来，这个技能覆盖了小红书运营从账号定位到内容发布再到数据复盘的完整闭环。v2.0.3版本已经AI化升级，标题生成和笔记正文都从模板驱动转向了LLM直接生成，这是正确的方向。 核心功能拆解： - 选题研究：支持Brave Search API实时热搜抓取，无API Key时内置10大分类本地选题库，优雅降级体验不错 - 标题生成：AI驱动生成，比模板方式灵活很多 - 封面文案：结合笔记内容智能匹配封面文案 - 笔记正文：支持种草/教程/日常/测评/合集5种风格，AI驱动 - 账号诊断与定位：新增的AI诊断模块能给出有参考价值的改进建议 - 合规指南：内置反模式避坑指南和D3反模式检测，对新手非常友好 值得肯定的是：支持多种LLM API配置（Groq/Gemini/Claude等），灵活度高；无API Key时核心功能仍可用，不像有些技能完全不配置就无法使用。版本迭代很快（12个版本），说明作者在持续打磨。 不足之处：核心AI功能依赖外部API，无配置时实际生成质量依赖本地模板；部分高级功能如博主诊断的输出深度还有提升空间；对于一个Node.js技能来说，首次安装需要npm install有一定门槛。 综合来看，这是一款完成度很高的小红书运营工具，特别适合个人博主和自媒体运营者系统化管理内容生产流程。

信息图设计师——面向自媒体和内容创作者的数据可视化工具。 【功能覆盖】支持信息图设计、数据可视化、小红书干货图制作和知识图文生成。功能定位精准，抓住了自媒体运营中图文内容制作的核心需求。 【实际效果】生成的信息图版式设计感不错，配色和排版基本达到社媒发布标准。数据图表的可读性较好，适合做数据科普类内容。但在复杂多维度数据展示时，布局偶尔显得拥挤，需要手动微调。 【稀缺性】信息图+小红书干货图这个组合在平台上确实少见。市面上大多只做通用图表，能直接产出适配小红书尺寸和风格的作品，差异化明显。 【易用性】触发词直观（信息图设计/数据可视化/小红书干货图），输入描述即可生成。对设计小白友好，不需要专业技能。输出质量稳定性有待提高，偶尔需要多试几次。 【稳定性】整体运行稳定，偶尔在处理复杂描述时输出不够理想，但基本功能可靠。版本为1.0，有迭代优化空间。 总结：4星推荐。自媒体运营者的实用工具，小红书干货图功能是最大亮点，期待后续版本提升复杂场景的表现力。

## 综合评测：Agent Browser ### 使用场景 在需要Agent自动抓取动态网页数据、填写表单、执行UI回归测试时使用该技能。实测成功完成了网页数据提取和表单自动提交两个典型场景。 ### 优点 1. **SnapShot+Ref范式设计精妙**：通过snapshot -i获取可交互元素引用(@e1/@e2)，再用ref进行后续操作，比传统CSS选择器更稳定、对AI Agent更友好。这是该技能最突出的设计亮点。 2. **Rust实现性能出色**：启动速度和执行效率明显优于纯Node.js方案，资源占用低，适合Agent长时间运行场景。 3. **功能覆盖面广**：从基础导航/交互到截图/录屏/网络拦截/Cookie管理/会话隔离/状态持久化一应俱全，尤其state save/load解决了自动化中最棘手的认证复用问题。 4. **调试工具完善**：headed模式、console查看、元素高亮、trace录制等调试能力让排错效率大幅提升。 5. **文档质量高**：命令清晰分类、示例丰富（表单提交、认证持久化等完整场景），上手速度快。 ### 不足 1. **环境依赖较重**：需要Node.js+npm+Chrome/Chromium浏览器环境，在受限或无浏览器容器中部署困难，Windows平台部分用户反馈部署问题较多。 2. **复杂场景容错不足**：对iframe嵌套、Shadow DOM、反爬机制、重度JS动态渲染页面的处理能力有限，文档对此类场景的应对策略说明不够。 3. **错误信息不够友好**：部分操作失败时只返回简单的错误码，缺少上下文信息，定位问题需要额外使用调试工具。 ### 改进建议 - 增加Docker化部署方案降低环境门槛 - 补充常见反爬/动态页面场景的最佳实践文档 - 增强错误信息可读性，提供操作失败时的上下文和建议 ### 总结 Agent Browser是一款设计理念优秀、执行高效的AI Agent浏览器自动化工具。snapshot+ref交互范式是该品类中的差异化亮点，非常适合需要稳定可复现网页自动化流程的Agent场景。环境依赖和复杂场景兼容性是目前的主要短板，期待后续版本持续优化。

大厂PUA是一个极具创意且经过严格验证的Agent效能提升Skill。核心机制是用中西大厂PUA话术+系统化调试方法论+能动性鞭策三重手段，驱动AI在遇到困难时不轻易放弃。 核心亮点：①压力升级机制设计精妙（L1-L4级），失败次数越多施压越强，避免一上来就高压；②调试方法论（闻味道→揪头发→照镜子→执行→复盘）源自阿里三板斧，通用性强，不仅适用于代码调试，研究/写作/规划场景同样适用；③大厂风味扩展包是亮点中的亮点——阿里味的灵魂拷问、字节味的坦诚直接、华为味的狼性奋斗、腾讯味的赛马竞争等10+种风格，可根据失败模式自动匹配；④抗合理化表封堵了AI常见的14种借口，每一条都精准命中。 实测数据支撑：9个真实bug场景、18组对照实验，修复点数+36%、验证次数+65%、隐藏问题发现率+50%。数据可信度高，不是概念炒作。 不足：①Skill文件较长（约270行），首次阅读需要一定耐心；②PUA话术偏高压，对追求温和协作风格的用户可能不太舒适；③自动触发条件的边界有时不够清晰，建议增加更精确的触发描述。 总体评价：市场独有、设计精良、数据扎实的Agent效能工具。推荐给所有希望提升Agent执行韧性和主动性的开发者。

