这个 Skill 能做什么，适合哪些场景？
Blog Analyzer 是 claude-blog 技能套件中的博客质量审计技能，专注于读取本地文件、目录或已发布 URL 并生成评分报告。它从内容质量、SEO、E-E-A-T、技术元素和 AI 引用准备度五个类别进行 100 分制评分。技能还会检测句子节奏、常见 AI 短语和词汇多样性，并按优先级提出具体修复建议。它适合需要系统化审核博客，而不是只获得一次性文本反馈的个人作者、营销团队和内容机构。
读取 Markdown、MDX、HTML 文件，或通过 WebFetch 获取 URL 内容；提取 frontmatter、标题层级、段落和词数、统计数据、图片及替代文本、图表、链接、FAQ、结构化数据、元标签、句子长度和词汇信息；按照五类指标评分并确定评级；计算句子长度方差、检测指定 AI 短语和词汇类型-token 比率；输出 Markdown、JSON 或表格报告；支持目录扫描、批量分析、按分数排序，以及可选的编辑启发式评分和认知负荷热图。
- 个人博客作者想在发布前检查一篇文章的整体质量、SEO 缺口和 AI 引用可读性。
- 内容团队需要批量扫描一个博客目录，并按分数排序处理最严重的问题。
- SEO 编辑需要审查标题、关键词、内部链接、外部链接、元描述和结构化数据。
- 营销团队需要识别来源不足、作者信息缺失或体验信号薄弱的文章。
- 编辑希望发现句式过于平坦、重复使用常见 AI 短语或词汇多样性偏低的段落。
如何安装这个 Skill？
- 不要在未检查来源和上下文的情况下把 AI 检测概率、SEO 分数或引用结论视为事实。
- URL 分析需要外部抓取能力；在中国大陆网络不可达时应改用本地文件或人工提供内容。
- 运行前应确认引用的参考文件、可选依赖和 cognitive_load.py 实际存在，并审阅远程内容可能带来的间接提示注入风险。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3.11+
该技能随 AgriciDaniel/claude-blog 公共仓库的完整 Claude Code 技能套件发布。来源提供的公共安装方式是：在 Claude Code 中执行 /plugin marketplace add AgriciDaniel/claude-blog，然后执行 /plugin install claude-blog@agricidaniel-claude-blog；安装后重启 Claude Code。来源没有说明单独安装 skills/blog-analyze/SKILL.md 的独立流程。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/AgriciDaniel/claude-blog.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/blog-analyze" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- blog health check
在 Claude Code 中使用 /blog analyze <file> 分析文件；也可以提供目录进行批量审计，或提供已发布 URL。可使用 --format json、--format table、--batch、--sort score、--rubric 和 --cognitive-load 等选项。技能描述还支持自然语言触发词，例如“analyze blog”或“blog health check”。
这个 Skill 有哪些优点和局限？
- 评分维度明确，覆盖内容、SEO、E-E-A-T、技术元素和 AI 引用准备度。
- 能够生成 Critical、High、Medium、Low 分级的具体修复建议。
- 支持本地文件、URL、目录批处理以及 Markdown、JSON、表格三种输出形式。
- 包含 burstiness、AI 短语和 TTR 检测，可辅助发现机器化文风风险。
- 可选的 rubric 和 cognitive-load 模式能提供额外的编辑诊断。
- 完整评分依赖仓库中的参考文档，不能仅凭这份 SKILL.md 复现所有评分细节。
- 分析已发布 URL 需要 WebFetch 和网络访问；本地文件和目录分析需要文件系统访问。
- 来源没有提供该子技能独立于 claude-blog 套件的安装方式。
- AI 内容检测基于启发式信号，不能证明文章一定由 AI 生成。
- 来源没有给出该单独技能的独立测试覆盖或跨平台验证结果。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Blog Analyzer 博客审计器 本页 | 51 · 谨慎使用 | ★ 2.4k | 14 天前 | MIT |
| Blog Audit 全站博客审计 | 41 · 不推荐 | ★ 2.4k | 14 天前 | MIT |
| Blog Persona：博客品牌声音管理器 | 48 · 谨慎使用 | ★ 2.4k | 14 天前 | MIT |
| 简历定制助手 | 51 · 谨慎使用 | ★ 779 | 8 个月前 | MIT |
| 市场营销审计编排器（Market Audit） | 49 · 谨慎使用 | ★ 2.8k | 8 个月前 | MIT |
相较于直接让 Claude 或 ChatGPT 做一次博客点评，这个技能提供固定的五类评分体系、批量处理、导出格式和分级修复建议。相较于手工审核，它更适合重复执行和接入内容审核流程；但它需要按仓库套件安装，并依赖相关参考文档和运行环境。
FollowSkills 如何评估这个 Skill？
技能主要读取本地文件或获取 URL 并生成报告，未要求写回原文、删除文件或执行高权限操作；仓库安全材料也描述了依赖锁定、凭据保护和最小化代理工具。扣分原因是 URL 获取的数据流、WebFetch 可用性、用户确认边界和外部内容提示注入处理未在本技能中明确说明，且来源归属不能仅由技能文件验证。
技能给出了较清晰的分析步骤、输出格式和错误相关要求；仓库提供了针对解析、评分、链接、架构及文件不存在情况的测试证据。扣分原因是本次未执行测试，技能依赖未随路径自包含，WebFetch、可选依赖和认知负载脚本的可用性存在前置条件，异常输入的失败反馈规范仍不完整。
触发词明确，支持本地文件、目录、URL、Markdown、MDX、HTML、批量分析及多种导出格式，适用场景较清楚。扣分原因是未明确非适用范围、语义触发的排除条件、中文内容评分校准或中文输出支持；URL 核心路径依赖外部抓取，在中国大陆网络环境下可能不可达，但本地文件路径仍可用。
前置元数据包含名称、描述、用户可调用标记、参数提示和 MIT 许可证；文档有分层步骤、可选模式、评分表、JSON 示例和报告模板。扣分原因是该技能自身没有维护者、版本、变更记录、安装依赖说明或故障排查入口，且引用的多个参考文件未随本次选定路径提供。
目标、评分类别、优先级建议、Markdown/JSON/table 输出和批量排序结果都定义得较具体，仓库测试覆盖了大量分析函数及不存在文件的错误返回。扣分原因是静态审阅不能验证实际分数正确性、URL 抓取、引用真实性或报告是否可直接用于生产决策；部分指标和 AI 检测阈值带有经验性主张，输出仍需人工复核。
仓库提供了 CI、测试套件和若干集成回归测试，能支持有限的静态可审计性。扣分原因是证据主要来自项目自有文件，未见独立第三方复核或多来源验证；本次没有执行代码，且关键参考文档和实际分析脚本内容未完整提供，因此只能给予有限分数。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →