{"id":"10556e13-6bfa-4ec0-9d15-96d21b57c232","entityType":"agent","slug":"clawhub-pandleeai-traehot","name":"Trae-Hot","canonicalUrl":"https://www.xpersona.co/agent/clawhub-pandleeai-traehot","canonicalPath":"/agent/clawhub-pandleeai-traehot","generatedAt":"2026-10-10T07:41:33.784Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-09T21:08:34.430Z","emptyReason":null},"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。 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","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 2K downloads reported by the source. Last updated 10/9/2026.","installCommand":"clawhub skill install s170jzzknywxvr8m26vn7tgach8c6mes:traehot","sourceUrl":"https://clawhub.ai/pandleeai/traehot","homepage":"https://clawhub.ai/pandleeai/skills/traehot","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/pandleeai/traehot","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/pandleeai/skills/traehot","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":66,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"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: pa"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T21:08:34.430Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T21:08:34.430Z","emptyReason":null},"stars":null,"forks":null,"downloads":1993,"packageName":null,"latestVersion":"0.1.0","tractionLabel":"2K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-09T21:08:34.430Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T21:08:34.430Z","lastCrawledAt":"2026-10-09T21:08:34.430Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-10T21:08:34.430Z","lastVerifiedAt":null,"highlights":[{"version":"0.1.0","createdAt":"2026-08-10T13:22:27.542Z","changelog":"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，私有进度数据独立存储。 - 独立demo目录结构，每阶段产出文件，支持多demo并行。 - 评委打分环节7位模拟评委，按官方4维度评分，辅助作品完善。","fileCount":23,"zipByteSize":50667}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s170jzzknywxvr8m26vn7tgach8c6mes:traehot","setupComplexity":"low","setupSteps":["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":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T07:41:33.783Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pandleeai-traehot/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-09T21:08:34.430Z","emptyReason":null},"readme":"Skill: Trae-Hot\n\nOwner: pandleeai\n\nSummary: 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。\n\nTags: latest:0.1.0\n\nVersion history:\n\nv0.1.0 | 2026-08-10T13:22:27.542Z | auto\n\ntrae-hot 0.1.0 Changelog\n\n- 首个公开版本，支持TRAE AI创造力大赛批量申报完整工作流。\n- 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。\n- 自动/手动触发机制，含关键词识别及新/继续demo命令。\n- 严格数据分离：流程模板可开源，私有进度数据独立存储。\n- 独立demo目录结构，每阶段产出文件，支持多demo并行。\n- 评委打分环节7位模拟评委，按官方4维度评分，辅助作品完善。\n\nArchive index:\n\nArchive v0.1.0: 23 files, 50667 bytes\n\nFiles: demo-template (0b), demo-template/初赛帖.md (520b), demo-template/回收.md (820b), demo-template/打分预测.md (629b), demo-template/报名帖.md (448b), demo-template/模拟评委打分.md (1254b), demo-template/视频脚本.md (555b), demo-template/选题.md (463b), deps (0b), deps/cheat-on-content (0b), deps/cheat-on-content/README.md (2524b), deps/cheat-on-content/rubric_notes.template.md (8523b), deps/cheat-on-content/SKILL.md (16484b), deps/cheat-on-content/starter-rubrics (0b), deps/cheat-on-content/starter-rubrics/opinion-video-zero.md (10422b), deps/cheat-on-content/starter-rubrics/opinion-video.md (10509b), LICENSE (1066b), README.md (5964b), rubric.md (3303b), skill-card.md (3057b), SKILL.md (33248b), state.md (685b), _meta.json (126b)\n\nFile v0.1.0:deps/cheat-on-content/SKILL.md\n\n---\nname: cheat-on-content\ndescription: 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。**\nargument-hint: [draft-path] [— mode: cold-start|calibration]\nallowed-tools: Bash(*), Read, Write, Edit, Grep, Glob, Skill, mcp__llm-chat__chat\n---\n\n# 网红作弊器 / Cheat on Content\n\n> 🎯 **方法论通用，rubric 当前内置观点视频版**\n>\n> **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。\n>\n> **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：\n> - 自己写一份 rubric（参照 [starter-rubrics/opinion-video-zero.md](starter-rubrics/opinion-video-zero.md) 的格式）\n> - 或等内置扩展（长文 / 短文 / 播客 starter 在批次 3 路线图）\n>\n> 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。\n\n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**。\n\n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。\n\n## Codex compatibility\n\nCodex 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：\n\n- `初始化 cheat-on-content` → 读取并执行 `skills/cheat-init/SKILL.md`\n- `打分这篇 scripts/foo.md` → 读取并执行 `skills/cheat-score/SKILL.md`\n- `启动预测 scripts/foo.md` → 读取并执行 `skills/cheat-predict/SKILL.md`\n- `拍了 ...` / `已发布 ...` / `复盘 ...` / `升级 rubric` / `状态` → 分别读取对应 `skills/cheat-*/SKILL.md`\n\n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。\n\n---\n\n## 三条不可妥协原则\n\n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**。\n\n1. **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**。\n\n2. **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)。\n\n3. **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)。\n\n---\n\n## 路由表（触发词 → 子 skill）\n\n| 用户说 | 调用 | 前置条件 |\n|---|---|---|\n| \"初始化\" / \"init\" / \"首次使用\" | `/cheat-init` | 无（这是入口） |\n| \"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 |\n| \"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） |\n| \"打分这篇 [path]\" / \"score this [path]\" | `/cheat-score` | rubric_notes.md 存在 |\n| \"启动预测\" / \"start prediction\" / \"给这稿子打分并预测\" | `/cheat-predict` | 已 init + 有最终稿 |\n| \"拍了 X\" / \"shot it\" / \"录完了\" | `/cheat-shoot` | 对应预测已写（buffer +1） |\n| \"已发布\" / \"I shipped it\" / \"发布链接是 X\" | `/cheat-publish` | 对应预测文件存在（buffer -1） |\n| \"复盘\" / \"retro this\" / \"T+3d 数据来了\" | `/cheat-retro` | 对应预测文件存在 + 已过 RETRO_WINDOW_DAYS |\n| \"构造受众画像\" / \"更新 persona\" / \"我的观众是谁\" / \"build persona\" | `/cheat-persona` | 已 init；有复盘评论数据（或 benchmark seed） |\n| \"升级 rubric\" / \"bump rubric\" / \"更新公式\" | `/cheat-bump` | 校准池 ≥ MIN_SAMPLES_FOR_BUMP |\n| \"推荐选题\" / \"next topic\" | `/cheat-recommend` | candidates.md 存在且非空 |\n| \"抓热点\" / \"fetch trends\" / \"今天有什么可做的\" | `/cheat-trends` | trend-sources adapter 已配置（日常补充候选池） |\n| \"状态\" / \"status\" / \"看板\" | `/cheat-status` | 任意时刻可调 |\n| \"迁移\" / \"升级 state\" / \"schema 版本不对\" / \"migrate\" | `/cheat-migrate` | 已 init；用户 git pull 拉了新版后；SessionStart hook 提示 schema mismatch 后 |\n\n> 拍 vs 发分两个动作：buffer 警戒系统需要明确知道\"拍了但没发\"vs\"已发\"两种状态。详见 [shared-references/cadence-protocol.md](shared-references/cadence-protocol.md)。\n\n**Mode detection**（首次接到非 init 触发词时执行）：\n1. 检查用户当前目录是否有 `.cheat-state.json` → 没有 → 强制路由到 `/cheat-init`\n2. 检查 `predictions/` 下有几个文件含完整 `## 复盘` 段填了真实数据 → 决定 `mode: cold-start | calibration`\n3. 把判定结果写回 `.cheat-state.json` 后再路由到目标 skill\n\n---\n\n## 必须拒绝的请求\n\n下列模式会**直接破坏**三条原则之一，无论用户怎么说，都拒绝执行：\n\n- 「帮我预测一下，但我先告诉你播放量你来反推就行」 → 违反原则 #1。改用 `_redo.md` 路径记为 reconstructed\n- 「能不能从 candidates 里直接挑 composite 最高的，不用解释理由」 → 拒绝。