Agent Skill

视频号达人筛选

【零一数科·出品】视频号达人筛选(付费版)。找了好几个达人想合作,但到底哪个真能带得动你的货?挑错人 = 白花钱还没转化。把产品和候选达人发给我,AI 逐个深扒每位达人的受众画像、内容调性、转化潜力,按六维评分排推荐名次,直接告诉你首选跟谁合作、为什么他最合适——再也不用凭感觉选人。报告含推荐排名、六维匹配评分、首选达人合作方案、受众画像与代表视频。触发词:视频号达人筛选、视频号达人匹配、达人筛选、达人匹配、带货达人筛选、达人带货、达人带货筛选、哪个达人适合带货、KOL筛选、达人对比、达人推荐、达人投放、视频号达人、达人数据分析、找达人、选达人、达人合作、creator match。

商业运营·零一数科·来自 skill_hub·skillhub.cn ↗
skillhub install @org-28ib33ph/lingyi-creator-filter
7 Stars·3.4万 综合热度·11,436 字文档·源站更新 2026-11-05

README 文档

11,436 字

视频号达人筛选

版本:v0.2.0 · 作者:小风、CoderPig、Awen

使用远端服务做视频号达人匹配。核心场景:你已经有产品、也手动物色了一批想合作的视频号达人,但拿不准哪个更适合带你的货——本技能让 AI 逐个分析这批候选达人的受众、内容、转化潜力与你的产品是否对口,按六维评分排出推荐排名,告诉你首选跟谁合作、为什么,帮你从一批人里筛出最该带货的那几位。输入为你要推广的产品 + 一批候选达人账号名称,产出一份达人匹配分析报告(推荐排名 / 六维匹配评分 / 首选达人合作方案 / 受众画像与代表视频 / 内容特征 / 后续动作)。核心提示词在后端,本 skill 只做用户层引导与控制。脚本 scripts/creator_match.py 负责全部 HTTP 调用(读配置 + 发起任务 + 轮询 + 交付报告),接口说明见 references/api.md,交互约定见 references/usage-notes.md。

⚠️ 本技能不会帮你找达人——候选达人是你已经选定、想拿来对比的那一批;它做的是「对这批候选人逐个分析、筛出谁更适合带货」。如果还没物色候选人,请先去视频号挑好人选,再来用本技能对比。

按以下顺序执行,每一步都对应后续章节的细节:

  1. 取 API Key:读技能目录下 config.json 的 LYAPIKEY(回退环境变量)。缺失按「鉴权」流程引导用户获取并写入,再继续。
  2. 初始引导 + 信息收集:判断用户是否给齐了「候选达人账号列表」+「产品投放需求」。缺项按「引导话术」对应场景引导补齐。详见「信息收集」。
  3. 达人账号名称准确性确认:达人匹配是按账号名称定位的,名称错了就会匹配到别的账号或匹配失败。先复述确认账号名无误,建议从视频号复制准确昵称。详见「账号名称准确性」。
  4. 读配置(可选枚举):用户给的信息里如果要用行业 / 投放类型 / 价格档位 / 消费决策类型,先跑 --config 拉取可选枚举,把 label 展示给用户选、用 options[].value 入参(不要用 label)。详见「读配置」。枚举可缓存,不必每次都拉。
  5. 预估扣点 + 二次确认(必做关卡):首次执行(非 --task-id 恢复)时,先用 --estimate-only 创建任务拿到 task_id 和预计扣点(服务端返回就用真实值,否则按 198×达人数 估算),向用户发确认话术——明确告知点数消耗非常大且会随账号数量、达人视频数量浮动,「确认要开始吗」让用户明确确认;未确认不轮询、不继续。预估 198×达人数 只是参考,最终扣点按服务端实际计费为准(可高可低)。恢复超时任务不重复扣点,跳过本步。详见「扣点与确认」。
  6. 发起匹配 + 连续轮询循环(不许停):用户确认后,--estimate-only 已完成创建,立即用 --task-id 开始轮询,并且进入一个不停顿的循环,直到拿到终态结果。绝对不允许给一次进度就停下来等用户——那样用户会以为断了。正确做法:每跑一次 --task-id,无论脚本返回的是"还在跑"还是"完成了",都要:先给用户一句话进度/结果 → 然后立刻决定下一步(非终态 → 立即再跑 --task-id;终态 → 交付报告)。一个回合里可以连续跑多次 --task-id,直到出终态或你判断需要让用户说话为止。 详见「发起匹配与轮询」。
  7. 交付报告:终态完成后,按「输出交付」把分隔符之间的 Markdown 真正渲染给用户,告知本次实际扣点与报告查看方式。

若是恢复已超时的任务,跳过 1 之后的鉴权检查与 5 的确认,直接用 --task-id <id> 从第 6 步恢复轮询(点数已在发起时扣除,不重复扣点)。

任一步异常按「退出码处理」表对号入座,不要自行判定失败。

鉴权

Token 取「技能目录」(SKILL.md 所在目录)下 config.json 里的 LYAPIKEY 字段,回退到环境变量 LYAPIKEY。脚本请求头使用 Authorization: Bearer <api_key>。config.json 形如:

{ "LY_API_KEY": "你的密钥" }

运行脚本前,先按下面的流程确认 key 就绪。任何时候都不要编造或猜测 key。

  1. 检查是否已有 key。 读技能目录下的 config.json,看 LYAPIKEY 是否为非空字符串;若没有,再看环境变量 LYAPIKEY。两者任一有值即视为就绪,直接进入后续流程。
  2. 缺失则引导用户获取。 若都没有,停下来提示用户前往 <https://claw.lingyishuke.com/webapps/01claw-auth/index.html?source=workbuddy> 获取 API Key,并让用户把拿到的 Key 直接发给你。在拿到 key 之前不要运行脚本。
  3. 记录用户发来的 key。 收到 key 后,把它写入技能目录下的 config.json 的 LYAPIKEY 字段(保留文件其它内容),然后再运行脚本。该文件已被 .gitignore 忽略,不会入库。
  4. 鉴权失败(退出码 3)时。 多半是 key 失效或过期。提示用户重新前往上述地址获取新 key,按第 3 步覆盖写入 config.json 后重试;不要反复用同一个失效 key 重跑。

若运行报 SSL 证书错误(CERTIFICATEVERIFYFAILED 等,常见于 macOS 缺证书或企业代理环境),可设环境变量 LYSKIPSSL_VERIFY=1 后重试。注意:跳过证书校验有中间人风险,仅在受控环境临时使用。

信息收集

匹配前与用户确认以下信息(缺项给默认建议,必填缺失则一次性问清):

字段必填说明
候选达人账号名称列表是视频号达人账号(昵称),1~10 个(上限 10),建议 2–5 个;从视频号复制准确昵称
产品名称是产品名称,越具体越好
核心卖点是产品核心卖点列表,至少一个
消费决策类型建议(可透传)冲动消费型 / 比较决策型 / 信任驱动型等,可选值见 --config 的 decision_type;会透传给后端
价格档位建议低客单 / 中客单 / 高客单,可选值见 --config 的 price_band
产品价格建议产品价格(数字)
行业可选产品所属行业,可多选,可选值见 --config 的 industries
投放类型可选内容种草 / 直播带货等,可多选,可选值见 --config 的 campaign_types
扩展信息可选文档抽取内容或其它补充文本,会透传给后端参考
平台可选默认 channels(微信视频号),一般不用改

账号身份由 API Key 自动识别,无需在请求中传递。产品信息填得越完整,匹配结果越有效。

账号名称准确性

本技能是按账号名称去逐个定位并分析对应达人的,名称错了就会分析到别的达人或分析失败、白白扣点,因此运行前必须确认账号名称准确无误:

  • 拿到用户给的账号名称列表后,先简短复述一遍确认:「我将对比分析【账号 A、账号 B、账号 C】这几位达人,看谁更适合带你的产品【产品名】,对吗?」;用户给的名称含错别字、歧义或为简称时,主动核对完整、准确的账号昵称。如果超过 10 个,提醒用户「最多只能对比 10 位达人,请缩减」。
  • 建议用户从微信视频号里复制各位达人的准确昵称后再发给你,避免手打出错。
  • 确认无误后再进入「读配置」与「扣点与确认」。

引导话术

当用户触发本技能但未给齐信息、或输入有误时,按以下场景引导。语气亲和自然,不罗列技术参数。

未提供输入(初始引导)

技能已就绪 ✅ 适合这样的场景:你已经有产品、也物色了一批想合作的视频号达人,但拿不准哪个更适合带你的货。把它们发给我,AI 会逐个分析这批达人的受众、内容、转化潜力跟你的产品对不对口,按六维评分排出推荐排名,告诉你首选跟谁合作、为什么——帮你从一批人里筛出最该带货的那几位。🎯

随时可以开始,把下面这些发给我:

  1. 候选达人账号名称(1~10 个,建议 2–5 个)——你已经物色好、想拿来对比的那一批,从微信视频号复制准确昵称;最多不能超过 10 个;
  2. 你要推广的产品:产品名称和核心卖点必填,另外价格、价格档位(低/中/高客单)、消费决策类型(冲动/比较/信任型)填了更准;
  3. (可选)产品行业、投放类型、扩展信息(如有补充材料)、平台(默认微信视频号)。

拿到信息后,我会先跟你确认账号名准确、并告知本次扣点成本,你确认后再提交分析,通常几分钟出报告 📊

💡 提前说明一下成本:本服务需要逐个读取达人账号的视频数据来分析,平均每读取一个达人约耗费 198 点——你要对比的达人越多,点数消耗越巨大。具体以实际任务复杂度为准。所以建议先挑最值得对比的那几位(比如 2–5 个),别贪多,最多不能超过 10 个。

⚠️ 本技能只对你已经选定的那批达人做对比筛选,不会帮你去找新达人——如果还没物色候选人,先去视频号挑好人选再来。

候选达人信息不全

要做达人筛选,得知道你想对比哪几位达人 😊 把你已经物色好、想拿来对比的达人账号名称(1~10 个,建议 2–5 个)发给我吧,从微信视频号复制准确昵称最稳。

产品信息不全

要判断哪位达人更适合带你的货,得先说清楚你要推广的产品:产品名称和核心卖点是必须的,另外价格、价格档位(低/中/高客单)、消费决策类型(冲动/比较/信任型)填了更准 🙏

达人账号名称疑似不准 / 需确认

达人筛选是按账号名称来逐个定位的,名称务必准确无误——错一个字就可能分析到别的达人、或分析失败白扣点 😅

确认一下,是【<用户给的名称列表>】这几位达人吗?建议你从微信视频号里把各位达人的准确昵称复制过来再发我,避免手打出错。

缺少 API Key

做达人筛选要调用远端的付费服务,首次使用得配置一下 API Key 🔑

👉 打开这个链接登录/注册 01Claw 账号并获取 Key:https://claw.lingyishuke.com/webapps/01claw-auth/index.html?source=workbuddy

拿到 Key 后直接粘贴发给我(一串字符即可),我会帮你存好,之后筛选达人就不用再管它了。这个服务按次计费,余额不足时我会提醒你充值。

读配置

行行业 / 投放类型 / 价格档位 / 消费决策类型的合法可选值以接口实时返回为准:

python3 scripts/creator_match.py --config
  • stdout 以 === CREATORMATCHCONFIGSTART === / === CREATORMATCHCONFIGEND === 包裹原始 JSON;
  • stderr 会打一份易读清单(如「• 行业:教育培训(value=education)、3C 数码(value=3c_digital)」),可直接转述给用户挑选项。

把 label 展示给用户选,创建任务时用对应的 value 入参(--industry / --campaign-type / --price-band / --decision-type),不要用 label。枚举可缓存,同一会话不必每次都拉。详见 references/api.md。

扣点与确认

本技能每次「新发起」匹配任务都会扣点,且达人匹配要研究多个候选达人账号 × 多个达人视频,链路长、单次消耗的点数非常大、且会随账号数量和达人视频数量浮动。整条链路对用户的扣点感知由你(assistant)来贯穿,务必在开始轮询/生成报告前让用户确认:

  • 拿到真实预估扣点:信息收集完成、账号名确认无误、API Key 就绪后,先运行一次 --estimate-only 创建任务。脚本会打出三行标记(无网络/余额问题时):
  CREATOR_MATCH_TASK_ID=<task_id>
  CREATOR_MATCH_ESTIMATE_POINTS=<预计扣点>
  CREATOR_MATCH_ESTIMATE_SOURCE=<服务端返回 | 默认估算(服务端未在创建响应里返回点数字段)>

CREATORMATCHESTIMATEPOINTS 就是本次预计扣点:服务端在创建响应里返回了点数字段就用真实值,没返回就按 198 × 候选达人数 估算(来源见 CREATORMATCHESTIMATESOURCE)。这只是预估参考——达人匹配需要逐个读取达人账号的视频数据,平均每读取一个达人约耗费 198 点:候选达人越多,点数消耗越巨大(例如 1 位约 198 点、3 位约 594 点、5 位约 990 点)。具体以实际任务复杂度、达人视频数量而定,最终扣点按服务端实际计费为准(可高可低),以 01Claw 账户扣减为准。记下 taskid,等用户确认后用它轮询。注意:--estimate-only 已经在服务端创建了任务,确认通过后用 --task-id <taskid> 继续轮询即可,不要重新 --estimate-only 或重新创建——重复创建会产生新任务、重复扣点。

  • 执行前确认(仅新任务,非 --task-id 恢复):拿到上面三行后,继续轮询之前向用户发出确认,等用户明确同意后才能用 --task-id 轮询。确认话术如下,把 {预计扣点} 换成 CREATORMATCHESTIMATE_POINTS 的值:

⚠️ 即将开始达人匹配任务,提醒你两件事:

  1. 本次任务消耗的点数非常大——达人匹配需要逐个读取达人账号的视频数据,平均每读取一个达人约耗费 198 点:候选达人越多,点数消耗越巨大。本次共 {达人个数} 位达人,预计约 {预计扣点} 点(198 × {达人个数})。实际会随达人视频数量、任务复杂度而浮动,最终以服务端实际扣点为准(可高可低)。任务已创建、确认后即继续扣点,请确认你知晓这笔成本。
  2. 达人账号名称务必准确无误——分析是按账号名称定位的,错一个字就可能分析到别的达人、或分析失败白扣点。建议从微信视频号里把各达人准确昵称复制过来核对。

确认要开始筛选吗?回复「确认/继续」我就继续;如果还要改达人账号或暂不跑,告诉我即可。

等用户明确确认(如「确认」「继续」「开始吧」)后再用 --task-id 轮询;用户未确认、未回应、含糊或要求改主意时,不要再轮询。不要因为用户「可能想匹配」就默认继续。

  • 执行成功后回告实际扣点:见「输出交付」,把脚本透出的 CREATORMATCHPOINTS_USED 作为实际扣点告诉用户,并给出查看报告的方式。
  • 执行失败后告知点数返还:见「退出码处理」,任务已发起但未成功产出报告时(failed / timeout / 网络 5xx),告知用户「因网络原因本次任务执行失败,相应点数已返还」并询问是否重试;timeout 附 task_id 可用 --task-id 恢复轮询。

恢复已有任务(--task-id)时点数已在发起时扣除,本次仅继续轮询,不重复扣点、不需再次确认。

运行方式

在 skill 目录下运行。

第一步:读可选枚举(按需,可缓存):

python3 scripts/creator_match.py --config

第二步:创建任务 + 拿到预计扣点(不轮询,用于确认前报价):

python3 scripts/creator_match.py \
  --account "达人A" --account "达人B" --account "达人C" \
  --product-name "多功能学习机" --product-price 39 \
  --price-band low --decision-type impulse \
  --selling-point "一机多用" --selling-point "学英语" \
  --industry education --campaign-type seeding \
  --estimate-only

第三步:用户确认后,用 task_id 轮询出报告:

python3 scripts/creator_match.py --task-id "<task_id>" [--out ./达人匹配报告.md]

恢复超时的任务同上(跳过创建,直接轮询)。

可选参数:

  • --account <账号名称>:候选达人账号名称,可多次传入,1~10 个。
  • --product-name:产品名称(必填)。
  • --selling-point <卖点>:产品核心卖点(必填,至少一个),可多次传入。
  • --product-price / --price-band / --decision-type:产品信息(--price-band / --decision-type 的合法值见 --config;--decision-type 为可透传字段)。
  • --extra-data <文本>:扩展信息,文档抽取内容或其它补充文本(选填)。
  • --industry <行业> / --campaign-type <投放类型>:可多次传入,合法值见 --config。用 value 不用 label。
  • --platform <平台>:默认 channels(微信视频号)。
  • --config:只拉取可选枚举后退出(与 --estimate-only / --task-id 互斥)。
  • --estimate-only:只创建任务、拿 taskid 与预计扣点后即退出(不轮询)。打三行标记:CREATORMATCHTASKID / CREATORMATCHESTIMATEPOINTS / CREATORMATCHESTIMATESOURCE。
  • --task-id ID:已有的任务 ID(来自 --estimate-only 的 CREATORMATCHTASK_ID,或超时恢复),直接进入轮询。
  • --out PATH:报告输出路径,目录或文件均可(不传时三级兜底落盘)。
  • --max-wait:等待上限秒,默认 1200(对齐文档「20 分钟总等待上限」建议)。
  • --interval:轮询间隔秒,默认 8(文档建议 5–10s)。

发起匹配与轮询

脚本向 POST /api/v1/common-gateway/analysis-skill/creator-match 发起任务,body 含 platform / industries / campaigntypes / targetaccounts[] / product{}(详见 references/api.md)。成功后取得 data.task_id,再轮询:

GET /api/v1/common-gateway/analysis-skill/creator-match/{task_id}

⚠️ 连续轮询循环——最关键的交互规则

助手最容易犯的错误就是:跑一次 --task-id,给了用户一句进度,然后就停下来不再继续——用户等半天没动静,以为断了。这是本 skill 最严重的体验问题,必须杜绝。

正确做法是连续循环:

用户确认 → 跑 --estimate-only(创建) → 拿到 task_id
   ↓
进入循环:
   跑 --task-id <id>
   ↓
   判断结果:
   - 非终态(脚本退出码 0 但还在跑/排队中)→ 给用户一句话进度 → 立即再跑 --task-id
   - 终态 completed → 交付报告(渲染 Markdown + 告知扣点 + 文件路径)
   - 终态 failed/timeout → 按退出码处理
   - 脚本退出码非 0(异常) → 按退出码处理

核心铁律:非终态 = 立即再跑一轮,不许停。 每次轮询之间给用户一句简短进度即可,不需要等用户说话。

进度转述

脚本进度写到 stderr,每次 --task-id 返回后:

  1. 先给用户一句简短的人话进度(例如「还在跑,约 2 分钟了,服务端处理中…」「已等约 5 分钟,仍在分析中…」),让用户知道你在盯着;
  2. 然后立即决定下一步——非终态就再跑 --task-id;终态就交付或处理错误。

典型 stderr 行形如:

[执行中] · 已等待45s · 达人匹配任务执行中
[执行中] · 已等待120s · 服务端处理中,请稍候…
[完成] · 已等待210s

转述时用人话,不要原样贴 [执行中] · 已等待Ns 这种技术日志。状态枚举见 references/api.md。

注意:真实接口在 pending/running 阶段通常不返回 currentstage / progressmessage / 进度百分比字段,但会返回 progressmessage 文案(如「达人匹配任务执行中」)。脚本会回退用「状态 + 已等待时长 + progressmessage 文案」反馈,并在没细节时每 30s 保活一行「服务端处理中,请稍候…」——这是正常的,不代表卡住。只要 status 在推进或保持 running 即可。判定任务是否成功只看 data.status——HTTP 200 只表示「成功查询到状态」,任务本身失败时 HTTP 仍可能是 200。

远端匹配通常需要几分钟(达人匹配任务较复杂,可能 5–10 分钟甚至更久)。轮询一开始就告诉用户「已开始筛选、任务进行中、可能耗时较久,请耐心等待,我会持续盯着进度」,之后持续循环轮询,每轮给用户一句话进度,全程不允许长时间沉默。

若发起任务时余额不足,脚本以退出码 4 退出。引导用户前往 <https://claw.lingyishuke.com/webapps/01claw-auth/index.html?source=workbuddy> 充值;充值前不要继续轮询。

用户问进度时

轮询循环期间用户若问「好了吗 / 跑到哪了」:

  1. 取最近一次 --task-id 返回的 stderr 进度行自然转述,例如「还在跑,约 2 分钟;服务端处理中;任务 ID xxx」。若距上次轮询已过一会儿,再跑一次 --task-id <id> 现查后转述。
  2. 转述后立即继续轮询循环(再跑 --task-id),不要停下等用户——保持会话有输出。
  3. 禁止回复「查不了任务状态 / 没有 taskid」——创建后立刻有 taskid 与进度。

输出交付

成功时 stdout 形如:

CREATOR_MATCH_POINTS_USED=<本次实际扣点,可能为空>
CREATOR_MATCH_REPORT_FILE=<报告文件绝对路径或空>
=== CREATOR_MATCH_REPORT_START ===
<完整 Markdown 报告>
=== CREATOR_MATCH_REPORT_END ===

交付时按顺序做三件事(这三步缺一不可,尤其是第 1 步——报告必须真正呈现为 Markdown,不能只甩个文件路径或把分隔符原文贴给用户):

  1. 渲染报告(最重要,务必做对):截取 === CREATORMATCHREPORTSTART === 与 === CREATORMATCHREPORTEND === 两个分隔符之间的 Markdown 正文,把它作为 Markdown 渲染呈现给用户——即对话里要让用户看到真正的「标题、表格、列表、分隔线」排版,而不是带有分隔符标记或 \n 字面的原始文本。
  • ⚠️ 不要把 === CREATORMATCHREPORTSTART === / === CREATORMATCHREPORTEND === 这两行分隔符、或 CREATORMATCH*= 这些协议行展示给用户。
  • ⚠️ 不要只说「报告已生成」却不渲染正文。正文必须出现在回复里。若正文过长,至少完整渲染前 2–3 个二级标题段落并说明完整报告已落盘;但凡能放下,优先完整渲染。
  • 报告正文由后端渲染(data.markdown,从 # 达人匹配分析报告 起步),skill 侧不做模板。直接渲染即可,不要二次加工、不要改写表格。
  1. 告知实际扣点:若 CREATORMATCHPOINTSUSED 非空,告诉用户「本次任务实际扣除 {点数} 点」(以最终完成任务时的实际点数为准);为空时回退用第一步 --estimate-only 给的 CREATORMATCHESTIMATEPOINTS 值,说「本次任务约扣 {预估} 点(实际以服务端扣点为准,可在 01Claw 账户查看)」。两步报的数字保持一致。
  2. 告知报告查看方式:报告已渲染在上方对话中;同时必定已保存为 Markdown 文件,路径见 CREATORMATCHREPORTFILE(绝对路径),直接打开该文件即可查看/归档。脚本对落盘做了三级兜底(--out 指定路径 → 当前工作目录 creator-match-<taskid>.md → /tmp/creator-match-<taskid>.md),只要任务 completed 且能取到 markdown,就一定生成 md 文件——CREATORMATCHREPORTFILE 非空即落盘成功。仅当该字段为空(极端不可写环境)才说明「文件未落盘,正文已在上面对话中,可让我重新指定 --out 保存」。

