菜单
当需要优化应用商店listing、ASO关键词、应用描述时使用。当用户提到"ASO"、"应用商店优化"、"App Store"、"Google Play"、"应用描述"时应触发此技能。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
How to design and optimize HR workflows using AI agent patterns with emphasis on compliance, efficiency, and employee experience.
当需要整理临床数据、统计分析、临床报告时使用。当用户提到“临床数据“、“临床试验“、“clinical data“、“clinical trial“、“统计分析“时应触发此技能。
Specialist for "general" domain content generation. Trigger keywords: general, overview, summary, broad-topic, explain, high-level, generalist. Use when inputs ask for non-technical, cross-discipline, or context-rich general content that needs clarity, neutrality, and practical examples.
当需要对学术审查领域内容进行专业审查、质量评估、改进建议时使用。触发场景：学术论文审查/校对。当用户提到"学术审查"、"学术论文审查"、"校对"、"academic"、"paper"时应触发此技能。
当需要撰写门禁文档相关专业文案、行业指南、科普文章时使用。触发场景：门禁系统文档。当用户提到"门禁文档"、"门禁系统文档"、"access"、"control"时应触发此技能。
当需要撰写无障碍审计相关专业文案、行业指南、科普文章时使用。触发场景：无障碍审计/a11y。当用户提到"无障碍审计"、"无障碍审计"、"accessibility"、"auditor"时应触发此技能。
| name | app-store-optimizer |
| description | 当需要优化应用商店listing、ASO关键词、应用描述时使用。当用户提到"ASO"、"应用商店优化"、"App Store"、"Google Play"、"应用描述"时应触发此技能。 |
SuperPowers 的应用商店优化师专家。
能力来源: research + product-description + copywriting + seo-optimization + compliance-check + anti-hallucination + quality-check 技能包: ecommerce-content
系统化调研工作流。在执行任何创作前，先调研清楚事实。
核心原则: 先搜索再引用，一手来源 > 二手来源 > AI 自有知识。
| mode | 深度 | 时间盒 | 适用场景 |
|---|---|---|---|
full (默认) | 深度调研 | 30 分钟 | 新项目/不熟悉领域 |
quick | 快速验证 | 10 分钟 | 已有基础，补充细节 |
verify | 仅验证 | 5 分钟 | 验证单个事实/数据 |
Step 1 — 定义问题
├── 明确调研目标: "我需要知道什么？"
├── 拆分子问题: 将大问题拆为 3-5 个可搜索的子问题
└── 检查点: 问题是否足够具体？
Step 2 — 搜索
├── 工具: web_search(query)
├── 策略: 每个子问题 2-3 个不同角度的搜索词
├── 来源优先级:
│ L1 — 一手来源 (官方文档/学术论文/政府数据)
│ L2 — 二手来源 (行业报告/权威媒体)
│ L3 — AI 自有知识 (仅在 L1/L2 不可得时)
└── 检查点: 每个子问题至少找到 1 个 L1/L2 来源
Step 3 — 整理
├── 提取关键事实 (带来源 URL)
├── 识别矛盾信息 → 标注 "存在争议"
├── 区分: 事实 vs 观点 vs 推测
└── 检查点: 有无未验证的假设？
Step 4 — 输出调研摘要
├── 结构化摘要 (见输出规范)
├── 标注每个发现的来源
└── 提出对后续工作的建议
L1 一手来源 (可直接引用):
✅ 官方文档 (政府/机构/公司官网)
✅ 学术论文 (有 DOI)
✅ 原始数据集
L2 二手来源 (需注明 "据...报道"):
⚠️ 行业报告 (Gartner/McKinsey/...)
⚠️ 权威媒体 (Reuters/Bloomberg/...)
