flomo笔记打分技能

随机推送完整flomo笔记供用户按S/A/B/C/D/E评分，记录与学习偏好，形成个性化笔记打分标准。

Security Scan

技能声称会自动从你的 flomo 拉取并展示“完整笔记”并持续更新评分规则，但包内未声明或请求任何访问凭据、网络端点或安装步骤，存在用途与所需权限不一致且有隐私风险。

Purpose & Capability

技能目标是“随机推送用户的 flomo 笔记并展示完整内容”，这隐含需要访问用户的 flomo 数据（通过 Flomo API 或本地导出文件）。但清单中没有任何环境变量、凭据、配置路径或二进制依赖来实现这一点。README 提到“Flomo MCP API”和“Token: 已配置在 SECRET.md”，但 SECRET.md 不在包内且 skill.json/manifest 未声明任何 required env。这意味着声明的能力与实际所需权限不一致。

Instruction Scope

SKILL.md 明确要求读取并展示笔记完整内容、排除已打分项、更新 scoring-history.json、并实时修改 grading-principles.md（使用 edit_file 的 replace/append 模式）。这些指令会读取/写入本地文件（存在于包内的 scoring-history.json、grading-principles.md 可被修改），这是可以理解的。但核心问题在于如何获得“完整笔记内容”——scoring-history.json 中只包含 content_preview（被屏蔽/摘要），无法满足“必须完整展示”的要求。SKILL.md/README 暗示要访问 Flomo API，但没有给出如何认证、也没有声明要向哪些外部端点发送数据；这种模糊性授予了代理很大的自由度（它可能尝试联网、请求凭据或要求用户粘贴数据）。此外 README 中提到的一些隐私文件（如 all_notes_index.json、.scored_ids.txt 等）并未出现在文件清单中，进一步增加不一致性。

Install Mechanism

这是一个 instruction-only 技能（无安装说明、无代码文件要执行），从安装风险角度是低的：没有下载/执行外部归档或第三方包。不过 instruction-only 模式把安全边界转移到运行时的 I/O 和网络调用：缺乏明确声明的网络端点或凭据并不等于安全——相反，它表示在运行时代理可能会尝试以不透明的方式获取数据/凭证。

Credentials

技能需要访问用户私人笔记（完整内容），但 requires.env 列表为空，primary credential 也未声明。README 指出“Token: 已配置在 SECRET.md”，但 SECRET.md 不在包内，且 SKILL.md 并未声明需要哪个环境变量名（例如 FLOMO_TOKEN）。这不匹配：访问第三方 API 通常需要明确的凭据声明。scoring-history.json 包含被屏蔽的预览，但 README/README 列表表明可能存在本地未公开的完整历史文件（scoring-history.json 被列为“隐私文件”），处理此类完整笔记会有重大隐私/凭据要求，当前清单未能说明这些需求。

Persistence & Privilege

技能未设置 always:true，也未声明会修改其它技能或系统范围配置；其行为主要是读取/写入技能目录下的文件（grading-principles.md、scoring-history.json）。默认允许代理自主调用（disable-model-invocation:false），这是平台默认行为，并非单独风险信号。但应注意：该技能会自动迭代并‘立即更新’评分原则——如果代理能联网或获得凭据，持续自动更新可能会扩大影响面。

What to consider before installing

要点与建议： 1) 不一致性警告：技能需要访问并展示“完整 flomo 笔记”，但包内没有声明任何用于访问 Flomo 的凭据（例如 FLOMO_TOKEN 环境变量）或网络端点；README 提到 SECRET.md，但该文件未包含在清单中。安装前请向作者确认：如何认证到 Flomo，凭据应以何种方式提供，凭据会不会被上传或共享。 2) 隐私风险：技能会读取/保存完整笔记并把它们作为训练材料来“立即更新”评分规则。确认 scoring-history.json 与 any_notes_index 是否真地只保存在本地并且不会被发送到第三方服务器；如果你有敏感笔记，先不要把它们导入或授权自动访问。 3) 技术细节缺失：要求作者在技能元数据中明确列出所需的环境变量/凭据名称、网络端点（API URL），以及说明会不会与外部服务器通信或仅在本地处理数据。当前缺失这些信息是不合格的工程实践。 4) 版本与文件不一致：注册表显示 v1.4.0，但包内 skill.json 是 v1.3.0；README 列出的隐私文件（如 all_notes_index.json）并不在清单中。要求作者修正并解释差异。 5) 若决定使用： - 只在你能审查并控制凭据存放位置（例如本地 SECRET.md 或明确的 env var 名称）后授权。 - 优先要求作者发布最小权限的访问方式（只读、仅特定笔记集合）。 - 备份你的笔记并在受控环境中先行测试，确认技能不会向外部 URL 上传完整笔记内容。 总结：技能目的合理（帮助你给 flomo 笔记打分并学习偏好），但当前包在“如何安全获取完整笔记”这一关键点上自相矛盾——在作者修正并明确凭据/网络行为前，建议将其标记为可疑并谨慎对待。