报告 markdown 优先取服务端 data.markdown;若服务端偶尔没返回 markdown,脚本会兜底把结构化结果渲染成 Markdown,确保用户总能拿到一份 md。这是针对「有时没渲染为 md」的脚本侧保险。

若文件写入失败但 stdout 有报告正文,仍按上面方式在对话中交付报告并说明扣点。

退出码处理

码含义处理
0成功按「输出交付」处理(渲染报告 + 告知实际扣点 + 告知查看方式)。
2输入错误让用户补齐候选达人账号名称(1~10 个)、产品名称、核心卖点等必填信息;任务未发起,不扣点。
3缺 key 或鉴权失败按「鉴权」流程处理:引导用户前往 https://claw.lingyishuke.com/webapps/01claw-auth/index.html?source=workbuddy 获取 key,收到后写入 config.json 再重试。任务未发起,不扣点。
4发起任务失败,含余额不足展示服务端 message;余额不足时引导用户前往 https://claw.lingyishuke.com/webapps/01claw-auth/index.html?source=workbuddy 充值,有服务端充值链接则优先用它。任务未成功发起,不扣点。
5任务失败告知用户「因网络原因本次任务执行失败,相应点数已返还」;转述 stderr 中的失败原因,并询问是否重试一次。
6发起或轮询阶段的网络 / 限流 / 任务失效停止并告知用户「因网络原因本次任务执行失败,相应点数已返还」;说明网络、限流、服务端不可用或任务失效等实际原因;附 stderr 中具体信息,询问是否重试。
7完成但无可渲染报告status 已 completed,但响应里既无 markdown、也无可渲染的结构化结果(脚本已内置 60s 宽限轮询,多数能补齐)。仍为空时:转述 stderr 中的 status/error_message(若有);建议稍候用 --task-id <id> 重新轮询一次;多次仍空则联系服务端排查。任务已发起,按实际扣点处理。
124超时(含 status=timeout 终态)说明任务可能仍在进行,附 task_id,用 --task-id <id> 重新轮询恢复。若用户放弃恢复,告知「因网络原因本次任务执行失败,相应点数已返还」并询问是否重试。

一句话:任务已发起但未成功产出报告(退出码 5、6,以及放弃恢复后的 124),统一告知用户「因网络原因本次任务执行失败,相应点数已返还」并询问是否重试;任务未发起到位的(2、3、4)不涉及扣点,正常引导修正即可。

未知状态不要自行判定失败;脚本会原样透出 status,继续按轮询结果处理。

通用原则

  • 引用 reference 用相对于 SKILL.md 的路径。
  • 报告完整 Markdown 由后端渲染(data.markdown),skill 侧不做模板。
  • 最终 MD 由 creator_match.py 三级兜底落盘后覆写到 --out(或工作目录 / /tmp),agent 不要手动追加/改写输出文件。
  • 交付报告时务必把分隔符之间的 Markdown 真正渲染给用户,这是本 skill 的硬性交付要求(见「输出交付」第 1 步)。
  • 只使用达人匹配的三个接口:GET /creator-match/config → POST /creator-match → GET /creator-match/{task_id},见 references/api.md。
  • 不要在 pending/running 状态下重复调用创建接口——重复创建会产生新任务、重复扣点。
  • 拆分轮询防会话中断:--estimate-only 创建 + 多次 --task-id 短轮询续接,循环到终态。非终态不许停——给一句进度后立即再跑 --task-id,直到出终态。详见 references/usage-notes.md。

同分类其他技能

查看全部 ›