# 交付前最后一道门：四个「质检型」Skill 横评——生成过剩时代，生态开始给产出装门禁
## 概述
## 一、为什么是质检层：生成过剩时代的稀缺品
判断依据也简单：生成端的产出各家趋同，交付前有没有一道「不通过就打回」的门禁，才是成品和半成品的分界线。
## 二、评测对比表
| 质检机制 | 所属 Skill | 验证对象 | 功能 25% | 设计 25% | 实战 20% | 上手 15% | 社区 15% | 加权 |
|---|---|---|---|---|---|---|---|---|
| recalc 零公式错误门禁 | xlsx（官方） | 表格数值正确性 | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★ | ★★★★★ | **4.9** |
| Stage 3 无上下文盲测 | doc-coauthoring（官方） | 长文可读性 | ★★★★ | ★★★★★ | ★★★★ | ★★★★★ | ★★★★★ | **4.6** |
| 审问式看图 QA | pptx（官方） | 幻灯片视觉完整性 | ★★★★★ | ★★★★★ | ★★★★ | ★★★ | ★★★★★ | **4.5** |
| 修正点对账单 | chinese-content-writing-guideline（社区） | 中文写作规范 | ★★★★ | ★★★★ | ★★★★ | ★★★★★ | ★★★ | **4.0** |
评分说明：五维沿用本栏目标准权重（功能/设计/实战/上手/社区 = 25/25/20/15/15），上手星级越高越容易上手。四行评分均为编辑部基于历期实拆存档的二次评估——xlsx、pptx、doc-coauthoring 的机制细节取自 8-29 与 9-03 两期的 SKILL.md 逐段实拆，chinese-content-writing-guideline 取自 5-26 期的实测记录；本期未重新抓取正文，若与上游仓库现状不符，应以仓库为准。
## 三、主拆一：xlsx 的 recalc 门禁——把质检交给机器
8-29 期实拆时，这个 Skill 的正文核心是一句 CRITICAL 立法：**"Use Formulas, Not Hardcoded Values"**。配套一对正反例：❌ WRONG 是用 Python 算完求和再写死 `sheet['B10'] = total`；✅ CORRECT 是写入 `sheet['B10'] = '=SUM(B2:B9)'`。区别在交付之后——用户改一个数字，公式版自动联动，硬编码版就是错的。
真正的质检层在交付前最后一行：**"Every Excel model MUST be delivered with ZERO formula errors"**。保存后强制跑 `recalc.py`（LibreOffice 无头重算），脚本返回 JSON：status、total_errors、error_summary——错误精确定位到 `#REF!` 所在单元格。有错必须修复后重算，没有商量余地。
值得单独说的是它的**行规内置**：蓝色单元格 = 硬编码输入、黑色 = 公式、绿色 = 跨表链接、红色 = 外部链接、黄底 = 关键假设；负数用括号 (123) 表示。这些是投行/咨询行业的行规，写进 Skill 等于给模型预装了行业质检标准——它检查的不只是「公式有没有错」，还有「像不像一份专业交付物」。
**为什么它是质检层的黄金标准**：表格的正确性可以机器验证，于是质检从「风格建议」升级成了「门禁」——通过才放行，不过就打回，全程没有模型的主观判断参与裁决。**短板同样清楚**：依赖本地 LibreOffice；且 recalc 只能保证「公式对」，保证不了「输入的数字对」——蓝色单元格里的错误输入是这道门禁的盲区，最终事实核查仍在人这边。
## 四、主拆二：pptx 的审问式 QA——子代理替你看图
9-03 期实拆官方 pptx 时，最引人注目的是它交付前的强制闭环：soffice 转 PDF → pdftoppm 转图 → markitdown 做内容检查，再用一行 grep 扫占位符残留（`grep -iE "xxxx|lorem|ipsum"`）——最后一步，**派一个子代理去看渲染出来的图**。
这里有两个值得抄进任何 Skill 的设计决策。**第一，把「没填完」这种低级事故交给确定性工具**：占位符残留用 grep 就能抓到，绝不浪费一次模型调用——能用代码验证的绝不劳驾模型，这条优先级排序本身就是质检层的第一法则。**第二，把「好不好看」交给另一个脑袋**：视觉判断是主观项，主代理自己检查自己刚排完的版，等于让作者校对自己的稿子；派一个没有生成负担的子代理去看图，验证者和生成者分离了。
