这个 Skill 能做什么，适合哪些场景？
该技能用于 TALE Evaluate 阶段，评估品牌叙事在市场中的共鸣程度。它计算市场语言与叙事注册表规范词典的回声率，读取 AI 回答引擎对品牌的描述，并在锁定的竞品面板上测量声量份额。它还汇总 Bluesky、GDELT 和 Wikipedia 页面浏览量等公开信号。AI回答、新闻和社交数据均标记为 proxy，不会被冒充为 Measured 指标。
读取 memory/narrative-registry/canon.md 中的定位陈述、叙事支柱、标准文案及词汇规则；在计算回声率前声明语料范围、时间窗口和匹配方法；通过 scripts/connectors/tavily.py --answer 获取并比较 AI 回答中的品牌描述；通过 gdelt.py、bluesky.py 和 pageviews.py 获取公开共鸣或注意力信号；复用 share-of-voice-tracker 的锁定竞品面板；结合用户提供的封闭平台导出数据；输出包含回声率、AI回答感知、声量份额和信号标签的共鸣报告。
- 品牌团队想检查市场提及是否开始使用叙事注册表中的核心词汇。
- 市场研究人员想比较 AI回答引擎描述的品牌定位与正式叙事规范。
- 内容负责人需要在固定竞品面板上追踪叙事相关声量份额。
- 品牌负责人需要汇总 Bluesky、新闻和 Wikipedia 页面浏览量等公开共鸣信号。
- 叙事评估完成后，团队需要把结果交给 narrative-drift-monitor 观察自有叙事漂移。
如何安装这个 Skill？
- 本评估仅基于提供的静态文件，未执行连接器、相邻技能或写入流程。
- Tavily、Bluesky、GDELT、Pageviews 等外部服务的可达性、限流、区域可用性和实际返回质量未验证。
- 技能版本18.0.0与安全策略支持版本17.x存在治理不一致；写入报告、open-loops或proposal事件前应确认权限、数据范围和恢复方式。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python standard library
该技能位于仓库的 narrative/evaluate/narrative-resonance-monitor/SKILL.md。安装整个集合可使用 Claude Code：/plugin marketplace add aaron-he-zhu/aaron-marketing-skills，然后执行 /plugin install aaron-marketing@aaron；其他兼容 Agent Skills 的主机可使用 npx skills add aaron-he-zhu/aaron-marketing-skills，或直接 git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。仓库未提供该单个技能的独立安装命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/narrative/evaluate/narrative-resonance-monitor" ~/.claude/skills/
rm -rf "$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：
- Measure narrative resonance for [brand] against our canon lexicon. Competitor panel: [list]. Platforms: [Bluesky / news / all keyless].
- Run the AI-answer perception check: how do answer engines describe [brand] vs our positioning statement? Use tavily.py --answer and label it proxy.
先确保存在 memory/narrative-registry/canon.md 和锁定的竞品面板。可使用：“Measure narrative resonance for [brand] against our canon lexicon. Competitor panel: [list]. Platforms: [Bluesky / news / all keyless].”也可使用：“Run the AI-answer perception check: how do answer engines describe [brand] vs our positioning statement? Use tavily.py --answer and label it proxy.”所有数字都应标注 Measured、proxy 或 User-provided，并注明日期；保存结果前必须询问用户是否要写入记忆。
这个 Skill 有哪些优点和局限？
- 明确区分 Measured、proxy 和 User-provided 数据。
- 要求在计算回声率前声明语料和匹配方法，便于复核。
- 覆盖 AI回答感知、锁定面板声量份额及多个公开信号来源。
- 范围边界清晰，不修改叙事词典，也不负责 TALE 最终评分。
- 没有 canon.md 时会停止，无法在没有叙事基准的情况下计算回声率。
- AI回答、GDELT 和 Bluesky 数据只能作为 proxy，不能代表经过验证的品牌受众指标。
- X、Instagram、TikTok、LinkedIn 和小红书没有合规的无密钥读取路径，需要用户提供原生导出或使用标记为 proxy 的数据。
- 技能正文引用了仓库内脚本和项目记忆路径；单独移植时需要保留相应文件结构和运行环境。
- 源材料未提供该技能独立的测试套件或平台实测结果。
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 |
|---|---|---|---|---|
| 叙事共鸣监测器 本页 | 55 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| 声量份额追踪器 | 59 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| 品牌语言规范器 | 63 · 推荐 | ★ 3k | 13 天前 | Apache-2.0 |
| 叙事基线盘点 | 57 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
| 品牌叙事台账 | 55 · 谨慎使用 | ★ 3k | 13 天前 | Apache-2.0 |
与 share-of-voice-tracker 相比，本技能复用其锁定竞品面板机制，但重点是叙事共鸣，并交换叙事或消息查询词。与 performance-monitor 相比，本技能不负责自有网站 GA4/GSC 分析。与 narrative-quality-auditor 相比，本技能提供 E 维度证据，不负责 TALE 画像评分或最终门禁。
FollowSkills 如何评估这个 Skill？
技能明确要求将导入数据和抓取结果视为不可信输入，区分 proxy/Measured/User-provided，读取规范词典而不直接编辑，并在写入记忆前请求确认；但会调用外部连接器并写入报告或提交 proposal，缺少本技能级别的最小权限、回滚和完整数据流确认细节，因此扣7分。
指令、输入输出契约、缺失词典时的 NEEDS_INPUT、方法声明和终止条件较清晰；但依赖多个相邻技能与连接器，未提供本技能关键路径的专门测试、异常输出示例或可复现执行证据，静态上限内扣2分。
触发语义、适用范围、非适用范围、参数提示和预期报告结构明确，也说明封闭平台只能使用用户导出数据；但中文市场适配和大陆网络可达性未被具体验证，且核心信号依赖若干海外服务，边界证据不足，扣5分。
具备版本、许可证、Quick Start、契约、数据源、保存结果、引用资料和下游交接说明，信息架构较完整；但维护责任和更新路径不清晰，且 SECURITY.md 支持17.x与技能18.0.0存在版本治理不一致，扣6分。
报告字段、标注规则、echo rate 方法与语料要求、SOV 锁定面板和交接内容都能直接支持叙事评估；但没有本技能代表性输出或执行验证，结果仍需人工审阅和数据准备，静态上限内扣1分。
要求声明匹配方法、语料、查询和as-of日期，并引用仓库内协议和安全文档；但未提供本技能专门测试、第三方执行结果或跨来源独立复核，静态上限内扣1分。
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 →