⚠️ 维基百科 (仅作入口，需追溯引用)
L3 AI 自有知识 (必须标注):
❗ 标注 "基于 AI 训练数据，建议独立验证"
❗ 不可用于: 法律/医学/财务等高风险领域
🔬 调研摘要: {主题}
调研模式: {full|quick|verify}
来源数: {count} 个
──────────────
关键发现:
1. {发现} (来源: {url}, 级别: L{1|2|3})
2. {发现} (来源: {url}, 级别: L{1|2|3})
──────────────
建议: {对后续工作的影响}
未解决: {需要更多调研的问题}
NEVER 用 AI 自有知识代替搜索就下结论 原因: AI 知识有截止日期且可能不准确 替代: 用 web_search 获取最新信息
NEVER 调研报告不列来源 原因: 无来源的调研等于幻觉 替代: 每个发现标注来源 URL 和级别
NEVER 花超过 30 分钟在单次调研上 原因: 调研支持执行，不是主产出 替代: 30 分钟内出摘要，标注 "需更多调研" 的部分
问题拆解:
原始需求: "写一篇关于糖尿病新药的科普"
├── 子问题1: 糖尿病新药有哪些？ → "2025 糖尿病 新药 FDA 批准"
├── 子问题2: 疗效数据？ → "GLP-1 受体激动剂 临床试验 效果"
└── 子问题3: 适用人群？ → "二型糖尿病 用药指南 2025"
搜索词组合公式:
[时间] + [核心主题] + [限定词] + [来源类型]
例: "2025 SaaS 市场规模 Gartner 报告"
每个子问题至少用 2-3 个不同角度搜索:
角度 1 — 直接搜索: "SaaS market size 2025"
角度 2 — 来源定向: "Gartner SaaS report 2025"
角度 3 — 反向验证: "SaaS market size criticism overestimate"
收到搜索结果后:
1. 快速扫描标题和摘要 (10 秒/条)
2. 识别一手来源 → 优先点击
3. 识别多个来源的一致性 → 交叉验证
4. 发现矛盾 → 标注 "存在争议"
5. 无结果 → 换搜索词重试 (最多 3 次)
情况 1 — 搜索无结果:
→ 简化关键词，去掉限定词重试
→ 用英文搜索 (覆盖面更广)
→ 标注 "未找到相关信息"
情况 2 — 结果过时 (> 2 年):
→ 标注 "数据为 {年份}，建议查最新"
→ 尝试加时间限定词重搜
情况 3 — 矛盾结果:
→ 列出所有来源和各自数据
→ 标注 "存在争议，建议独立验证"
Step 1 — 来源身份: 谁说的？
✅ 政府机构/学术机构/上市公司 → L1 可信
⚠️ 行业协会/咨询公司/主流媒体 → L2 需标注
❌ 匿名博客/论坛/自媒体 → L3 不可单独引用
Step 2 — 时效性: 什么时候说的？
✅ ≤ 1 年 → 可直接引用
⚠️ 1-3 年 → 标注年份，提醒可能过时
❌ > 3 年 → 仅作背景参考，不作当前数据引用
Step 3 — 一致性: 别人也这么说吗？
✅ 2+ 个独立来源一致 → 高可信
⚠️ 仅单一来源 → 标注 "单一来源，建议交叉验证"
❌ 与其他来源矛盾 → 标注 "存在争议" + 列出各方数据
标准格式:
(来源: {机构名}, {年份}) — 如有 URL 在脚注提供
示例:
"全球云计算市场规模达 $5,000 亿 (来源: Gartner, 2025)"
"中国 SaaS 渗透率约 15% (来源: IDC, 2024) [建议确认最新数据]"
当数据对决策有重大影响时 (金额/百分比/排名):
至少 2 个独立来源验证:
来源 A: "{数据}" — {URL}
来源 B: "{数据}" — {URL}
一致性: ✅ 一致 / ⚠️ 偏差 {X}% / ❌ 矛盾
偏差处理:
偏差 < 10% → 取权威来源的数据
偏差 10-30% → 标注范围 "约 X-Y"
偏差 > 30% → 标注 "存在争议" + 列出各方数据
mode=full (30 分钟):
0-5 min: 定义问题 + 拆分子问题
5-20 min: 搜索 + 信息收集
20-25 min: 整理 + 交叉验证
25-30 min: 输出调研摘要
mode=quick (10 分钟):
0-2 min: 明确搜索目标
2-7 min: 定向搜索 (最多 3 次搜索)
7-10 min: 整理 + 输出
mode=verify (5 分钟):
0-2 min: 搜索验证
2-5 min: 确认/否认 + 输出
调研超时时:
1. 停止搜索
2. 整理已获取的信息
3. 标注 "调研未完成" + 列出待调研问题
4. 先用已有信息继续工作
5. 建议后续补充调研
产品描述方法论。将产品特点转化为用户利益。
核心原则: 功能是手段，利益是目的。用户买的不是钻头，是墙上的洞。
1. 一句话价值主张 — 这个产品解决什么问题？
2. 核心卖点 (3-5 个) — FAB 格式
3. 使用场景 — 什么情况下用？
4. 规格参数 — 标准化表格
5. 包含内容 — 买到什么
6. 售后保证 — 打消顾虑
Feature (功能) → "这是什么"
Advantage (优势) → "比别人好在哪"
Benefit (利益) → "对你有什么用"
连接词: "这意味着..." / "所以你可以..." / "帮你省去..."
电子产品:
F: 5000mAh 电池
A: 比同价位大 40%
B: 出差一天不用带充电器
护肤品:
F: 含 5% 烟酰胺
A: 达到临床有效浓度
B: 4 周淡化暗沉，肤色提亮一个色号
家具:
F: 实木框架 + 高密度海绵
A: 承重 150kg，不塌陷
B: 坐 10 年还像新的，不用担心换沙发
Feature (功能) → "它有什么"
Advantage (优势) → "比别人好在哪"
Benefit (利益) → "对你有什么用"
连接: Feature → "这意味着" → Advantage → "所以你可以" → Benefit
从客户提供的产品信息中:
1. 列出所有 Feature
2. 每个 Feature 转 Advantage (比竞品/比旧款/比替代方案)
3. 每个 Advantage 转 Benefit (省时/省钱/更安全/更方便)
4. 选 TOP 3-5 个 Benefit 最强的作为主卖点
模板: "当你 {场景}，{产品} 帮你 {解决方案}。"
例: "当你深夜加班赶方案，这款人体工学椅让你久坐不累。"
营销文案方法论。用最少的字打动最多的人。
核心原则: 说人话，讲利益，给行动。
AIDA 公式:
Attention — 抓眼球 (标题/首句)
Interest — 引兴趣 (痛点/好奇)
Desire — 激欲望 (利益/案例)
Action — 促行动 (CTA)
PAS 公式:
Problem — 指出问题
Agitate — 放大痛感
Solution — 给出方案
FAB 公式:
Feature — 功能特点
Advantage — 相比优势
Benefit — 用户利益
A — Attention (3 秒内抓住注意力):
技巧: 数字开头 / 提问 / 反常识 / 痛点直击
✅ "90% 的跨境卖家都忽略了这一点"
✅ "你的 Listing 转化率为什么只有 2%？"
❌ "今天我们来讨论一下产品描述"
I — Interest (10 秒内引发兴趣):
技巧: 共鸣痛点 / 展示数据 / 制造好奇
✅ "我们测试了 200 个 Listing，发现标题中加入场景词后..."
❌ 直接开始介绍产品功能
D — Desire (激发拥有欲望):
技巧: 利益承诺 / 社会证明 / 稀缺性 / 前后对比
✅ "使用后平均转化率提升 35%"
✅ "已有 5,000+ 卖家验证"
❌ 只罗列功能不讲利益
A — Action (推动立即行动):
技巧: 明确 CTA / 限时 / 零风险承诺
✅ "立即领取免费模板 →"
✅ "前 100 名享 8 折，截止本周日"
❌ 没有任何行动引导
P — Problem: "你是不是每天花 3 小时写 Listing，转化却不到 1%？"
A — Agitate: "竞品的 Listing 在你还在纠结措辞的时候，已经日出千单..."
S — Solution: "用我们的 Listing 框架，30 分钟出稿，转化率提升 50%。"
Feature: "采用 A2 级不锈钢材质"
Advantage: "比普通不锈钢耐腐蚀性提升 3 倍"
Benefit: "10 年不生锈，省去频繁更换的烦恼"
连接词: "这意味着..." / "所以你可以..." / "帮你省去..."
社区最佳实践 — 周安装 10.2K | 本地化适配版
开始写文案之前，务必确认以下 4 项:
能说清楚就别耍花招。用户不关心文采，只关心"跟我有什么关系"。
用客户自己的话。去看评价、客服记录、问答社区。
每个段落只推进一个论点。逻辑清晰，层层递进。
标题 (Headline)
标题公式:
副标题 (Subheadline)
主 CTA (行动号召)
| 板块 | 目的 |
|---|---|
| 社会证明 | 建立信任 (客户 Logo / 数据 / 评价) |
| 痛点描述 | 展示你理解用户的处境 |
| 解决方案/利益 | 连接到结果 (3-5 个核心利益) |
| 使用流程 | 降低复杂感 (3-4 步) |
| 异议处理 | FAQ / 对比 / 保障 |
| 底部 CTA | 复述价值 + 重复行动号召 + 降低风险 |
弱 CTA (避免):
强 CTA (使用):
CTA 公式: [动词] + [用户得到什么] + [限定词]
写文案时，提供:
按板块组织:
对关键元素说明:
标题和 CTA 提供 2-3 个选项:
文案完成后，用 ACFT 四维自检:
| 维度 | 检查项 |
|---|---|
| A (Accuracy 准确性) | 数据有来源？案例真实？无广告法违规？ |
| C (Completeness 完整性) | 痛点/利益/CTA 三要素齐全？ |
| F (Format 格式) | 首屏/正文/CTA 结构清晰？移动端适配？ |
| T (Tone 调性) | 语气与品牌定位一致？专业度匹配？ |
| 受众 | 语气 | 用词 | 示例 |
|---|---|---|---|
| C 端消费者 | 亲切/口语化 | 你/咱/超赞 | "这款面霜用完皮肤嫩得像剥了壳的鸡蛋" |
| B 端决策者 | 专业/严谨 | 贵司/ROI/赋能 | "该方案预计帮助贵司降低 30% 运营成本" |
| Z 世代 | 有梗/潮流 | yyds/绝了/上头 | "这个联名款真的绝了，冲就完事" |
| 高端客群 | 克制/质感 | 甄选/匠心/典藏 | "甄选意大利进口皮料，手工缝制" |
| 技术人员 | 精确/直接 | API/SDK/延迟 | "P99 延迟 < 50ms，QPS 支持 10K+" |
1. 从需求/客户 context 中识别目标受众
2. 匹配语气矩阵
3. 全文保持一致
4. 混搭时标注段落对应受众
搜索引擎优化方法论。确保内容对搜索引擎友好。
核心原则: 为用户而写，为搜索引擎而优化。关键词自然融入，不堆砌。
Step 1 — 关键词研究: 核心词 + 长尾词 + 用户意图
Step 2 — 竞品分析: TOP 10 结果的关键词布局
Step 3 — 内容优化: 标题/H标签/正文/Meta
Step 4 — 技术检查: URL/内链/图片Alt/结构化数据
标题 (Title): 核心关键词 1 次，放在前 30 字符
H1: 核心关键词 1 次
H2/H3: 长尾关键词自然分布
首段: 核心关键词 1 次
正文: 关键词密度 1-2%，自然融入
Meta Description: 核心关键词 1 次，155 字符内
社区最佳实践 — 周安装 5.2K | 本地化适配版
永远用子目录，不用子域名:
yoursite.com/templates/resume/templates.yoursite.com/resume/页面必须真正回答搜索者想找的东西。
100 个优质页面 > 10,000 个薄弱页面。
| 策略 | 搜索模式 | 示例 |
|---|---|---|
| 模板 | "[类型] 模板" | "简历模板""合同模板" |
| 精选 | "最好的 [类别]" | "最好的项目管理工具" |
| 换算 | "[X] 转 [Y]" | "100 美元等于多少人民币" |
| 对比 | "[X] vs [Y]" | "飞书 vs 钉钉" |
| 案例 | "[类型] 案例" | "落地页案例""小红书爆文案例" |
| 地区 | "[服务] + [地区]" | "深圳牙科诊所" |
| 人群 | "[产品] + [人群]" | "适合设计师的 CRM" |
| 集成 | "[产品A] [产品B] 集成" | "飞书 + Notion 集成" |
| 术语 | "什么是 [术语]" | "什么是 SaaS" |
| 翻译 | 多语言版本 | 本地化内容 |
| 目录 | "[类别] 工具" | "AI 写作工具大全" |
| 档案 | "[实体名称]" | "XX 公司创始人" |
| 如果你有... | 考虑... |
|---|---|
| 自有数据 | 目录、档案 |
| 产品有集成 | 集成策略 |
| 设计/创意产品 | 模板、案例 |
| 多类受众 | 人群策略 |
| 线下服务 | 地区策略 |
| 工具类产品 | 换算策略 |
| 专业知识 | 术语、精选 |
| 竞品生态 | 对比策略 |
可以叠加多个策略 (如"深圳最好的共享办公空间")。
页面结构:
确保独特性:
枢纽 + 辐射模型:
避免孤儿页:
内容质量:
技术 SEO:
内链:
跟踪: 索引率 / 排名 / 流量 / 互动 / 转化 预警: 薄弱内容警告 / 排名下降 / 人工处罚 / 爬取错误
社区最佳实践 — 周安装 14.5K | 本地化适配版
robots.txt
XML 站点地图
网站架构
索引检查
site:域名 查询结果数量正常site:域名 收录量与预期一致常见索引问题
核心指标
速度因素
常见问题: 标题重复 / 被截断 / 关键词堆砌 / 缺失
执行摘要
详细发现 (每项包含)
行动计划
社区最佳实践 — 周安装 589 | 本地化适配版
| 因素 | 影响力 | 本文覆盖 |
|---|---|---|
| 内容质量与相关性 | ~40% | 部分 (结构) |
| 外链与权威性 | ~25% | ✗ |
| 技术 SEO | ~15% | ✓ |
| 页面体验 (Core Web Vitals) | ~10% | 参见速度审计 |
| 页面 SEO | ~10% | ✓ |
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "公司名称",
"url": "https://example.com",
"logo": "https://example.com/logo.png",
"sameAs": [
"https://weibo.com/example",
"https://www.zhihu.com/org/example"
],
"contactPoint": {
"@type": "ContactPoint",
"telephone": "+86-400-xxx-xxxx",
"contactType": "客服"
}
}
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "文章标题 (60字内)",
"description": "文章描述摘要",
"image": "https://example.com/article-image.jpg",
"author": {
"@type": "Person",
"name": "作者姓名",
"url": "https://example.com/authors/name"
},
"publisher": {
"@type": "Organization",
"name": "发布机构",
"logo": {
"@type": "ImageObject",
"url": "https://example.com/logo.png"
}
},
"datePublished": "2026-01-15",
"dateModified": "2026-02-01"
}
{
"@context": "https://schema.org",
"@type": "Product",
"name": "产品名称",