**短板**：这条链路是四道门禁里最重的——每张幻灯片都要渲染成图，慢且贵；而且子代理的审美判断终究还是模型判断，方差没有消失，只是被隔离到了验证侧。
## 五、主拆三：doc-coauthoring 的 Stage 3——换一个脑袋来读
5-19 期给这个官方写作流程引擎的定位是「结构化协作写作流程引擎」：三阶段工作流——Stage 1 信息倾倒与澄清、Stage 2 逐节迭代精炼、Stage 3 **Reader Testing（读者盲测）**。整个 Skill 最具洞察力的设计在第三阶段：用一个**没有任何先前对话上下文**的新 Claude 实例来阅读成稿，模拟真实读者的信息不对称，专捕「作者以为读者知道、其实不知道」的盲点。
这是质检层里唯一把「读者」引入验证环节的设计。它的深刻之处在于承认了一个生成端无法自救的事实：**盲点在原上下文里是不可见的**——同一个上下文里的自查是自欺，只有换一个零上下文的脑袋才测得出来。可以说 pptx 的子代理看图是它的视觉版，两者共享同一条设计基因：验证必须换脑。
**短板**：最贵的质检。5-19 期估算三阶段全流程 Token 消耗约 41,500–76,500，其中 Stage 3 约占三成——对一篇文档来说，三分之一的预算花在「被人挑刺」上。 ROI 是否为正取决于文档的价值密度：返工成本越高、越值得盲测；水稿不值得。另外盲测者是模型读者，与真实人类读者的错位依旧存在，它测出的是「信息缺口」，不是「阅读体验」的全部。
## 六、主拆四：chinese-content-writing-guideline——把修正写成对账单
社区件 jim60105/copilot-prompt 里的 `chinese-content-writing-guideline`（5-26 期实测时 skills.sh 口径 372 安装），是 skills.sh 上少数专注中文写作质量的质检件，面向繁体中文（zh-TW）。它不帮你写中文，只做一件事：把中文输出拉到母语级规范——字词层处理简繁微妙差异（「信息」vs「資訊」、「软件」vs「軟體」），句式层规范中文表达习惯（避免西化句式、量词），排版层规范中英混排的空格与标点。
5-26 期的实测记录给了它一份罕见的量化成绩单：喂入一段机器翻译的中英混排技术文档，输出标注全部修正点的对照版本——用词在地化 12 处、标点规范化 8 处、语序调整 5 处、空格规范 15 处。
这个设计值得单独表扬：**修正点可数、可分类、可核对**。多数质检件的输出是「我感觉改好了」，它输出的是一张对账单——改了哪几类、各多少处、在哪一行。质检结果从主观感受变成了可验收的交付物，这是社区件里最接近「工程化质检」的样本。**短板**：只覆盖繁体，简体中文场景是空白（而这恰是需求最大的市场）；规则集静态，跟不上平台用语的演化；个人项目、体量小，长期维护是风险。
## 七、边注：三个不参与计分的质检样本
**sepia（Nanako0129/sepia，1875 星）**——今日第 1 轮已主拆其定位（综合 4.2），本期只补一个质检视角的细节：9-03 期拆它的描述层时注意到，fiction 场景的边界写成 "diagnose AI tells without editing"——**诊断，但不代改**。把「评分权」和「修改权」拆成两个动作，是质检工位的职业伦理：先报告，再动手，不越权。这一句边界声明值得所有质检型 Skill 抄写。
**writing-great-skills（mattpocock/skills）**——8-29 期已把它定位成「写给 Agent 的写作论」，换个角度看它其实是质检方法论的元层：no-op 判定法（这句话相对模型默认行为改变了什么？没改变就删）是句子级质检；「每个步骤必须以 checkable 且 exhaustive 的完成判据结尾」专治 premature completion——是对「完成声明」本身的质检。生成器生产内容，它生产「怎么验证内容」的规则。
**humanize-academic-writing（momo2young，7-04 期口径 1.2K 安装）**——学术线去 AI 味，与 sepia 构成「学术/通用」两极，7-04 跨语言专题已给过三维评分，此处不再重复计分，只记录格局：去 AI 味质检已有学术、通用两条产品线，说明这个细分已被市场验证。
## 八、模式提炼：质检层的三条设计定律
四道门禁放在一张桌上，三条规律浮出来：
