红人适配评分器
对候选创作者进行可追溯的适配度评分，并将商业合作优先级单独排序。
证据显示仅在明确授权后写入报告，并将商业适配度与Suitability分离；无恶意或越权默认行为，且共享安全材料说明外部连接器不保存密钥。扣10分：本技能未充分说明受众数据、创作者历史和YouTube API数据的敏感性、完整数据流、撤销/回滚方式；外部抓取和可选API仍带来权限与隐私风险，发布者身份也未验证。
步骤、输入、输出、Unknown处理和禁止混合评分的规则基本一致，且共享仓库有CI与验证器证据。扣12分：静态审查无法复现关键路径；核心STAR基准、共享契约和连接器实现未提供，本技能引用的路径依赖较多；YouTube连接器与“无需实时集成”的表述存在一定边界不清，异常输入反馈也不够具体。
触发语句、输入要求、输出边界以及“不用于发现或外联”均较清楚，也支持中文说明。扣5分：平台、指标和目标市场边界不充分，geo-relevance标为low；YouTube/API及社交数据可得性、中文用户环境和大陆网络可达性未被本技能具体说明，跨平台适用性证据有限。
具备frontmatter、版本、许可证、Quick Start、契约、数据源、步骤、模板、示例和后续技能，结构清晰。扣6分：维护责任人和更新流程不明确；引用的关键参考文件未在本次材料中提供；模板示例仍大量使用占位符；SECURITY.md支持17.x与技能18.0.0/仓库18.0.0存在版本治理不一致。
证据显示它能把候选人按S1-S10逐项记录，并将商业矩阵单独输出，理论上可生成可直接用于排序和利益相关者沟通的报告。扣9分：静态材料没有代表性可核验输出或技能专属测试；核心Suitability评分依赖未提供的STAR基准和外部证据，Unknown会阻止完整读取，商业模板还需要大量人工填充，因此直接可用性和相对人工方法的收益有限。
技能要求来源、日期、证据类型、置信度和缺口理由，并且仓库提供架构与审计工件测试。扣6分：没有本技能关键路径的专属测试、第三方执行记录或多源复核；本次材料未包含STAR基准及相关参考文件，无法独立核对核心评分结论，因此只能给予有限可验证性。
- 本次仅进行静态源文件审查，未执行技能、连接器或测试；不要将仓库级CI测试等同于本技能已被验证。
- 核心Suitability结论依赖未提供的STAR基准及创作者外部证据；缺失数据必须保持Unknown，不应推断为Pass或用于确定性排名。
- 使用YouTube API或其他社交数据源前，应确认密钥、平台条款、隐私授权和大陆网络可达性，并明确用户确认与数据流。
- 注意技能18.0.0与SECURITY.md支持17.x之间的版本治理不一致。
这个 Skill 能做什么，适合哪些场景？
Fit Scorer 面向已经拥有候选名单的品牌和营销团队，评估创作者的 STAR Suitability（S）维度。它要求锁定目标受众、活动目标、评估时间、证据窗口和评分目录版本，并逐项记录 S1–S10 的 Pass、Partial、Fail、Unknown 或 N/A 状态。活动预算、费用、档期和商业合作潜力会被放入独立的 commercial-fit 矩阵，不会混入 Suitability 评分。完整的 Suitability 读取需要所有适用项目具备带日期的证据；Unknown 会阻止形成正式读取。
读取品牌或活动背景、目标受众、活动目标、候选创作者账号，以及可选的受众画像、竞品合作基准和创作者名册记录；冻结带来源、日期、类型和置信度的证据；依据 STAR 基准评估 S1–S10，包括受众构成、粉丝增长真实性、触达可靠性、互动健康度、可信度和可迁移的品牌或品类适配度；单独生成商业适配矩阵；输出 Suitability 读取、关键控制证据、商业适配分数、证据置信度和外联建议。经明确授权后，可保存报告；YouTube 候选人可使用仓库中的 Python 连接器获取测量数据。
- 品牌已有一批 TikTok、Instagram 或 YouTube 候选人，需要按统一标准筛选优先外联对象。
- 营销负责人需要比较多个创作者，并向利益相关者解释入选理由。
- 活动团队希望根据 awareness、engagement 或 conversion 目标建立加权评估标准。
- 品牌需要区分创作者本身的可迁移适配度与本次活动的费用、档期和合作潜力。
- 团队需要为长期创作者合作建立一致的伙伴分层依据。
这个 Skill 有哪些优点和局限？
- 明确区分可迁移的 Suitability 读取与活动特定的商业适配度。
- 要求 S1–S10 逐项记录状态、证据来源、日期、类型和置信度。
- 缺失证据会标记为 Unknown，而不是被擅自降级为 Partial 或 Fail。
- 可在不接入外部平台的情况下使用用户提供的数据完成框架化评估。
- 支持在明确授权后保存报告，并规定后续移交给 STAR 审计技能。
- 不能发现新创作者，也不能执行外联或发送消息。
- 需要用户提供候选名单、目标定义和足够的证据；Unknown 会阻止正式 Suitability 读取。
- 商业适配分数不是 STAR Suitability 分数，也不能清除 Suitability 的否决或证据缺口。
- YouTube 测量连接器需要 Python 3，并在使用时需要 YOUTUBE_API_KEY；其他平台的测量要求需依赖用户提供的数据或可选连接器。
- 源材料未提供该单项技能的独立测试套件或平台覆盖验证。
如何安装这个 Skill？
安装整个仓库：在 Claude Code 中运行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，再运行 /plugin install aaron-marketing@aaron。在兼容 Agent Skills 的主机上运行 npx skills add aaron-he-zhu/aaron-marketing-skills，或直接执行 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。该技能位于 influencer/scout/fit-scorer/SKILL.md。源材料未提供单独安装此技能的专用命令。
如何使用这个 Skill？
先准备品牌或活动背景、目标受众、目标类型、候选账号和可用证据，然后输入：Score @[handle] for [brand/campaign] and tell me if they're a good fit；比较名单时输入：Compare and rank these influencers for [campaign]: @influencer1, @influencer2, @influencer3。若缺少 typed context 字段，技能应返回 NEEDS_INPUT 并列出缺失项。不要把 influencer discovery 或 outreach 任务交给本技能。
这个 Skill 与同类方案有什么区别？
与 influencer-discovery 不同，本技能不负责寻找或扩充创作者名单，而是评估已有候选名单。与 outreach-manager 不同，本技能不负责联系创作者、跟进或谈判。