Menu
提供标准化的交互式评估系统，支持在Alma侧边栏直接填写和提交评估表单。自动收集反馈数据并生成结构化总结。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
仿写/复刻单篇小红书笔记的写作风格：从“单个帖子样本”（标题+正文+标签+可选图片/排版特征）抽取风格指纹，并结合用户给定主题要点与可选知识库链接，生成同风格但不抄袭的新笔记（标题/正文/话题标签/可选配图建议）。当用户说“仿写这篇小红书/按这篇的风格写一篇/复刻口吻排版/基于这条笔记生成同风格内容”，或提供 info.json、detail.txt、链接、截图等作为风格样本时使用。
AI深度分析语音记录，揭示行为模式、认知偏见和战略盲点。不只是数据汇总，而是直击本质的战略洞察和否定性指导。提取可沉淀的核心原则和工作偏好，构建个人工作模式知识库。
A generic requirement/problem clarification workflow. Use when a user/client request is ambiguous, underspecified, or hard to execute/verify. The skill reframes the request, defines scope, constraints, inputs, and acceptance criteria, then outputs a concise one-page definition and a minimal question set to close gaps. Suitable for product/feature requests, content requests, ops tasks, research asks, and decision-making prompts.
Guide for creating effective skills. This skill should be used when users want to create a new skill (or update an existing skill) that extends Claude's capabilities with specialized knowledge, workflows, or tool integrations.
统一的推文内容获取技能。支持单条/批量推文提取，输出结构化数据。当用户提供 Twitter/X 链接并希望获取内容时自动触发。
从 Markdown 文件中自动提取并下载 Twitter 图片，生成可直接发布的版本。 当用户说"下载推文图片"、"提取Twitter图片"、"download twitter images"时触发。
| name | interactive-feedback-evaluator |
| description | 提供标准化的交互式评估系统，支持在Alma侧边栏直接填写和提交评估表单。自动收集反馈数据并生成结构化总结。 |
标准化、可复用的交互式评估系统
用户："评估这份报告"
AI：
1. 启动评估服务器（后台）
2. 生成交互式表单
3. 在侧边栏预览表单
4. 等待你提交反馈
用户：
1. 在侧边栏填写表单
2. 点击"提交"按钮
3. 完成
AI：
1. 检测到新反馈
2. 自动读取并生成总结
3. 保存反馈历史
分析报告评估（analysis-report）
技能评估（skill-evaluation）
产品评估（product-evaluation）
自定义评估（custom）
interactive-feedback-evaluator/
├── skill.md # 技能定义（本文件）
├── scripts/
│ ├── evaluation_server.py # Flask评估服务器
│ └── start_evaluation.sh # 启动脚本
├── templates/
│ ├── evaluation_form.html # 通用评估表单
│ └── report_evaluation.html # 报告评估表单
├── data/
│ ├── feedback.json # 最新反馈（实时）
│ └── feedback_history/ # 历史反馈记录
│ └── feedback_YYYY-MM-DD_HHMMSS.json
└── references/
├── evaluation_templates.yaml # 评估模板库
└── usage_guide.md # 使用指南
用户填写表单 → POST到服务器 → 保存到feedback.json
↓
AI定期检测
↓
读取feedback.json
↓
生成评估总结
评估类型: analysis-report
评分维度:
- 整体价值 (1-5分)
- 有用性 (1-5分)
- 可执行性 (1-5分)
多选题:
- 最有价值的部分 (选2-3个)
* 行为模式识别
* 认知偏见诊断
* 战略盲点揭示
* 真相检验问题
* 否定性指导
* 可沉淀知识
- 最需要改进的部分
开放性问题:
- 具体改进建议
- 会采取的第一个行动
评估类型: skill-evaluation
评分维度:
- 整体价值 (1-5分)
- 功能完整性 (1-5分)
- 可靠性 (1-5分)
- 易用性 (1-5分)
多选题:
- 最有用的功能 (选1-2个)
开放性问题:
- 优先改进项
- 使用场景描述
当用户要求评估时，AI执行以下步骤：
# 启动评估服务器（后台）
/Users/douba/.claude/skills/interactive-feedback-evaluator/scripts/start_evaluation.sh
根据评估类型选择合适的模板，生成HTML表单：
# 生成评估表单
curl -X POST http://localhost:5002/generate \
-H "Content-Type: application/json" \
-d '{
"evaluation_type": "analysis-report",
"title": "Alma 深度洞察分析报告 v2.0",
"evaluation_object": "报告评估",
"timestamp": "2026-01-15 04:00"
}' > /tmp/evaluation_form.html
# 在Alma侧边栏预览表单
# 提示用户填写并提交
AI定期检查 feedback.json 是否更新。
# 读取最新反馈
cat /Users/douba/.claude/skills/interactive-feedback-evaluator/data/feedback.json
# 生成评估总结
# 复制到历史记录
cp feedback.json feedback_history/feedback_$(date +%Y%m%d_%H%M%S).json
生成交互式评估表单
请求：
{
"evaluation_type": "analysis-report",
"title": "报告标题",
"evaluation_object": "评估对象",
"options": {
"dimensions": ["整体价值", "有用性", "可执行性"],
"multi_select": {
"most_valuable": ["选项1", "选项2", "选项3"]
}
}
}
响应：
<!DOCTYPE html>
<!-- 交互式表单HTML -->
</html>
提交评估反馈
请求：
{
"evaluation_type": "analysis-report",
"title": "报告标题",
"scores": {
"overall": 4,
"usefulness": 5,
"actionability": 4
},
"multi_select": {
"most_valuable": ["behavior_pattern", "cognitive_bias"]
},
"text_input": {
"suggestions": "可以增加更多案例",
"first_action": "停止说'测试下'"
},
"timestamp": "2026-01-15T04:00:00Z"
}
响应：
{
"success": true,
"message": "反馈已保存",
"feedback_id": "feedback_20260115_040000"
}
检查服务器状态
响应：
{
"running": true,
"port": 5002,
"latest_feedback": "2026-01-15T04:00:00Z"
}
最新反馈的实时文件，格式：
{
"metadata": {
"evaluation_type": "analysis-report",
"title": "Alma 深度洞察分析报告 v2.0",
"evaluation_object": "报告评估",
"timestamp": "2026-01-15T04:00:00Z"
},
"scores": {
"overall": 4,
"usefulness": 5,
"actionability": 4
},
"multi_select": {
"most_valuable": ["behavior_pattern", "cognitive_bias", "negative_guidance"]
},
"text_input": {
"suggestions": "可以增加更多实际案例",
"first_action": "停止说'测试下'，改为系统化问题清单"
}
}
历史反馈记录，按时间戳命名：
feedback_20260115_040000.jsonfeedback_20260115_041500.json用户："帮我评估这份v2.0分析报告"
AI：
1. 启动服务器
2. 生成报告评估表单
3. 提示："请在侧边栏预览 /tmp/evaluation_form.html，填写完成后点击'提交'"
用户：
1. 在侧边栏填写表单
2. 点击"提交"
AI：
1. 检测到新反馈
2. 生成评估总结
3. 显示：
"基于你的反馈：
- 整体价值：4/5
- 最有价值：认知偏见诊断、真相检验问题、否定性指导
- 改进建议：增加更多实际案例
- 行动计划：停止说'测试下'，改为系统化问题清单"
用户："评估twitter-collector技能"
AI：
1. 启动服务器
2. 生成技能评估表单
3. 提示用户填写提交
AI生成总结：
- 整体价值：3/5
- 强项：数据采集功能
- 弱项：浏览器管理可靠性
- 优先改进：防止浏览器意外关闭