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。
skillhub install @org-28ib33ph/lingyi-creator-filter
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:
- 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。 - 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」。
- 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」。
- 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。 - 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」。 - 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」。 - 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。
- 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。 - 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。
- 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。 - 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:
- 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;
- 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;
- (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:
- 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。
- 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:
- 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;
- 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」:
- 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。 - 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。 - 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):
- 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。
- 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。 - 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 ›百炼®标书是一个面向投标场景标书写作的skill,可以帮用户完成四件事:解读招标文件、生成投标文件、审查投标文件合规风险以及标书查重。它
62 75.8万 AdMapix广告投放工具AdMapix广告原始数据层,广告创意/应用/排名/下载收入
1 35.3万 全国招标中标查询及分析【知了标讯】全网招中标数据查询与分析助手。当用户涉及以下任何场景时,必须使用此SKILL:查询招标/中标公告、搜索标讯、查找临期/即将到期项目、商机
14 23.9万 商品图将真实产品照片制作成影棚级电商主图、场景图或面向市场平台的高清商品图。这款 AI 商品图工作室用于商品图片处理和电商图片编辑,可替换背景
13 15.3万 知了标讯 · 全网招中标数据查询全网招中标数据查询与分析助手。当用户涉及以下任何场景时,必须使用此SKILL:查询招标/中标公告、搜索标讯、查找临期/即将到期项目、商机
13 14万 才谷网投票才谷网投票是才谷网(chinacaigu.com)旗下的 AI 投票制作技能——10年品牌、超亿人使用、全免费的共享投票小程序。当用户需
0 13.6万