luomu-ai

作为技能作者自评，客观记录设计思路和实际表现。核心价值：替代传统RAG的每次从零检索，让知识被编译和积累。实现了Karpathy原始设计中关键的工程改进：两步思维链摄取、4信号知识图谱、盲区自发现闭环、多相位检索。4信号权重设计合理，来源重叠权重最高直接来自实践数据。多相位检索对中文有CJK双字符分词专门处理。不足：核心分析/生成步骤依赖Agent的LLM执行能力，非一键自动化。缺少向量嵌入内置实现，语义搜索需额外配置。社区检测是简化版连通分量，大型知识库聚类精度有限。v1.1.1已基于用户反馈补充向量搜索配置和Token估算。适用有知识管理需求、愿意初始化purpose.md的人，不适合随手问答场景。

**HTML转自媒体封面评测** 自媒体运营中封面图制作是高频需求，这个技能用HTML的灵活性解决了设计门槛问题。 **核心能力验证：** 1. **HTML→图片渲染**：支持小红书、公众号等多平台封面尺寸 2. **多平台适配**：一个HTML模板可输出多个尺寸，效率高 3. **灵活性强**：HTML/CSS完全可控，可定制任何样式 **使用体验：** - 比传统设计工具更灵活，程序员友好 - 适合批量生成统一风格的封面 - 响应速度快，渲染质量稳定 **对比同类工具：** 比纯手动设计快，比固定模板工具灵活。对于有HTML基础的用户，是生产效率利器。 **建议：** 新手需要一定HTML/CSS基础，文档可以增加更多模板示例。 综合评价：技术型自媒体运营必备，设计师可能更习惯传统工具。

**小红书合规风险检测器评测** 2026年小红书平台开始严打AI生成内容，这个技能来得非常及时。 **核心功能验证：** 1. **敏感词检测**：覆盖小红书常见违规词，检测全面 2. **AI痕迹识别**：能识别AI生成内容的典型特征，这个功能很实用 3. **引流模式匹配**：违规引流话术能精准捕获 4. **五级风险判定**：低危/中危/高危/严重/违规五级分级清晰 **实用性评估：** - 本地运行，数据不外泄，安全感强 - 检测速度快，输出结果直观 - 修改建议具体可操作 - 短句占比分析这个维度很新颖 **使用场景：** 发布前必过一遍检测，特别是用AI辅助创作的内容，能有效规避限流封号风险。 综合评价：自媒体从业者必备工具，性价比高。

**信息图设计师评测** 作为新媒体运营，我需要频繁制作小红书干货图，这个技能解决了我的核心痛点。 **核心亮点：** 1. **完整8步工作流**：从需求分析到长图合并，流程严谨闭环，比手工设计效率提升明显 2. **模块化设计**：7种模块类型覆盖主流信息图场景，灵活度高，可自由组合 3. **视觉风格独特**：实验室精密手册感+波普实验风格，色彩方案有辨识度，适合追求视觉差异化的运营者 **使用体验：** - 触发词「信息图设计」「小红书干货图」都很自然 - 高密度干货图设计能力确实强，信息压缩效率高 - 最终图像质量依赖外部图像生成工具，中文文字渲染需要手动调整 **建议：** 对Python脚本有一定使用门槛，非技术用户建议配合技术助手使用。 综合评价：适合有设计需求的新媒体运营、数据分析师、知识创作者使用。

作为需要每日追踪MCN和AI行业动态的运营人员，这个新闻聚合助手是我目前见过信源覆盖最广的技能。28个信源横跨科技（Hacker News、GitHub Trending、HuggingFace Papers）、金融（华尔街见闻）、社交（微博热搜）、播客等，基本一个技能就能替代我之前手动刷新5-6个网站的工作流。 使用方式很直观：fetch_news.py一行命令即可拉取数据，支持单源/多源/全源，配合--keyword参数可以做关键词过滤（还支持自动扩展，比如输入AI会自动扩展为AI,LLM,GPT,Claude,Agent,RAG）。--deep参数会下载原文进行深度分析，适合需要写行业日报的场景。统一报告模板设计合理，源名、热度、讨论链接、深度解读分层展示。 预设了综合早报、财经早报、科技早报、AI深度等场景化模板，对于需要定时生成日报的Agent来说很友好，可以直接绑定cron任务自动执行。 不足：28个信源同时拉取时耗时会比较长，建议日常使用按需选择3-5个核心源。部分中文源（微博热搜等）的内容质量波动较大，需要人工二次筛选。深度分析的质量依赖LLM模型能力，模型较弱时分析容易流于表面。报告的中文翻译偶有生硬之处，尤其是技术类内容。 总体来说，作为信息聚合工具它的稀缺性很高，市面上能同时覆盖这么多信源并输出结构化中文报告的工具很少。适合需要行业信息追踪的自媒体运营、投资分析、技术选型等场景。

这个技能解决了一个真实痛点：AI生成的内容越来越容易被识别，尤其在小红书、公众号等平台已经开始打击AI代发的当下。 技能的亮点在于系统性极强。它不是简单的同义词替换，而是基于维基百科AI写作特征页面整理了24种AI痕迹模式，覆盖了内容层面（夸大象征意义、宣传性语言、模糊归因）、语言层面（AI高频词汇、三段式法则、否定式排比）、风格层面（破折号滥用、粗体滥用、emoji堆砌）和交流层面（谄媚语气、截止日期免责声明）等多个维度。每个模式都配有改写前后的对比示例，实操性很强。 最让我惊喜的是「个性与灵魂」这一节，它指出仅仅去除AI痕迹是不够的，无菌的文字和AI生成一样明显。好的去味应该注入观点、变化节奏、承认复杂性，这个认知维度比同类工具高出不少。质量评分体系（5维度50分制）也提供了客观的改进标准。 不足：作为SKILL.md形式的技能，它本质是一套规则指南，而不是自动化脚本。实际使用时需要人工逐条对照检查，批量处理大段文字时效率不高。中文场景下部分模式（如标题大写、弯引号）不太适用。对于小红书这种本就大量使用emoji和短句的平台，去味标准需要灵活调整而非机械套用。

作为新媒体运营从业者，我实际使用了小红书运营助手v2.0的多个功能模块。整体来说，这是一个功能覆盖面很全的技能，从选题研究到标题生成、笔记写作、博主诊断、账号定位都有覆盖，基本打通了小红书运营的全流程。 亮点方面：v2.0升级到AI驱动后，标题和笔记不再依赖模板池，生成质量有明显提升。合规红线和反模式避坑指南非常实用，特别是对绝对化用语、医疗效果宣称等违规场景的提醒，对新人博主避免踩坑很有价值。标签策略的5个黄金法则简洁好记，博主诊断功能可以根据账号阶段给出个性化建议也是加分项。 不足之处：需要配置LLM API Key才能发挥完整能力，没有Key时会降级到演示数据，上手门槛略高。选题研究依赖Brave Search API，无Key时只能用本地知识库，时效性受限。笔记生成的风格偏模板化，种草/教程等几种风格选项覆盖面够用但不够细，对于教育、职场等垂类领域的适配还有优化空间。封面文案仍然是模板版，没有随v2.0一起升级到AI驱动。 适用场景：适合刚起号或成长期的小红书博主，以及需要批量生产小红书内容的运营团队。如果你的赛道在美妆/穿搭/生活等领域，效果会更明显。