永远展示各维度评分和至少一个锚点对比\n- 「跳过校准池重打，直接换公式」 → 违反原则 #2\n- 「跳过外部模型审核，自己说了算」 → 仅当 `CROSS_MODEL_AUDIT=false` 显式设置且 state file 标记自审时允许\n- 「删掉这份预测，我想重写」 → 违反原则 #1。预测是 immutable。如有正当理由重做，写新文件 `_redo.md`，原版必须保留\n- 「凭你的感觉给我推荐选题，不用打分」 → 拒绝。本工具不做 gut-feel forecast——那是它诞生**之前**的状态\n- 「把 rubric_notes.md 里所有历史观察都留着，加个时间戳分组就行」 → 违反原则 #3。git history 是档案，不是 markdown 文件\n- 「能不能把 THRESHOLD 从 4/5 降到 3/5 让这次 bump 过」 → 拒绝。改 THRESHOLD 本身是元层级 bump，单独走流程\n\n详细的拒绝场景在每个子 skill 的 `Refusals` 段。\n\n---\n\n## 项目目录结构（用户 repo）\n\nskill 期望用户的项目布局如下。`/cheat-init` 会创建缺失项；**绝不在没确认的情况下覆盖**。\n\n```\n<user-content-project>/\n├── .gitignore                         # cheat-init 创建；挡住 .auth*/.cheat-secrets.json 等凭证\n├── rubric_notes.md                    # 评分规则的真实来源\n├── WORKFLOW.md                        # 5 阶段流程文档（cheat-init 创建）\n├── STATUS.md                          # 看板（cheat-status 维护）\n├── .cheat-state.json                  # 状态文件，子 skill 共享上下文\n├── .cheat-cache/                      # 不入版本控制\n│   ├── usage.jsonl                    # 钩子被动记录的使用日志\n│   └── trends-history.jsonl           # cheat-trends 的去重缓存\n├── .claude/\n│   └── settings.json                  # 含 prediction-immutability hook\n├── benchmark.md                       # 对标账号信息（cheat-learn-from 维护）\n├── audience.md                        # 受众画像（cheat-persona 派生；blind 硬禁读）\n├── scripts/                           # 拍前的所有草稿（cheat-seed 写或用户写）\n│   └── YYYY-MM-DD_<id>_<short>.md\n├── predictions/                       # immutable 预测日志（hook 保护）\n│   └── YYYY-MM-DD_<id>_<short>.md     # 与 scripts/ 同 id\n├── videos/                            # 拍后才建（cheat-shoot 创建）\n│   └── YYYY-MM-DD_<id>_<short>/\n│       ├── script.md                  # 用户提供的最终拍摄稿（cheat-shoot 时询问\"和 scripts/ 一致吗\"）\n│       └── report.md                  # T+3d 抓的数据 + 评论（cheat-retro 写）\n├── samples/                           # 对标账号视频 / 转录（cheat-learn-from 创建）\n│   └── <账号名>/<video-id>/{source.mp4 (可选), transcript.md, meta.md}\n├── candidates.md                      # 选题池（可选）\n└── content.db                         # 可选 SQLite，校准池规模化后启用\n```\n\n---\n\n## 文件清单\n\n### 本 skill 包\n\n```\ncheat-on-content/\n├── SKILL.md                           # 本文件（总协议 + 路由）\n├── README.md                          # 营销门面\n├── skills/                            # 子 skill 集\n│   ├── cheat-init/SKILL.md            # ✅ 入口：onboarding 与脚手架\n│   ├── cheat-learn-from/SKILL.md      # ✅ 对标账号导入（拆 pattern + 派生 base rubric 信号）\n│   ├── cheat-seed/SKILL.md            # ✅ Cold-start 选题启动器（brainstorm + 可选 draft）\n│   ├── cheat-score/SKILL.md           # ✅ 单稿打分（不写文件）\n│   ├── cheat-predict/SKILL.md         # ✅ 盲预测 + immutable 日志\n│   ├── cheat-shoot/SKILL.md           # ✅ 登记拍摄（buffer +1）\n│   ├── cheat-publish/SKILL.md         # ✅ 发布元数据登记（buffer -1）\n│   ├── cheat-retro/SKILL.md           # ✅ 数据回收 + 复盘\n│   ├── cheat-persona/SKILL.md         # ✅ 受众画像派生（从复盘评论聚类）\n│   ├── cheat-bump/SKILL.md            # ✅ rubric 升级（含跨模型审）\n│   ├── cheat-recommend/SKILL.md       # ✅ 候选池排序推荐（按 buffer 颜色 + 1 稳 + 1 实验）\n│   ├── cheat-trends/SKILL.md          # ✅ 热点抓取（日常补充候选池，多 adapter）\n│   ├── cheat-status/SKILL.md          # ✅ 状态看板（含 buffer 警戒）\n│   ├── cheat-migrate/SKILL.md         # ✅ schema 升级（老用户 git pull 后用）\n│   └── cheat-score-blind/SKILL.md     # ✅ Channel B 隔离打分 sub-agent（仅 Task tool 调用）\n├── migrations/                        # schema 演进单一来源\n│   ├── registry.md                    # ✅ LATEST_SCHEMA + 版本链表\n│   └── <from>-to-<to>.md              # ✅ 每步迁移的 WHAT/WHY/HOW/Manual fallback\n├── shared-references/                 # 跨 skill 共享协议\n│   ├── blind-prediction-protocol.md   # ✅ 原则 #1\n│   ├── bump-validation-protocol.md    # ✅ 原则 #2\n│   ├── observation-lifecycle.md       # ✅ 原则 #3\n│   ├── prediction-anatomy.md          # ✅ 一份合格预测的 7 个组件\n│   ├── candidate-schema.md            # ✅ 候选项统一 schema\n│   ├── cadence-protocol.md            # ✅ 节奏协议（buffer 警戒 + 选题策略）\n│   ├── state-management.md            # ✅ .cheat-state.json 读写约定\n│   └── migration-protocol.md          # ✅ schema 演进哲学 + maintainer checklist\n├── starter-rubrics/                   # 各内容形态的先验 rubric\n│   ├── opinion-video.md               # ✅ 观点视频（中文，已校准 25+ 样本）\n│   ├── opinion-video-zero.md          # ✅ v0 等权占位（cold-start）\n│   ├── long-form-essay.md             # ⬜ 公众号 / Substack\n│   └── short-form-text.md             # ⬜ X thread / 微博长文\n├── templates/                         # skill 写进用户 repo 的文件骨架\n│   ├── gitignore.template             # ✅ 用户项目 .gitignore（护凭证，保留 predictions/ 入库）\n│   ├── rubric_notes.template.md       # ✅\n│   ├── prediction.template.md         # ✅ 统一版（所有阶段，含 confidence header）\n│   ├── retro.template.md              # ✅\n│   ├── candidates.template.md         # ✅\n│   ├── candidates.template.json       # ✅\n│   ├── script_patterns.template.md    # ✅ 写作 pattern 沉淀（含 benchmark 借鉴段说明）\n│   ├── benchmark.template.md          # ✅ 对标账号 reference\n│   ├── audience.template.md           # ✅ 受众画像骨架\n│   ├── workflow.template.md           # ✅\n│   ├── status.template.md             # ✅\n│   └── content.db.schema.sql          # ✅\n├── hooks/                             # harness 强制层\n│   ├── prediction-immutability.json   # ✅ 阻塞型钩子（拦预测段编辑）\n│   ├── prediction-immutability.sh     # ✅ 拦截脚本\n│   ├── session-start.json             # ✅ SessionStart 自动报告 hook\n│   ├── session-start.sh               # ✅ 状态报告渲染脚本\n│   ├── meta-logging.json              # ✅ 被动记录配置\n│   └── log-event.sh                   # ✅ meta-logging 脚本\n├── tools/                             # 独立 CLI 脚本\n│   ├── score-curve.py                 # ⬜ 预测精度收敛曲线\n│   ├── md-to-sqlite.py                # ⬜ markdown → content.db 升级（批次 3）\n│   └── validate-bump.py               # ⬜ 校准池全量重打（批次 3）\n├── adapters/                          # 数据源适配\n│   ├── perf-data/                     # 复盘数据源（含 douyin-session）\n│   ├── candidate-pool/                # 候选池数据源\n│   ├── trend-sources/                 # 热点抓取源\n│   └── script-extraction/             # 视频/音频转 script（含 whisper for cheat-learn-from）\n└── examples/\n    ├── reference-implementation/      # 视频分析脱敏快照（待）\n    └── script_patterns.example.md     # script_patterns 全填示例（参考用，不复制）\n```\n\n✅ = 当前批次（v1 骨架）已完成 / ⬜ = 后续批次\n\n---\n\n## Tone & voice\n\n写面向用户的文案（commit message / 复盘小结等）时，匹配项目的 **直白克制（reflective-irreverent）** voice：\n\n- 直接说出失败：「composite 8.47 但实际只有 16.8w——rubric 高估了 SR」\n- **不要**用模糊措辞软化：「这或许可能在某种程度上暗示...」——别这么写\n- Cluely 风格的反叛 hook 只在 README 出现——**不要写进** `rubric_notes.md` 或预测日志\n\n---\n\n## 给开发者：扩展本 skill\n\n- 新增内容形态 → 加 `starter-rubrics/<form>.md`\n- 新增热点抓取源 → 加 `adapters/trend-sources/<name>.md`，符合 [candidate-schema.md](shared-references/candidate-schema.md) 输出契约\n- 修改原则 → 改 `shared-references/<protocol>.md`，所有引用它的 skill 自动跟进\n- 修改路由 → 改本文件的\"路由表\"段\n- 子 skill 内部细节 → 直接改对应 `skills/cheat-*/SKILL.md`\n\n完整开发指南见 README.md。\n\nFile v0.1.0:SKILL.md\n\n---\nname: \"trae-hot\"\ndescription: \"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。\"\n---\n\n# Trae-Hot — TRAE AI创造力大赛超级IP孵化系统\n\n> 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。\n> 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。\n\n---\n\n## 作者\n\n| 项目 | 信息 |\n|------|------|\n| 创作者 | **@PandLeeAI** |\n| 联系邮箱 | **PandLee@qq.com** |\n| 抖音 | **@熊黎 \\| PandLeeAI** |\n| 开源协议 | MIT License |\n\n---\n\n## 触发机制\n\n### 自动触发（关键词匹配）\n\n当用户消息中包含以下任意关键词时，自动调用此skill：\n- 大赛申报、TRAE大赛、创造力大赛、报名帖、初赛帖\n- 做demo、做申报、申领流量券、5W流量\n- 视频脚本、打分预测、模拟评委、评委打分\n- 初赛深化、demo制作、产品介绍页、选题合规\n\n### 手动触发\n\n用户说\"开始新demo\"、\"做新选题\"、\"继续XXdemo\"、\"trae-hot\"时调用。\n\n### 首次对话开场白\n\n> 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：\n\n```\n🚀 TRAE AI创造力大赛申报引擎已就绪\n📋 大赛规则速览：\n  - 赛道四选一：生活娱乐 / 学习工作 / 社会服务 / 硬件交互\n  - 可加选社会公益（附加赛题）\n  - 报名帖≥100字 + 4个必填项 + 上传HTML\n  - 初赛帖≥3张截图 + ≥3个Session ID\n🔗 重要链接：\n  - 大赛官网：https://forum.trae.cn/c/38-category/38\n  - 5W流量券申领：https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b\n📊 当前进度：[从 state.md 读取]\n\n你是要做新选题，还是继续之前的demo？\n```\n\n---\n\n## 架构说明\n\n```\n.trae/skills/trae-hot/\n├── SKILL.md          # 本文件：工作流模板、规则、触发机制（可开源）\n└── state.md          # 私有数据：demo进度、账号上下文、经验沉淀（不开源）\n```\n\n> **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`。\n\n---\n\n## 官方链接\n\n| 链接 | 用途 |\n|------|------|\n| https://forum.trae.cn/c/38-category/38 | 大赛专区（看置顶帖） |\n| https://forum.trae.cn/t/topic/22547 | 大赛规则全攻略（113万奖金） |\n| https://forum.trae.cn/t/topic/22548 | 报名指南 |\n| https://forum.trae.cn/t/topic/22549 | 初赛参赛指南（必读） |\n| https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b | 5W流量券/抖音人气通道申领问卷 |\n\n---\n\n## 关键时间节点\n\n| 节点 | 时间 |\n|------|------|\n| 报名+初赛 | 2026年6月16日 – 7月15日（同步进行） |\n| 初赛结果公示 | 2026年7月21日 – 23日 |\n| 抖音人气数据截止 | 2026年7月15日 23:59:59 |\n\n---\n\n## 核心原则\n\n1. **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\n2. **每个demo独立**：`demo/<NN>-<name>/` 下包含完整申报材料\n3. **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\n4. **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\n5. **序号自动递增**：从01开始，新建demo时读取 `state.md` 取最大序号+1\n6. **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\n\n---\n\n## 目录结构\n\n```\ndemo/<NN>-<name>/\n├── 选题.md           # 阶段1：选题方向、赛道、价值主张\n├── 报名帖.md         # 阶段2：报名帖正文（按模板）\n├── 产品介绍页.html   # 阶段3：TRAE生成的单HTML产品介绍页\n├── 初赛帖.md         # 阶段5：初赛帖正文（按模板）\n├── 模拟评委打分.md   # 阶段5B：7位评委模拟评审（⭐核心）\n├── 视频脚本.md       # 阶段6：视频拍摄脚本\n├── 打分预测.md       # 阶段7：调用cheat-on-content评分预测\n├── 回收.md           # 阶段8：发布后数据回收、复盘\n└── 素材/             # 用户放截图、Session ID等素材\n```\n\n---\n\n## 引导式互动流程（8阶段）\n\n### 阶段0：Onboarding — 介绍规则\n\n**触发条件**：用户首次触发trae-hot，或说\"开始新demo\"、\"规则是什么\"\n\n**动作**：\n1. 读取 `state.md` 获取当前进度\n2. 展示上方开场白\n3. 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\n4. 询问：要做新选题还是继续已有demo\n\n**产出**：无文件，纯对话引导\n\n---\n\n### 阶段1：选题 — 确定方向\n\n**触发条件**：用户说\"做新选题\"、\"新demo\"、\"我想做一个xxx\"\n\n**动作**：\n1. 和用户讨论选题方向，确认：\n   - 赛道（四选一 + 可选社会公益）\n   - 产品形态（App/小程序/网站/系统/硬件）\n   - 想解决什么痛点\n   - 目标用户是谁\n2. 帮用户做选题合规检查（见下方清单）\n3. 探讨产品设计：核心功能、差异化、价值主张\n4. 用户确认后，读取 `state.md` 取最大序号+1，创建目录 `demo/<NN>-<name>/`\n5. 产出 `选题.md`，更新 `state.md`\n\n**产出**：`demo/<NN>-<name>/选题.md`\n\n**选题.md模板**：\n```markdown\n# <NN> - <Demo名称>\n\n## 基本信息\n- 赛道：生活娱乐/学习工作/社会服务/硬件交互\n- 附加赛道：社会公益（可选）\n- 产品形态：App/小程序/网站/系统/硬件\n\n## 创意描述\n- 想解决什么问题\n- 灵感来源\n- 一句话概括产品\n\n## 目标用户\n- 核心用户群体\n- 使用场景\n- 当前痛点\n\n## 价值主张\n- 商业价值/效率提升/社会价值（选1-2个角度）\n\n## 差异化\n- 和已有方案的区别\n```\n\n**确认后才进入阶段2**\n\n---\n\n### 阶段2：报名帖\n\n**触发条件**：选题确认后，或用户说\"写报名帖\"\n\n**动作**：\n1. 基于选题.md，按报名帖模板起草 `报名帖.md`\n2. 展示给用户，等待反馈\n3. 用户可要求修改任何部分（标题、标签、正文、措辞）\n4. 用户确认后，提醒：**\"请在TRAE社区报名专区发布，并上传HTML文件\"**\n\n**产出**：`demo/<NN>-<name>/报名帖.md`\n\n**报名帖模板**：\n```markdown\n# 报名帖\n\n**【标题】** 【赛道名称】Demo名称\n\n**【标签】** 赛道标签（+ 社会公益，如有）\n\n**【正文】**\n\n**1. 创意名称 + 创意介绍**\n- 想解决什么问题\n- 为什么会想到做这个\n- 大概是什么产品\n\n**2. 目标用户及痛点**\n- 面向哪些用户\n- 在什么场景下使用\n- 当前痛点\n\n**3. 价值与意义**\n- 商业价值/效率提升/社会价值\n\n**4. 必须附带**\n- HTML文件上传\n```\n\n> 字数≥100字。HTML文件在阶段3生成。\n\n**确认后才进入阶段3**\n\n---\n\n### 阶段3：HTML产品介绍页\n\n**触发条件**：报名帖确认后，或用户说\"做HTML\"、\"产品页\"\n\n**动作**：\n1. 基于选题和报名帖内容，用TRAE生成单HTML产品介绍页\n2. 要求：\n   - 精美UI设计（根据产品调性选择风格）\n   - 展示核心功能（痛点→方案→价值的故事线）\n   - 响应式布局（桌面+平板+手机）\n   - 包含交互元素（动画、hover效果等）\n   - 纯单文件，可直接在浏览器打开\n3. 保存为 `产品介绍页.html`\n4. 提醒用户：**\"这个HTML文件需要上传到报名帖作为附件\"**\n\n**产出**：`demo/<NN>-<name>/产品介绍页.html`\n\n**确认后才进入阶段4**\n\n---\n\n### 阶段4：初赛深化设计\n\n**触发条件**：用户反馈\"报名通过了\"、\"报名初审过了\"、\"可以做初赛了\"\n\n**前提检查**：确认报名帖已审核通过。初赛作品有效的前提是报名审核已通过，否则不进入评审。\n\n**动作**：\n1. 恭喜用户通过报名\n2. 结合初赛官方要求，和用户讨论如何深化demo：\n   - 初赛评审4维度：创新性、实用性、完成度、技术实现\n   - 初赛帖要求：Demo简介 + 创作思路 + 体验地址（三选一） + TRAE实践过程（≥3截图+≥3 Session ID）\n   - 是否需要增加功能、优化UI、补充交互\n3. **C/S架构桌面端应用处理**：不需要提交源码或安装包。只需确保交互式HTML产品介绍页质量过关，打包zip上传即可。\n4. 如果需要部署在线体验链接，帮用户部署\n5. 用户确认demo就绪后进入阶段5\n\n**产出**：深化后的demo（可能是更新HTML或新增代码文件）\n\n**确认后才进入阶段5**\n\n---\n\n### 阶段5：初赛帖\n\n**触发条件**：初赛demo就绪，或用户说\"写初赛帖\"\n\n**动作**：\n1. 按初赛帖模板起草 `初赛帖.md`\n2. 展示给用户，**明确提醒用户确认或提出修改意见**\n3. 提醒用户准备：\n   - ≥3张TRAE开发过程截图（放到 `素材/` 目录）\n   - ≥3个关键对话Session ID（双击TRAE对话即可复制）\n   - **报名帖URL**：提示用户把报名帖链接发过来，填入初赛帖底部的\"附：报名帖链接\"\n4. **⚠️ 用户确认初赛帖草稿后，必须进入阶段5B（模拟评委打分）！** 不可跳过直接发布。\n5. 阶段5B打分完成后，展示优化建议，提醒用户修改初赛帖。用户确认最终版后，提醒发布。\n6. **重要提醒**：\n\n```\n📢 初赛帖发布前，确认以下事项：\n\n✅ 截图（≥3张）已放入demo目录\n✅ Session ID（≥3个）已填入\n✅ 报名帖URL已填入初赛帖底部\n\n📢 初赛帖发布后，要做三件事：\n\n1️⃣ 在初赛专区发帖：https://forum.trae.cn/c/38-category/40-category/40\n\n2️⃣ 抖音发布视频，带话题 #vibecoding大赏 #traeai创造力大赛\n   并 @TRAE @抖音科技\n   （人气分 = 点赞+评论×2+收藏+转发，点赞≥500才入榜）\n\n3️⃣ 申领5W流量券！填写问卷：\n   https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b\n   ⏰ 每个初赛作品都可以申领一次！名额有限，先到先得！\n\n4️⃣ 发帖后，把初赛帖链接发回来，我帮你记录到回收文档里\n```\n\n**产出**：`demo/<NN>-<name>/初赛帖.md`\n\n**初赛帖模板**：\n```markdown\n# 初赛帖\n\n**【标题】** 【赛道名称】+ Demo名称（示例：【学习工作赛道】+ LiveBuddy数字人直播伴侣）\n\n**【标签】** 主赛道标签（生活娱乐/学习工作/社会服务/硬件交互 四选一）+ 附加赛题可加选 社会公益\n\n**【正文】**\n\n**0. 先和大家打个招呼吧 👋**\n\n你是谁：用一句话介绍你的职业/身份（如：13年IT高级工程师 / 大三学生 / 独立开发者……）；\n\n你是怎么用TRAE把Demo做出来的：说说你和TRAE「配合」的真实感受。比如：是怎么把脑子里的想法一句句讲给它听的？哪一步让你觉得「原来这么简单」？它帮你跨过了哪个原本以为搞不定的坎？\n\n**1. Demo简介**\n- 是什么\n- 面向谁\n- 主要功能（2-3个，配截图）\n\n**2. Demo创作思路**\n- 灵感来源\n- 想解决的问题\n- 为什么做这个方向\n\n**3. Demo体验地址**\n- 部署链接 / 交互式HTML文件Zip / 演示视频链接（三选一）\n\n**4. TRAE实践过程**\n- 开发流程描述\n- 关键步骤截图（≥3张）\n- 关键对话Session ID（≥3个，**必须完整显示，不可省略或缩写**。格式为 `数字:hash_后缀hash.后缀hash.后缀hash`，末尾的 `_xxxx...` 后缀不可省略，必须完整粘贴）\n- 附上通过的报名帖链接\n```\n\n**确认后才进入阶段5B**\n\n---\n\n### 阶段5B：模拟评委打分 ⭐\n\n**触发条件**：阶段5完成，用户说\"准备发版\"、\"模拟打分\"、\"评委打分\"，或用户确认初赛帖准备发布时\n\n**动作**：\n1. 基于初赛帖和HTML产品页，启动7位独立人格评委进行模拟评审\n2. 每位评委按4维度打分（每维度10分）+ 给出通过/不通过 + 点评意见\n3. 汇总7位评委总分，取平均分，给出综合评审结论\n4. 产出 `模拟评委打分.md`，展示给用户\n5. 根据评委意见，提示用户需要在哪些方面优化\n6. 用户优化后再次确认，提醒发布\n7. **发布后，提醒用户把初赛帖链接发回来，记录到回收文档**\n\n**评委阵容**：\n\n| 评委 | 身份 | 评审视角 | 人格特点 |\n|------|------|----------|----------|\n| 罗永浩 | 锤子科技创始人 | 产品设计/用户体验 | 毒舌、挑剔、追求极致体验，关注产品是否真正解决用户痛点。喜欢\"颠覆性\"创新，讨厌\"换皮\"产品。口头禅：\"这个设计…说实话，让我有点失望/惊喜。\" |\n| 王兴兴 | 宇树科技创始人 | 机器人/硬件/技术落地 | 务实、关注技术可行性和商业化路径。看重产品能否真正落地，是否考虑到了工程实现难度。对硬件交互赛道特别敏感。口头禅：\"从技术角度来看…\" |\n| 胡彦斌 | 歌手/音乐人 | AI编程/创意跨界 | 最近在玩AI编程，关注AI工具的易用性和创意表达。看重产品是否能让普通人也能用AI做出好东西。口头禅：\"这个我能学会吗？我最近也在用TRAE…\" |\n| Tim | 影视旋风创始人 | 内容创作/视频传播 | 关注内容呈现方式和传播力。看重产品是否有故事性、是否适合做成视频内容传播。对视觉设计和叙事逻辑敏感。口头禅：\"这个东西拍成视频的话…\" |\n| 楼天城 | 小马智行创始人CTO | 技术深度/架构能力 | 顶级技术专家，关注技术实现深度和创新性。看重技术方案是否合理、是否有技术壁垒。对AI应用的技术含量有高要求。口头禅：\"从技术架构层面分析…\" |\n| 熊老师 | 字节流量运营专家 | 用户增长/商业化 | 关注产品的用户增长潜力和商业化前景。看重目标用户是否清晰、市场规模是否足够大、获客路径是否通畅。口头禅：\"这个产品的用户增长模型是…\" |\n| 黎黎老师 | TRAE平台主办方代表 | 平台价值/生态贡献 | 关注作品是否体现了TRAE平台的核心价值，是否展示了TRAE能力的独特运用。看重作品对TRAE生态的贡献和示范效应。口头禅：\"这个作品很好地展示了TRAE的…\" |\n\n**评分规则**（官方初赛评审4维度）：\n\n| 维度 | 权重 | 评分标准 |\n|------|------|----------|\n| 创新性 | 30% | 创意构思的突破性：是否精准识别真实场景中长期未被有效解决的需求；解决方案是否具有突破性；是否在TRAE能力运用上展现独特思路 |\n| 实用性 | 30% | 实际使用价值：精准识别真实场景中的用户需求并明确目标群体；硬件交互赛道还需体现对研发/调试/测试/交付场景的真实理解；解决效果能否有效提升效率、降低成本或改善体验；当前Demo是否已能验证核心价值而非纯概念 |\n| 完成度 | 20% | 功能实现程度：核心功能链路是否跑通、用户能否完成主要操作；硬件交互赛道侧重TRAE是否进入设备开发与调试的关键路径；体验是否流畅、有无明显bug；用户能否清晰感知产品核心价值 |\n| 美观度/设计体验 | 20% | 视觉交互体验：界面设计专业性、布局合理性、色彩协调性；交互操作的友好度和学习成本；硬件交互赛道评估硬件与软件系统的协同能力（数据传输稳定性、响应及时性、调试与反馈链路顺畅程度） |\n\n**模拟评委打分.md模板**：\n```markdown\n# 模拟评委打分\n\n## 评审作品\n- 作品名称\n- 赛道\n- 产品形态\n\n## 7位评委逐一点评\n\n### 罗永浩（产品设计）\n**评分**：创新性?/10 + 实用性?/10 + 完成度?/10 + 美观度?/10 = **总分?/40**\n**通过**：是/否\n**点评**：...\n**优化建议**：...\n\n### 王兴兴（技术落地）\n...（同上格式）\n\n### 胡彦斌（AI编程/创意）\n...\n\n### Tim（内容创作/传播）\n...\n\n### 楼天城（技术深度）\n...\n\n### 熊老师（用户增长/商业化）\n...\n\n### 黎黎老师（TRAE平台）\n...\n\n## 综合统计\n\n| 评委 | 创新性(30%) | 实用性(30%) | 完成度(20%) | 美观度(20%) | 加权总分 | 通过 |\n|------|------------|------------|------------|------------|----------|------|\n| 罗永浩 | ? | ? | ? | ? | ? | ? |\n| 王兴兴 | ? | ? | ? | ? | ? | ? |\n| 胡彦斌 | ? | ? | ? | ? | ? | ? |\n| Tim | ? | ? | ? | ? | ? | ? |\n| 楼天城 | ? | ? | ? | ? | ? | ? |\n| 熊老师 | ? | ? | ? | ? | ? | ? |\n| 黎黎老师 | ? | ? | ? | ? | ? | ? |\n| **平均** | ? | ? | ? | ? | **?** | ?/7 |\n\n## 评审结论\n\n- 加权平均分：?/10\n- 通过票数：?/7\n- 预测结果：大概率通过 / 有可能通过 / 需要优化后重审 / 较难通过\n- 综合意见：（汇总关键优化方向）\n- 最需要改进的维度：（1-2个）\n```\n\n**评分计算说明**：\n- 每位评委对4个维度各打0-10分，加权计算：`加权分 = 创新性×0.3 + 实用性×0.3 + 完成度×0.2 + 美观度×0.2`\n- 综合平均分 = 7位评委加权分的平均值\n- 通过/不通过由每位评委独立判断（加权分≥6为通过）\n- 7位评委中≥4位通过则整体预测通过\n\n**确认后才进入阶段6**\n\n---\n\n### 阶段6：视频脚本（产品体验视频导向）\n\n**触发条件**：初赛帖确认后，或用户说\"写视频脚本\"、\"做视频\"、\"写口播稿\"\n\n**核心原则——包装成\"产品体验视频\"，不是\"录屏写代码\"**：\n\n1. **开头3秒放最惊艳的成品画面**，不要放\"我用了什么工具\"\n2. **展示顺序**：最终效果 → 可玩功能 → 关键过程 → 获取方式/下一步\n3. **成果要有\"普通人能立刻理解的用途\"**（桌面壁纸、小游戏、效率工具、音乐播放器、AI小助手等）\n4. **一定要展示交互**：点击、拖动、调参数、切模式、换主题\n5. **制作过程放中后段**，用来证明可信度，而不是承担开场吸引力\n6. **能开源、能体验、能进群内测的，要明确给出**——高收藏来自\"我之后想试\"\n\n**动作**：\n1. 基于选题和demo特点，起草 `口播稿.md`（或 `视频脚本.md`）\n2. 要求：\n   - 时长60-90秒（建议控制在55-65秒甜蜜点）\n   - 结构：**惊艳成品 → 可玩功能 → 关键过程 → 获取方式**\n   - 内容形式：产品体验视频（视觉驱动，不是录屏写代码）\n   - 全程展示交互操作（点击/拖动/切tab/换参数）\n   - 中后段穿插少量制作过程（证明可信度）\n   - 结尾明确给出体验方式（链接/开源/内测群）\n   - 含拍摄要点和标签策略\n3. 展示给用户，等待反馈\n\n**产出**：`demo/<NN>-<name>/口播稿.md`（或 `视频脚本.md`）\n\n**口播稿模板**：\n```markdown\n# 口播稿\n\n## 视频信息\n- 时长：60-75秒\n- 平台：抖音/视频号\n- 风格：产品体验视频（成品先行→功能展示→过程证明→获取方式）\n- 内容形式：工具/产品体验展示\n\n## 脚本正文\n\n### [0:00-0:03] 惊艳成品（黄金3秒）\n**画面**：直接展示最酷的成品画面/交互效果，不放工具logo、不放\"我用了XX\"\n**台词**：\"一句话钩子，引发好奇\"\n**交互展示**：点击/滑动/切换等操作\n\n### [0:03-0:15] 可玩功能展示\n**画面**：逐个展示核心功能的交互操作\n**台词**：\"它能做A（演示）→还能做B（演示）→甚至能做C（演示）\"\n**交互展示**：点击按钮/拖动元素/切换tab/调参数/换主题\n\n### [0:15-0:35] 深度体验+反差感\n**画面**：展示最有趣/反差最大的功能，制造\"哇\"时刻\n**台词**：\"最离谱的是……（展示惊艳功能）\"\n**交互展示**：完整操作链路\n\n### [0:35-0:50] 关键过程（可信度证明）\n**画面**：快速闪过TRAE开发过程截图/录屏（3-5秒），证明是真做出来的\n**台词**：\"用TRAE从零做的，X天搞定，关键步骤是……\"\n**注意**：过程只占中后段一小部分，不承担开场吸引力\n\n### [0:50-0:65] 获取方式+CTA\n**画面**：展示体验链接/二维码/开源地址/内测群\n**台词**：\"想试的→链接在评论区/搜XX/进群内测，带话题#XX 看看谁的XX最牛\"\n**明确给出**：体验地址 / 开源链接 / 内测方式\n\n## 钩子设计\n- 前3秒：最惊艳成品画面（不放工具）\n- 中间转折：反差功能/数据冲击\n- 结尾CTA：体验方式+话题挑战\n\n## 拍摄要点\n- 全程展示交互（点击/拖动/切tab/换参数）\n- 画面节奏快，每2-3秒切一个镜头\n- 字幕强化关键词\n- BGM建议\n- 制作过程只放中后段3-5秒\n\n## 标签策略\n- 核心锚点\n- 场景标签\n- 体验引导标签\n```\n\n**确认后才进入阶段7**\n\n---\n\n### 阶段7：打分预测\n\n**触发条件**：视频脚本确认后，或用户说\"打分\"、\"预测\"\n\n**动作**：\n1. 读取 `rubric_notes.md` 获取当前评分公式和维度\n2. 读取 `starter-rubrics/opinion-video.md` 获取参考评分标准\n3. 对视频脚本做三原则预检（稀缺性/利他性/高密度）\n4. 逐维度打分（ER/SR/HP/QL/NA/AB/SAT）\n5. 计算composite综合分\n6. 给出bucket预测 + 概率分布 + 中枢\n7. 锚点对比（如有历史数据）\n8. 反事实场景 + 关键校准假设\n9. 风险提示\n10. 产出 `打分预测.md`，展示给用户\n\n**产出**：`demo/<NN>-<name>/打分预测.md`\n\n**打分预测模板**：\n```markdown\n# 打分预测\n\n## 三原则预检\n- [✅/❌] 稀缺性\n- [✅/❌] 利他性\n- [✅/❌] 高密度\n\n## 7维度评分\n| 维度 | 分数 | 理由 |\n|------|------|------|\n| ER | ? | ... |\n| SR | ? | ... |\n| HP | ? | ... |\n| QL | ? | ... |\n| NA | ? | ... |\n| AB | ? | ... |\n| SAT | ? | ... |\n\n## 综合分\n- v0 composite = ?\n- v2 composite（参考）= ?\n\n## Bucket预测\n| Bucket | 范围 | 概率 |\n|--------|------|------|\n| ... | ... | ... |\n\n## 锚点对比\n| 对照 | composite | 实绩 | 异同 |\n|------|-----------|------|------|\n\n## 反事实场景\n...\n\n## 风险提示\n...\n```\n\n**确认后才进入阶段8**\n\n---\n\n### 阶段8：回收\n\n**触发条件**：视频发布后，或用户说\"回收\"、\"复盘\"、\"数据来了\"\n\n**动作**：\n1. 产出 `回收.md` 骨架\n2. 用户填写实际数据后，做复盘分析\n3. 对比预测 vs 实际，分析偏差原因\n4. 沉淀经验到 `state.md` 的经验沉淀段\n\n**产出**：`demo/<NN>-<name>/回收.md`\n\n---\n\n## 赛道标签对照\n\n| 标签 | 含义 | 典型选题 |\n|------|------|----------|\n| 生活娱乐 | 生活消费、娱乐休闲、个人兴趣 | 探店助手、健身教练、旅行规划 |\n| 学习工作 | 学习教育、工作效率、知识管理 | 会议纪要、简历优化、学习搭子 |\n| 社会服务 | 公共服务、社区治理、民生服务 | 邻里互助、社区团购、垃圾分类 |\n| 硬件交互 | 智能硬件、IoT、物理交互 | 智能家居、穿戴设备、3D打印 |\n| 社会公益 | 附加赛题，无障碍、环保、公益 | 聋哑人辅助、视障导航、碳足迹 |\n\n---\n\n## 选题合规检查清单\n\n阶段1选题时，逐项确认：\n\n- [ ] 赛道选择合理（四选一，不跨赛道）\n- [ ] 社会公益标签（如加选）真实有公益属性，不是硬贴\n- [ ] 产品形态明确（App/小程序/网站/系统/硬件）\n- [ ] 痛点真实存在（不是凭空想象）\n- [ ] 和已有方案有差异化（不是换个名字的同类产品）\n- [ ] 适合用TRAE生成HTML展示（不是纯硬件/纯后端）\n\n---\n\n## 官方比赛规则（完整版）\n\n### 报名帖审核标准\n\n| 维度 | 审核要点 | 通过标准 | 不通过标准 |\n|------|----------|----------|------------|\n| 内容完整性 | 是否按模板填写了所有必填项 | 模板4个部分都有内容，正文字数≥100，且附带创意产物HTML文件 | 缺少必填项，字数不够，或没有附带产物文件 |\n| 表达清晰性 | 描述是否让人能看懂 | 语句通顺，逻辑清楚，能理解你要做什么 | 完全看不懂，或与比赛主题严重不相关 |\n| 原创合规 | 是否抄袭、是否违规 | 通过原创检测，无敏感内容 | 抄袭他人内容，或包含违规信息 |\n\n### 初赛评审4个维度\n\n初赛专业评审团按以下4个维度打分，综合得分TOP 300晋级复赛：\n\n1. **创新性** — 创意是否新颖、有差异化\n2. **实用性** — 是否解决真实问题、有应用价值\n3. **完成度** — 核心功能能否跑通、体验是否流畅\n4. **技术实现** — TRAE开发过程是否清晰、合理\n\n### 初赛两条晋级通道（相互独立）\n\n| 通道 | 名额 | 方式 |\n|------|------|------|\n| 专业评审通道 | 300席 | 评审团按4维度打分，TOP 300晋级 |\n| 抖音人气通道 | 50席 | 抖音发视频，人气分TOP 50晋级 |\n\n> 同一选手两作品分别从两通道晋级时，只保留专业评审晋级的作品。\n\n### 抖音人气通道规则\n\n**参与步骤**：\n1. 先在初赛专区提交Demo作品帖\n2. 抖音发布视频，带话题 `#vibecoding大赏` `#traeai创造力大赛` 并 @TRAE @抖音科技\n3. 填写申领问卷获得5W流量扶持\n\n**人气分公式**：`人气分 = 点赞数 + 评论数×2 + 收藏数 + 转发数`\n\n**最低门槛**：单条内容点赞数 ≥ 500 才能进入人气榜计分\n\n**数据口径**：同一作品可发多条，取数据最高的一条计分（不累加），截止7月15日23:59:59\n\n### Demo体验地址（三选一，官方原文）\n\n1. 部署随时可公开访问的体验链接（适合Web应用）\n2. **交互式可体验的HTML格式文件，使用Zip格式打包上传到社区**（适合任何产品，包括C/S架构桌面端）\n3. 硬件交互赛道可用演示视频替代在线体验\n\n> **重要**：C/S架构桌面端应用不需要提交源码或安装包。只需提交交互式HTML产品介绍页（zip打包）即可。大赛不要求暴露源码。\n\n### Session ID获取方法\n\n在TRAE对话中，**双击对话即可复制Session ID**。初赛帖需附≥3个关键任务的Session ID，用于证明作品由TRAE开发完成。\n\n**⚠️ 完整格式（3段都不能丢！）**：Session ID 由三段用 `:` 拼接而成，**任何一段都不能截断！** 完整格式：\n\n```\n数字:hash_后缀hash.后缀hash.后缀hash:客户端元数据.0.1.21.no_sid.no_ppe.T(时间戳)\n```\n\n例如：\n```\n你的数字ID:hash_你的hash1.你的hash2.你的hash3:TRAE Work CN.0.1.xx.no_sid.no_ppe.T(时间戳)\n```\n\n**绝不能拆分！** 常见错误：\n- ❌ 错误：只保留前两段 `数字:hash_后缀`（漏掉客户端元数据+时间戳）\n- ❌ 错误：以为 `_xxxx...` 后缀是边界就停\n- ❌ 错误：以为 `数字:hash` 之后是固定格式可以省略\n- ✅ 正确：原样整行粘贴，不做任何拆分、缩写、删减\n\n**如何避免出错**：用户提供的 session.txt 文件（每行一条完整 Session ID）→ **整行原样粘贴**到初赛帖中，不要做\"看起来已经够长\"的截断判断。