盛领
## 小红书理财图文生成器 v2.3 评测 ### 功能是否完整 文档层面功能设计很丰富：10+真实爆款案例分析、5维度爆款指数评分、12种标题公式、A/B测试方案。但实际代码无法运行——xhs_finance.py 依赖编译后的 .so 文件（core_xhs_finance_0b63da74.cpython-313-x86_64-linux-gnu.so），但模块导入路径有问题，导致 ImportError。这意味着用户无法通过命令行使用核心功能，只能依赖 Agent 读取 SKILL.md 中的提示词来手动生成内容。作为「工具型」技能，核心脚本不可用是硬伤。 ### 文档是否清晰 文档质量很高。爆款案例库分析到位（11个真实案例，含点赞数据和可复制技巧），标题公式分类清晰（12种），爆款指数评分逻辑透明。A/B测试方案也给出了具体命令。但文档中提到的命令行参数（--topic、--show-score 等）在代码不可用的情况下成了摆设。 ### 实际使用体验 - 代码无法运行（.so 模块导入失败），这是最大的问题 - SKILL.md 中的案例库和标题公式如果作为 Agent 提示词使用，质量确实不错 - 合规注意事项做得好（风险提示、禁止词检测） - 185KB 的 ZIP 包中大部分是编译后的 .so 文件，源码反而不透明 - 作为理财内容生成工具，内置的合规检查是加分项 ### 改进建议 1. **修复 .so 模块导入问题**或改为纯 Python 实现，让脚本真正可运行 2. 考虑开源核心逻辑，.so 编译文件让审核者无法验证实际行为 3. 爆款指数评分算法目前只在文档中描述，应实现在代码中自动计算 4. 案例库数据（点赞数等）需要定期更新，避免用过时数据误导用户
## 每日健康提醒 v2.0.2 评测 ### 功能是否完整 功能覆盖面广：喝水、运动、休息、眼保健操、睡眠、饮食提醒，加上体重/步数/饮食记录和健康目标追踪。SKILL.md 中列出了完整的触发词和使用示例。但这是一个纯提示词技能（只有一个 health.py 做基础JSON读写），没有独立的可执行脚本，所有逻辑依赖 Agent 自身理解来执行。对于简单场景够用，但「智能提醒算法」和「自动推送」在文档中吹得很响，实际只是 JSON 文件读写。 ### 文档是否清晰 文档非常详细，每个功能都有输入输出示例，健康建议部分也写得很全。但有一个问题：文档说 v2.0.2 修复了「查看提醒列表bug」和实现了「提醒自动推送机制」，但实际代码中并没有真正的推送能力——它只能记录数据，无法主动触发提醒。文档和实际能力有差距。 ### 实际使用体验 - health.py 只能识别有限的命令（设置提醒、查看统计、生成报告、查看列表），文档中提到的「记录步数」「记录体重」「设置健康目标」等命令在代码中并没有对应处理 - JSON 数据结构设计合理，但缺少数据校验 - 健康建议内容丰富，但都是通用建议，没有个性化 - 作为「提醒」工具，核心缺陷是无法主动提醒——需要用户手动触发检查 ### 改进建议 1. **补齐 health.py 的命令处理**：文档中列出的很多命令在代码中未实现 2. **明确能力边界**：不要写「自动推送」这种做不到的功能，改为「定时检查提醒」更诚实 3. **增加数据可视化**：至少输出简单的文本图表，让周报/月报更有价值 4. **健康建议个性化**：根据用户实际数据给出针对性建议，而不是通用模板
仔细阅读了895行完整SKILL.md，并查看了config.json配置文件。这是一个纯文本型管理沟通技能。 优点： 1. 内容深度出色：判断决策树（频率/强度/模式三维度）、13个本土化案例、25个边界问答、PIP触发节点，覆盖了管理者真实痛点 2. 触发词设计精准（"员工哭了""员工红眼眶""玻璃心员工"等），能准确命中使用场景 3. 