功能描述

随机推送flomo笔记让用户打分，持续学习用户的打分偏好，动态更新"好笔记"评判标准。

核心文件

文件	用途
grading-principles.md	打分原则（核心输出，持续迭代）
scoring-history.json	打分历史记录
SKILL.md	本文件，技能定义

游戏流程

1. 启动时

• 读取 grading-principles.md，理解当前的打分标准
• 向用户简述当前学习进度（如"已学习50篇打分"）

2. 推送笔记

• 从用户的所有flomo笔记中随机选择一篇（排除已打分的）
• 必须完整展示笔记内容，不能截断或省略，否则用户无法准确打分
• 展示格式：

  Note #序号
  [完整内容，不截断]
  
  📅 创建时间 | 📝 字数 | 🏷️ 标签
  

2.5 给出打分建议（重要）

在展示笔记后，根据 grading-principles.md 中的打分原则，给出系统建议的评分：

建议格式：

**🤖 打分建议：X**

**理由：**
- ✅ 符合原则A
- ✅ 符合原则B
- ❌ 缺少某要素
- ❌ 另一个不足

**与相邻分数的差距**：说明为什么是X而不是X+1或X-1

建议依据：

1. 匹配 grading-principles.md 中的各分数特征
2. 对比历史打分中相似笔记的得分
3. 分析笔记的核心价值点

3. 等待打分

用户可以选择：

• S - 极品笔记，值得反复回味
• A - 优秀笔记，有独特价值
• B - 良好笔记，有一定价值
• C - 普通笔记，价值一般
• D - 较差笔记，价值较低
• E - 垃圾笔记，应删除或改进
• Q - 退出游戏

用户可附带打分理由（如"S，亲身经历总结"）

4. 记录与学习（核心）

每次打分后：

1. 记录打分历史 → scoring-history.json
2. 分析是否符合现有原则：
   • 如果符合已有原则 → 确认模式
   • 如果发现新模式 → 立即更新 grading-principles.md
3. 给出学习反馈（可选）：
   • "发现新规律：XXX = A分"
   • "确认已有模式：S = 亲身经历总结"

5. 批量更新检查点

每打分10篇后，进行系统性原则更新：

• 统计各分数段的占比变化
• 发现新的打分路径
• 提炼新的改进建议
• 更新"打分逻辑总结"表格

6. 循环继续

自动推送下一篇随机笔记，直到用户退出或切换话题。

---

打分原则更新规则

触发更新的情况

1. 发现新的高分路径：用户给出一个新理由，不在现有原则中

   • 如：首次出现"情绪价值 = A分"

2. 发现新的低分模式：用户识别出新的垃圾笔记类型

   • 如：首次出现"收藏癖 = E分"

3. 分数边界变化：用户修正对某类笔记的评分标准

   • 如：从"鸡汤 = C"改为"鸡汤 = D"

4. 数量统计变化：各分数占比有明显变化

更新方式

使用 edit_file 工具的 replace_one 或 append 模式：

• 新增打分路径 → append 到对应分数段落
• 修正已有描述 → replace_one
• 更新统计数据 → replace_all

---

打分原则摘要（当前版本）

详细内容见 grading-principles.md

S分（极品）

• 亲身经历总结，经验汇总
• 独特观点，反常识洞察

A分（优秀）

• 独立思考 + 具体场景
• 底层道理，长期有效
• 情绪价值，勾起美好回忆
• 真情实感的事件
• 正确且可执行的道理
• 能触发思考的有效建议

B分（良好）

• 有价值观点，但缺乏实践/场景支撑
• 有用的tips/建议
• 有趣的社会现象

C分（普通）

• 鸡汤（有道理但无详情）
• 日常记录，没有提炼
• 玄学
• 未证实的碎片案例

D分（较差）

• 纯吐槽/情绪，连记录都算不上
• 图片笔记无文字说明（信息丢失）

E分（垃圾）

• 过时/失效信息
• 收藏癖内容（存了不看）
• 负价值信息噪音

---

执行指令

当用户说"笔记打分"、"flomo打分"、"继续打分"时启动：

1. 读取 grading-principles.md 和 scoring-history.json
2. 获取随机笔记（排除已打分的）
3. 展示笔记内容
4. 等待用户打分
5. 记录打分，分析并更新原则
6. 继续下一篇

---

注意事项

• 展示完整内容：不要截断笔记
• 记录打分理由：用户的理由是学习的关键
• 即时反馈新发现：发现新规律时告知用户
• 排除已打分笔记：从 scoring-history.json 获取已打分的 note_id
• 原则持续迭代：这是本技能的核心价值，不是一次性产出