\n\n### 重要FAQ\n\n- **多个创意都过了报名，初赛能都提交吗？** 可以提交多个对应的Demo，但晋级复赛只取同账号下得分最高的1个作品。\n- **报名没通过能提交初赛吗？** 不可以。初赛有效的前提是报名审核已通过。\n- **必须从0到1创建吗？** 不一定。可以是已有作品在参赛期间完成实质性版本迭代，但开发必须用TRAE完成。\n- **不支持组队**，只能个人参赛。\n- **视频太大传不上？** 社区仅支持文字、图片、GIF、链接、20M以内文件。大文件上传第三方平台后附链接。\n\n---\n\n## 5W流量券申领\n\n> **每个初赛帖发布后，必须提醒用户申领！**\n\n```\n📢 别忘了申领5W视频流量券！\n👉 申领&抖音人气通道问卷：https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b\n\n📋 步骤如下：\n  1. 在初赛专区提交Demo作品帖\n  2. 抖音发视频带话题 #vibecoding大赏 #traeai创造力大赛 并 @TRAE @抖音科技\n  3. 填写上方飞书问卷申领5W流量\n⏰ 每个初赛作品都可以申领一次！\n```\n\n### 批量申领策略分析\n\n**规则依据**（来源：官方初赛指南 https://forum.trae.cn/t/topic/22549）：\n\n| 规则 | 原文 |\n|------|------|\n| 多Demo提交 | \"可以提交多个对应的Demo\" |\n| 每作品申领 | \"符合要求的作品**单条**可获得 5 万曝光流量扶持\" |\n| 参与奖限制 | \"初赛参与奖（¥100）同一选手仅发放一次\"（流量券无此限制） |\n\n**结论**：规则层面，每提交一个符合要求的初赛作品，理论上都可以申领一次 5W 流量券。官方未对流量券设置\"每人限一次\"的限制。\n\n**风险提示**：\n\n| 风险 | 说明 |\n|------|------|\n| \"有机会\"≠\"一定\" | 规则用词是\"有机会获得\"，官方会审核质量，不是提交即得 |\n| 质量门槛 | \"优质作品官方会翻牌、追投流量\"——低质量Demo可能被拒绝 |\n| 平台风控 | 同一账号密集申领，可能触发平台风控审核 |\n\n**安全打法**：\n1. 前 3-5 个 Demo 保证高质量（每个都像 LiveBuddy 水准）\n2. 拿到前几波 5W 后观察官方是否有追加限制\n3. 再决定是否继续批量\n\n---\n\n## 🎁 飞书群盲盒活动（2026/6/23 新增）\n\n> **活动名称**：🎁 【初赛Demo冲刺有惊喜｜每个工作日送出 3 份神秘盲盒】\n> **活动周期**：2026/6/23 - 7/15（工作日）\n> **公示时间**：每天下午 17:00（公示前一天获奖，周末顺延至下个工作日）\n> **奖励**：每个工作日从合格提交者中抽 3 位送神秘盲盒，2 周内陆续发放\n\n### 参与门槛（4 个条件，缺一不可）\n\n| # | 条件 | 备注 |\n|---|------|------|\n| 1 | 报名审核已通过 | demo/<NN>-<name>/报名帖.md → 论坛发布后通过审核 |\n| 2 | 初赛专区提交合格 Demo 作品帖 | 论坛\"初赛专区\"按模板发完整帖子 |\n| 3 | 抖音发布对应作品 | 视频带话题 #vibecoding大赏 #traeai创造力大赛 @TRAE @抖音科技 |\n| 4 | 飞书群带话题 #初赛Demo盲盒 发布 | **必须按下方模板 3 行填齐** |\n\n### ⚠️ 关键时间硬约束\n\n> **社区 Demo 帖和抖音作品都需发布于 6.23（含）以后，两者缺一不可，才可计入盲盒候选**\n\n**这意味着**：\n- ❌ 6.22 及之前发的帖子/视频**不算**\n- ✅ 必须 6.23 当天或之后发布才有效\n- ✅ 6.23（周二）是**第一个有效日**，建议 6.23 当天集中发布\n\n### 群内参与模板（必须 3 行填齐）\n\n```\n#初赛Demo盲盒\n一句话 Demo 简介：________\n社区 Demo 帖：________\n抖音作品链接：________\n```\n\n> ⚠️ **格式硬约束**（用户 2026-06-25 固化）：\n> - 3 行内容**严禁加任何 emoji / 装饰符号**（如 📌 🔗 📱 等）\n> - 标签用纯文字（\"一句话 Demo 简介：\"、\"社区 Demo 帖：\"、\"抖音作品链接：\"）\n> - 开头话题 `#初赛Demo盲盒` 保留\n> - 3 个空都必须填齐，缺一不算合格\n\n### 行动顺序（6.23 冲刺日标准动作）\n\n```\n📅 6.23 冲刺日行动清单（一天内完成 4 件事）：\n\n09:00  在初赛专区发布初赛帖\n       → 论坛\"初赛专区\"按模板发帖，附带 HTML Zip + 截图 + Session ID\n       → 拿回 demo 帖 URL\n\n10:00  在抖音发布对应作品\n       → 视频带 #vibecoding大赏 #traeai创造力大赛\n       → @TRAE @抖音科技\n       → 拿回抖音视频 URL\n\n11:00  申领 5W 流量券\n       → 填写 https://bytedance.larkoffice.com/share/base/form/shrcnXp18Sdf6XQxm8wGPPXDt4b\n\n12:00  飞书群发布盲盒参与\n       → 在飞书群发 #初赛Demo盲盒\n       → 严格按 3 行模板填齐\n       → 3 项都填齐才算合格\n```\n\n### 多 Demo 策略\n\n每个 Demo 都需要**单独**完成 4 步才能各算一份候选。建议：\n\n| Demo 状态 | 建议 |\n|-----------|------|\n| 04 在线加密授权网（已完成 HTML+初赛帖） | 6.23 当天冲刺，1 份候选 |\n| 07 AI 拆书（已发初赛帖） | ⚠️ **6.22 及之前发的不算**，需在 6.23+ 重新补发或确认时间 |\n| 01 LiveBuddy（已完成全链路） | 已在早期发布，看是否符合 6.23+ 重发规则 |\n| 05 企业 AI 门户（已完成） | 同上 |\n\n### 4 个 Demo 冲刺优先级（按质量预估 ROI）\n\n1. **04 在线加密授权网**（composite 8.50，最高）— **首推 6.23 冲刺**\n2. **07 AI 拆书**（composite ~8.0）— 6.23-6.25 之间\n3. **05 企业 AI 门户**（composite ~7.6）— 6.24-6.26 之间\n4. **01 LiveBuddy**（composite ~8.0，已完成）— 6.25 前补发到 6.23+ 时间段\n\n### 阶段5C：新加工作流\n\n**触发条件**：初赛帖发布后\n\n**动作**：\n1. 检查初赛帖发布时间是否 ≥ 6.23\n2. 提醒用户按\"6.23 冲刺日行动清单\"完成 4 件事\n3. 帮用户生成飞书群参与模板（带 3 个空填好）\n4. 记录到 `demo/<NN>-<name>/回收.md` 的\"冲刺日动作\"段\n\n**产出**：回收.md 追加\"盲盒参与记录\"段\n\n---\n\n## 数据维护\n\n- **demo进度**：每完成一个阶段，更新 `state.md` 中的demo列表\n- **经验沉淀**：每完成一个demo的回收复盘，在 `state.md` 追加经验\n- **账号上下文**：账号数据变化时更新 `state.md`\n\nFile v0.1.0:deps/cheat-on-content/README.md\n\n# 网红作弊器 / Cheat on Content\n\n> **蜗牛学长** 原创作品 — 内容创作可量化预测系统\n>\n> 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**\n\n---\n\n## 致敬\n\n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。\n\n蜗牛学长的这套方法论教会我们一件事：\n\n> **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。\n\nTrae-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。\n\n---\n\n## 本目录包含的文件\n\n| 文件 | 说明 |\n|------|------|\n| `SKILL.md` | cheat-on-content 总协议 + 路由表（完整工作流） |\n| `rubric_notes.template.md` | 评分校准笔记模板（你的评分规则进化载体） |\n| `starter-rubrics/opinion-video-zero.md` | v0 cold-start 等权占位 rubric（新人起步用） |\n| `starter-rubrics/opinion-video.md` | v2 已校准 rubric（25+ 样本拟合，参考用） |\n\n---\n\n## 如何使用\n\n### 如果你要做内容评分预测\n\n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。\n\n### 如果你要独立使用 cheat-on-content\n\n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。\n\n### 新人建议\n\n1. 先用 `opinion-video-zero.md`（v0 等权公式）起步\n2. 发完 5 篇、跑完 5 次复盘后，再考虑切到 v2 或自己拟合权重\n3. 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\n\n---\n\n## 协议\n\ncheat-on-content 的评分体系遵循三条不可妥协原则：\n\n1. **盲预测**：预测必须在看到任何实际数据之前写完\n2. **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\n3. **rubric 是工作台，不是博物馆**：被推翻的观察删掉，git history 才是档案\n\n---\n\n## 归因\n\n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。\n\n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。\n\nFile v0.1.0:README.md\n\n# Trae-Hot — TRAE AI创造力大赛超级IP孵化系统\n\n> 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。\n> 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。\n\n> 活动规则详情介绍：https://www.trae.cn/ai-creativity?utm_source=community\n\n<img width=\"1923\" height=\"937\" alt=\"image\" src=\"https://github.com/user-attachments/assets/9c45ba65-17f9-4130-abc9-82d1f4ef7b8c\" />\n\n<img width=\"766\" height=\"1603\" alt=\"image\" src=\"https://github.com/user-attachments/assets/74ee1f4e-1242-4f90-9361-a8144133b6ae\" />\n\n---\n\n## 作者\n\n| 项目 | 信息 |\n|------|------|\n| 创作者 | **@PandLeeAI** |\n| 联系邮箱 | **PandLee@qq.com** |\n| 抖音 | **@熊黎 \\| PandLeeAI** |\n| 开源协议 | MIT License |\n\n---\n\n## 文件结构\n\n```\ntrae-hot-v2.0/\n├── README.md                          # 本文件（分发说明）\n├── SKILL.md                           # trae-hot 主skill文件（8阶段工作流）\n├── state.md                           # 空白模板（记录你的demo进度和账号数据）\n├── rubric.md                          # 自包含评分参考（无需安装cheat-on-content）\n├── demo-template/                     # 申报材料模板（7个阶段模板）\n│   ├── 选题.md\n│   ├── 报名帖.md\n│   ├── 初赛帖.md\n│   ├── 视频脚本.md\n│   ├── 模拟评委打分.md\n│   ├── 打分预测.md\n│   └── 回收.md\n└── deps/\n    └── cheat-on-content/              # 网红作弊器（依赖 + 致敬蜗牛学长）\n        ├── README.md                  # 致敬与归因说明\n        ├── SKILL.md                   # 总协议 + 路由表\n        ├── rubric_notes.template.md   # 评分模板（复制到项目根目录使用）\n        └── starter-rubrics/\n            ├── opinion-video.md       # v2 已校准 rubric（25+ 样本）\n            └── opinion-video-zero.md  # v0 cold-start 等权占位\n```\n\n---\n\n## 快速安装\n\n### 方式一：仅安装 Trae-Hot（推荐，最简单）\n\n```bash\n# 1. 复制 skill 文件到你的项目\n你的项目/\n├── .trae/\n│   └── skills/\n│       └── trae-hot/\n│           ├── SKILL.md      ← 从本zip复制\n│           └── state.md      ← 从本zip复制（空白模板）\n└── rubric.md                 ← 从本zip复制（可选，自包含评分参考）\n```\n\n### 方式二：完整安装（含网红作弊器依赖）\n\n```bash\n# 1. 复制 trae-hot skill\ncp -r trae-hot-v2.0/SKILL.md 你的项目/.trae/skills/trae-hot/\ncp -r trae-hot-v2.0/state.md 你的项目/.trae/skills/trae-hot/\n\n# 2. 