t3-hardware-scoring-cn

- 本Skill用于：通过硬件产品链接自动爬取信息，经过Brand Blinding去品牌化处理后，由三个独立Auditor基于权威参考书进行专项评分，通过Peer Review互相审查并优化，最终实现Tool/Toy/Trash客观分类

Safety Notice

This listing is imported from skills.sh public index metadata. Review upstream SKILL.md and repository scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "t3-hardware-scoring-cn" with this command: npx skills add toyworks/agent-skills/toyworks-agent-skills-t3-hardware-scoring-cn

MantaBase T3硬件审计系统

任务目标

  • 本Skill用于：通过硬件产品链接自动爬取信息，经过Brand Blinding去品牌化处理后，由三个独立Auditor基于权威参考书进行专项评分，通过Peer Review互相审查并优化，最终实现Tool/Toy/Trash客观分类

  • 能力包含：网页信息爬取、Brand Blinding信息过滤、三Auditor专项评分、Peer Review互相审查、Final Judge综合判断

  • 触发条件：用户提供硬件产品链接，要求进行T3审计或分类评分

  • 核心理念：透明第一、客观评估、并行审计、专家评审、持续优化

前置准备

  • 无需额外准备，系统会自动处理网页内容提取

操作步骤

标准流程

  1. 获取用户输入

  • 引导用户提供硬件产品链接（支持电商平台、官网、评测网站等）

  • 可选：获取用户关注的特定维度或审计重点

  1. 获取产品信息（推荐Agent方式）

必读 references/mandatory-page-list.md，按站点类型（Shopify / Kickstarter）执行固定爬取清单，确保数据输入一致。

方式A：Agent直接抓取（推荐）

  • 阅读 references/web-fetch-guide.md 掌握完整提取策略

  • 识别站点类型后，按 mandatory-page-list 依次 fetch，写入 01-level0-source-urls.md 、02-level0-extracts.md

