What makes Trae-Hot notable?

2K downloads. Trust evidence available

How should Trae-Hot be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

Trae-Hot

TRAE AI创造力大赛批量申报工作流。引导式互动：选题→报名帖→HTML产品页→初赛深化→初赛帖→模拟评委打分→视频脚本→打分预测→回收。调用cheat-on-content做内容评分与预测。当用户提到大赛申报、做demo、报名帖、初赛帖、视频脚本、打分预测时使用。 Skill: Trae-Hot Owner: pandleeai Summary: TRAE AI创造力大赛批量申报工作流。引导式互动：选题→报名帖→HTML产品页→初赛深化→初赛帖→模拟评委打分→视频脚本→打分预测→回收。调用cheat-on-content做内容评分与预测。当用户提到大赛申报、做demo、报名帖、初赛帖、视频脚本、打分预测时使用。 Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-10T13:22:27.542Z | auto trae-hot 0.1.0 Changelog - 首个公开版本，支持TRAE AI创造力大赛批量申报完整工作流。 - 全8阶段引导：选题→报名帖→HTML产品页→初赛深化→初赛帖→模拟评委打分→视频脚本→打分预测→回收。 - 自动/手动触发机制，含关键词识别及新/继续demo命令。 - 严格数据分离：流程模板可开源，私有进度数

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

2.0k

Updated

Oct 9, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 2K downloads reported by the source. Last updated 10/9/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 9, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 9, 2026
Adoption signal: 2K downloadsadoption · observed Oct 9, 2026
Latest release: 0.1.0release · observed Aug 10, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s170jzzknywxvr8m26vn7tgach8c6mes:traehot

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/snapshot"

Documentation

CLAWHUB

36,989 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

deps/cheat-on-content/SKILL.md

---
name: cheat-on-content
description: 给所有想把"感觉"变成可校准预测的内容创作者。**方法论通用**——打分 → 盲预测 → T+3d 复盘 → 进化 rubric 的循环适用任何能被量化（播放 / 阅读 / 收听 / 点击）的内容。**rubric 是循环的内容，不是循环本身**——当前内置一份观点视频 rubric（参考博主 25+ 视频拟合），其他形态可借这套起步并 bump 调权重。**强烈建议导入对标账号**作为初始信号源（/cheat-learn-from）。触发词："初始化"/"打分这篇"/"启动预测"/"已发布"/"复盘"/"升级 rubric"/"推荐选题"/"抓热点"/"状态"/"找对标"/"learn from"。**首次使用必须先跑 /cheat-init。**
argument-hint: [draft-path] [— mode: cold-start|calibration]
allowed-tools: Bash(*), Read, Write, Edit, Grep, Glob, Skill, mcp__llm-chat__chat
---

# 网红作弊器 / Cheat on Content

> 🎯 **方法论通用，rubric 当前内置观点视频版**
>
> **方法论**（5 阶段闭环）：任何能被量化的内容形态都适用——视频 / 文章 / 播客 / Newsletter / 短文 thread。
>
> **当前内置 rubric**：观点类视频（评论 / 时评 / 论说 / 议题讨论 / 个人观点表达），7 个维度由参考博主 25+ 已发样本拟合而来。如果你做其他形态，需要：
> - 自己写一份 rubric（参照 [starter-rubrics/opinion-video-zero.md](starter-rubrics/opinion-video-zero.md) 的格式）
> - 或等内置扩展（长文 / 短文 / 播客 starter 在批次 3 路线图）
>
> 默认假设：**用户是从零开始的新人**（一条视频都没发过）——cold-start 期的预测会**简化**，只要 7 维打分 + 一句话 bet，不强求 bucket 数字（避免 false precision）。已有 5+ 篇数据的老手走 calibration 模式解锁完整 7 组件预测。

把内容创作变成可校准预测循环：**打分 → 预测 → 发布 → 复盘 → 进化 rubric**。

本文件是**总协议 + 路由器**。具体每个阶段的工作流在 `skills/cheat-*/SKILL.md` 各子 skill 里。

## Codex compatibility

Codex 没有 Claude Code 的 slash-command harness。安装到 Codex 后，按自然语言触发同一套路由即可：

- `初始化 cheat-on-content` → 读取并执行 `skills/cheat-init/SKILL.md`
- `打分这篇 scripts/foo.md` → 读取并执行 `skills/cheat-score/SKILL.md`
- `启动预测 scripts/foo.md` → 读取并执行 `skills/cheat-predict/SKILL.md`
- `拍了 ...` / `已发布 ...` / `复盘 ...` / `升级 rubric` / `状态` → 分别读取对应 `skills/cheat-*/SKILL.md`

执行时遵循本文件的三条原则和路由表；不要依赖 `/cheat-*` 命令是否存在。Claude Code 专用 hook（`.claude/settings.json`）仍只在 Claude Code 里自动触发；Codex 中需要用户主动说 `状态` 查看 buffer、待复盘和候选池。

---

## 三条不可妥协原则

任何一条被违反，整个校准循环退化为"凭直觉的自我安慰"。如果用户要求打破其中任何一条，**拒绝执行并说明原因**。

1. **盲预测（Blind prediction）**：预测必须在看到任何实际数据**之前**写完。一旦写完，`## 预测` 段是 immutable——只能往 `## 复盘` 段追加。完整规范：[shared-references/blind-prediction-protocol.md](shared-references/blind-prediction-protocol.md)。**hooks/prediction-immutability.sh 在 harness 层强制执行**。

2. **升级 = 全量重打（Bump = full re-score）**：rubric 升级时，校准池所有有实绩数据的样本必须用新公式重打分；新排序与实际表现排序若在 ≥4/5 样本上不一致，升级被拒；升级必须经跨模型独立审核。完整规范：[shared-references/bump-validation-protocol.md](shared-references/bump-validation-protocol.md)。

3. **rubric 是工作台，不是博物馆**：被新数据推翻或被吸收为正式维度的观察，**删掉**。绝不留"我曾经以为 X，但其实..."的考古层。git history 才是档案。完整规范：[shared-references/observation-lifecycle.md](shared-references/observation-lifecycle.md)。

---

## 路由表（触发词 → 子 skill）

| 用户说 | 调用 | 前置条件 |
|---|---|---|
| "初始化" / "init" / "首次使用" | `/cheat-init` | 无（这是入口） |
| "找对标" / "学这个账号" / "拆这几个对标视频" / "learn from" / "导入对标账号" | `/cheat-learn-from` | 已 init；cold-start 强烈建议；后续可随时 --append / --replace |
| "找选题" / "我不知道拍什么" / "seed" / "找前 5 个选题" | `/cheat-seed` | 已 init（cold-start 用户专用一次性种子动作） |
| "打分这篇 [path]" / "score this [path]" | `/cheat-score` | rubric_notes.md 存在 |
| "启动预测" / "start prediction" / "给这稿子打分并预测" | `/cheat-predict` | 已 init + 有最终稿 |
| "拍了 X" / "shot it" / "录完了" | `/cheat-shoot` | 对应预测已写（buffer +1） |
| "已发布"

SKILL.md

---
name: "trae-hot"
description: "TRAE AI创造力大赛批量申报工作流。引导式互动：选题→报名帖→HTML产品页→初赛深化→初赛帖→模拟评委打分→视频脚本→打分预测→回收。调用cheat-on-content做内容评分与预测。当用户提到大赛申报、做demo、报名帖、初赛帖、视频脚本、打分预测时使用。"
---

# Trae-Hot — TRAE AI创造力大赛超级IP孵化系统

> 批量申报引擎：选题→报名帖→HTML产品页→初赛深化→初赛帖→模拟评委打分→视频脚本→打分预测→回收。
> 目标：大量demo过报名→初赛，拿到5W视频流量激励，把IP账号做起来。

---

## 作者

| 项目 | 信息 |
|------|------|
| 创作者 | **@PandLeeAI** |
| 联系邮箱 | **[email protected]** |
| 抖音 | **@熊黎 \| PandLeeAI** |
| 开源协议 | MIT License |

---

## 触发机制

### 自动触发（关键词匹配）

当用户消息中包含以下任意关键词时，自动调用此skill：
- 大赛申报、TRAE大赛、创造力大赛、报名帖、初赛帖
- 做demo、做申报、申领流量券、5W流量
- 视频脚本、打分预测、模拟评委、评委打分
- 初赛深化、demo制作、产品介绍页、选题合规

### 手动触发

用户说"开始新demo"、"做新选题"、"继续XXdemo"、"trae-hot"时调用。

### 首次对话开场白

> 读取 `state.md` 获取当前demo进度，展示给用户。首次使用或切换新demo时展示：

```
🚀 TRAE AI创造力大赛申报引擎已就绪
📋 大赛规则速览：
  - 赛道四选一：生活娱乐 / 学习工作 / 社会服务 / 硬件交互
  - 可加选社会公益（附加赛题）
  - 报名帖≥100字 + 4个必填项 + 上传HTML
  - 初赛帖≥3张截图 + ≥3个Session ID
🔗 重要链接：
  - 大赛官网：https://forum.trae.cn/c/38-category/38
  - 5W流量券申领：https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b
📊 当前进度：[从 state.md 读取]

你是要做新选题，还是继续之前的demo？
```

---

## 架构说明

```
.trae/skills/trae-hot/
├── SKILL.md          # 本文件：工作流模板、规则、触发机制（可开源）
└── state.md          # 私有数据：demo进度、账号上下文、经验沉淀（不开源）
```

> **隐私保护**：SKILL.md 不含任何个人信息或账号数据，可安全开源。私有数据见 `state.md`。

---

## 官方链接

| 链接 | 用途 |
|------|------|
| https://forum.trae.cn/c/38-category/38 | 大赛专区（看置顶帖） |
| https://forum.trae.cn/t/topic/22547 | 大赛规则全攻略（113万奖金） |
| https://forum.trae.cn/t/topic/22548 | 报名指南 |
| https://forum.trae.cn/t/topic/22549 | 初赛参赛指南（必读） |
| https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b | 5W流量券/抖音人气通道申领问卷 |

---

## 关键时间节点

| 节点 | 时间 |
|------|------|
| 报名+初赛 | 2026年6月16日 – 7月15日（同步进行） |
| 初赛结果公示 | 2026年7月21日 – 23日 |
| 抖音人气数据截止 | 2026年7月15日 23:59:59 |

---

## 核心原则

1. **不污染cheat-on-content**：所有大赛相关产出在 `demo/` 下，不修改cheat-on-content的skill/rubric/state
2. **每个demo独立**：`demo/<NN>-<name>/` 下包含完整申报材料
3. **预测调用cheat-on-content**：打分预测时读取 `rubric_notes.md` 和 `starter-rubrics/` 的评分体系
4. **引导式互动**：每个阶段产出后展示给用户，等用户确认/修改后再进入下一阶段
5. **序号自动递增**：从01开始，新建demo时读取 `state.md` 取最大序号+1
6. **数据分离**：隐私数据（demo进度、经验、账号上下文）存 `state.md`，本文件只含工作流模板

---

## 目录结构

```
demo/<NN>-<name>/
├── 选题.md           # 阶段1：选题方向、赛道、价值主张
├── 报名帖.md         # 阶段2：报名帖正文（按模板）
├── 产品介绍页.html   # 阶段3：TRAE生成的单HTML产品介绍页
├── 初赛帖.md         # 阶段5：初赛帖正文（按模板）
├── 模拟评委打分.md   # 阶段5B：7位评委模拟评审（⭐核心）
├── 视频脚本.md       # 阶段6：视频拍摄脚本
├── 打分预测.md       # 阶段7：调用cheat-on-content评分预测
├── 回收.md           # 阶段8：发布后数据回收、复盘
└── 素材/             # 用户放截图、Session ID等素材
```

---

## 引导式互动流程（8阶段）

### 阶段0：Onboarding — 介绍规则

**触发条件**：用户首次触发trae-hot，或说"开始新demo"、"规则是什么"

**动作**：
1. 读取 `state.md` 获取当前进度
2. 展示上方开场白
3. 如果用户是第一次，引导浏览大赛官网置顶帖了解完整规则
4. 询问：要做新选题还是继续已有demo

**产出**：无文件，纯对话引导

---

### 阶段1：选题 — 确定方向

**触发条件**：用户说"做新选题"、"新demo"、"我想做一个xxx"

**动作**：
1. 和用户讨论选题方向，确认：
   - 赛道（四选一 + 可选社会公益）
   - 产品形态（App/小程序/网站/系统/硬件）
   - 想解决什么痛点
   - 目标用户是谁
2. 帮用户做选题合规检查（见下方清单）
3. 探讨产品设计：核心功能、差异化、价值主张
4. 用户确认后，读取 `state.md` 取最大序号+1

deps/cheat-on-content/README.md

# 网红作弊器 / Cheat on Content

> **蜗牛学长** 原创作品 — 内容创作可量化预测系统
>
> 把内容创作变成可校准预测循环：**打分 → 预测 → 发布 → 复盘 → 进化 rubric**

