这个 Skill 能做什么，适合哪些场景？
Narrative Quality Auditor 是 Aaron Marketing Skills 中用于品牌叙事评估阶段的审计技能。它按 TALE 框架分别运行 truth、system 和 effectiveness profile，不把不同性质的结果平均成一个总分。它检查差异化、叙事规范、落地页一致性和效果证据完整性，并输出结构化的完成状态与 SHIP、FIX、BLOCK 或 UNDECIDED 判断。它只负责评估，不修改品牌规范、声明或页面。
读取一组品牌规范、页面或消息实验，以及当前叙事和声明真实性资料；声明目标、模式、品牌范围、市场、受众、规范版本、观察日期和证据窗口；按请求运行 T1–T10 truth、A1–A10 与 L1–L10 system，或 E1–E10 effectiveness 检查；在 full 模式下保留三个独立结果；识别 TALE-T1、TALE-A1、TALE-L1 和 TALE-E1 等否决项；对缺失资料标记 Unknown，并生成包含证据、置信度、修复项和结果状态的审计产物。缺少运行时评分器、验证器或类型目录时，会返回 NOT_SCORED，而不会生成门禁结论或持久化产物。
- 品牌团队在发布新版官网或定价页前，核对页面是否符合指定的叙事规范版本。
- 定位团队需要证明自身差异化相对命名竞品是否真实且有事实依据。
- 营销团队审查一次消息实验或共鸣声明是否有足够的测量证据。
- 企业要求对完整品牌叙事进行审查，并分别获得真实性、一致性和效果结果。
- 内容团队发现多个渠道表述不一致，需要判断问题属于规范、页面还是证据层面。
如何安装这个 Skill？
- 本次仅基于提供的静态文件，未执行技能、scorer、validator 或任何外部连接；不得将本评估视为运行通过证明。
- 独立安装时 bundled runtime 明确禁止计算分数或给出 gate verdict；完整能力依赖宿主根运行时及未提供的共享引用。
- 持久化会写入审计产物，使用前应确认宿主权限、目标路径、敏感数据边界及恢复方案。
- 发布者 provenance 未经 FollowSkills 企业 registry 验证，应自行核验来源和维护状态。
- Shell / 命令行
- 本地文件系统
Git
该技能随 Aaron Marketing Skills 集合分发。Claude Code 可运行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后运行 /plugin install aaron-marketing@aaron。兼容 Agent Skills 的主机可运行 npx skills add aaron-he-zhu/aaron-marketing-skills，也可直接执行 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。源材料未说明将该单个目录手动安装到特定主机目录的步骤。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/narrative/evaluate/narrative-quality-auditor" ~/.claude/skills/
rm -rf "$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：
- 审计我们的品牌叙事
- 检查这个消息是否符合规范
在已安装集合的主机中提出类似“审计我们的品牌叙事”或“检查这个消息是否符合规范”的请求，并提供 canon、页面表面或消息实验及其版本、市场、受众和日期。可使用参数提示 <canon/surfaces/experiment> [truth|system|effectiveness|full]。例如：Run TALE system on homepage and pricing page against canon v7 before release. 完整审查应运行 full，保留三个独立结果，不计算总分。
这个 Skill 有哪些优点和局限？
- 将真实性、系统一致性和效果证据严格分开，避免不同证据类型互相抵消。
- 对缺失证据使用 Unknown，并明确列出证据、日期、类型、置信度和修复项。
- 包含 TALE-T1、A1、L1、E1 等 profile 相关否决检查。
- 明确禁止自动修改 canon、声明和页面，适合受治理的发布流程。
- 支持 Claude Code 和兼容 Agent Skills 的主机，并采用 Apache-2.0 许可证。
- 不能替代 launch-readiness-auditor 的发布准备审查，也不负责社交运营。
- 需要当前叙事规范、声明真实性、页面或实验数据；缺失资料时可能只能得到 UNDECIDED 或 NOT_SCORED。
- 实际评分依赖源材料提到的评分器、验证器、TALE 目录和参考文件；这些依赖在提供内容中未完整展开。
- effectiveness 审计要求预注册的理解、回忆或行为证据及锁定面板，不能仅凭系统一致性推断市场效果。
- 源材料未提供该单项技能的独立测试结果或平台覆盖验证。
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 |
|---|---|---|---|---|
| 品牌叙事质量门 本页 | 60 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 品类叙事地图 | 58 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 受众信念图 | 57 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 叙事赋能包 | 55 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 消息测试设计器 | 61 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
相较于 launch-readiness-auditor，本技能审计品牌叙事的 truth、system 和 effectiveness，而不是发布生命周期准备度。相较于 social-quality-auditor，本技能不负责社交内容或运营质量。修复工作应交给 positioning-truth-tracer、message-system-architect、narrative-cascade-planner 或 message-test-designer。
FollowSkills 如何评估这个 Skill？
技能明确限制为只写经授权的 v3 产物，要求显式授权后持久化，并禁止修改 canon、claims 或 surface；同时将外部内容视为不可信数据，且运行时采用不可用即失败策略。扣7分：依赖宿主权限、运行时和外部引用，未在本技能文件中完整说明数据流、回滚机制及敏感数据处理；发布者身份未知。
指令结构一致，定义了触发条件、输入输出、Unknown 处理、配置缺失时的 NOT_SCORED 行为和多种验证检查点。扣11分：本次仅静态阅读，未执行关键路径；关键引用文件、根运行时、scorer 和 validator 未提供，且独立安装明确不能计算分数，因此异常路径和实际可运行性证据不足。
触发语义、truth/system/effectiveness/full 模式、适用边界及不应使用的相邻技能均有明确说明；不依赖必须访问的海外服务，且包含中文描述。扣3分：所需输入、宿主能力和完整运行环境限制仍依赖共享协议，非 Claude Code 环境的行为边界及中文输出要求未充分展开。
具备版本、slug、license、兼容性、Quick Start、Skill Contract、Data Sources、验证检查点、持久化规则和 Next Best Skill，信息组织较清晰。扣4分：维护责任人、明确更新流程、changelog 和故障排查说明不完整；部分引用资源未随本次证据提供，发布者 provenance 未验证。
该技能能把叙事审计拆成独立 truth、system、effectiveness 结果，规定输出证据、Unknown、修复项和不产生整体平均分，目标与输出格式直接可用。扣9分：没有实际审计样例、执行结果或对比证据；完整价值依赖未提供的注册表、TALE 目录、scorer 和 validator，静态材料不足以证明结果无需大量复核。
提供了带版本和 source digest 的不可变 TALE runtime 快照，并且仓库证据包含相关架构和审计产物验证测试。扣6分：测试未证明该技能关键路径已执行，引用的 benchmark、runbook、schema 和确定性 scorer 未提供，缺少独立第三方复现或交叉来源。
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 →