  • 使用web_fetch工具直接访问产品页面

  • 优势：

  • ✅ 数据完整性高（智能提取关键信息）

  • ✅ 适应不同网站结构

  • ✅ 可处理复杂页面（动态加载、多标签页）

  • ✅ 可同时访问多个相关页面（产品页、评测页、规格页）

  • ✅ Agent能主动识别缺失信息并补充

  • 执行要点： ⚠️ 重要：单一页面可能信息不完整，Agent应：

  1. 多页面访问：

    • 产品详情页 → 基本信息、价格
    • 产品规格页 → 技术参数
    • 用户评价页 → 用户反馈
    • 评测页面 → 专业评价

  2. 价格信息提取：

    • 查找schema.org结构化数据
    • 尝试购物车页面
    • 搜索"产品名称 + price"
    • 若缺失：在报告中明确标注

  3. 动态内容处理：

    • 使用分页抓取（offset参数）
    • 尝试不同URL变体
    • 查找移动版页面

  4. 数据完整性验证：

    • 基本信息：必须完整
    • 技术规格：至少50%
    • 用户反馈：至少一项

方式B：Python脚本抓取（辅助/批量场景）

适用场景：批量处理多个产品、离线分析

调用脚本提取产品页面内容：

python scripts/crawl_product_info.py --url <product_url> --pretty

参数说明：

  • --url ：产品页面URL（必需）

  • --pretty ：美化JSON输出（可选）

  • --output ：输出文件路径（可选）

注意：脚本方式可能数据不完整，建议优先使用Agent方式

脚本返回：产品名称、描述、特性、价格、目标用户、完整客观数据等结构化信息

  1. Brand Blinding信息过滤（智能体执行）

  • 阅读 references/defluff-guide.md 掌握Brand Blinding原则

  • 智能体对产品信息进行去品牌化处理：

  • 去除品牌名称和商标引用

  • 去除营销话术和夸大描述

  • 识别并移除情感化形容词

  • 提取纯功能性信息和客观参数

  • 保持事实的完整性和准确性

  • 输出：Brand-Blinded后的客观产品信息

  1. 三Auditor专项评分（智能体并行执行）

  • 每个Auditor同时独立评估，各司其职

  • 每个Auditor读取自己的独立指南，不查看其他Auditor的指南或报告

🟢 Tool Auditor（工具审计员）

  • 阅读 references/tool-auditor.md 获取完整指南

  • 必遵 references/auditor-templates.md 严格评分表格模板

  • 评估角度：解决实际痛点、实用性、可靠性

  • 权威参考：Tony Fadell《Build》专项检查清单

  • 专项检查：

  • 痛点识别与解决（30分）

  • 注重细节与一致性（25分）

  • 简洁高效（25分）

  • 工程可靠性（20分）

  • 输出：专项评分报告（总分100分），包含每个检查项的得分、理由、证据

  • Litmus Test：如果明天它坏了，用户的工作流会停滞吗？

🟡 Toy Auditor（玩具审计员）

  • 阅读 references/toy-auditor.md 获取完整指南

  • 必遵 references/auditor-templates.md 严格评分表格模板

  • 评估角度：情感价值、愉悦体验、美学设计

  • 权威参考：Don Norman《设计心理学》专项检查清单

  • 专项检查：

  • 感官愉悦（30分）

  • 惊喜与发现（25分）

  • 情感联结（25分）

  • 可探索性（20分）

  • 输出：专项评分报告（总分100分），包含每个检查项的得分、理由、证据

  • Litmus Test：用户是否会把它放在显眼的位置"炫耀"或收藏？

🔴 Trash Auditor（垃圾审计员）

  • 阅读 references/trash-auditor.md 获取完整指南

  • 必遵 references/auditor-templates.md 严格评分表格模板

  • 必读 references/trash-red-flags.md 应用「火眼金睛」高敏感触发清单

  • 评估角度：逻辑缺陷、营销欺诈、设计违背

  • 权威参考：Dieter Rams十大设计原则违背程度检查清单

  • 专项检查：

  • 原则违背（30分）

  • 问题制造（25分）

  • 价值缺失（25分）

  • 可替代性（20分）

  • 输出：专项评分报告（总分0-100分，正向评分），包含每个检查项的得分、理由、证据

  • Litmus Test：如果这个产品明天消失，世界会变得更好还是更糟？

关键原则：

  • 信息隔离：每个Auditor只能访问Brand-Blinded后的客观产品信息，严禁查看原始产品信息

  • 专项评分：必须基于权威参考书的专项检查清单进行评分

  • 证据驱动：每个评分必须基于具体证据，避免主观判断

  • 独立评估：三个Auditor同时评估，互不干扰，互不交流

  • 客观报告：每个Auditor只报告客观发现，不"辩护"自己的分类

  • 诚实记录：即使证据支持其他分类，也要如实记录

  1. Peer Review互相审查（智能体并行执行）

  • 阅读 references/peer-review-guide.md 掌握Peer Review流程

  • 三个Auditor互相审查其他两个Auditor的报告：

交叉审查：

  • Tool Auditor审查：Toy报告 + Trash报告

  • Toy Auditor审查：Tool报告 + Trash报告

  • Trash Auditor审查：Tool报告 + Toy报告

审查内容：

  • 评分是否合理？

  • 证据是否充分？

  • 是否有被忽视的跨分类证据？

  • 是否存在偏见或遗漏？

审查输出：

  • 审查意见（包含具体建议和理由）

  • 评分调整建议

  • 跨分类证据补充

关键原则：

  • 基于事实和证据，不针对个人

  • 提供具体的改进建议

  • 审查者和被审查者保持开放心态

  • 记录所有审查意见和回应

  1. Auditor优化报告（智能体执行）

  • 每个Auditor基于收到的审查意见，优化自己的报告：

  • 分析审查意见的合理性

  • 接受合理的建议并修改报告

  • 对于不合理的意见，提供反驳理由

  • 记录所有的修改和理由

优化输出：

  • 原始报告

  • 优化后的报告

  • 修改记录（接受/拒绝的审查意见及理由）

  1. Final Judge综合判断（智能体执行）

  • 阅读 references/t3-classification.md 获取分类判断指南

  • 阅读三个Auditor优化后的最终报告

  • 综合分析三个报告的结论和证据

  • 应用T3分类规则：

  • 计算综合评分：Composite = max(Tool评分, Toy评分) - Trash评分

  • 确定主导分类（满足2个以上条件）

  • 确定次要分类（如有）

  • 应用Litmus Test一致性分析

  • 输出：最终分类、置信度、判断理由、改进建议

  1. 生成审计报告

输出文件：统一命名为 99-audit-report.md （禁止使用 99-report-summary.md 等别名）。报告目录：tmp/reports/t3-{YYYY-MM-DD}-{case-id}/ 。

