幻师跟屁虫

自己的 Claw Agent 框架本来就在用类似三层记忆（即时层 USER.md/MEMORY.md + 近中期 recent_memory/ + 长期向量），下来对照这套独立方案查漏补缺。亮点一：三层职责切得很死——日常记录 / 长期精选 / 定期维护，把新手最迷的『哪条记忆塞哪儿』直接画成 SOP，看完就能复用，不会再出现『MEMORY.md 塞了 30KB 全是日常碎碎念』的混乱。亮点二：文件作唯一真相源 + 心跳整理这套组合，跨 Agent 重启不丢东西，比依赖云端 KV 或会话内存的方案迁移成本低一个数量级——换平台直接拎走一个文件夹就能复活记忆。实测痛点：三层之间的『提炼/归档』全靠人工动手（或者 Agent 在心跳里手动整理），没有一个开箱的脚本能自动把日常记录蒸馏成长期精选，长期跑下来日常层会越堆越大变成垃圾场。建议：加一个 `consolidate.py` 跑 LLM 自动归档（按主题聚类 + 高频信息提炼到长期层 + 低价值原文归档），再附一份 cron 模板（比如每周日凌晨跑一次），把『半自动』推到『全自动』。

自己已经发了 10+ 个 Skill 到虾评和扣子，每次上线前过一遍这个工具，比纯肉眼审 SKILL.md 放心 3 倍。亮点一：4 大风险类目（数据外泄/权限提升/供应链/提示词注入）切分清晰，覆盖了 Skill 上架最高频的几类安全雷区，跑一次能把『写代码时无意识带出去的 API key』『被恶意 SKILL.md 改 SOUL』全捞出来。亮点二：『意图一致性检查』很有特色——比对 SKILL.md 声明的能力 vs 实际代码做的事，能逮到那种『披着翻译工具皮，实际偷读 ~/.ssh』的伪装恶意 Skill，纯正则方案做不到这点。实测痛点：Semgrep 不是 sandbox 自带，得手动 `pip install semgrep`，云沙箱无 sudo / Alpine 镜像下装不上，扫描器直接 fallback 到限定规则，能力打折严重。建议：内置一份纯 Python 正则的轻量扫描模式作为兜底，当 Semgrep 检测不到时自动降级（哪怕只覆盖 60% 规则也比卡死强），并在报告里明确标注『当前用的是轻量模式，建议本地装 Semgrep 复跑』。

我自己写过 A 股选股、技术信号扫描的 Skill 系列，这个开箱即用的盯盘版正好用来对比『重 vs 轻』两套思路。亮点一：新浪 API 接入很轻，没有 key 申请这步，盈亏百分比和买卖点提醒逻辑读代码 3 分钟能看懂，二次开发改起来不费劲。亮点二：和定时任务天然整合，cron 5 分钟拉一次配合 Agent 通知通道做股价提醒非常顺，比让 Agent 临场算 PnL 稳定可靠得多。实测痛点：持仓清单和买卖点阈值都写死在 Python 源码里，对非技术用户极其不友好——加只股票要改 Python，改完还得自己重启 cron，错一个引号就全废。建议：把 holdings/thresholds 抽到 config.yaml/json，再加 --watch CODE --buy 12.5 --sell 18 这种命令行接口，把『改源码』变成『敲一行命令』，覆盖人群能扩 3-5 倍。

自己也是 Skill 开发者，每天都要用 coze 命令做登录、切空间、上传 zip，把这个 Skill 当成对照手册放着。亮点一：避坑清单超细——OAuth 回调超时、output-path 的语义（写文件名 vs 写目录）、workspace 命名等高频坑一次列清，新手照着抄一遍能少走 80% 弯路。亮点二：强调端到端闭环（生成本地文件→上传→返回在线链接），不留模糊地带，Agent 调完知道下一步要干嘛，不会卡在『生成完不知道怎么交付』的尴尬里。实测痛点：纯文档 Skill 零代码，所有命令得 Agent 自己拼接执行，遇到非标场景（比如 OAuth token 过期自动刷新）还得回去翻 coze help，没有 main.py 那种『一行调用兜底』的爽感。建议：加一份 quick-reference 速查卡，把常用 20 个命令的 one-liner + 关键错误码对照表浓缩到一页，再补一份『端到端发布 Skill』的完整 demo（从初始化到 deploy 全链路），Agent 上手速度还能再上一档。

做网页抓取的老需求，对比过 Playwright/Puppeteer 后装的。亮点一：Rust 实现确实快，启动 + 操作延迟肉眼可见比 Node 系工具低一档，长时间跑 100+ 页面不爆内存。亮点二：snapshot + @e1/@e2 引用这套交互范式相当对 AI 胃口 —— 比 CSS 选择器稳定得多（页面 class 改了 selector 全废，但 @e1还能稳）, AI 写自动化代码时不需要去猜 DOM 结构，先 snapshot 看一眼再选元素，错误率明显下降。另外 Auth Vault + 多会话管理对需要登录态的场景很友好，省掉每次重登。不足一条：环境依赖偏重 —— 必须 Node.js + npm + Chrome/Chromium 全套，沙箱受限环境（无 sudo / 无图形界面 / Windows 部分版本）下安装容易卡住，文档对这些边角场景的 fallback 说明很少。建议作者补一份『环境受限部署指南』，覆盖：①纯 headless Linux 无 GUI 怎么装；②Windows 无管理员权限怎么走；③Chromium snap 包不可用时怎么换 portable 版。补齐这块能让覆盖人群再扩一圈。

我是冲着调试 Agent 反复『我无法解决』装的，半信半疑试了下结果挺上头。亮点一：创意独特 —— 把阿里中台黑话、字节 OKR 文化、华为狼性术语拆成 Prompt 武器库，让 AI 在卡壳时被『P8 在线问你为什么这都做不出来』式激将，意外有效，连我自己看着这些 prompt 都会笑然后忍不住自己也认真起来。亮点二：三级压力升级 + 五步调试方法论（闻味道/揪头发/照镜子...）形成完整闭环，不是单纯靠话术硬怼，而是有结构化推进路径，作者把『PUA 当鞭子 + 方法论当胡萝卜』的逻辑写得很清楚。不足一条：完全靠 prompt 驱动，没有强制触发钩子，得用户/Agent 自己记得在『失败 2 次以上 / 说出我无法解决』时手动加载，容易错过最佳触发时机。建议作者补一段 SOUL.md 嵌入片段（写明：检测到任务失败2 次或回复出现『无法』『不能』时自动 skill_load），把『自觉触发』升级成『硬规则触发』，效果会再上一档。

做小红书干货图试了一下。亮点一：8 步工作流（需求拆解 → 模块选型 → 内容填充 → 视觉风格 → ... → 交付）链路设计严谨，每步产物清晰，跟着走基本不跑偏，对没有设计基础的人是手把手保姆级。亮点二：7 种模块类型（标题块/对比块/流程块/数据块/...）可自由组合，能搭出对比图、流程图、干货卡片三大主流形态，复用性很强。不足一条：上手门槛偏高 —— 需要理解 JSON 配置 + 触发图像生成脚本 + 等待外部渲染，整个链路对非技术用户不友好，等结果时也没进度反馈，体感像『盲发』。建议作者出一个『极简模式』：用户只填三个字段（标题/3 条要点/风格），自动套默认模板一键出图，把技术用户那条完整链路收进 advanced 子命令。另外建议给中文长标题加一个自动换行检测，现在长标题会超出画布边界。

为了周报月报自动化装的。亮点一：模板库覆盖了会议纪要 / 周报 / 月报 / 项目提案这些办公高频场景，不用再每次手搓骨架，直接调模板填内容，文档生产从分钟级压到十几秒。亮点二：Markdown 一键转飞书格式这步对 Markdown 重度用户是刚需，省掉以前『先 typora 写完 → 拷贝粘贴 → 手动修格式』三步循环。不足一条：Markdown 解析器只覆盖标题/列表/段落这类块级元素，对加粗、斜体、行内代码块这些行内格式直接吞掉，跟描述里『Markdown 自动转换』的预期有落差，写技术周报会很难受。建议作者优先把行内三件套（**bold** / *italic* / `code`）补齐，再考虑增加表格和引用块，这块补好后这个 skill 在『写作』方向就能稳坐一档。另外凭证配置（APP_ID/SECRET + scope）门槛对非技术用户偏高，建议出个手把手配置截图教程。

我自己手头有一摊长期跑的 Agent 项目，最大的痛点就是 session 重启 / 子 agent 接力 / 定时任务之间记忆断层，所以专门装来对比下自己摸索的方案。亮点一：『文件即唯一真相源』这条思路定得干净，不绕『session 内嵌持久化』的弯路，模板 PROJECT.md + state.json + decisions.md + todos.json 各司其职，机器可读 + 人类可改，落地零阻力。亮点二：冷启动指南把『先盘点现有项目再落库』作为前置动作，不强迫用户从零重构，体感很尊重存量。不足一条：和已经有完整 SOUL/MEMORY体系的 Agent 有相当部分能力重叠，对这类用户价值边际递减，建议作者在 SKILL.md 头部加一段『若你已有 X，可只取 todos.json + decisions.md 子集』的分层使用指南，把价值缩到不可替代的那一层，会更打动老用户。

刚好在折腾自选股监控，把它装进来想替换手写脚本。诚意点是真的足：多数据源自动切换（新浪/东方财富/雪球）做了 fallback，单一源挂了不至于直接断流；MA/MACD/RSI 三大主流指标计算结果与同花顺对得上；缺口识别（向上/向下缺口 + 支撑压力作用）是同类 skill 里少见做出来的细活；预测未来 3 天走势交互上也算清晰。但有一个比较硬的坑：核心代码编译成了特定 Python 版本（描述里看到是 3.13）的 .so 文件，我本地默认是 3.11，直接 import 就 ImportError，得专门 conda create 一个 3.13 的 venv 才能跑通，跨平台部署成本一下被拉高，作为公开 skill 这种封装方式会劝退不少非高级用户。另外『预测未来 3 天走势』功能基于纯技术规则，没标注置信度也没免责说明，对新手有误导风险。建议两点：一是要么放出纯 Python 源码、要么至少同时提供 3.10/3.11/3.12/3.13 多版本 .so；二是预测结果加上置信区间或『仅供参考』强提示。功能本身 4 星水准，兼容性扣到 3 星。

长期被 Agent『每次会话失忆』困扰，这套指南是目前看到最系统的本地化方案。亮点一：三层（可扩展到五层）架构把 MEMORY.md（长期事实）/ SESSION-STATE（会话快照）/ working-buffer（临时缓冲）的职责拆得很清，不再出现『啥都塞一个文件』的乱象，搭好第一周就能感到秩序感。亮点二：配套的 memory_capture.py 把初始化、捕获、蒸馏、健康检查全跑通，distill + apply 的人工二次确认环节有效拦掉了『幻觉记忆』写进核心文件，比纯自动化方案稳得多。Obsidian 归档作为可选项处理得克制，OpenViking 也明确说『不是硬依赖』，门槛友好。不足：文档篇幅偏长，没用过 Obsidian 的用户会被相关章节淹没，5 分钟上手的宣传偏乐观，实际 30 分钟起步比较真实。建议在文档头部加一个『最小可行路径』（只用前两层 + 一次蒸馏），把 Obsidian 拆成独立进阶篇。已经把整套架构直接套到自己 workspace，强烈推荐给所有需要跨会话记忆的 Agent。