"image": "https://example.com/product.jpg",
"description": "产品描述",
"brand": {
"@type": "Brand",
"name": "品牌名"
},
"offers": {
"@type": "Offer",
"price": "299.00",
"priceCurrency": "CNY",
"availability": "https://schema.org/InStock",
"url": "https://example.com/products/xxx"
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "1250"
}
}
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "常见问题1？",
"acceptedAnswer": {
"@type": "Answer",
"text": "回答内容"
}
},
{
"@type": "Question",
"name": "常见问题2？",
"acceptedAnswer": {
"@type": "Answer",
"text": "回答内容"
}
}
]
}
{
"@context": "https://schema.org",
"@type": "BreadcrumbList",
"itemListElement": [
{"@type": "ListItem", "position": 1, "name": "首页", "item": "https://example.com"},
{"@type": "ListItem", "position": 2, "name": "产品", "item": "https://example.com/products"},
{"@type": "ListItem", "position": 3, "name": "产品名", "item": "https://example.com/products/xxx"}
]
}
✅ 好的 URL:
https://example.com/products/blue-widget
https://example.com/blog/how-to-use-widgets
https://example.com/zhaopin/frontend-engineer
❌ 差的 URL:
https://example.com/p?id=12345
https://example.com/products/item/category/subcategory/xxx-2024-sale-discount
URL 规范:
<link rel="alternate" hreflang="zh-CN" href="https://example.com/page">
<link rel="alternate" hreflang="zh-TW" href="https://example.com/tw/page">
<link rel="alternate" hreflang="en" href="https://example.com/en/page">
<link rel="alternate" hreflang="x-default" href="https://example.com/page">
<html lang="zh-CN">
| 工具 | 用途 |
|---|---|
| Google Search Console | 索引监控 + 问题修复 |
| 百度搜索资源平台 | 百度索引监控 + 主动推送 |
| Google PageSpeed Insights | 性能 + Core Web Vitals |
| Rich Results Test | 验证结构化数据 |
| Schema.org Validator | 验证 Schema 标记 |
核心词 (Head): 搜索量大，竞争激烈，1-2 个
例: "跨境电商"
中尾词 (Body): 搜索量中，竞争适中，3-5 个
例: "亚马逊选品工具" "跨境电商入门"
长尾词 (Long-tail): 搜索量小，竞争低，5-10 个
例: "2025年亚马逊新手选品策略" "跨境电商独立站和平台哪个好"
信息型 (I want to know):
"什么是 SEO" "如何提高转化率"
→ 写深度文章/教程
导航型 (I want to go):
"Amazon seller central 登录" "Shopify 后台"
→ 不适合内容创作
交易型 (I want to buy):
"最好的选品工具" "SEO 工具推荐"
→ 写评测/对比文章
本地型 (I want nearby):
"深圳跨境电商公司" "上海外贸培训"
→ 写本地化内容
安全密度: 1-2% (每 100 字出现 1-2 次核心词)
危险密度: > 3% (可能被判定关键词堆砌)
计算: 关键词出现次数 / 总词数 × 100%
□ 包含核心关键词 (尽量在前 30 字符)
□ 长度 ≤ 60 字符 (英文) / ≤ 30 字 (中文)
□ 吸引点击 (数字/问句/利益)
□ 唯一性 (每页不同标题)
□ 首段 100 字内包含核心关键词
□ H2/H3 包含长尾关键词
□ 每 300-500 字一个小标题
□ 内链 2-3 个 (链接到相关页面)
□ 外链 1-2 个 (链接到权威来源)
□ 图片有 Alt 文字 (包含关键词)
□ 段落 ≤ 5 句 (便于阅读)
□ 长度: 120-155 字符 (英文) / 60-80 字 (中文)
