这个 Skill 能做什么，适合哪些场景？
定位真相校准器用于 TALE 的 Trace 阶段，在定位画布完成后运行。它读取定位画布、发布阶段记录、主张台账及已有叙事记录，核对每项差异化是否符合当前可交付现实并有证据支持。输出包含可防守的差异化真相集、重新测试的唯一性陈述、阶段事实协调说明，以及标记为“[needs source]”的待核实主张。它不创建定位画布、不裁定主张，也不编写最终消息体系。
确认定位画布包含竞争替代方案、独特属性和价值主题；读取 memory/launch-registry/ 中的阶段记录、memory/claims/claims-ledger.md 中的已批准措辞，以及可用的叙事记录；逐项检查差异化是否在当前阶段可交付；将差异化标记为 Measured、User-provided 或 “[needs source]”；针对命名替代方案重新测试唯一性陈述；必要时通过 registry-events.py 提交主张、叙事或阶段事实提案；生成交给 message-system-architect 的标准交接摘要。
- 产品团队已有定位画布，但需要确认 beta 阶段是否真的能支持其中的差异化主张。
- 品牌负责人准备发布 onlyness statement，想核对它是否能与竞品、现状方案和“不行动”选项区分开。
- 营销团队发现定位文案使用了 GA 语气，需要与 launch-registry 中的实际阶段对齐。
- 内容或消息团队需要一份经过证据筛选的差异化底稿，再交给 message-system-architect 构建消息体系。
如何安装这个 Skill？
- 仅凭静态文件评估，未执行技能、连接器或 registry-events.py；不要将仓库级 CI 测试视为该技能已通过运行验证。
- 使用竞争对手抓取时应先确认授权、robots/TDM 限制和第三方数据外发风险，并在任何 propose 或记忆写入前进行人工确认。
- 若画布、阶段记录或 claims ledger 缺失，结果应停在 NEEDS_INPUT，不应自行补全定位或事实。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python standard-library scripts
安装整个仓库后使用该技能：npx skills add aaron-he-zhu/aaron-marketing-skills。也可在 Claude Code 中执行 /plugin marketplace add aaron-he-zhu/aaron-marketing-skills，再执行 /plugin install aaron-marketing@aaron。README 提供了单技能安装语法，但未在示例中单独展示本技能的完整命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/aaron-he-zhu/aaron-marketing-skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/narrative/trace/positioning-truth-tracer" ~/.claude/skills/
rm -rf "$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？
在定位画布已经存在时输入：Trace the positioning truth for [product]. Canvas is at [path or paste]. Current stage: [draft/alpha/beta/GA]. 也可以输入：Reconcile our positioning canvas against the claims ledger — which differentiators can we defend today, and which are [needs source]? 若画布缺失或不完整，技能会停止并转交 positioning-mapper。保存结果前，它会询问是否保存到 memory/narrative/positioning-truth-tracer/。
这个 Skill 有哪些优点和局限？
- 明确区分可验证、用户提供和待补证据的差异化主张。
- 将定位画布、可交付阶段和主张台账放在同一核对流程中。
- 对阶段错配和依赖未核实主张的唯一性陈述设有停止条件。
- 兼容 Claude Code 和兼容 Agent Skills 的主机，并可在 Codex 中按纯 Markdown 技能使用。
- 必须先有完整定位画布；它不会替用户创建定位。
- 它只提交待核实主张候选，不负责证明或裁定主张。
- 核心流程依赖项目 memory 目录中的阶段记录和主张台账，源材料未说明这些记录会自动存在。
- 竞品信息抓取依赖可选连接器，并受 robots.txt 预检影响；源材料未提供本技能的独立测试套件或平台覆盖报告。
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。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 定位真相校准器 本页 | 61 · 推荐 | ★ 3k | 12 天前 | Apache-2.0 |
| 叙事基线盘点 | 57 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 战略叙事设计 | 54 · 谨慎使用 | ★ 3k | 12 天前 | Apache-2.0 |
| 品牌叙事质量门 | 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 |
与 positioning-mapper 的边界很清楚：positioning-mapper 创建定位画布，本技能负责追踪其真实性。与 offer-claims-registry 相比，本技能只标记并提交待核实主张，不负责主张裁定。与 message-system-architect 相比，本技能先提供差异化真相底稿，后者再据此编写持久消息层级。
FollowSkills 如何评估这个 Skill？
技能明确限制读取范围，要求将画布、台账和抓取内容视为不可信数据，并将未证实主张通过授权 propose 事件提交；写入记忆需先征得确认，且外部抓取有 robots 和 Tier-1 说明。扣7分：竞争对手抓取会产生第三方数据外发，技能未完整规定每次抓取前的用户确认、失败回滚和所有外部副作用的可见确认；发布者身份也未验证。
步骤、停止条件、缺失输入处理、主张标记和后续路由都较一致，异常输入有明确 NEEDS_INPUT 处理。扣11分：本次仅静态阅读，未见覆盖该技能关键路径的专门测试、真实运行记录或可复现输出；多个相对路径和运行时协议依赖共享文件，失败诊断仍可能转嫁给宿主。
触发语句、输入参数、适用阶段、非适用任务、输出内容和后续技能均清楚；中英文术语并存，且核心流程不依赖海外服务。扣4分：需要已有定位画布、阶段记录和主张台账，缺少任一输入即停止；中文本地化主要是标签和描述，未证明对中国市场数据或网络环境的完整适配。
技能具备版本、Apache-2.0 许可、固定契约结构、Quick Start、读写边界、限制、引用关系、handoff 和终止规则；仓库还提供版本、CI 和安全文档。扣4分：技能自身没有示例输出、FAQ、变更记录、明确维护责任人或独立更新路径，且依赖的共享协议文件未在本次选定证据中逐一展开。
目标结果、判定标签、阶段校准、唯一性陈述复核和候选主张路由均定义得具体，理论上可直接交给下游消息架构技能。扣8分：静态校准将 effectiveness 上限限制为7；没有该技能的代表性实际输出、执行证据或与人工流程的成本收益比较，结果仍需人工核验输入和主张。
技能要求区分 Measured、User-provided、Estimated 和 [needs source]，并以 claims ledger、stage record、命名替代方案及代理标记作为追溯面。扣5分：静态材料没有该技能专门的第三方证据、独立复现结果或完整交叉来源；仓库级测试未覆盖此技能的核心行为。
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 →