---

## 致敬

本目录包含的是 **蜗牛学长** 的 **"网红作弊器"（cheat-on-content）** skill——一个将内容创作从"玄学"变成"可量化工程"的评分预测系统。

蜗牛学长的这套方法论教会我们一件事：

> **内容不是玄学，是可预测的。** 我们只是把这套方法论搬到了大赛申报上。

Trae-Hot（TRAE AI创造力大赛超级IP孵化系统）的**阶段7打分预测**灵感全部来源于此。蜗牛学长用 25+ 已发视频拟合出的 7 维度评分体系（ER/SR/HP/QL/NA/AB/SAT），证明了"爆款"可以被量化——这正是 Trae-Hot 模拟评委打分的理论基石。

---

## 本目录包含的文件

| 文件 | 说明 |
|------|------|
| `SKILL.md` | cheat-on-content 总协议 + 路由表（完整工作流） |
| `rubric_notes.template.md` | 评分校准笔记模板（你的评分规则进化载体） |
| `starter-rubrics/opinion-video-zero.md` | v0 cold-start 等权占位 rubric（新人起步用） |
| `starter-rubrics/opinion-video.md` | v2 已校准 rubric（25+ 样本拟合，参考用） |

---

## 如何使用

### 如果你要做内容评分预测

将 `rubric_notes.template.md` 复制到你的项目根目录，重命名为 `rubric_notes.md`，然后按 Trae-Hot 的流程使用。

### 如果你要独立使用 cheat-on-content

将整个 `deps/cheat-on-content/` 目录复制到 `.trae/skills/cheat-on-content/`，按 SKILL.md 的路由表触发。

### 新人建议

1. 先用 `opinion-video-zero.md`（v0 等权公式）起步
2. 发完 5 篇、跑完 5 次复盘后，再考虑切到 v2 或自己拟合权重
3. 前 5 篇的预测精度大概 ±50%——这是 cold-start 的数学事实，不是系统失败

---

## 协议

cheat-on-content 的评分体系遵循三条不可妥协原则：

1. **盲预测**：预测必须在看到任何实际数据之前写完
2. **升级 = 全量重打**：rubric 升级时校准池所有样本必须用新公式重打分
3. **rubric 是工作台，不是博物馆**：被推翻的观察删掉，git history 才是档案

---

## 归因

本目录是 cheat-on-content 的精选子集，作为 Trae-Hot 的评分依赖。完整版本请访问蜗牛学长的原始项目。

如果你觉得这套方法论有用，请给蜗牛学长的原始项目点星。

README.md

# Trae-Hot — TRAE AI创造力大赛超级IP孵化系统

> 批量申报引擎：选题→报名帖→HTML产品页→初赛深化→初赛帖→模拟评委打分→视频脚本→打分预测→回收。
> 目标：大量demo过报名→初赛，拿到5W视频流量激励，把IP账号做起来。

> 活动规则详情介绍：https://www.trae.cn/ai-creativity?utm_source=community

<img width="1923" height="937" alt="image" src="https://github.com/user-attachments/assets/9c45ba65-17f9-4130-abc9-82d1f4ef7b8c" />

<img width="766" height="1603" alt="image" src="https://github.com/user-attachments/assets/74ee1f4e-1242-4f90-9361-a8144133b6ae" />

---

## 作者

| 项目 | 信息 |
|------|------|
| 创作者 | **@PandLeeAI** |
| 联系邮箱 | **[email protected]** |
| 抖音 | **@熊黎 \| PandLeeAI** |
| 开源协议 | MIT License |