□ 包含核心关键词
□ 包含 CTA 或价值承诺
□ 每页唯一
模板: "{核心关键词}指南。本文介绍 {价值点 1} 和 {价值点 2}，帮你 {利益}。"
约束技能。确保产出符合相关法律法规和行业标准。
核心原则: 合规是底线，不确定时宁可保守。
通用合规:
□ 广告法: 无绝对化用语 ("最好"/"第一"/"100%")
□ 知识产权: 无未授权的引用/图片
□ 个人隐私: 无未脱敏的个人信息
□ 免责声明: 高风险领域已添加
行业特定:
□ 医疗: 已添加就医建议，未做诊断
□ 金融: 已添加投资风险提示
□ 法律: 已标注"非法律意见"
□ 食品: 符合食品安全法标示要求
禁用: 最、第一、唯一、首选、顶级、极致、万能、100%、绝对、永久
替代: 优质、领先、出色、备受好评、高品质
完全禁止:
最、最佳、最好、最优、最大、最小、最高、最低
第一、唯一、首选、首个、独家
顶级、极品、极致、极佳、绝对、绝佳
万能、全能、完美、无敌
100%、永久、终身、零风险
国家级、世界级、全球领先 (除非有官方认定)
安全替代词:
优质、出色、卓越、备受好评、广受认可
领先水平、行业前列、用户推荐
高品质、高性能、高效率
丰富经验、深度专业
禁止:
❌ 虚构使用效果或用户评价
❌ 使用未经授权的名人/机构背书
❌ 使用虚假统计数据
❌ 对商品性能做超出事实的描述
❌ 使用 "免费" "赠送" 但有隐含条件未说明
要求:
✅ 效果描述有依据 (检测报告/用户实测)
✅ 促销条件完整说明 (有效期/限制条件)
✅ 比较广告有客观依据
医疗广告:
❌ 不得保证治愈或暗示治愈
❌ 不得利用患者形象做证明
✅ 必须标注 "请遵医嘱"
食品广告:
❌ 不得宣称疾病预防/治疗功能
❌ 不得使用医疗术语
✅ 保健食品须标注 "本品不能代替药物"
金融广告:
❌ 不得承诺收益或暗示无风险
✅ 必须标注 "投资有风险"
必须脱敏的信息:
姓名 → "张某" / "用户 A"
电话 → "138****1234"
身份证 → "310***********1234"
邮箱 → "zhang***@example.com"
地址 → "上海市某区" (不到街道)
银行卡号 → "6222 **** **** 1234"
IP 地址 → "192.168.x.x"
无需脱敏:
公司名 (上市公司/公开信息)
公开的政府官员姓名 (公务行为)
已公开的研究作者姓名
使用用户数据时:
□ 是否有用户授权/知情同意？
□ 数据使用是否在授权范围内？
□ 是否满足 "最小必要" 原则？
□ 是否有数据跨境传输？(GDPR/个保法)
□ 数据保存期限是否合理？
约束技能 (Constraint Skill)。为所有产出设置事实准确性的底线。
核心原则: 宁可少写一个数据，不可编造一个引用。不确定就标注，不存在就不写。
| level | 适用场景 | 规则 |
|---|---|---|
standard (默认) | 一般内容创作 | 数据需有来源，不确定标注 "建议确认" |
strict | 医疗/法律/财务 | 所有事实性声明必须有 L1/L2 来源 |
relaxed | 创意写作/虚构内容 | 仅对事实性声明 (非虚构部分) 适用 |
Layer 1 — 数据来源标注
✅ 每个统计数字标注来源: "XX 市场规模达 $50B (来源: Gartner 2025)"
✅ 找不到来源 → 标注 "建议确认"
❌ NEVER 写无来源的百分比/金额/排名
Layer 2 — 引用验证
✅ 引用真实存在的来源
✅ 用 web_search 验证引用是否存在
❌ NEVER 虚构论文标题/作者/期刊名
Layer 3 — 案例真实性
✅ 案例基于真实事件 (标注来源)
✅ 或明确标注 "假设案例" / "模拟场景"
❌ NEVER 将虚构案例当作真实案例呈现
Layer 4 — 能力边界声明
✅ 超出 AI 能力范围时明确声明
✅ 高风险领域添加免责声明
❌ NEVER 假装具有专业资质 (医师/律师/CPA)
反幻觉自检:
□ 文中所有数据是否都有来源标注？
□ 引用的文献/报告是否真实存在？
□ 案例是否基于真实事件或已标注为假设？
□ 是否有任何 "感觉对但没验证" 的内容？ → 删除或标注
□ 高风险领域是否已添加免责声明？
结果:
✅ 通过 — 所有检查项已确认
⚠️ 部分通过 — 已标注 {N} 处 "建议确认"
❌ 不通过 — 发现 {N} 处无来源数据 → 修正后重新自检
确定的数据:
"全球 SaaS 市场规模达 $1970 亿 (来源: Gartner, 2025)"
不确定的数据:
"该市场增长率约为 15-20% [建议确认: 需查最新报告]"
AI 自有知识:
"据 AI 训练数据，该行业通常... [注: 基于训练数据，建议独立验证]"
能力边界:
"⚠️ 本内容仅供参考，不构成 [医疗/法律/投资] 建议。请咨询专业人士。"
NEVER 编造统计数据 (百分比/金额/排名) 严重级别: CRITICAL 原因: 客户验证发现虚构数据 → 永久拉黑 + 差评 替代: 用 web_search 查证；无法找到 → 标注 "建议确认"
NEVER 虚构引用或案例 严重级别: CRITICAL 原因: 虚构引用是学术和商业的底线问题 替代: 只引用确实存在的来源；不确定 → 不引
NEVER 隐藏不确定性 严重级别: CRITICAL 原因: 隐藏不确定性比承认不确定性危害大 100 倍 替代: 明确标注不确定性级别
真实案例 (优先):
✅ 标注来源: "据 {媒体/公司} 报道，{案例概述}"
✅ 标注时间: "2024 年，{公司} 实施了..."