报告结构（见 references/report-schema.md）：

  • YAML 元数据块（--- 包裹）：供网站 leaderboard 解析，含 case_id 、source_url 、scores 、chart_data 、litmus_tests 、classification 等

  • 文字分析内容：从三 Auditor 的 extract_for_report 聚合，章节固定为：产品概述、Tool 要点、Toy 要点、Trash 要点、Final Judge 判断理由、改进建议

必须包含：

  • 产品基本信息（原始信息和Brand-Blinded信息对比）

  • 三Auditor专项评分表格（auditor-templates.md 规定格式）

  • Peer Review 汇总

  • Final Judge 判断结果

可选分支

  • 当产品信息不足：提示用户补充描述或提供更多参考资料

  • 当评分接近边界：分析主导因素，说明分类判断依据

  • 当Auditor意见分歧：Final Judge需详细说明权衡逻辑

  • 当存在争议：提供多视角分析，列出不同分类的理由和证据

资源索引

辅助脚本（批量处理/离线分析场景）：

  • scripts/crawl_product_info.py（用途：网页内容爬取和产品信息提取，参数：--url <product_url> [--pretty] [--output <file>] ）

  • scripts/synthesize_results.py（用途：格式化三Auditor结果并计算最终分类，参数：--input <auditor_reports.json> [--pretty] [--output <file>] ）

领域参考：

  • references/mandatory-page-list.md（何时读取：步骤2 获取产品信息时，必读；固定爬取清单）

  • references/report-schema.md（何时读取：步骤8 生成 99-audit-report.md 时，必遵；YAML 结构定义）

  • references/file-naming-convention.md（何时读取：创建报告目录时，必遵；文件命名规范）

  • references/isolation-manifest-template.md（何时读取：创建 00-isolation-manifest.md 时参考）

