← 返回 Skills 市场
golngod

胡田 OPC导师 发布前自查向导

作者 golngod · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ 安全检测通过
49
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install opc-self-check
功能描述
Skill/Agent发布前的标准化质量把控工具,确保产出经过案例支撑、一致性和合规检查
使用说明 (SKILL.md)

发布前自查自纠向导

1. 定位与用途

定位:Skill/Agent发布前的标准化质量把控工具,确保每个产出都经过案例支撑、一致性验证、创新确权、商业化审核和竞品卡位的全链路检验。

适用场景

  • 新Skill/Agent首次发布前
  • 重大版本迭代后重新发布
  • 参加平台评选/推荐前
  • 软著/专利申请前的自我诊断

核心价值

  • 提供可量化的质量评分(偏离度\x3C15%通过)
  • 生成符合2026软著新规的"人类智力贡献"证据链
  • 输出可直接用于IP申请的创新点说明书
  • 发现商业化短板并给出校正方案

2. 检查项总览

序号 检查项 阻塞级别 阈值
1 案例支撑验证 🛘阻断 ≥10个,目标20个
2 一致性检查 🛘阻断 偏离度\x3C15%
3 竞品分析与卡位 🛘阻断 卡位清晰度≥3分
4 创新独特点提炼 ⚠️警告 ≥3个创新点
5 Prompt工程文档化 🛘阻断 有完整迭代记录
6 IP与版权检查 🛘阻断 零风险或已标注
7 商业钩子检查 ⚠️警告 ≥2个有效钩子
8 商业化审核与校正 🛘阻断 定价偏离\x3C30%
9 合规与安全 🛘阻断 零违规

3. 详细检查流程

Step 1: 案例支撑验证

检查标准

  • 数量要求:≥10个案例,目标20个
  • 场景覆盖:正常场景×5、边界条件×3、异常输入×2
  • 质量要求:每个案例包含 输入→输出→评分(1-5)

操作步骤

  1. 列出Skill/Agent设计的核心功能点(3-5个)
  2. 为每个功能点设计2-4个测试案例
  3. 执行案例,记录输入输出
  4. 评分并汇总到案例支撑报告

评分标准

分数 案例数量 场景覆盖
5分 ≥20个 全覆盖+边界+异常
4分 15-19个 4类场景覆盖
3分 10-14个 基本覆盖
2分 5-9个 ⚠️需补充
1分 \x3C5个 🛘阻断发布

输出:案例支撑报告.md


Step 2: 一致性检查(核心创新)

为什么做:同一输入多次执行,输出偏离度>25%说明存在随机性或逻辑不稳定,无法保证用户体验。

偏离度计算维度(权重分配):

维度 权重 计算方法
结论一致性 40% 核心结论相同=0分,相异=100分
结构一致性 25% 报告框架差异段落数/总段落数×100
数据一致性 20% 关键数字偏差绝对值/平均值×100
建议一致性 15% 行动建议方向相同=0,相异=100

综合偏离度 = Σ(维度得分×权重)

操作步骤

  1. 选择3个典型测试输入
  2. 对每个输入执行3次完整流程
  3. 对比3次输出的4个维度
  4. 计算综合偏离度
  5. 出具偏离度报告

阈值判定

偏离度 判定 处置
\x3C15% ✅通过 可发布
15-25% ⚠️需优化 回到Step 5优化Prompt
>25% 🛘不合格 必须重新调试

示例:查新检索Skill一致性测试

  • 输入:"TRIZ技术创新方法"
  • 第一次输出:结论"TRIZ有效",结构5段,数据"提升30%",建议"推荐使用"
  • 第二次输出:结论"TRIZ有效",结构5段,数据"提升28%",建议"可考虑使用"
  • 第三次输出:结论"TRIZ有效",结构6段,数据"提升35%",建议"强烈推荐"
  • 偏离度计算:结论0+结构5%+数据15%+建议10%=综合约7% ✅通过

输出:一致性检测报告.md(含3次输出对比+偏离度评分+改进建议)


Step 3: 竞品分析与卡位

操作步骤

3.1 竞品扫描

  1. 在扣子商店/GitHub/Coze等平台搜索同类关键词
  2. 筛选功能相似度>60%的作为直接竞品
  3. 采集信息:名称/作者/功能描述/定价/评分/下载量

3.2 功能异同拆解

  1. 列出我方功能清单
  2. 列出竞品功能清单
  3. 制作差异化矩阵表
功能点 我方 竞品A 竞品B 差异评价
案例支撑 ✅10个 ❌无 ✅15个 我方达标
一致性验证 ✅有 ❌无 ✅有 差异化优势
... ... ... ... ...

3.3 卡位评估

维度 评分(1-5) 说明
卡位清晰度 目标用户是否明确
差异化程度 与竞品的差异是否可感知
市场空间 该细分市场是否足够大

3.4 护城河分析

  • 独家功能是否可被快速模仿?
  • 护城河来源:IP保护/数据积累/网络效应/先发优势

判定标准

卡位清晰度 差异化程度 市场空间 判定
≥4 ≥4 ≥3 ✅可发布
≥3 ≥3 ≥3 ⚠️可发布但需强化
\x3C3 任意 任意 🛘重新定位

输出:竞品分析与卡位报告.md


Step 4: 创新独特点提炼

要求:提炼3-5个独特创新点

每个创新点格式

创新点编号:INNO-XXX
技术特征:[具体描述]
与现有方案差异:[对比说明]
解决的问题:[痛点描述]
可申请IP类型:[软著/发明专利/实用新型/外观设计/商标]
非显而易见性论证:[为什么别人没想到]

非显而易见性论证要点

  1. 该创新解决了什么技术难题?
  2. 本领域技术人员是否会认为这是显而易见的?
  3. 是否产生了预料不到的技术效果?

示例(查新检索Skill创新点)

创新点编号:INNO-001
技术特征:基于语义理解的竞品动态追踪机制
与现有方案差异:传统查新依赖关键词匹配,本方案引入语义向量聚类
解决的问题:关键词查新漏检率高、无法发现隐性竞品
可申请IP类型:软件著作权
非显而易见性论证:本领域通常采用规则匹配方案,语义理解在查新场景的应用需要跨领域知识迁移,非本领域技术人员显而易见

输出:创新点说明书.md(可直接附在软著申请材料中)


Step 5: Prompt工程文档化

核心价值:证明"人类智力贡献",符合2026软著新规要求。

文档结构

版本 | 日期 | 迭代内容 | 修改原因 | 效果对比
V1.0 | 2024-01 | 初始设计 | - | 基础可用
V1.1 | 2024-01 | 增加边界处理 | 测试发现异常输入崩溃 | 稳定性提升
V2.0 | 2024-02 | 重构逻辑结构 | 用户反馈结构混乱 | 清晰度提升40%

操作步骤

  1. 收集所有历史版本Prompt
  2. 标注每次修改的内容和原因
  3. 对比修改前后的效果差异
  4. 汇总为时间线文档

证据链要求

  • 原始版本文件(有日期戳)
  • 修改记录(who/when/what/why)
  • 效果验证数据(测试截图/评分对比)

输出:Prompt迭代文档.md(时间线+版本对比+修改理由+效果验证)


Step 6: IP与版权检查

检查清单

检查项 状态 风险标注
引用第三方内容是否已获授权 ✅/❌ -
输出内容是否包含他人IP ✅/❌ 如有请标注
版权声明是否到位 ✅/❌ -
作者标识是否完整 ✅/❌ -
是否关联已有IP证书 ✅/❌ 商标/软著/专利号
商标申请状态 ✅/❌ 87381613(AI5S)41类驳回,42+38类申请中

风险等级

等级 说明 处置
🟢低风险 仅内部引用,已标注 可发布
🟡中风险 有通用素材未标注 ⚠️建议补充标注
🔴高风险 有明显侵权内容 🛘必须修改后发布

输出:IP合规检查清单.md


Step 7: 商业钩子检查

钩子设计要求

  • 每个Skill设置2-3个引流钩子
  • 钩子指向的产品必须存在且可访问
  • A引B则B也引A(互链闭环)

钩子类型

  1. 功能互补钩子:"使用本Skill后,推荐搭配XXX实现完整流程"
  2. 进阶升级钩子:"想要高级功能?请访问XXX"
  3. 场景延伸钩子:"类似场景的解决方案:XXX"

检查项

  • 钩子指向的页面/产品是否存在
  • 钩子话术是否自然(非硬广)
  • A→B→A互链是否闭环
  • 有无孤岛节点(无任何入链或出链)

输出:商业钩子地图.md(含节点关系图+话术文案)


Step 8: 商业化审核与校正

8.1 报价合理性审核

定价公式

合理价格 = 算力要求系数 × 使用频率系数 × 价值密度系数
系数类型 取值范围 说明
算力要求 1.0-2.0 简单=1.0,复杂=2.0
使用频率 0.8-1.5 低频=0.8,高频=1.5
价值密度 1.0-3.0 通用=1.0,专业=3.0

梯度校验

定价区间 类型 系数组合示例
1-3元 轻量级 1.0×1.0×1.0=1.0
4-6元 标准级 1.3×1.2×1.5=2.3→取4元
7-9元 专业级 1.8×1.3×2.5=5.85→取7元