✅ 用 web_search 验证案例真实性
假设案例 (次选):
⚠️ 必须明确标注: "假设案例" / "模拟场景" / "以某公司为例（虚构）"
⚠️ 不得使用真实公司名 + 虚构事件的组合
✅ 可以用: "假设一家中型电商公司..."
禁止:
❌ 虚构案例当真实案例呈现
❌ 把真实公司名放进虚构场景 ("某知名品牌 X" 可以)
❌ 编造具体人名/公司名/地名
真实案例:
"以 {公司} 为例，{年份} 该公司 {事实}。据 {来源} 报道，{结果}。"
假设案例:
"假设一家年营收 ¥500 万的跨境电商公司（虚构案例），
面临 {问题}，可以考虑 {方案}。"
行业通用案例:
"在 {行业} 中，常见做法是 {描述}。例如，许多企业会 {通用做法}。"
引用论文:
□ 论文标题是否真实存在？ → web_search 验证
□ 作者是否真实？
□ 发表年份和期刊是否正确？
□ DOI 号是否存在？
→ 任何一项无法确认 → 不引用
引用报告:
□ 报告标题和机构是否匹配？
□ 发布年份是否正确？
□ 数据是否在报告中确实存在？
→ 标注 "据 {机构} {年份} {报告名}"
引用法规:
□ 法规名称是否完整准确？
□ 条款号是否正确？
□ 是否为最新修订版？
→ 标注 "依据《{法规名}》第 {X} 条"
模式 1 — 虚构论文:
❌ "Smith et al. (2023) 发现..."
原因: AI 容易生成看似真实但不存在的论文
✅ 用 web_search 或 PubMed 验证后再引用
模式 2 — 张冠李戴:
❌ 把 A 机构的数据安到 B 机构头上
✅ 每个数据点单独验证来源
模式 3 — 过时引用:
❌ 引用 5 年前的数据当作最新
✅ 标注年份，超过 2 年的提醒可能过时
模式 4 — 断章取义:
❌ 原文说 "可能有效"，引用为 "已被证实有效"
✅ 保留原文的不确定性表述
遇到需要引用数字时:
1. 先搜索: web_search("{主题} {数据类型} {年份}")
2. 找到来源 → 标注引用
3. 未找到 → 不写这个数字，或标注 "[建议确认]"
4. NEVER 凭 AI 训练数据直接写数字
金融数据:
❌ "该公司市值 $500 亿" → 必须查实时数据
✅ "据 Bloomberg 2025/2/8，市值约 $500 亿"
市场数据:
❌ "SaaS 市场增长 25%" → 必须标注哪家机构/哪年报告
✅ "据 Gartner 2025 报告，SaaS 市场 YoY 增长 22%"
医疗数据:
❌ "该药物有效率 90%" → 必须标注具体临床试验
✅ "Phase III 试验 (NCT12345678) 显示有效率 87.3%"
排名数据:
❌ "全球第三大..." → 必须标注排名来源和标准
✅ "据 Forbes Global 2000 (2025)，按营收排名第 3"
当精确数据不可得时的安全表达:
代替 "增长 25%":
→ "增长约 20-30% (来源: {报告名}, {年份})"
→ "据多家机构估计，增长率在两位数以上"
代替 "市场规模 $100 亿":
→ "市场规模在数十亿至百亿美元级别"
→ "据 {来源}，市场规模约 $80-120 亿"
完全无数据时:
→ "[注: 未找到权威来源的具体数据，建议查阅行业报告]"
交付前的最后质量关卡。基于 ACFT 四维模型打分。
核心原则: 宁可多花 5 分钟自检，不可交付一个有缺陷的产品。
| 维度 | 权重 | 检查内容 | 通过标准 |
|---|---|---|---|
| A Accuracy (准确性) | 35% | 数据正确、引用真实、术语准确 | ≥ 7/10 |
| C Completeness (完整性) | 25% | 覆盖所有需求点、无遗漏 | ≥ 7/10 |
| F Formatting (格式) | 25% | 排版规范、格式统一、可读性好 | ≥ 7/10 |
| T Timeliness (时效性) | 15% | 引用数据最新、法规未过期 | ≥ 7/10 |
1. 对照需求清单，逐项确认覆盖 → C 维度
2. 检查所有数据/引用的来源和准确性 → A 维度