**定律一：能确定性验证的，绝不交给模型判断。** xlsx 的公式重算是脚本，pptx 的占位符扫描是 grep——两者的共同点是先用最便宜的确定性工具把「可机验」的部分清干净，模型只裁决机器验不了的残余（视觉、语义）。反过来的顺序（先问模型、机器兜底）成本和漏检率都更高。
**定律二：验证者与生成者必须换脑。** doc-coauthoring 用零上下文新实例，pptx 派子代理看图——同一个上下文里的自查是自欺，盲点在生成上下文里结构性不可见。换脑的成本（新实例、子代理）就是质检的定价单位。
**定律三：质检结果必须可计数、可定位、可回滚。** recalc.py 把错误定位到单元格，jim60105 把修正分类计数，盲测产出盲点清单。「通过/不通过」太粗——颗粒度决定质检结果能否直接驱动返工循环。不可数的质检等于没质检。
对照之下，生态里大量「生成即交付」的社区件缺的正是这一层。8-31 期复用类横评总结过「把交付标准写成数量」的提示词技巧，本期可以再进一步：**数量约束管生成端的贪多与偷懒，门禁管交付端的放行与打回——两者合起来才是完整的闭环。**
## 九、质检流水线全景
```mermaid
flowchart TB
subgraph GEN["生成层：任何赛道都能产出初稿"]
A["写作 / 翻译 / 表格 / 幻灯片"]
end
subgraph GATE["质检层：交付前的四道门（本期横评对象）"]
B1["xlsx · recalc.py
无头重算，零公式错误才放行
错误定位到单元格"]
B2["pptx · 审问式 QA
grep 占位符 + 子代理看图
确定性工具优先"]
B3["doc-coauthoring · Stage 3
零上下文新实例盲测
验证者与生成者分离"]
B4["chinese-content-writing-guideline
修正点分类计数对照报告
繁中规范对账单"]
end
D["交付"]
A --> B1 --> D
A --> B2 --> D
A --> B3 -->|"盲点清单 → 返回 Stage 2 修复"| A
A --> B4 --> D
```
注意 B3 的回边：四道门里只有盲测设计了「打回重做」的回路，其余三道都是「修到通过为止」的线性循环——**盲测是唯一假设「问题可能出在需求理解而非执行」的门**，这也是它最贵却最难替代的原因。
## 安装与使用
```bash
# 官方三件（xlsx / pptx / doc-coauthoring）：随官方 skills 分发
# 本机经 anthropic-agent-skills 插件装载，注册表中以 example-skills:xlsx 等形式可见
/plugin install anthropic-agent-skills # Claude Code 内执行，或按官方仓库 README 操作
# 社区：中文写作质检（繁中）
npx skills add jim60105/copilot-prompt@chinese-content-writing-guideline
xlsx 与 pptx 的质检环节需本地 LibreOffice（recalc 与渲染均调用 soffice），首次运行会自动配置；doc-coauthoring 零额外依赖，成本在 Token 而非环境。
## 推荐排行榜
| 奖项 | 归属 | 一句话理由 |
|---|---|---|
| 最硬门禁 | xlsx recalc | 唯一做到「机器裁决、不过不 delivery」的样本 |
| 最巧机制 | pptx 看图 QA | grep 与子代理的分工是资源调度的教科书 |
| 最贵且最难替代 | doc-coauthoring Stage 3 | 三成预算买一个零上下文的读者，值不值取决于稿子的价值密度 |
| 最被低估 | chinese-content-writing-guideline | 对账单式输出最接近「可验收质检」，只输在只做繁中 |
| 最佳免费借鉴 | sepia 的边界句 | "diagnose without editing"——一句话划清评分权与修改权 |
## 结语与空位
质检层横评补上了第 4 轮五格（写作/翻译/SEO/PPT/数据处理）里贯穿性的缺失一环，但三处空位仍然敞开：其一，**数字一致性质检**——报告叙述里的数字与表格数字是否一致，至今没有专件，这是「数据处理」四格里真正的空白；其二，**简体中文质检件**缺位，需求最大的市场没有对账单；其三，「质检报告」作为独立交付物的标准化——把 QA 结果变成可以直接发给客户的文件，无人认领。按本栏目一贯的观察，哪里有门禁缺口，下一批新 Skill 就会从哪里挤进来。
## 参考来源
> [!tip] 51学通信知识星球
> **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。
> **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。
> **当前规模**：5200 篇主题 / 990 个回答，198 元/年。
> **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。
> **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。