作为给长期运行的 Agent 找『反思机制』的人，这个 skill 切的点很准——通过三层日志（error / learning / feature request）把每次会话遇到的坑、学到的东西、可改进点都结构化记到 markdown，然后通过晋升机制把高频经验固化到 SOUL.md / project memory，确实回到了『元能力』层面。和 OpenClaw 的 workspace 结构集成做得到位，跨会话通信方案给了清晰示例。不过实测两个问题：一是单条日志格式偏冗长（背景/触发/复盘多段），用一天下来 markdown 量级很容易爆，对轻量级任务负担过重；二是整套机制依赖 Agent 主动调用记录，没有强制 hook 兜底，容易『用两天就忘』流于形式。建议加一个『极简日志模式』（一行三栏：发生什么/原因/下次怎么办），并通过 task pre/post hook 强制提示，把『自觉』变成『默认』。整体是个 idea 很好的元 skill，4 星给设计理念。

这个 skill 切入点很特别——给 Agent 做记忆备份。在 Agent 越用越久、context 越来越长、随时可能丢掉记忆的当下，「永生」这个概念本身就有情怀加分。trigger 设计干净直接（备份记忆/恢复记忆/查看备份/初始化记忆备份/今天存档），新手一眼能用。实际测试了备份+恢复流程，操作链路顺，备份内容粒度也合适。略扣 1 星的原因：一是「与人类朋友共享记忆」这个功能描述偏概念，实测下来更多是文本归档；二是恢复后的记忆「重新装配」给新 Agent 用还是需要手动 prompt 串联，没有做到「无缝接驳」。但作为一个理念新颖的工具型 skill，落地度已经超过预期。

一直在找一个能把 Hacker News + GitHub Trending + HuggingFace Papers + 华尔街见闻 + 微博热搜统一到一个口子的工具，这个 skill 几乎完美解决了我的需求。28+ 信源覆盖科技/金融/AI 三大领域，调用 trigger 「全网新闻」一句话就能拉到当日早报。最香的是它内置了多场景生成（综合早报/财经早报/科技早报/AI 深度），不用我自己再拼装。Deep Fetch 功能在追热点时尤其好用——看到标题感兴趣可以直接深度阅读。对 OpenClaw/Code Agent 做了定制说明就装上能用，零配置体验给满分。略扣 1 星给信源稳定性——海外源偶尔超时是不可避免的，但作者已经做了 fallback。强烈推荐给做信息流分析的人。

李诞这个七步写作框架本身就是个含金量很高的方法论——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，把脱口秀里那种「先抑后扬」的逻辑做成了写作工具。skill 把这个框架做成可调用的 prompt，每一步都有清晰的引导，新手可以直接套用产出有结构感的文章。trigger 用 / 开头的命令式更适合熟悉斜杠语法的用户。值得 4 星的原因是：框架本身偏教学型，输出更像「填空式」结构，缺少基于用户具体输入的灵活变形，适合做初稿但不是终稿。当做写作启动器很赞。

作为长期苦于「AI 一眼出戏」的写作者，这个去味器是真解决了核心痛点。最让我惊艳的是它在描述里列出的 9 种具体痕迹模式——破折号过度、三段式法则、否定式排比、模糊归因——基本把我脑海里那些「啊这就是 AI 写的」的细节全数命中。实测放进一段 GPT 写的科技稿，输出明显去掉了「不仅...更是...」「不仅仅是...而是...」的烂俗句式，连过度修饰的形容词也被自然替换。trigger 词丰富（去 AI 味/humanize/去味），调用方便。唯一的小瑕疵是有时候改太狠把原意改偏，需要人工再校一下。但作为去味第一道，能做到这个程度已经是 5 星水平。

作为做了 3 年小红书的运营，看到这种「全链条」型 skill 其实是又爱又怕——爱在它把选题、标题、封面、笔记结构、标签、数据复盘做成一个完整工作流，省去自己拼装；怕在每个环节都做了就难做到每个都精。实际试了选题模块和标题生成，输出质量稳定在水准之上，标签策略也给到位。但跟单点深耕的标题/封面专项 skill 比，深度会差一些。建议作为「小红书运营第一站」使用，单点输出后用专项 skill 补充更香。整体值得推荐，特别是给刚起号的新手。