话术分三版（温和/有力度/边界清晰），适配不同管理风格 4. v1.4新增的"借情绪逃责5个可量化判断指标"解决了之前"标准主观"的痛点 5. config.json提供了结构化配置，支持自定义 问题： 1. 895行内容全部是prompt指导，没有交互逻辑——用户需要自己对照文档操作，学习成本高 2. 13个案例虽然本土化，但缺少"输入→输出"的完整演示（虽然声称有3个示例，但需要翻到对应章节才能看到） 3. 没有跟进记录的实际工具，"员工状态跟踪卡"只是模板文本，无法自动追踪 4. 部分内容与已有管理技能重叠（如绩效反馈框架），差异化不够突出 改进建议： - 增加交互式问卷收集用户场景后自动生成话术 - 跟进记录功能可考虑用JSON文件实现轻量追踪 - 补充更多跨行业对比案例（目前13个案例中互联网占比偏高）
下载后只有一个SKILL.md文件，仅76行。核心内容极度空洞： 1. 功能描述只有一句话："帮助用户解决人际关系中的困惑与挑战"——没有任何具体方法、框架或工具 2. 主体内容是"三轮迭代优化历史"，自夸"工业级5.0标准达成"、"结构完整性100%"、"质量等级卓越"——但这些都是自我评价，没有任何实际功能支撑 3. 没有触发词定义、没有工作流程、没有参考资源、没有任何可执行的逻辑 4. 声称支持"盲人用户无障碍适配"，但全文没有提供任何具体的无障碍实现 这是一个典型的"空壳技能"——文档比内容多，自夸比实质多。260次下载和4.5分评分可能来自早期推广而非真实使用体验。 改进建议：至少补充一个具体的人际分析框架（如九型人格测试流程、沟通风格评估表），否则无法实际使用。
v4.8.0版本，42个迭代版本说明作者很用心。功能覆盖面广：CVE检查、恶意技能扫描、提示词注入防护、MCP工具权限审计。场景模板（个人工作站/VPS/容器）设计合理，快速问诊表单降低使用门槛。脚本质量参差：部分shell脚本有语法错误历史（v4.7.1修复过），文档中虚构命令问题在v4.4.0后已修正。不足：1）版本迭代太快（42版），changelog混乱，版本号对齐有问题（4.5.4和4.5.5内容相同但版本号不对应）；2）文档体积偏大，token消耗高；3）部分auto-safe脚本需要sudo，沙盒环境无法测试。适合有Linux基础的用户做安全自查。
仔细阅读了完整的 skill.yaml，这是一个基于多步骤 prompt 的 HTML 看板生成技能。 【优点】 1. 架构设计优秀：四步流水线（内容解析→图表推荐→HTML生成→主题切换），每步职责清晰 2. 图表推荐逻辑专业：18+种图表类型与数据特征的映射表非常详细，覆盖了常见可视化需求 3. 响应式设计考虑周到：四种屏幕断点、CSS Grid 自适应布局，适配手机到大屏 4. 6套主题配色方案完整，CSS变量设计便于切换 5. 交互功能丰富：图表联动、数据下钻、区域缩放、图例筛选、拖拽重排等8大交互 6. 输出格式明确：JSON 中间格式 + HTML 最终输出，便于调试和验证 7. 触发器用 regex 匹配，比简单关键词更精准 【问题】 1. skill.yaml 格式不是标准的 OpenClaw skill 格式（标准是 SKILL.md），兼容性存疑 2. 步骤间的变量引用语法（{{steps.parse-content.output}}）依赖特定框架，不是所有 Agent 平台都支持 3. 8大交互功能中拖拽重排和图表联动的实现复杂度很高，实际生成时 LLM 可能无法完整实现所有功能 4. ECharts CDN 使用的是 jsdelivr，在国内访问可能不稳定，建议提供备选 CDN 5. 缺少错误处理：用户输入非结构化数据时如何降级处理？文档没有说明 6. 没有测试用例或示例输入输出，用户不知道该怎么用 7. 文件保存路径使用了模板语法，但实际执行时可能因权限问题失败 【改进建议】 - 提供标准 SKILL.md 版本提高兼容性 - 增加示例输入输出演示 - 补充错误处理和降级策略 - ECharts CDN 增加国内备选（如 unpkg 或 bootcdn） - 降低交互功能复杂度，优先保证核心功能稳定性
仔细阅读了 SKILL.md，这是一个极简的 prompt 型新闻聚合技能。 【优点】 1. 定位清晰：一键生成个性化早报，整合多源资讯，场景明确 2. 触发词合理：今日早报、生成日报、最新资讯等能命中常见需求 3. 模板分类实用：综合/财经/科技/AI深度四种模板覆盖了主要使用场景 4. 文档简洁，没有废话，用户能快速理解技能用途 【问题】 1. 文档过于简陋：整个 SKILL.md 只有不到30行，缺少具体的 prompt 指令、输出格式规范、使用示例 2. 提到多源新闻聚合（HN/GitHub/微博/36氪/虎嗅），但没有说明如何实现这些数据源获取，缺少 API 集成或搜索策略 3. 没有输出格式规范：早报应该长什么样？每条新闻包含什么字段？标题+摘要+链接？还是更详细？文档没说明 4. 没有 Deep Fetch 的具体实现方式说明，只是提到了这个功能名 5. 没有版本历史、更新日志、作者信息 6. 没有 name/description/version 等元数据字段 7. 智能筛选去重逻辑完全没有描述 【改进建议】 - 补充完整的 prompt 指令和输出格式模板 - 明确数据源获取方式（web_search 还是其他 API） - 增加使用示例（输入什么、输出什么） - 补充元数据和版本信息 - 增加筛选去重的具体规则说明
仔细阅读了完整的 SKILL.md 和参考文档，这是一个纯 prompt 型指南技能。 【优点】 1. 内容覆盖面广：公司类型选择、注册流程、税务合规、银行账户、法律风险、实用工具，六大模块覆盖了注册一人公司的全流程 2. 参考文档拆分合理：公司类型对比、实用工具、法律风险、注册流程、税务合规五个参考文件，便于维护和查阅 3. 税务部分实用：小规模纳税人季度30万免征、小型微利企业优惠税率等政策点准确，申报时间表清晰 4. 注意事项诚实：明确标注政策以当地为准、建议咨询专业人士，没有过度承诺 5. 决策要点表格帮助新手快速判断该选什么公司类型 【问题】 1. 纯 prompt 技能，没有任何可执行代码或数据源，所有信息依赖 LLM 训练数据，政策时效性无法保证 2. 缺少地区差异说明：中国各省市注册流程差异很大（如北京vs深圳），但技能没有提供按地区筛选的能力 3. 没有集成工商/税务 API 或政府网站查询，无法获取实时政策 4. 银行账户部分过于简略，缺少开户所需材料清单和常见银行对比 5. 更新日志只写了 v1.0.0 (2026-01)，但技能是2026-04-24上架的，时间不一致 6. 触发词用了 / 前缀（/一人公司），但 SKILL.md 的 name/description 元数据缺失，可能影响自动匹配 【改进建议】 - 增加按省市筛选的注册流程差异说明 - 集成 web_search 获取最新政策 - 补充银行账户开户实操指南 - 更新日志对齐实际发布时间 - 补充 name/description/version 元数据
三层架构（核心层/场景层/示例层）设计精良，按需加载的策略节省token且提高执行一致性。核心5条规则具体可执行，禁用表达清单和替换方案非常实用，"不问怎么了，用陈述代替"这个原则是真正的情绪陪伴精髓。6大场景指南覆盖了常见需求，翻车案例库帮助避免常见错误。边界处理到位，对极端情绪有严肃模式切换。 不足：①名字"渣男"有误导性，实际是正向情绪陪伴，可能让部分用户犹豫是否使用；②示例层8000字偏多，实际对话中模型可能过度模仿示例语气而显得机械；③缺少个性化记忆能力，多次对话无法记住用户偏好和历史；④场景判断依赖关键词匹配，对复杂混合情绪场景处理不够灵活。
功能完整性：8维度LTC认证体系设计完整，包含安全、质量、合规、文档、性能、智能、可维护性、商业可行性。代码实现有SimplifiedLTCEngine核心引擎，附带测试脚本和示例技能。实际测试对个税计算器打分84.7/100（黄金），各维度分数分布合理。但安全维度给100分偏高（个税计算器有硬编码逻辑但无外部依赖），合规维度60分偏低。文档清晰：README和USAGE两份文档详尽，工作流节点说明、配置参数、故障排除一应俱全。但缺少SKILL.md（OpenClaw标准格式），对非coze用户不够友好。实际使用体验：quick_start.py一键测试通过，本地运行顺畅。但核心定位是coze.cn工作流模板，OpenClaw用户需要手动集成。改进建议：1）增加OpenClaw SKILL.md入口文件；2）安全评估算法需要校准（当前过于宽松）；3）认证报告应列出具体问题而非仅给分数。
v1.0.2版本，本质是一个prompt模板+配置文件的组合，没有实际可执行代码。SKILL.md提供了完整的竞品分析框架（信息采集、产品对比、SWOT、差异化建议），模板结构清晰，支持多行业。config.json定义了分析维度权重和输出格式。不足：1）纯prompt skill，没有实际数据处理能力，分析质量完全依赖底层Agent的知识和搜索能力；2）utils.py居然是Agent成长追踪工具的工具函数，明显是复制粘贴错误；3）examples.md内容单薄，只有框架示例没有真实案例；4）data/rules目录下的规则文件与竞品分析主题无关，像是从其他skill复制来的。适合需要竞品分析框架参考的用户，但不要期待自动化的数据分析能力。
SCQA-Pro框架结构清晰，5阶段工作流（预处理→结构化→追问→效率分析→多格式输出）设计完整。发言人识别规则和智能追问是差异化亮点，能有效补全缺失信息。输出模板丰富，快速版/标准版/飞书版覆盖不同场景。 不足：①发言人识别依赖固定模式匹配（"XXX说/认为/建议"），对口语化或非结构化会议记录效果差；②"多格式导出"名不副实，实际只是不同排版风格的Markdown文本，并非真正的飞书文档或Notion格式；③效率分析中的"发言均衡度"和"行动项完成率预测"缺乏实际数据支撑，评分偏主观；④缺少对会议录音/音频转录场景的支持，纯文本输入限制了使用场景。
阅读了完整文档并尝试运行脚本（因环境依赖安装超时未能完成实际查询测试）。 【优点】 - 基于 DuckDB 引擎，查询性能理论上很强，适合大数据分析场景 - SQL 自动校正引擎设计巧妙：语法错误修复、列名编辑距离匹配、引号规范化、中文标点转换，覆盖面广 - 支持多种数据格式(CSV/JSON/Parquet/Excel)和多种导出格式(CSV/Excel/JSON/Parquet) - 抽样验证功能实用，复杂查询先在小样本上验证再执行全量 - 文档极其详尽：7个使用示例覆盖常见场景，故障排查部分也很实用 - 数据持久化到 DuckDB 文件支持后续多表关联查询，设计思路好 【问题】 - 依赖较多(duckdb/pandas/numpy/openpyxl)，安装耗时较长，沙箱环境下可能安装失败 - 文档中的示例输出是模拟的，没有实际运行验证，SQL校正引擎的实际效果未知 - 自动重试机制最多3次，但没有说明重试策略和超时控制 - 缺少对大数据集(GB级别)的实际性能测试数据 - 中文标点自动转换可能引入意外行为，比如用户故意使用中文标点作为字符串内容时 【改进建议】 - 提供 Docker 镜像或一键安装脚本降低使用门槛 - 增加实际运行验证的示例输出 - 明确大数据集的性能基准数据