  • references/web-fetch-guide.md（何时读取：Agent使用web_fetch工具提取产品信息时，必读）

  • references/tool-auditor.md（何时读取：Tool Auditor执行专项评分时）

  • references/toy-auditor.md（何时读取：Toy Auditor执行专项评分时）

  • references/trash-auditor.md（何时读取：Trash Auditor执行专项评分时）

  • references/trash-red-flags.md（何时读取：Trash Auditor应用火眼金睛触发清单时，必读）

  • references/auditor-templates.md（何时读取：三Auditor执行专项评分时，必遵；保证表格输出可复现）

  • references/t3-classification.md（何时读取：Final Judge进行综合判断时）

  • references/scoring-checklists.md（何时读取：快速查阅检查清单索引时）

  • references/defluff-guide.md（何时读取：进行Brand Blinding处理时）

  • references/peer-review-guide.md（何时读取：进行Peer Review时）

  • references/objective-data-standard.md（何时读取：所有阶段，确保客观数据完整性）

  • references/design-theories.md（何时读取：进行设计理论分析时）

注意事项

🚨 信息隔离（最重要）：

  • 必须确保三Auditor只能访问Brand-Blinded后的客观产品信息

  • 严禁Auditor查看原始产品信息、品牌名称、营销话术

  • 智能体在执行Auditor任务时，必须明确说明仅基于Brand-Blinded信息评估

  • 审计报告中必须包含"信息来源说明"字段

📊 客观数据完整性（核心）：

  • 必须收集完整的客观数据（技术规格、性能、可靠性、市场、可持续性、成本）

  • 所有客观数据在Brand Blinding阶段必须保留，不得移除或修改

  • 每个Auditor的评分必须基于可验证的客观数据，避免主观臆断

  • 参考 references/objective-data-standard.md 了解客观数据标准

  • 审计报告中必须包含客观数据汇总和数据完整性评分

  • 如果客观数据不足，必须标注数据缺失对评估的影响

Brand Blinding的重要性：

  • 必须先进行Brand Blinding，确保评估基于客观信息，而非品牌影响

  • Brand Blinding必须保留所有客观数据，仅移除品牌信息和营销话术

  • 区分"客观数据"和"营销话术"是Brand Blinding的核心任务

专项评分的必要性：

  • 必须基于权威参考书的专项检查清单进行评分

  • 每个评分必须追溯到具体的检查项和证据

  • 确保评分的一致性和可重复性

三Auditor独立性：

  • 三个Auditor必须同时独立评估，互不干扰，互不交流

  • 每个Auditor只能看到自己的评估任务和Brand-Blinded信息

  • 禁止Auditor之间交换信息或参考其他Auditor的结论

Peer Review的客观性：

  • 审查基于事实和证据，不针对个人

  • 提供具体的改进建议

  • 审查者和被审查者保持开放心态

  • 记录所有审查意见和回应

客观性原则：Auditors报告客观发现，即使证据支持其他分类也要如实报告

透明性：所有评估过程、理由、证据都要在报告中清晰呈现

智能体主导：Brand Blinding、三Auditor专项评分、Peer Review、Final Judge都由智能体执行，脚本仅负责爬取和格式化

使用示例

示例1：完整T3审计流程

  • 功能说明：完整的Brand Blinding + 专项评分 + Peer Review + Final Judge流程

  • 执行方式：

  • 智能体爬取产品信息

  • 智能体执行Brand Blinding

  • 智能体同时启动三Auditor专项评分

  • 智能体执行Peer Review互相审查

  • 智能体优化报告

  • 智能体执行Final Judge判断

  • 生成完整审计报告

  • 关键参数：产品URL

  • 输出示例： 产品：智能手表X Brand-Blinded：可穿戴健康监测设备，具备心率、血氧、睡眠追踪功能

🟢 Tool Auditor专项评分：82/100

  • 痛点识别与解决：28/30 ✓
    • 识别出明确痛点（9/10）
    • 解决方案直击痛点（9/10）
    • 优于现有方案（10/10）
  • 注重细节与一致性：20/25 ✓
    • 交互精心设计（8/10）
    • 设计语言一致（7/10）
    • 隐藏复杂性（5/5）
  • 简洁高效：20/25 ✓
    • 遵循少即是多（8/10）
    • 操作高效（7/10）
    • 不引人注意（5/5）
  • 工程可靠性：14/20 ✓
    • 稳定可靠（7/10）
    • 质量控制（7/10）

🟡 Toy Auditor专项评分：65/100

  • 可视性：12/15 ✓
    • 状态清晰可见（8/10）
    • 操作显而易见（4/5）
  • 反馈：11/15 ✓
    • 即时反馈（7/10）
    • 反馈信息准确（4/5）
  • 限制因素：12/15 ✓
    • 限制机制完善（7/10）
    • 限制自然合理（5/5）
  • 映射：11/15 ✓
    • 自然映射（7/10）
    • 符合心理模型（4/5）
  • 一致性：7/10 ✓
    • 内部一致（4/5）
    • 符合标准（3/5）
  • 情感设计：12/30 ✓
    • 本能层（6/10）
    • 行为层（3/10）
    • 反思层（3/10）

🔴 Trash Auditor专项评分：25/100

  • 原则1（创新）：2/10 - 小幅创新
  • 原则2（有用）：8/10 - 功能实用
  • 原则3（美观）：6/10 - 外观一般
  • 原则4（易于理解）：7/10 - 基本易懂
  • 原则5（不引人注目）：8/10 - 基本不引人注意
  • 原则6（诚实）：3/10 - 略有夸大
  • 原则7（持久）：5/10 - 可能过时
  • 原则8（细节）：6/10 - 细节一般
  • 原则9（环境友好）：4/10 - 环保一般
  • 原则10（尽可能少）：7/10 - 较为简洁

Peer Review结果：

  • Tool Auditor建议降低Toy评分（-15分）✓ 已接受
  • Toy Auditor建议提高Tool评分（+5分）✗ 已拒绝
  • Trash Auditor建议降低Toy评分（-10分）✓ 已接受

Final Judge: Tool (置信度: 78%) 理由：Tool专项评分（82）显著高于Toy专项评分（65），Trash评分（25）低，产品主要价值在于解决健康监测痛点