校正触发条件

  • 定价偏离公式计算值>30% → ⚠️需校正
  • 偏离>50% → 🛘必须校正

校正方案(定价偏离时):

  1. 调整功能复杂度匹配定价
  2. 调整目标用户群匹配定价
  3. 重新评估价值密度

8.2 套餐组合审核

组合折扣要求

  • 套餐折扣在8-9折之间(低于8折影响利润)
  • 套餐内Skill功能互补性>50%

判定标准

功能重叠率 判定 处置
\x3C30% ✅合理 可组合
30-50% ⚠️需评估 考虑拆分或重组
>50% 🔴重叠高 🛘建议重组套餐

8.3 关联引流校正

引流路径校验

  • 指向的产品/页面是否存在
  • 跳转链接是否有效
  • 话术描述与实际是否匹配

孤岛检查

  • 是否有Skill没有任何入链
  • 是否有Skill没有任何出链

校正触发

问题类型 判定 处置
指向不存在 🛘阻断 必须创建或删除钩子
存在孤岛 ⚠️警告 建议补充引流路径

8.4 商业化一致性校正

一致性检查项

检查项 一致性要求
定价vs定位 高端定位不低于6元,低端不高于4元
免费vs付费 边界清晰,无模糊地带
试用期 试用功能明确,时长合理(7-30天)

校正方案(不一致时):

  1. 重新定义定位层级
  2. 调整定价匹配定位
  3. 明确免费/付费边界

Step 9: 合规与安全

检查清单

合规项 检查内容 风险等级
2026软著新规 是否有人类智力贡献证据 必检
数据隐私 是否收集用户数据,是否有隐私政策 必检
敏感词 是否包含违规内容/敏感词 必检
第三方服务 调用的API是否合规 必检
年龄限制 是否有未成年限制要求 选检

敏感词自检工具:使用关键词库扫描(需自行维护敏感词库)

输出:合规检查清单.md


4. 校正机制

阻塞级别定义

级别 符号 含义 处置方式
阻断型 🛘 必须修改才能发布 阻塞流程,不修改无法进入下一步
警告型 ⚠️ 建议修改但可发布 不阻塞,但会在报告中标注
通过型 符合标准 可进入下一步

校正方案模板

问题:[具体问题描述]
当前状态:[不符合标准的现状]
标准差距:[与标准的差距]

推荐方案:[最推荐的校正方案]
备选方案1:[备选方案]
备选方案2:[备选方案]

验证方式:[如何确认校正有效]

5. 输出附件包

文件清单

发布附件包/
├── 自查报告.md                    # 汇总所有检查结果
├── 案例支撑报告.md                 # Step 1产出
├── 一致性检测报告.md              # Step 2产出
├── 竞品分析与卡位报告.md          # Step 3产出
├── 创新点说明书.md                # Step 4产出
├── Prompt迭代文档.md              # Step 5产出
├── IP合规检查清单.md              # Step 6产出
├── 商业钩子地图.md                # Step 7产出
├── 商业化审核报告.md              # Step 8产出
└── 合规检查清单.md                # Step 9产出

自查报告结构

# [Skill名称] 发布前自查报告

## 基本信息
- Skill名称:
- 版本号:
- 检查日期:
- 检查人员:

## 检查结果汇总
| 检查项 | 结果 | 评分 | 阻塞级别 |
|--------|------|------|----------|
| 案例支撑验证 | ✅通过 | 4.5/5 | - |
| 一致性检查 | ✅通过 | 12%偏离度 | - |
| ... | ... | ... | ... |

## 综合评分
总体得分:[X]/10
是否可发布:[是/否,有X项🛘阻断,Y项⚠️警告]

## 详细检查结果
[各检查项的详细输出]

## 待整改项
| 序号 | 检查项 | 问题 | 校正方案 | 截止日期 |
|------|--------|------|----------|----------|
| 1 | ... | ... | ... | ... |

## 附件清单
- [x] 案例支撑报告.md
- [x] 一致性检测报告.md
- ...

---
检查人签名:__________
日期:__________

6. 与其他Skill联动

联动AI资产知识产权保护Skill

  • 创新点说明书直接同步到IP档案卡
  • Prompt迭代文档作为软著申请证据
  • 检查结果自动更新到IP管理台

联动查新检索Skill(示例)