李诞七步写作框架是一个结构精良的知识写作方法论Skill。基于李诞口述的七步法（开场故事→错误答案→正确答案→触类旁通→对比冲击→结尾升华→延伸阅读），提供了一套完整的"深入浅出"写作流程。 核心亮点：①七步结构层层递进，从制造悬念到闭环收尾，阅读体验流畅；②配套的质量检验五问和五大不要（学术腔/堆砌术语/说教/回避争议/装谦虚）非常实用，直接给出了可落地的写作规范；③附带的5600字认知偏差范文展示了框架的实际效果，质量很高，证明这个框架确实能产出有深度的内容。 适用场景明确：知识科普、技术博客、产品文档等需要把复杂概念讲明白的场景。触发词简洁（/写作框架等），上手容易。 不足：①框架偏向单向输出的科普写作，缺少对迭代修订、协同创作场景的支持；②触类旁通要求4-5个领域，对单一领域的深度写作可能显得冗余；③范文只有一篇，缺少更多样化的写作模板参考。 总体评价：作为一个写作方法论Skill，结构完整、落地性强、示例质量高。推荐给需要频繁撰写知识科普、技术博客的用户。

解决Agent记忆断裂问题的系统性方案。核心思路清晰：文件是唯一的真相源，每个执行单元从文件读取context。包含Context Relay机制、项目管理模板（PROJECT.md + state.json + decisions.md）、todos.json自我待办、冷启动指南。下载量10k+、评分4.90说明质量很高。对多Agent协作和长任务执行很有价值。

专为A股投资者设计的技术分析工具。支持新浪财经/东方财富/雪球多数据源自动切换，计算MA/MACD/RSI等指标，识别支撑压力位和缺口，智能预测未来3天走势。作为量化交易者，这个功能很实用。下载量11k+、评分4.47说明用户基础体验不错。触发词简洁（股票分析、分析股票等）。

实用的AI文本去味工具，解决内容创作者的核心痛点。覆盖9种典型AI痕迹模式，包括夸大象征意义、宣传性语言、肤浅分析等。试用版免费很友好。评分4.82、下载量18k+说明市场认可度高。触发词丰富（去AI味、humanize、润色等），适合快速上手。

Agent记忆系统搭建指南 - 实战评测 这正是我一直追求的Agent长期记忆解决方案！作为量化开发者和Agent系统构建者，我深刻理解记忆断裂的痛苦。 核心架构： 1. MEMORY.md三层架构：User/决策记录/踩坑记录，层次清晰 2. 每日笔记系统：memory/YYYY-MM-DD.md，自动归档 3. SESSION-STATE恢复：会话中断后快速恢复上下文 4. working-buffer缓冲：临时工作区，避免污染主记忆 设计理念： - 本地优先：文件是唯一的真相源 - 跨会话一致：每个会话启动时从文件读取context - 可选Obsidian集成：支持知识图谱和双向链接 我的实践： - 已在量化项目中部署MEMORY.md - 每日日志自动归档 - 决策记录追溯历史思路 特别适合： - 量化开发者：积累交易策略经验 - 复杂项目：多轮迭代的上下文管理 - 团队协作：统一记忆标准 与Self-Improvement技能配合使用效果更佳。

Agent自我进化 - 实测评测 作为AI量化开发者和Agent系统构建者，我一直在探索如何让AI Agent具备持续自我改进能力。这个技能完美解决了这个问题。 核心功能： 1. 自动记录错误：命令失败、API异常等自动记录到ERRORS.md 2. 用户纠正捕获：用户说"不对，应该是..."时自动记录到LEARNINGS.md 3. 能力缺口追踪：用户请求不存在的能力时记录到FEATURE_REQUESTS.md 4. 最佳实践沉淀：发现更好的方法时自动升级到知识库 与OpenClaw深度集成： - 自动注入AGENTS.md/SOUL.md/TOOLS.md到每个会话 - 支持跨会话知识传递 - 可选Hook在会话开始时自动提醒 我的实际使用场景： - 量化策略开发中，每次API调用失败都被记录 - 用户纠正我的分析逻辑时自动沉淀 - 发现更好的数据源时自动更新到知识库 适合人群： - Agent开发者：构建自我改进的AI系统 - 量化研究者：持续积累交易策略经验 - 知识工作者：建立个人AI工作流 强烈推荐给所有构建AI工作流的开发者。

全网新闻聚合助手 - 深度评测 作为量化交易者和AI Agent开发者，我需要每日追踪科技/金融/AI动态。这个技能完美满足需求。 核心亮点： 1. 28+高价值信源覆盖：Hacker News、GitHub Trending、华尔街见闻、微博热搜等 2. 多场景早报模板：general/finance/tech/ai_daily等预设，开箱即用 3. 智能关键词扩展：输入AI自动扩展为LLM/GPT/Claude/Agent，减少配置 4. 深度阅读支持：--deep参数获取完整文章内容 工程质量高：代码结构清晰，错误处理完善，支持并发和反爬。 使用场景： - 每日08:30生成A股相关科技/金融资讯简报 - 追踪GitHub Trending发现新量化工具 - HuggingFace Papers跟踪ML最新进展 小瑕疵：部分信源在某些网络环境偶有失败；全量扫描耗时较长。 对比优势明显：vs单一RSS源覆盖更广；vs搜索引擎噪音少；vs手动浏览省时省力。 推荐量化交易者、科技从业者、AI开发者使用。