---

## 文件结构

```
trae-hot-v2.0/
├── README.md                          # 本文件（分发说明）
├── SKILL.md                           # trae-hot 主skill文件（8阶段工作流）
├── state.md                           # 空白模板（记录你的demo进度和账号数据）
├── rubric.md                          # 自包含评分参考（无需安装cheat-on-content）
├── demo-template/                     # 申报材料模板（7个阶段模板）
│   ├── 选题.md
│   ├── 报名帖.md
│   ├── 初赛帖.md
│   ├── 视频脚本.md
│   ├── 模拟评委打分.md
│   ├── 打分预测.md
│   └── 回收.md
└── deps/
    └── cheat-on-content/              # 网红作弊器（依赖 + 致敬蜗牛学长）
        ├── README.md                  # 致敬与归因说明
        ├── SKILL.md                   # 总协议 + 路由表
        ├── rubric_notes.template.md   # 评分模板（复制到项目根目录使用）
        └── starter-rubrics/
            ├── opinion-video.md       # v2 已校准 rubric（25+ 样本）
            └── opinion-video-zero.md  # v0 cold-start 等权占位
```

---

## 快速安装

### 方式一：仅安装 Trae-Hot（推荐，最简单）

```bash
# 1. 复制 skill 文件到你的项目
你的项目/
├── .trae/
│   └── skills/
│       └── trae-hot/
│           ├── SKILL.md      ← 从本zip复制
│           └── state.md      ← 从本zip复制（空白模板）
└── rubric.md                 ← 从本zip复制（可选，自包含评分参考）
```

### 方式二：完整安装（含网红作弊器依赖）

```bash
# 1. 复制 trae-hot skill
cp -r trae-hot-v2.0/SKILL.md 你的项目/.trae/skills/trae-hot/
cp -r trae-hot-v2.0/state.md 你的项目/.trae/skills/trae-hot/

# 2. 复制 cheat-on-content 依赖（可选，深度评分用）
cp -r trae-hot-v2.0/deps/cheat-on-content/ 你的项目/.trae/skills/cheat-on-content/

# 3. 复制评分模板到项目根目录
cp trae-hot-v2.0/deps/cheat-on-content/rubric_notes.template.md 你的项目/rubric_notes.md

# 4. 复制自包含评分参考（可选）
cp trae-hot-v2.0/rubric.md 你的项目/
```

### 填写 state.md

打开 `.trae/skills/trae-hot/state.md`，填入你的账号信息。首次使用可留空，每完成一个demo后更新。

### 开始使用

在TRAE对话中输入以下任一关键词即可触发：

- "开始新demo" / "做新选题" / "大赛申报"
- "报名帖" / "初赛帖" / "视频脚本"
- "打分预测" / "模拟评委"

---

## 评分系统说明

本skill的**阶段7打分预测**依赖内容评分体系。评分有两种方式：

### 轻量模式（默认）
使用本zip附带的 `rubric.md` 作为自包含评分参考——包含 v0 等权公式、7维度定义、三原则预检、Bucket预测方案。**不需要安装 cheat-on-content。**

### 深度模式（推荐进阶用户）
安装 `deps/cheat-on-content/` 到 `.trae/skills/cheat-on-content/`，获得完整的 5 阶段闭环（打分→预测→发布→复盘→进化rubric）。这是蜗牛学长"网红作弊器"的完整方法论。

---

## 适用场景

- TRAE AI创造力大赛报名/初赛申报
- 批量制作demo冲5W流量券
- 内容视频脚本+打分预测
- IP账号孵化

---

## 更新日志

### v2.0 (2026-07-10)
- 新增飞书群盲盒活动完整工作流（参与门槛、3行模板、冲刺日行动清单）
- 新增5W流量券批量申领策略分析（规则依据 + 风险提示 + 安全打法）
- 新增抖音人气通道详细规则（人气分公式、最低门槛、数据口径）
- 新增 Session ID 完整格式说明（3段不能丢！常见错误对照）
- 初赛帖模板更新：增加"打招呼"section，强化 Session ID 完整性要求
- 视频脚本模板更新：产品体验视频导向（惊艳成品→可玩功能→关键过程→获取方式）

_meta.json

{
  "ownerId": "kn70wwh4mgvh984abs2fmqm2b98c74ck",
  "slug": "traehot",
  "version": "0.1.0",
  "publishedAt": 1786368147542
}

Github ReposUpdated 7h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.