这个 Skill 能做什么，适合哪些场景？
Platform Norm Profiler 是 Aaron Marketing Skills 社交体系中 Explore 阶段的技能，专门维护平台级有机互动规范卡。它整理字符限制、可见折叠线、话题标签、格式与比例、链接位置、披露标签机制及算法侧重，并为每一行记录来源类型、来源、最后验证日期和复核日期。它区分官方或实测的平台文档与带来源的民间经验，过期卡片会被标记为不可信。该技能适合在制定内容或排期前核验平台规则，但不负责选择渠道、撰写帖子或自动发布。
读取 references/platforms/ 中已有的平台卡，以及适用的渠道档案和用户提供的平台导出或截图；按平台补充或刷新有机互动部分，包括字符限制、折叠线、话题标签规范、格式和比例规格、链接或首条评论位置、披露标签机制和算法侧重；优先使用官方平台文档，必要时通过仓库中的 Firecrawl 或 Tavily 连接器获取资料；将未被官方文档支持的说法标记为 Estimated-folklore 并注明来源；为每行添加 last-verified 和 review-by 日期，执行过期检查，并生成变更摘要、停滞报告和渠道规则快照候选。
- 社交团队准备发布小红书内容，需要核验字符数、折叠线、话题标签和搜索或收藏相关说法时。
- 品牌准备在 LinkedIn 排期，想确认链接放在首条评论是否有官方依据时。
- 运营团队在下一轮内容日历前，对多个平台卡片执行 staleness sweep 时。
- 团队维护多个渠道，需要把最新平台卡片作为后续社交内容创作的规则依据时。
如何安装这个 Skill？
- 仅评估指定 SKILL.md；README、许可证、安全策略、CI 和测试仅作为共享仓库背景，未替代该技能自身证据。
- 技能依赖外部平台文档、Firecrawl/Tavily 或用户导出数据；资料不可访问时应明确返回 NEEDS_INPUT 或未验证状态，不应把 folklore 当作平台事实。
- 该技能会修改共享卡片并提交注册表提案；使用前应确认目标平台、写入范围、授权边界和恢复方案。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python standard-library connector scripts
可安装整个仓库：npx skills add aaron-he-zhu/aaron-marketing-skills；也可先克隆仓库：git clone https://github.com/aaron-he-zhu/aaron-marketing-skills。仓库也提供 Claude Code 插件安装方式：/plugin marketplace add aaron-he-zhu/aaron-marketing-skills，随后执行 /plugin install aaron-marketing@aaron。来源未说明将该单个技能复制到其他宿主目录的专用步骤。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/social/explore/platform-norm-profiler" ~/.claude/skills/
rm -rf "$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？
将技能目录加载到 Claude Code 或兼容 Agent Skills 的宿主后，使用类似以下请求：Build the organic-engagement section of the 小红书 norm card: char limits, fold cutoffs, hashtag norms, format specs, algorithm emphases — label and date every row. 也可以请求：Staleness sweep: flag every platform card past its review-by date before the next calendar build. 或指定核验任务：Verify the LinkedIn link-in-first-comment norm — platform-documented or folklore?
这个 Skill 有哪些优点和局限？
- 输出结构明确，覆盖字符限制、折叠线、格式规格、链接位置和披露机制等实际排期信息。
- 要求每行标注来源类型、来源和日期，能把官方规则与民间经验分开。
- 包含反过期机制，过了 review-by 的卡片会被标记而不是继续信任。
- 以单一 references/platforms/规范包为中心维护，避免产生项目副本。
- 需要官方平台文档、用户提供的导出或截图等输入；没有平台或活动渠道时，来源说明会返回 NEEDS_INPUT。
- 闭环平台以及中文平台的相关证据主要依赖人工、用户导出或用户粘贴内容，不能依赖无钥匙自动读取。
- 不选择渠道、不撰写帖子，也不提供发帖、互动或私信自动化。
- 来源材料没有展示该技能专属测试套件或独立运行报告。
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。
FollowSkills 如何评估这个 Skill？
文件明确要求最小化外部影响：把抓取内容视为不可信数据，禁止中文平台自动化，连接器默认无密钥读取，并要求通过 operation: propose 提交注册表指针；但写入平台卡片、记忆和事件提案的确认边界、回滚方案及完整数据流披露仍不充分，因此扣7分。
触发条件、输入不足时的 NEEDS_INPUT、过期标记、停止规则和失败路径描述较完整，指令内部基本一致；但本次仅静态阅读，未见针对该技能关键路径的专门测试或可复现运行证据，按静态上限给9分，扣除潜在依赖与边界行为的不确定性。
面向平台规范卡刷新、构建和过期扫描，明确列出适用场景、非适用任务、参数提示及中英文平台路径；不过不同平台的可访问性、用户提供导出数据的格式和环境差异仍缺少更具体边界，扣3分。
结构遵循统一技能契约，包含版本、许可证、快速开始、读写范围、完成条件、参考资料和后续技能；但维护责任人、变更记录、安装依赖说明及故障排查路径不够明确，扣4分。
预期输出、逐行标签、日期、过期报告和交接内容定义清楚，理论上可直接支持后续社交内容制作；但未提供该技能实际产出的代表性卡片或静态可核验结果，且部分效果依赖外部平台资料，扣9分并受静态上限约束。
要求官方文档、命名来源、检索日期和 review-by 日期，并区分 Measured 与 folklore，具备一定审计性；但源文件未提供已完成的来源实例、独立复现记录或覆盖关键路径的测试证据，静态评估给4分，扣除证据覆盖不足。
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 →