Token导航 LogoToken导航

Agent Skill · 待分类

ugc-content-grader(UGC 内容分级器)

用于辅助文档、README、Markdown、说明文和内容稿件的整理与改写。它适合让 Agent 提炼结构、补齐章节、统一术语、检查链接或把零散材料整理成可读文档。使用时应保留项目已有事实、命令和路径,不要把未确认的信息写成确定结论;涉及对外文案时,还需要控制语气,避免过度营销或夸大能力。

ugc-content-grader 是待分类类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为只读;许可证信息还不明确,第三方扫描已通过,按安装量在待分类类的 11,209 个 Skill 里排第 9,238。

总安装 250周安装 10GitHub Stars 4下载 81核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:ugc-content-grader(UGC 内容分级器)
来源仓库:https://github.com/tfcbot/rawugc-skills
仓库路径:skills/ugc-content-grader
安装命令:
npx skills add https://github.com/tfcbot/rawugc-skills --skill ugc-content-grader
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/tfcbot/rawugc-skills --skill ugc-content-grader

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定,用法以来源仓库的说明为准。

辅助文档、README、Markdown 和内容稿件的整理与改写,提升内容可读性。可提炼结构、补齐章节、统一术语或检查链接,适用于内容生产场景。使用时保留项目已有事实与路径,避免将未确认信息写成确定结论。涉及对外文案时需控制语气,防止过度营销或夸大能力描述。

ugc-content-grader 属于待分类类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/ugc-content-grader

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/tfcbot/rawugc-skills --skill ugc-content-grade…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

ugc-content-grader 怎么安装?

在终端执行 npx skills add https://github.com/tfcbot/rawugc-skills --skill ugc-content-grader。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

ugc-content-grader 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

ugc-content-grader 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

ugc-content-grader 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

ugc-content-grader 用的人多吗?

公开数据是累计安装 250 次,近一周安装 10 次,下载 81 次,GitHub 4 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

ugc-content-grader 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理待分类类任务、又不想每次都手写提示词的人。
  • 只想先试试效果、不希望它改动本地文件的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
infsh-cli

infsh CLI · Codex、Claude

4,374,576382权限未标注未明确未收录
ai-video-generation

AI 视频生成 · Codex、Claude

4,313,376382调用外部服务未明确有提醒
lark-openapi-explorer

云雀 OpenAPI 浏览器 · Codex、Claude

2,064,1209,011需要联网未明确有提醒
lark-workflow-standup-report

Lark 工作流程站立报告 · Codex、Claude

2,041,6328,978需要联网未明确通过
use-my-browser

使用我的浏览器 · Codex、Claude

1,848,49140操作浏览器未明确未通过
ugc-content-grader

UGC 内容分级器 · 本页

2504只读未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

UGC Content Grader

Procedural knowledge for auditing and scoring short-form UGC video ideas destined for AI generation (RawUGC / Sora / Veo). Apply these rubrics to every card in a kanban board or any batch of UGC scripts.

When to Use

  • User asks to "score", "grade", "audit", or "review" UGC ideas
  • User asks to "improve" low-scoring content
  • User adds new ideas and wants them evaluated
  • User wants to check if content "sounds like an ad"

Scores

Every idea receives three scores. All three must be present.

1. Quality Score (1–10)

Does the script make sense for the target audience and short-form platform?

RangeLabelMeaning
8–10HighHook stops the scroll, overlay is tight, shot list is filmable, angle lands for the persona
5–7MidDecent but something is off — weak hook, overlay too long, angle mismatch
1–4LowDoesn't work — confusing, wrong audience, wouldn't hold attention past 1 second

See reference.md for the full quality rubric.

2. Complexity Score (low / medium / high)

How likely is AI video generation to fail or produce artifacts?

LevelMeaning
lowStatic location, one person, no props requiring precision, no on-screen text/numbers, no walking
mediumOne location change OR one precise prop interaction OR brief text on screen
highScreen content, multiple simultaneous props, walking while talking, specific readable text/numbers, two-phone setups

Target: low. If an idea scores medium or high, rewrite the shot list to remove the offending elements. Common fixes in reference.md.

3. Native Score (1–10)

Does this feel like organic creator content or does it read like an ad?

High = native/casual. Low = reads like an ad.

RangeLabelColorMeaning
7–10NativeGreenFeels like a real person posting organically — storytime, pov, rant, hot take, meme format
4–6MidOrangeMixed — decent hook but some ad structure leaking through
1–3AdsyRedReads like a marketing department wrote it — jargon, checklists, "link in bio", feature lists

See reference.md for the full native scoring rubric with red flags and green flags.

CTA Rules

  • Ratio: 1/3 of ideas should have a CTA. 2/3 should have NO CTA.
  • No "link in bio" — ever. It screams ad.
  • Acceptable CTA format: Comment-keyword style only (e.g. "comment SUNDAY and I'll send you the process")
  • No CTAs that sound like landing pages: "try it free today", "see what it costs", "start your free trial" are all banned.
  • When distributing CTAs across a batch, spread them evenly — don't cluster all CTAs in one funnel phase.

Improvement Workflow

When content scores below threshold, rewrite it following these principles:

  1. Hook: Rewrite as storytime, pov, hot take, or rant. First person. Emotional. Specific.
  2. Overlay: Conversational, not formatted. No bullet points or checklists. Short — max 4 lines.
  3. Shot List: Keep it to 3–4 simple shots. One static location. No complex choreography.
  4. Tone: Gen-Z native — self-deprecating, unhinged, chaotic, conspiratorial, smug, confused. NOT: professional, motivational, coach-y, LinkedIn energy.

Data Format

Scores are saved directly on each card object:

{
  "qualityScore": 9,
  "complexityScore": "low",
  "nativeScore": 8
}

For the full rubric details, scoring examples, red/green flags, and rewrite patterns see reference.md.

平台分布

Codex

37.17%
按下载量换算30

Claude

28.93%
按下载量换算23

Cursor

18.41%
按下载量换算15

Gemini CLI

10.47%
按下载量换算8

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills