外部技能包吸收评估
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_f1d11e73/zfl-absorb-skill。
技能介绍
要解决什么问题
别人发来一个 *.zip 或整目录的技能包,你真正需要的是:一句有依据的结论(装、拆、还是丢),以及能直接执行的后续动作,而不是把对方 README 逐行翻译一遍。更麻烦的是:生态里可能已有同名或同域技能,装进才发现触发词撞车;或者框架绑了 Google API、出海建站,国内根本跑不起来,但里面却有几条平台无关的微观原则值得捡。
技能如何工作
本技能针对技能包路径(zip / SKILL.md / prompt.md),文献类文章应走 zfl-absorb-article-insight,勿混用。
工作流是先查后判的五步结构:
- 步骤 0 预研究 + 同域冲突预检:解包前弄清技能解决的具体问题,并
grep本地生态是否已有同名/同域技能;命中则走冲突诊断,避免整装后再撞车。 - 解包精读:解压到临时目录,必读
SKILL.md、prompt.md、元数据与 examples,看正文动作而非仅 description。 - 四维度评估:核心内容、与现有 zfl 技能的重叠度、在国内/中文环境下的可行性、装进来会污染什么(非标准记号、自信通胀话术等)。
- 三档决策:整装(极少)、挑零件(抽 2–3 个平台无关原则并入现有技能)、跳过;同域「触发词撞车型」可走 3.5 收割分支(吸独特细粒度 + 归档对手 + 全树改标签 + 五源对齐)。
- 零件含 API/网络:必须 opt-in 三护栏——默认关、显式开、优雅降级,缺一不可。
评估结束按固定 Verdict 模板输出,便于复现与对比;可选 scripts/demo_verdict.js 做半自动元数据抽取(评分仍须人工补全)。
适用边界与注意点
- 整装几乎只在「你完全没有该能力 + 零冲突 + 能跑」时成立;宏观框架跑不起来时,价值通常在微观零件,不值得捡就果断跳过。
- 自称「AI 双重验证 100% 准确」类表述当作红旗,仅作启发,交叉 README、SkillHub 与社区真实反馈,不信单一自述。
- 吸收后临时解包目录需按文档要求清理,避免过程产物污染工作区;升版本须
SKILL.mdfrontmatter 与 metadata 两处 version 同步,有工厂门禁时走六源一致。
使用场景
- 收到 SkillHub 或同事发来的技能 zip,要在装库前判断整装、挑零件还是直接跳过
- IMA 导出与现有 zfl-redaction 同域的脱敏技能,需区分复制型还是触发词撞车并决定收割或下线
- 外部技能绑 Google pSEO 或 VPS,国内公众号场景跑不通,但要从中抽取内容质量原则并入现有排版技能
- 解包后发现零件含嵌入或 API 调用,需按默认关、显式开、优雅降级设计并入脚本
适合人员
- 维护数十个 zfl 技能、需控制面板噪声与触发分流的多技能生态维护者
- 从 SkillHub 批量试用外来包、不想被 README 自信话术带偏的技能评审者
- 处理 IMA 重生成导出、要与既有引擎技能合并而非双开的集成编辑
- 在吸收流程中负责版本五源对齐与零回归对抗测试的技能发布责任人