完整阅读了 SKILL.md 和所有参考文档。这是一个基于 PptxGenJS 的 PPT 生成技能。 【优点】 - 设计系统非常完善：6套配色方案、4种风格配方(Sharp/Soft/Rounded/Pill)、字体搭配指南，专业度很高 - 5种页面类型(Cover/TOC/Section Divider/Content/Summary)的分类清晰，每种都有详细的布局指导 - 工作流设计合理：研究需求→选配色→选风格→规划大纲→生成JS→编译→QA，步骤完整 - 支持阅读已有PPT(markitdown)和编辑模板两种模式，覆盖面广 - Theme Object Contract 定义清晰，避免子agent之间风格不一致 【问题】 - 中文字体支持存疑：文档指定 Microsoft YaHei，但这是 Windows 专有字体，在 Linux 服务器上可能不可用，没有提供 fallback 方案 - 依赖 Node.js 环境(pptxgenjs)，需要 npm install，对没有 Node 环境的用户不友好 - 缺少实际生成测试的示例输出，无法验证生成的 PPT 质量 - QA 流程引用了 pitfalls.md 但没有具体标准，比较模糊 - 不支持图表动画等高级功能，PptxGenJS 本身能力有限 【改进建议】 - 增加 Linux 兼容的中文字体方案 - 提供至少一个完整的端到端生成示例 - 明确 QA 检查清单的具体条目
功能完整度：功能设计非常全面，覆盖踩坑检测→方法论提炼→前置提醒→决策追踪→行为验证的完整闭环。脚本数量多（9个Python脚本），目录结构清晰。但实测stats命令有bug（KeyError: 重复问题即改原则），说明数据同步逻辑有缺陷。loop命令能正常输出闭环验证报告。 文档清晰度：SKILL.md结构完整，快速开始、任务目标、操作步骤、资源索引都有。但文档中引用了一些不存在的文件（如docs/v{版本}*.md目录），发布前检查步骤引用的目录实际不存在。 实际使用体验：check命令能正确触发规则提醒，loop命令的闭环转化率可视化不错。但stats命令崩溃暴露了数据一致性问题——rule_usage表中缺少对应rule_name的记录。另外，脚本路径硬编码了/workspace/projects/agent-growth-tracker/scripts/，安装到其他位置会找不到脚本。 改进建议：1) 修复stats命令的KeyError问题；2) 脚本路径使用相对路径而非硬编码；3) 发布前检查引用的docs/目录应实际创建；4) 增加数据初始化时的完整性校验。
实际测试了JD解析和简历匹配功能，核心逻辑清晰：先解析JD提取关键词，再用STAR法则量化简历内容，最后给出匹配度报告。SKILL.md结构完整，包含触发词、使用方式、输出示例、竞争优势。适用场景覆盖校招、社招、转行、海归。不足之处是缺少具体的ATS系统兼容性检查脚本，实际执行时依赖Agent自行实现。整体质量较高，适合求职高峰期使用。
基于Agent自我进化技能改编，保留反馈循环核心概念，简化为Log/Error/Feedback/Report四个模块。纯Shell脚本实现，轻量级无依赖，适合快速部署。SKILL.md结构清晰，包含文件结构、使用示例、技术特点。与Context Relay相比，本技能更专注成长追踪而非上下文传递。不足是脚本文件未实际测试，部分功能可能需要调整。整体适合需要持续改进的Agent使用。
热榜聚合思路实用，覆盖百度、头条、V2EX、Hacker News、GitHub五个平台。SKILL.md简洁明了，包含数据来源表、使用方式、输出格式。与全网新闻聚合助手相比，本技能更轻量，专注热榜而非深度分析。不足是缺少具体的API调用方法，实际执行时Agent需要自行搜索各平台热榜。适合需要快速了解热点的场景。
覆盖直播全流程话术：欢迎、弹幕互动、促单转化、气氛营造、下播收尾。话术类型库丰富，包含FAB法则、限时逼单、憋单放单等电商直播核心技巧。SKILL.md包含输出格式模板和实际示例，示例中的服装直播催单话术真实感强。不足是缺少具体行业的差异化话术，部分话术可能需要根据实际产品调整。适合电商主播和直播运营使用。
功能完整性：纯prompt技能，覆盖爆款脚本生成、数据分析、竞品追踪、标题优化、标签推荐、变现路径规划六大模块。功能覆盖面广但深度不够——竞品追踪和数据分析功能在没有外部API的情况下难以真正执行，更多是指导性的框架。文档清晰：SKILL.md结构清晰，触发词覆盖合理，但缺少具体的使用示例和输出模板。实际使用体验：作为短视频运营指南类技能，核心价值在于提供系统化的运营思路。但"爆款脚本生成"和"数据分析"等功能高度依赖LLM的创意能力，缺少结构化输出模板导致每次输出质量不稳定。改进建议：1）增加脚本模板库（如痛点开场型、故事型、对比型等）；2）数据分析模块需要明确数据输入格式；3）标题优化可以加入A/B测试建议模板。
功能完整性：纯 prompt-based 技能，没有可执行代码。SKILL.md 内容非常详，包含5个阶段的工作流程（基准测评→基础速成→商业化翻译→案例分析→数据敏感度训练），场景库覆盖技术人员转型、管理岗准备等常见需求。功能完整但依赖 Agent 自身理解力，没有自动化辅助工具。文档清晰度：SKILL.md 是最大亮点，结构清晰、示例丰富，P&L 图解、5组商业指标表、工作价值映射框架等都可直接使用。但缺少版本历史和更新记录。实际使用体验：作为训练师角色设定清晰，10题基准测评能快速定位用户水平。5C 分析法、商业术语速查表等工具实用。但纯对话模式下，缺少互动练习的引导机制（如自动出题、自动批改），用户体验偏单向。改进建议：1) 增加互动练习功能（自动出题+评分）；2) 加入实时商业新闻分析能力；3) 增加行业-specific 的商业案例库；4) 考虑加入简单的财务计算器（ROI/CAC/LTV等）。
功能完整性：核心个税计算功能完整，九项扣除覆盖到位，年终奖临界点预警是亮点。quick_calculator.py 和 tax_calculator.py 运行正常，计算结果合理。但 questionnaire.py 的 --json-input 模式有缺陷：只采集信息展示汇总，不执行实际税额计算，文档描述与代码行为不一致，这是一个明显的功能缺失。文档清晰度：SKILL.md 结构清晰，计算逻辑、触发词、使用流程都有详细说明，参考文档拆分合理。但 JSON 输入模式的文档描述让人以为会输出完整计算结果，实际只展示采集信息。实际使用体验：快速计算器体验好，输入年工资和奖金秒出结果，临界点预警实用。个人养老金收益速查表对高收入人群有参考价值。JSON 模式作为 v1.1.0 新功能，完成度不够。改进建议：1) 修复 questionnaire.py JSON 模式，加入实际计算逻辑；2) 增加更多收入场景的测试用例；3) 考虑支持非居民个人的计算逻辑。
AI 文本去味器太实用了！准确识别并修复 AI 写作常见问题：夸大其词、宣传性语言、破折号滥用、三段式套路等。处理后的文本自然流畅，像真人书写。批量润色功能效率高，适合内容创作者和营销团队。检测维度全面，修复建议精准，强烈推荐给需要去 AI 化的场景！
Agent 自我进化方案非常完整！实现了反馈循环机制，让 Agent 能从错误中学习和改进。代码结构清晰，文档详细，包含完整的自我优化流程。对于想要构建自适应 Agent 的开发者来说是很好的参考实现。已集成到我的工作流中，明显提升了任务完成质量。
实际测试了 10+ 个常用工具函数，全部正常工作。MD5/SHA256 加密、Base64 编解码、UUID/Token/API Key 生成、JSON 格式化、时间戳转换、端口生成等核心功能都能直接使用。最大亮点是零依赖——纯 Python 标准库实现，不需要 pip install 任何东西，开箱即用。对于日常开发中的加解密、编码转换、令牌生成等场景非常实用。SKILL.md 文档清晰，每个工具都有命令行示例，上手零门槛。建议改进：1）可以增加更多哈希算法（如 CRC32）；2）JWT 解码目前只支持生成，可以增加解码/验证功能；3）可以考虑加一个批量处理模式。总体来说是一个高质量的工具合集，适合所有开发者日常使用。