示例2：快速T3分类

  • 功能说明：简化流程，重点进行Brand Blinding和关键专项评分

  • 执行方式：智能体简化评估，聚焦核心检查项

  • 关键参数：产品URL，评估重点（可选）

  • 指导要点：快速识别产品的核心价值主张，应用Litmus Test和专项检查清单

示例3：竞品对比审计

  • 功能说明：对多个同类产品进行并行T3审计对比

  • 执行方式：批量爬取 + 并行三Auditor专项评分 + Peer Review + 对比分析

  • 输出格式：对比表格 + 每个产品的详细审计报告

审计流程可视化

用户输入URL ↓ 爬取产品信息（原始信息） ↓ Brand Blinding (智能体去除品牌影响) ├─ 原始信息 🔒 (密封，不对Auditor公开) └─ Brand-Blinded信息 ✅ (唯一公开给Auditor的信息源) ↓ ┌─────────────────────────────────────────┐ │ 三Auditor专项评分 (智能体并行执行) │ │ 🔒 信息隔离：每个Auditor仅能访问 │ │ Brand-Blinded后的客观产品信息 │ │ 📚 权威参考：专项评分检查清单 │ ├───────────────┬─────────────┬────────────┤ │ 🟢 Tool │ 🟡 Toy │ 🔴 Trash │ │ Auditor │ Auditor │ Auditor │ │ 🔒 信息隔离 │ 🔒 信息隔离 │ 🔒 信息隔离│ │ 📚 Build清单 │ 📚 设计心理 │ 📚 Rams原则│ └───────┬───────┴─────┬───────┴──────┬────┘ │ │ │ 专项评分 专项评分 专项评分 (初始版本) (初始版本) (初始版本) │ │ │ 独立报告 独立报告 独立报告 │ │ │ └─────────────┼──────────────┘ ↓ ┌─────────────────────────────────────┐ │ Peer Review互相审查 (智能体并行) │ │ 🔒 信息隔离：仅能看到对方De- │ │ Branded报告，不能看原始信息 │ ├─────────────────────────────────────┤ │ Tool审查Toy+Trash │ Toy审查Tool+Trash│ │ │审查意见 │ 审查意见 │ │ └─────────────────┴──────────────┐ │ │ Trash审查Tool+Toy │ 审查意见 │ │ └───────┬─────────────┴──────────────┘ │ 审查意见汇总 ↓ ┌─────────────────────────────────────┐ │ Auditor优化报告 (智能体) │ ├─────────────────────────────────────┤ │ Tool优化 │ Toy优化 │ Trash优化 │ └───────┬────┴────┬───┴─────┬─────────┘ │ │ │ 优化报告 优化报告 优化报告 │ │ │ └──────────┼──────────┘ ↓ Final Judge综合判断 ↓ 生成审计报告 (包含完整审计链)

🔒 信息隔离保证

为确保三Auditor的客观性，系统必须严格遵守以下信息隔离规则：

信息层级

原始信息（Level 0）：包含品牌名称、营销话术、情感化描述

  • 状态：🔒 密封

  • 访问权限：仅Brand Blinding模块和Final Judge（用于对比）

  • 禁止：三Auditor严禁访问

Brand-Blinded信息（Level 1）：纯功能性和客观参数

  • 状态：✅ 公开

  • 访问权限：三Auditor和Final Judge

  • 内容：技术规格、功能列表、使用场景（去品牌化）

智能体执行检查清单

智能体在执行Auditor任务时，必须确认：

  • 已明确说明仅使用Brand-Blinded信息

  • 已基于权威参考书的专项检查清单进行评分

  • 未引用任何品牌名称

  • 未参考任何营销话术

  • 评估报告中包含"信息来源：Brand-Blinded产品信息"声明

  • 评估报告中包含"专项评分依据：XXX检查清单"声明

审计报告验证

每个Auditor的报告必须包含：

{ "auditor": "Tool", "total_score": 82, "checklist_score": 82, "information_source": "Brand-Blinded产品信息（已隔离原始品牌信息）", "scoring_basis": "Tony Fadell《Build》专项检查清单", "information_isolation_confirmed": true, "checklist_compliance_confirmed": true }

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open in GitHubOpen in ClawHub

Related Skills

Related by shared tags or category signals.

Security

web-design-guidelines

Review UI code for Web Interface Guidelines compliance. Use when asked to "review my UI", "check accessibility", "audit design", "review UX", or "check my site against best practices".

Repository SourceNeeds Review
168.8K23Kvercel
Security

owasp-security-check

No summary provided by upstream source.

Repository SourceNeeds Review
392-sergiodxa
Security

audit-ui

No summary provided by upstream source.

Repository SourceNeeds Review
114-mblode
Security

security-scan

No summary provided by upstream source.

Repository SourceNeeds Review
65-jwynia