复制 cheat-on-content 依赖（可选，深度评分用）\ncp -r trae-hot-v2.0/deps/cheat-on-content/ 你的项目/.trae/skills/cheat-on-content/\n\n# 3. 复制评分模板到项目根目录\ncp trae-hot-v2.0/deps/cheat-on-content/rubric_notes.template.md 你的项目/rubric_notes.md\n\n# 4. 复制自包含评分参考（可选）\ncp trae-hot-v2.0/rubric.md 你的项目/\n```\n\n### 填写 state.md\n\n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。\n\n### 开始使用\n\n在TRAE对话中输入以下任一关键词即可触发：\n\n- \"开始新demo\" / \"做新选题\" / \"大赛申报\"\n- \"报名帖\" / \"初赛帖\" / \"视频脚本\"\n- \"打分预测\" / \"模拟评委\"\n\n---\n\n## 评分系统说明\n\n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：\n\n### 轻量模式（默认）\n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。**\n\n### 深度模式（推荐进阶用户）\n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。\n\n---\n\n## 适用场景\n\n- TRAE AI创造力大赛报名/初赛申报\n- 批量制作demo冲5W流量券\n- 内容视频脚本+打分预测\n- IP账号孵化\n\n---\n\n## 更新日志\n\n### v2.0 (2026-07-10)\n- 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）\n- 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）\n- 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）\n- 新增 Session ID 完整格式说明（3段不能丢！常见错误对照）\n- 初赛帖模板更新：增加\"打招呼\"section，强化 Session ID 完整性要求\n- 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）\n- 新增选题合规检查清单（6项逐项确认）\n- 新增官方比赛规则完整版（报名帖审核标准、初赛评审4维度、FAQ）\n- 8阶段工作流全面细化，每个阶段有明确的触发条件、动作、产出和确认机制\n\n### v1.0 (2026-06-19)\n- 首次发布\n- 8阶段引导式工作流\n- 7位独立人格模拟评委\n- 自包含评分rubric + 完整cheat-on-content依赖\n\n---\n\n## 致敬\n\n本skill的评分预测体系灵感来源于 **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\"的评分系统。蜗牛学长用 25+ 已发视频拟合出 7 维度评分体系（ER/SR/HP/QL/NA/AB/SAT），证明了\"爆款\"可以被量化。Trae-Hot 在此基础上集成了大赛申报全流程。\n\n> **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。\n\n本zip包 `deps/cheat-on-content/` 目录包含了网红作弊器的核心文件，作为 Trae-Hot 的评分依赖。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。\n\nFile v0.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn70wwh4mgvh984abs2fmqm2b98c74ck\",\n  \"slug\": \"traehot\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1786368147542\n}\n\nFile v0.1.0:demo-template/初赛帖.md\n\n# 初赛帖\n\n**【标题】** 【赛道名称】Demo名称\n\n**【标签】** 赛道标签（与报名一致）\n\n**【正文】**\n\n**1. Demo简介**\n- 是什么\n- 面向谁\n- 主要功能（2-3个，配截图）\n\n**2. Demo创作思路**\n- 灵感来源\n- 想解决的问题\n- 为什么做这个方向\n\n**3. Demo体验地址**\n- 部署链接 / HTML文件zip / 演示视频链接\n\n**4. TRAE实践过程**\n- 开发流程描述\n- 关键步骤截图（≥3张）\n- 关键对话Session ID（≥3个）\n\n**附：报名帖链接**\n\nFile v0.1.0:demo-template/回收.md\n\n# 数据回收\n\n## 发布信息\n- 发布时间：\n- 发布平台：\n- 发布链接：\n\n## 实际数据\n\n### 视频数据（T+1d）\n| 指标 | 数值 |\n|------|------|\n| 播放量 | |\n| 点赞 | |\n| 评论 | |\n| 收藏 | |\n| 分享 | |\n| 完播率 | |\n\n### 视频数据（T+3d）\n| 指标 | 数值 |\n|------|------|\n| 播放量 | |\n| 点赞 | |\n| 评论 | |\n| 收藏 | |\n| 分享 | |\n| 完播率 | |\n\n## 复盘\n\n### 预测 vs 实际\n| 维度 | 预测 | 实际 | 偏差 |\n|------|------|------|------|\n| Bucket | | | |\n| 中枢 | | | |\n\n### 经验总结\n- 做对了什么：\n- 做错了什么：\n\n### 对 rubric 的反馈\n...\n\n### 下次改进\n...\n\n## 大赛回收\n\n### 报名帖\n- 状态：\n- 链接：\n\n### 初赛帖\n- 状态：\n- 链接：\n\n### 视频流量激励\n- 是否获得5W流量激励：\n- 激励发放时间：\n\nFile v0.1.0:demo-template/打分预测.md\n\n# 打分预测\n\n## 三原则预检\n- [ ] 稀缺性\n- [ ] 利他性\n- [ ] 高密度\n\n## 7维度评分\n| 维度 | 分数 | 理由 |\n|------|------|------|\n| ER | ? | ... |\n| SR | ? | ... |\n| HP | ? | ... |\n| QL | ? | ... |\n| NA | ? | ... |\n| AB | ? | ... |\n| SAT | ? | ... |\n\n## 综合分\n- v0 composite = ?\n\n## Bucket预测\n| Bucket | 范围 | 概率 |\n|--------|------|------|\n| 退步 | ... | ... |\n| 持平 | ... | ... |\n| 命中 | ... | ... |\n| 小爆 | ... | ... |\n| 大爆 | ... | ... |\n\n## 锚点对比\n| 对照 | composite | 实绩 | 异同 |\n|------|-----------|------|------|\n\n## 反事实场景\n...\n\n## 风险提示\n...\n\nFile v0.1.0:demo-template/报名帖.md\n\n# 报名帖\n\n**【标题】** 【赛道名称】Demo名称\n\n**【标签】** 赛道标签（+ 社会公益，如有）\n\n**【正文】**\n\n**1. 创意名称 + 创意介绍**\n- 想解决什么问题\n- 为什么会想到做这个\n- 大概是什么产品\n\n**2. 目标用户及痛点**\n- 面向哪些用户\n- 在什么场景下使用\n- 当前痛点\n\n**3. 价值与意义**\n- 商业价值/效率提升/社会价值\n\n**4. 必须附带**\n- HTML文件上传\n\nFile v0.1.0:demo-template/模拟评委打分.md\n\n# 模拟评委打分\n\n## 评审作品\n- 作品名称\n- 赛道\n- 产品形态\n\n## 7位评委逐一点评\n\n### 罗永浩（产品设计）\n**评分**：创新性?/10 + 实用性?/10 + 完成度?/10 + 美观度?/10 = **总分?/40**\n**通过**：是/否\n**点评**：...\n**优化建议**：...\n\n### 王兴兴（技术落地）\n...（同上格式）\n\n### 胡彦斌（AI编程/创意）\n...\n\n### Tim（内容创作/传播）\n...\n\n### 楼天城（技术深度）\n...\n\n### 熊老师（用户增长/商业化）\n...\n\n### 黎黎老师（TRAE平台）\n...\n\n## 综合统计\n\n| 评委 | 创新性(30%) | 实用性(30%) | 完成度(20%) | 美观度(20%) | 加权总分 | 通过 |\n|------|------------|------------|------------|------------|----------|------|\n| 罗永浩 | ? | ? | ? | ? | ? | ? |\n| 王兴兴 | ? | ? | ? | ? | ? | ? |\n| 胡彦斌 | ? | ? | ? | ? | ? | ? |\n| Tim | ? | ? | ? | ? | ? | ? |\n| 楼天城 | ? | ? | ? | ? | ? | ? |\n| 熊老师 | ? | ? | ? | ? | ? | ? |\n| 黎黎老师 | ? | ? | ? | ? | ? | ? |\n| **平均** | ? | ? | ? | ? | **?** | ?/7 |\n\n## 评审结论\n\n- 加权平均分：?/10\n- 通过票数：?/7\n- 预测结果：大概率通过 / 有可能通过 / 需要优化后重审 / 较难通过\n- 综合意见：\n- 最需要改进的维度：\n\nFile v0.1.0:demo-template/视频脚本.md\n\n# 视频脚本\n\n## 视频信息\n- 时长：60-75秒\n- 平台：抖音/视频号\n- 风格：痛点共鸣→方案展示→价值冲击→CTA\n- 内容形式：工具/产品展示\n\n## 脚本正文\n[0:00-0:05] 钩子\n**画面**：...\n**台词**：\"...\"\n\n[0:05-0:15] 痛点放大\n...\n\n[0:15-0:25] 方案引入\n...\n\n[0:25-0:45] 功能展示\n...\n\n[0:45-0:55] 价值冲击\n...\n\n[0:55-1:05] CTA\n...\n\n## 钩子设计\n- 前3秒钩子\n- 中间转折\n- 结尾CTA\n\n## 拍摄要点\n- 画面节奏\n- 字幕强化\n- BGM建议\n\n## 标签策略\n- 核心锚点\n- 场景标签\n\nFile v0.1.0:demo-template/选题.md\n\n# <NN> - <Demo名称>\n\n## 基本信息\n- 赛道：生活娱乐/学习工作/社会服务/硬件交互\n- 附加赛道：社会公益（可选）\n- 产品形态：App/小程序/网站/系统/硬件\n\n## 创意描述\n- 想解决什么问题\n- 灵感来源\n- 一句话概括产品\n\n## 目标用户\n- 核心用户群体\n- 使用场景\n- 当前痛点\n\n## 价值主张\n- 商业价值/效率提升/社会价值（选1-2个角度）\n\n## 差异化\n- 和已有方案的区别","readmeExcerpt":"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","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"<user-content-project>/\n├── .gitignore                         # cheat-init 创建；挡住 .auth*/.cheat-secrets.json 等凭证\n├── rubric_notes.md                    # 评分规则的真实来源\n├── WORKFLOW.md                        # 5 阶段流程文档（cheat-init 创建）\n├── STATUS.md                          # 看板（cheat-status 维护）\n├── .cheat-state.json                  # 状态文件，子 skill 共享上下文\n├── .cheat-cache/                      # 不入版本控制\n│   ├── usage.jsonl                    # 钩子被动记录的使用日志\n│   └── trends-history.jsonl           # cheat-trends 的去重缓存\n├── .claude/\n│   └── settings.json                  # 含 prediction-immutability hook\n├── benchmark.md                       # 对标账号信息（cheat-learn-from 维护）\n├── audience.md                        # 受众画像（cheat-persona 派生；blind 硬禁读）\n├── scripts/                           # 拍前的所有草稿（cheat-seed 写或用户写）\n│   └── YYYY-MM-DD_<id>_<short>.md\n├── predictions/                       # immutable 预测日志（hook 保护）\n│   └── YYYY-MM-DD_<id>_<short>.md     # 与 scripts/ 同 id\n├── videos/                            # 拍后才建（cheat-shoot 创建）\n│   └── YYYY-MM-DD_<id>_<short>/\n│       ├── script.md                  # 用户提供的最终拍摄稿（cheat-shoot 时询问\"和 scripts/ 一致吗\"）\n│       └── report.md                  # T+3d 抓的数据 + 评论（cheat-retro 写）\n├── samples/                           # 对标账号视频 / 转录（cheat-learn-from 创建）\n│   └── <账号名>/<video-id>/{source.mp4 (可选), transcript.md, meta.md}\n├── candidates.md                      # 选题池（可选）\n└── content.db                         # 可选 SQLite，校准池规模化后启用"},{"language":"text","snippet":"cheat-on-content/\n├── SKILL.md                           # 本文件（总协议 + 路由）\n├── README.md                          # 营销门面\n├── skills/                            # 子 skill 集\n│   ├── cheat-init/SKILL.md            # ✅ 入口：onboarding 与脚手架\n│   ├── cheat-learn-from/SKILL.md      # ✅ 对标账号导入（拆 pattern + 派生 base rubric 信号）\n│   ├── cheat-seed/SKILL.md            # ✅ Cold-start 选题启动器（brainstorm + 可选 draft）\n│   ├── cheat-score/SKILL.md           # ✅ 单稿打分（不写文件）\n│   ├── cheat-predict/SKILL.md         # ✅ 盲预测 + immutable 日志\n│   ├── cheat-shoot/SKILL.md           # ✅ 登记拍摄（buffer +1）\n│   ├── cheat-publish/SKILL.md         # ✅ 发布元数据登记（buffer -1）\n│   ├── cheat-retro/SKILL.md           # ✅ 数据回收 + 复盘\n│   ├── cheat-persona/SKILL.md         # ✅ 受众画像派生（从复盘评论聚类）\n│   ├── cheat-bump/SKILL.md            # ✅ rubric 升级（含跨模型审）\n│   ├── cheat-recommend/SKILL.md       # ✅ 候选池排序推荐（按 buffer 颜色 + 1 稳 + 1 实验）\n│   ├── cheat-trends/SKILL.md          # ✅ 热点抓取（日常补充候选池，多 adapter）\n│   ├── cheat-status/SKILL.md          # ✅ 状态看板（含 buffer 警戒）\n│   ├── cheat-migrate/SKILL.md         # ✅ schema 升级（老用户 git pull 后用）\n│   └── cheat-score-blind/SKILL.md     # ✅ Channel B 隔离打分 sub-agent（仅 Task tool 调用）\n├── migrations/                        # schema 演进单一来源\n│   ├── registry.md                    # ✅ LATEST_SCHEMA + 版本链表\n│   └── <from>-to-<to>.md              # ✅ 每步迁移的 WHAT/WHY/HOW/Manual fallback\n├── shared-references/                 # 跨 skill 共享协议\n│   ├── blind-prediction-protocol.md   # ✅ 原则 #1\n│   ├── bump-validation-protocol.md    # ✅ 原则 #2\n│   ├── observation-lifecycle.md       # ✅ 原则 #3\n│   ├── prediction-anatomy.md          # ✅ 一份合格预测的 7 个组件\n│   ├── candidate-schema.md            # ✅ 候选项统一 schema\n│   ├── cadence-protocol.md            # ✅ 节奏协议（buffer 警戒 + 选题策略）\n│   ├── state-management.md            # ✅ .cheat-state.json 读写约定\n│   └── migration-protocol.md          # ✅ schema 演进哲学 + maintainer checklist\n├── starter-rubrics/                   # 各内容形态的先验 rubric\n│   ├── opinion-video.md               # ✅ 观点视频（中文，已校准 25+"},{"language":"text","snippet":"🚀 TRAE AI创造力大赛申报引擎已就绪\n📋 大赛规则速览：\n  - 赛道四选一：生活娱乐 / 学习工作 / 社会服务 / 硬件交互\n  - 可加选社会公益（附加赛题）\n  - 报名帖≥100字 + 4个必填项 + 上传HTML\n  - 初赛帖≥3张截图 + ≥3个Session ID\n🔗 重要链接：\n  - 大赛官网：https://forum.trae.cn/c/38-category/38\n  - 5W流量券申领：https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b\n📊 当前进度：[从 state.md 读取]\n\n你是要做新选题，还是继续之前的demo？"},{"language":"text","snippet":".trae/skills/trae-hot/\n├── SKILL.md          # 本文件：工作流模板、规则、触发机制（可开源）\n└── state.md          # 私有数据：demo进度、账号上下文、经验沉淀（不开源）"},{"language":"text","snippet":"demo/<NN>-<name>/\n├── 选题.md           # 阶段1：选题方向、赛道、价值主张\n├── 报名帖.md         # 阶段2：报名帖正文（按模板）\n├── 产品介绍页.html   # 阶段3：TRAE生成的单HTML产品介绍页\n├── 初赛帖.md         # 阶段5：初赛帖正文（按模板）\n├── 模拟评委打分.md   # 阶段5B：7位评委模拟评审（⭐核心）\n├── 视频脚本.md       # 阶段6：视频拍摄脚本\n├── 打分预测.md       # 阶段7：调用cheat-on-content评分预测\n├── 回收.md           # 阶段8：发布后数据回收、复盘\n└── 素材/             # 用户放截图、Session ID等素材"},{"language":"markdown","snippet":"# <NN> - <Demo名称>\n\n## 基本信息\n- 赛道：生活娱乐/学习工作/社会服务/硬件交互\n- 附加赛道：社会公益（可选）\n- 产品形态：App/小程序/网站/系统/硬件\n\n## 创意描述\n- 想解决什么问题\n- 灵感来源\n- 一句话概括产品\n\n## 目标用户\n- 核心用户群体\n- 使用场景\n- 当前痛点\n\n## 价值主张\n- 商业价值/效率提升/社会价值（选1-2个角度）\n\n## 差异化\n- 和已有方案的区别"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"deps/cheat-on-content/SKILL.md","content":"---\nname: cheat-on-content\ndescription: 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。**\nargument-hint: [draft-path] [— mode: cold-start|calibration]\nallowed-tools: Bash(*), Read, Write, Edit, Grep, Glob, Skill, mcp__llm-chat__chat\n---\n\n# 网红作弊器 / Cheat on Content\n\n> 🎯 **方法论通用，rubric 当前内置观点视频版**\n>\n> **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。\n>\n> **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：\n> - 自己写一份 rubric（参照 [starter-rubrics/opinion-video-zero.md](starter-rubrics/opinion-video-zero.md) 的格式）\n> - 或等内置扩展（长文 / 短文 / 播客 starter 在批次 3 路线图）\n>\n> 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。\n\n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**。\n\n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。\n\n## Codex compatibility\n\nCodex 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：\n\n- `初始化 cheat-on-content` → 读取并执行 `skills/cheat-init/SKILL.md`\n- `打分这篇 scripts/foo.md` → 读取并执行 `skills/cheat-score/SKILL.md`\n- `启动预测 scripts/foo.md` → 读取并执行 `skills/cheat-predict/SKILL.md`\n- `拍了 ...` / `已发布 ...` / `复盘 ...` / `升级 rubric` / `状态` → 分别读取对应 `skills/cheat-*/SKILL.md`\n\n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。\n\n---\n\n## 三条不可妥协原则\n\n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**。\n\n1. **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**。\n\n2. **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)。\n\n3. **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)。\n\n---\n\n## 路由表（触发词 → 子 skill）\n\n| 用户说 | 调用 | 前置条件 |\n|---|---|---|\n| \"初始化\" / \"init\" / \"首次使用\" | `/cheat-init` | 无（这是入口） |\n| \"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 |\n| \"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） |\n| \"打分这篇 [path]\" / \"score this [path]\" | `/cheat-score` | rubric_notes.md 存在 |\n| \"启动预测\" / \"start prediction\" / \"给这稿子打分并预测\" | `/cheat-predict` | 已 init + 有最终稿 |\n| \"拍了 X\" / \"shot it\" / \"录完了\" | `/cheat-shoot` | 对应预测已写（buffer +1） |\n| \"已发布\""},{"path":"SKILL.md","content":"---\nname: \"trae-hot\"\ndescription: \"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。\"\n---\n\n# Trae-Hot — TRAE AI创造力大赛超级IP孵化系统\n\n> 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。\n> 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。\n\n---\n\n## 作者\n\n| 项目 | 信息 |\n|------|------|\n| 创作者 | **@PandLeeAI** |\n| 联系邮箱 | **PandLee@qq.com** |\n| 抖音 | **@熊黎 \\| PandLeeAI** |\n| 开源协议 | MIT License |\n\n---\n\n## 触发机制\n\n### 自动触发（关键词匹配）\n\n当用户消息中包含以下任意关键词时，自动调用此skill：\n- 大赛申报、TRAE大赛、创造力大赛、报名帖、初赛帖\n- 做demo、做申报、申领流量券、5W流量\n- 视频脚本、打分预测、模拟评委、评委打分\n- 初赛深化、demo制作、产品介绍页、选题合规\n\n### 手动触发\n\n用户说\"开始新demo\"、\"做新选题\"、\"继续XXdemo\"、\"trae-hot\"时调用。\n\n### 首次对话开场白\n\n> 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：\n\n```\n🚀 TRAE AI创造力大赛申报引擎已就绪\n📋 大赛规则速览：\n  - 赛道四选一：生活娱乐 / 学习工作 / 社会服务 / 硬件交互\n  - 可加选社会公益（附加赛题）\n  - 报名帖≥100字 + 4个必填项 + 上传HTML\n  - 初赛帖≥3张截图 + ≥3个Session ID\n🔗 重要链接：\n  - 大赛官网：https://forum.trae.cn/c/38-category/38\n  - 5W流量券申领：https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b\n📊 当前进度：[从 state.md 读取]\n\n你是要做新选题，还是继续之前的demo？\n```\n\n---\n\n## 架构说明\n\n```\n.trae/skills/trae-hot/\n├── SKILL.md          # 本文件：工作流模板、规则、触发机制（可开源）\n└── state.md          # 私有数据：demo进度、账号上下文、经验沉淀（不开源）\n```\n\n> **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`。\n\n---\n\n## 官方链接\n\n| 链接 | 用途 |\n|------|------|\n| https://forum.trae.cn/c/38-category/38 | 大赛专区（看置顶帖） |\n| https://forum.trae.cn/t/topic/22547 | 大赛规则全攻略（113万奖金） |\n| https://forum.trae.cn/t/topic/22548 | 报名指南 |\n| https://forum.trae.cn/t/topic/22549 | 初赛参赛指南（必读） |\n| https://bytedance.larkoffice.com/share/base/form/shrcnzp18Sdf6XQxm8wGPPXDt4b | 5W流量券/抖音人气通道申领问卷 |\n\n---\n\n## 关键时间节点\n\n| 节点 | 时间 |\n|------|------|\n| 报名+初赛 | 2026年6月16日 – 7月15日（同步进行） |\n| 初赛结果公示 | 2026年7月21日 – 23日 |\n| 抖音人气数据截止 | 2026年7月15日 23:59:59 |\n\n---\n\n## 核心原则\n\n1. **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\n2. **每个demo独立**：`demo/<NN>-<name>/` 下包含完整申报材料\n3. **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\n4. **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\n5. **序号自动递增**：从01开始，新建demo时读取 `state.md` 取最大序号+1\n6. **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\n\n---\n\n## 目录结构\n\n```\ndemo/<NN>-<name>/\n├── 选题.md           # 阶段1：选题方向、赛道、价值主张\n├── 报名帖.md         # 阶段2：报名帖正文（按模板）\n├── 产品介绍页.html   # 阶段3：TRAE生成的单HTML产品介绍页\n├── 初赛帖.md         # 阶段5：初赛帖正文（按模板）\n├── 模拟评委打分.md   # 阶段5B：7位评委模拟评审（⭐核心）\n├── 视频脚本.md       # 阶段6：视频拍摄脚本\n├── 打分预测.md       # 阶段7：调用cheat-on-content评分预测\n├── 回收.md           # 阶段8：发布后数据回收、复盘\n└── 素材/             # 用户放截图、Session ID等素材\n```\n\n---\n\n## 引导式互动流程（8阶段）\n\n### 阶段0：Onboarding — 介绍规则\n\n**触发条件**：用户首次触发trae-hot，或说\"开始新demo\"、\"规则是什么\"\n\n**动作**：\n1. 读取 `state.md` 获取当前进度\n2. 展示上方开场白\n3. 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\n4. 询问：要做新选题还是继续已有demo\n\n**产出**：无文件，纯对话引导\n\n---\n\n### 阶段1：选题 — 确定方向\n\n**触发条件**：用户说\"做新选题\"、\"新demo\"、\"我想做一个xxx\"\n\n**动作**：\n1. 和用户讨论选题方向，确认：\n   - 赛道（四选一 + 可选社会公益）\n   - 产品形态（App/小程序/网站/系统/硬件）\n   - 想解决什么痛点\n   - 目标用户是谁\n2. 帮用户做选题合规检查（见下方清单）\n3. 探讨产品设计：核心功能、差异化、价值主张\n4. 用户确认后，读取 `state.md` 取最大序号+1"},{"path":"deps/cheat-on-content/README.md","content":"# 网红作弊器 / Cheat on Content\n\n> **蜗牛学长** 原创作品 — 内容创作可量化预测系统\n>\n> 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**\n\n---\n\n## 致敬\n\n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。\n\n蜗牛学长的这套方法论教会我们一件事：\n\n> **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。\n\nTrae-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。\n\n---\n\n## 本目录包含的文件\n\n| 文件 | 说明 |\n|------|------|\n| `SKILL.md` | cheat-on-content 总协议 + 路由表（完整工作流） |\n| `rubric_notes.template.md` | 评分校准笔记模板（你的评分规则进化载体） |\n| `starter-rubrics/opinion-video-zero.md` | v0 cold-start 等权占位 rubric（新人起步用） |\n| `starter-rubrics/opinion-video.md` | v2 已校准 rubric（25+ 样本拟合，参考用） |\n\n---\n\n## 如何使用\n\n### 如果你要做内容评分预测\n\n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。\n\n### 如果你要独立使用 cheat-on-content\n\n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。\n\n### 新人建议\n\n1. 先用 `opinion-video-zero.md`（v0 等权公式）起步\n2. 发完 5 篇、跑完 5 次复盘后，再考虑切到 v2 或自己拟合权重\n3. 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\n\n---\n\n## 协议\n\ncheat-on-content 的评分体系遵循三条不可妥协原则：\n\n1. **盲预测**：预测必须在看到任何实际数据之前写完\n2. **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\n3. **rubric 是工作台，不是博物馆**：被推翻的观察删掉，git history 才是档案\n\n---\n\n## 归因\n\n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。\n\n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。"},{"path":"README.md","content":"# Trae-Hot — TRAE AI创造力大赛超级IP孵化系统\n\n> 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。\n> 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。\n\n> 活动规则详情介绍：https://www.trae.cn/ai-creativity?utm_source=community\n\n<img width=\"1923\" height=\"937\" alt=\"image\" src=\"https://github.com/user-attachments/assets/9c45ba65-17f9-4130-abc9-82d1f4ef7b8c\" />\n\n<img width=\"766\" height=\"1603\" alt=\"image\" src=\"https://github.com/user-attachments/assets/74ee1f4e-1242-4f90-9361-a8144133b6ae\" />\n\n---\n\n## 作者\n\n| 项目 | 信息 |\n|------|------|\n| 创作者 | **@PandLeeAI** |\n| 联系邮箱 | **PandLee@qq.com** |\n| 抖音 | **@熊黎 \\| PandLeeAI** |\n| 开源协议 | MIT License |\n\n---\n\n## 文件结构\n\n```\ntrae-hot-v2.0/\n├── README.md                          # 本文件（分发说明）\n├── SKILL.md                           # trae-hot 主skill文件（8阶段工作流）\n├── state.md                           # 空白模板（记录你的demo进度和账号数据）\n├── rubric.md                          # 自包含评分参考（无需安装cheat-on-content）\n├── demo-template/                     # 申报材料模板（7个阶段模板）\n│   ├── 选题.md\n│   ├── 报名帖.md\n│   ├── 初赛帖.md\n│   ├── 视频脚本.md\n│   ├── 模拟评委打分.md\n│   ├── 打分预测.md\n│   └── 回收.md\n└── deps/\n    └── cheat-on-content/              # 网红作弊器（依赖 + 致敬蜗牛学长）\n        ├── README.md                  # 致敬与归因说明\n        ├── SKILL.md                   # 总协议 + 路由表\n        ├── rubric_notes.template.md   # 评分模板（复制到项目根目录使用）\n        └── starter-rubrics/\n            ├── opinion-video.md       # v2 已校准 rubric（25+ 样本）\n            └── opinion-video-zero.md  # v0 cold-start 等权占位\n```\n\n---\n\n## 快速安装\n\n### 方式一：仅安装 Trae-Hot（推荐，最简单）\n\n```bash\n# 1. 复制 skill 文件到你的项目\n你的项目/\n├── .trae/\n│   └── skills/\n│       └── trae-hot/\n│           ├── SKILL.md      ← 从本zip复制\n│           └── state.md      ← 从本zip复制（空白模板）\n└── rubric.md                 ← 从本zip复制（可选，自包含评分参考）\n```\n\n### 方式二：完整安装（含网红作弊器依赖）\n\n```bash\n# 1. 复制 trae-hot skill\ncp -r trae-hot-v2.0/SKILL.md 你的项目/.trae/skills/trae-hot/\ncp -r trae-hot-v2.0/state.md 你的项目/.trae/skills/trae-hot/\n\n# 2. 复制 cheat-on-content 依赖（可选，深度评分用）\ncp -r trae-hot-v2.0/deps/cheat-on-content/ 你的项目/.trae/skills/cheat-on-content/\n\n# 3. 复制评分模板到项目根目录\ncp trae-hot-v2.0/deps/cheat-on-content/rubric_notes.template.md 你的项目/rubric_notes.md\n\n# 4. 复制自包含评分参考（可选）\ncp trae-hot-v2.0/rubric.md 你的项目/\n```\n\n### 填写 state.md\n\n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。\n\n### 开始使用\n\n在TRAE对话中输入以下任一关键词即可触发：\n\n- \"开始新demo\" / \"做新选题\" / \"大赛申报\"\n- \"报名帖\" / \"初赛帖\" / \"视频脚本\"\n- \"打分预测\" / \"模拟评委\"\n\n---\n\n## 评分系统说明\n\n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：\n\n### 轻量模式（默认）\n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。**\n\n### 深度模式（推荐进阶用户）\n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。\n\n---\n\n## 适用场景\n\n- TRAE AI创造力大赛报名/初赛申报\n- 批量制作demo冲5W流量券\n- 内容视频脚本+打分预测\n- IP账号孵化\n\n---\n\n## 更新日志\n\n### v2.0 (2026-07-10)\n- 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）\n- 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）\n- 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）\n- 新增 Session ID 完整格式说明（3段不能丢！常见错误对照）\n- 初赛帖模板更新：增加\"打招呼\"section，强化 Session ID 完整性要求\n- 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）\n"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn70wwh4mgvh984abs2fmqm2b98c74ck\",\n  \"slug\": \"traehot\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1786368147542\n}"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"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","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":884,"uniquenessScore":49,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T21:08:34.430Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-09T21:08:34.430Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T07:41:33.784Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"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!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"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","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}