  • 使用查新检索验证竞品分析中的市场空白
  • 创新点新颖性验证

7. 使用示例:查新检索Skill自查

案例支撑验证

  • ✅ 覆盖场景:TRIZ技术创新、企业专利布局、竞品技术追踪等
  • ✅ 案例数量:12个(≥10个通过)
  • ✅ 评分:4/5

一致性检查

  • 测试输入:"TRIZ技术创新方法"
  • 3次输出偏离度:8% ✅ 通过

竞品分析

  • 直接竞品:Coze平台2个同类Skill
  • 差异化:独家"语义理解+动态追踪"功能
  • 卡位评分:4/5

创新点提炼

  • INNO-001:语义理解查新机制
  • INNO-002:多源信息聚合引擎
  • INNO-003:智能推荐升级路径

Prompt迭代

  • V1.0→V1.1:增加异常处理
  • V1.1→V2.0:重构逻辑结构,提升清晰度40%

商业化审核

  • 定价:4元(标准级,合理)
  • 套餐:与"技术尽调Skill"组合,折扣85%
  • 引流:钩子指向"AI资产知识产权保护Skill" ✅

最终结论

可发布,有1项⚠️警告(建议补充更多边界测试案例)


8. 快速检查清单

发布前必须确认

  • 案例≥10个,且有完整输入→输出→评分
  • 一致性测试偏离度\x3C15%
  • 竞品分析完成,卡位清晰
  • 创新点≥3个,有非显而易见性论证
  • Prompt迭代文档完整,有版本时间线
  • IP风险已评估,无高风险项
  • 商业钩子≥2个,互链闭环
  • 定价符合公式,偏离\x3C30%
  • 合规检查通过

一键自检命令

本Skill支持分步执行:
1. 先做Step 1-2(案例+一致性)→ 核心质量保障
2. 再做Step 3-5(竞品+创新+Prompt)→ IP确权
3. 最后做Step 6-9(IP+钩子+商业+合规)→ 商业保障

9. 参考文档索引

文档名 内容 用途
一致性检测方法.md 偏离度计算公式+示例 Step 2执行参考
竞品分析与卡位方法.md 竞品拆解+卡位评估 Step 3执行参考
创新点提炼模板.md 创新点标准化格式 Step 4执行参考
Prompt迭代文档模板.md 版本记录格式 Step 5执行参考
商业化审核与校正手册.md 定价+套餐+引流 Step 8执行参考
发布前自查评分表.md 评分标准+阈值 全流程参考

版本:v1.0 适用对象:胡田-OPC导师体系下的所有Skill/Agent 更新日志

  • v1.0 2024-02 初始版本,基于用户需求文档构建
安全使用建议
Safe to install as a checklist/template skill. Before relying on it, verify any external repository or OPC platform links yourself, and avoid placing confidential prompts, customer feedback, pricing plans, or IP materials into shared environments unless that disclosure is intended.
能力评估
Purpose & Capability
The artifacts coherently provide a Skill/Agent release checklist covering quality, consistency, IP, compliance, and commercialization. Some legal/commercial standards are OPC-specific and should be treated as guidance, not authoritative legal advice.
Instruction Scope
Instructions ask users to collect prompt history, screenshots, user feedback, pricing, competitor, and IP materials; that is purpose-aligned but may involve sensitive business information under user control.
Install Mechanism
The package itself contains markdown files only. The README also suggests cloning an external GitHub repository, which should be verified separately before use.
Credentials
No scripts, dependencies, command execution requirements, credential use, local indexing, or automatic network collection are present in the artifact.
Persistence & Privilege
No background workers, persistence mechanisms, privilege escalation, credential/session access, or automatic file mutation are implemented.
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install opc-self-check
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /opc-self-check 触发
  4. 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
opc-self-check 1.0.0 changelog: - 首次发布,实现Skill/Agent发布前的全流程标准化自查工具。 - 覆盖案例支撑、一致性验证、竞品分析、创新点提炼、Prompt工程文档化、IP与合规、商业化、联动等九大维度。 - 提供详细操作流程、评分标准、风险分级和阻断/警告机制,实现全链路自查自纠闭环。 - 自动生成自查报告及各子环节检查报告,支持证据链输出,满足2026软著新规及商业化合规要求。 - 内含实操表格、评分矩阵、校正模板和联动集成说明,适用于Skill/Agent首次发布、评优、专利/软著申报等多种场景。
元数据
Slug opc-self-check
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

胡田 OPC导师 发布前自查向导 是什么?

Skill/Agent发布前的标准化质量把控工具,确保产出经过案例支撑、一致性和合规检查. 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 49 次。

如何安装 胡田 OPC导师 发布前自查向导?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install opc-self-check」即可一键安装,无需额外配置。

胡田 OPC导师 发布前自查向导 是免费的吗?

是的,胡田 OPC导师 发布前自查向导 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

胡田 OPC导师 发布前自查向导 支持哪些平台?

胡田 OPC导师 发布前自查向导 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。

谁开发了 胡田 OPC导师 发布前自查向导?

由 golngod(@golngod)开发并维护,当前版本 v1.0.0。

💬 留言讨论