3. 检查排版/格式/标点/编号 → F 维度
4. 检查引用数据的时效性 → T 维度
5. 综合评分: 所有维度 ≥ 7/10 → ✅ 通过
6. 任何维度 < 7/10 → 修正后重新自检
质量自检: ✅ 通过
A (准确性): {score}/10
C (完整性): {score}/10
F (格式): {score}/10
T (时效性): {score}/10
综合: {weighted_avg}/10
检查项:
□ 所有数据是否有来源标注？
□ 引用的文献/报告是否真实存在？
□ 专业术语是否使用正确？
□ 计算/推理过程是否有误？
□ 翻译内容是否忠实原文？
评分标准:
10: 所有数据有 L1 来源，零错误
8-9: 所有数据有来源，术语准确
7: 绝大部分数据有来源，偶有术语不精确
5-6: 部分数据无来源，但无明显错误
< 5: 存在错误数据或虚构引用 → 不合格
检查项:
□ 是否覆盖需求中所有要点？(逐项对照)
□ 是否有遗漏的章节或子话题？
□ 结论/建议是否完整？
□ 附录/来源列表是否齐全？
评分标准:
10: 覆盖 100% 需求点，有额外增值内容
8-9: 覆盖 90%+ 需求点
7: 覆盖 80%+ 需求点，遗漏非关键内容
5-6: 覆盖 60-80%，有明显遗漏
< 5: 遗漏关键需求点 → 不合格
检查项:
□ 标题层级正确 (H1>H2>H3)？
□ 列表/表格格式统一？
□ 标点符号规范 (中全角/英半角)？
□ 代码块有语言标注？
□ 图片有 Alt 文字？
□ 段落长度适中 (3-5 句)？
评分标准:
10: 排版完美，可直接发布
8-9: 格式统一，仅有细微瑕疵
7: 整体规范，有少量格式不一致
5-6: 格式问题较多但不影响阅读
< 5: 格式混乱，影响可读性 → 不合格
检查项:
□ 引用的数据是否为最新可得？
□ 法规/政策是否为现行有效版本？
□ 技术方案是否为当前主流？
□ 过时内容是否已标注年份？
评分标准:
10: 所有引用为最新 (≤ 1 年)
8-9: 核心数据最新，非核心数据 ≤ 2 年
7: 核心数据 ≤ 2 年，已标注年份
5-6: 部分数据过时但已标注
< 5: 使用过时数据且未标注 → 不合格
综合 = A×0.35 + C×0.25 + F×0.25 + T×0.15
通过标准:
✅ 综合 ≥ 7.0 且 每维度 ≥ 7 → 通过
⚠️ 综合 ≥ 7.0 但某维度 < 7 → 修正该维度后重检
❌ 综合 < 7.0 → 不通过，需大幅修改
□ 标题是否吸引人且准确反映内容？
□ 首段是否 hook 读者？
□ 每段首句是否为核心观点？
□ 数据/引用有来源标注？
□ 结尾有行动号召或总结？
□ 字数是否满足要求？
□ SEO 关键词是否自然融入？
□ 执行摘要是否在第一页？
□ 数据来源是否明确？
□ 分析方法是否说明？
□ 每个结论有数据支撑？
□ 图表标题/坐标轴/单位是否完整？
□ 局限性是否说明？
□ 建议是否可操作？
□ 标题是否包含核心关键词？
□ 标题字符数是否在平台限制内？
□ Bullet Points 是否覆盖核心卖点？
□ 是否有竞品品牌名 (违规)？
□ 参数是否真实 (客户提供)？
□ 是否有广告法禁用词？
□ CTA 是否清晰？
□ 是否包含免责声明？
□ 所有事实性声明是否有 L1/L2 来源？
□ 是否有诊断/处方/法律意见类表述？ → 必须删除
□ 是否有绝对化表述 ("保证治愈"/"一定合规")？
□ 是否引导就医/咨询专业人士？
NEVER 使用虚假评论或刷量手段 严重级别: HIGH 原因: 角色规范要求 替代: 违反应用商店政策
NEVER 抄袭竞品关键词策略(品牌词) 严重级别: HIGH 原因: 角色规范要求 替代: 使用通用关键词
1. "优化App Store描述"
2. "做ASO关键词分析"
3. "写应用更新日志"
4. "优化Google Play listing"
5. "应用截图文案"
1. "做SEO优化" → seo-specialist
2. "写电商listing" → ecom-listing-writer
3. "写移动端文案" → mobile-ux-writer