创作工具猎手 zhupipi07/creative-tool-scout

creative-tool-scout

一个给 AI 用的「找工具」技能。 覆盖 AI 生成（生图 / 视频 / 3D / 音频）与传统创作（绘画 / 建模 / 动画 / 剪辑 / 音乐 / 摄影）多个领域。

我让 AI 帮我找一个工具，它给我的全是三年前就死掉的东西，还有一堆我用不上的。
后来我发现问题不在 AI，在于它不知道该怎么搜这个社区。

它解决什么

用户给出需求（"我想做一段 XXX"），AI 去找当下真正能解决它的工具。通用 AI 搜索做不好这件事，原因有四个，都是结构性的：

| 失效 | 机制 | 解法 |
| 排序失效 | 搜索引擎按流量/SEO 排，不按质量排 | 用来源优先级表替代"搜全网" |
| 词汇失效 ⭐ | AI 不知道领域黑话，搜「怎么让角色动起来」而不是「VMD 骨骼 retarget」 | 先把需求翻译成领域术语 |
| 时效失效 | 训练数据过期 + 网页无日期，会推荐已死的工具 | 运行时活性检查 |
| 收敛失效 | 好选项太多 → 模型推荐"被提到最多的"而非"最适合你的" | 结合用户约束筛选 |

词汇失效最致命，也最好治。 AI 用错词搜，就永远搜不到对的东西，而且它不会告诉你"我搜错了"。

核心方法：找该领域的「天然工具清单」

这是它区别于普通搜索的地方。

每个创作领域，创作者都会因为署名习惯、合规要求或协作需要，在发布作品时留下工具标注。
找到这个副产品，就找到了该领域最真实的工具清单——而且是社区免费、持续维护的。

references/byproduct-map.md 里有完整地图，例如：

| 领域 | 天然工具清单在哪 |
| MMD / 3D 动画 | 作品简介的借物表 |
| AI 生图 / 视频 | 图片内嵌元数据（模型与 LoRA 的 hash）、Civitai 作品页 |
| 摄影 | EXIF |
| 音乐制作 | 采访/拆解内容里的 VST 插件与设备清单 |
| 软件 / 插件 | 依赖清单 |

为什么不能靠预存清单：这些渠道网盘出现次数超过 GitHub，而网盘链接会失效；同时新工具出现极快。

一个实测证据

我抓了 412 个 B 站 MMD 视频，提取 57 个工具名，逐个检查是否出现在标题里：

| 口径 | 不同工具名 | 出现在过标题里 | 只在简介/借物表里 |
| 仅英文效果名 | 57 | 1 | 56（98.2%） |

唯一"出现在标题里"的那个是 MMD 本身——它是领域名，不是工具名。

所以：以标题为主要字段的搜索，结构性地看不见这些工具。 这是"天然工具清单"方法存在的理由。

而且工具的生命周期很紧：有个正好解决"新手+不懂美术"需求的插件创建于 2026-09-17—— 任何在那之前写好的静态清单，在物理上不可能包含它。

它做什么

1. 需求澄清——最多问 2 个问题（目标 + 硬约束）。不问"你想用什么工具"（他不知道才来找你）
2. 翻译成领域黑话——没有该领域词表时，先做「领域侦测」现场生成一份
3. 四通道并行搜索——黑话 / 约束 / 痛点 / 溯源（实测四通道结果文档级零重叠）
4. 挖天然工具清单——从作品反查工具（作品有传播，工具没有）
5. 活性检查——现查是否还活着，绝不推荐死掉的东西
6. 输出 1 条主路径 + 2 条备选，标明"你已有的不用装""活性读数""已知坑"

它不给你"10 个神器"。它替你砍掉 99 个选项。

安装

技能是开放标准（agentskills.io，最初由 Anthropic 开发并开放），所以同一份 SKILL.md 可以用在多个 agent 上——但每家的加载目录不同。

只需要 SKILL.md 和 references/ 两样东西（experiments/ 是验证材料，不参与运行，不用装）。
把它们放进对应目录即可，不需要安装脚本：

| Agent | 用户级目录 | 项目级目录 |
| 通用（推荐） | ~/.agents/skills/creative-tool-scout/ | .agents/skills/creative-tool-scout/ |
| Claude Code | ~/.claude/skills/creative-tool-scout/ | .claude/skills/creative-tool-scout/ |
| Codex | ~/.codex/skills/creative-tool-scout/ | — |
| DeepSeek Harness | ~/.dsh/skills/creative-tool-scout/ | .dsh/skills/creative-tool-scout/ |
| ZCode | ~/.zcode/skills/creative-tool-scout/ | .zcode/skills/creative-tool-scout/ |

~/.agents/skills/ 是正在形成的跨厂商中立位置（Codex 新官方用户根，DSH 原生扫描）。
只想放一份就放这里。

agent 之间也可用桥接插件（例如 DSH 的 dsh-skill-compat-plus 可挂载 Claude / Codex / ZCode 的技能目录）。

结构

creative-tool-scout/
├── SKILL.md # 通用流程（领域无关，几乎不会过时） ├── references/ │ ├── byproduct-map.md # 跨领域：各领域"天然工具清单"在哪 ← 核心依据 │ ├── mmd.md # 领域包：MMD（已验证） │ └── _template.md # 新领域模板 └── experiments/ # 验证结论的实验与原始数据

流程在 SKILL.md，知识在 references/。 加新领域：复制 _template.md → 填 → 存为 references/<领域>.md。不需要改 SKILL.md。

没有知识包也能用：SKILL.md 的「领域侦测」会在运行时现场生成一份最小知识包（采黑话、定位天然工具清单、定来源），用过的领域再落盘成正式领域包。所以它第一天就能覆盖任意领域，并随使用变厚。

它做不到什么（诚实说明）

- 目前只有 MMD 一个领域包是经过实测的。 byproduct-map.md 里其他领域标了 [已验证] / [常识] / [待验证]，请注意区分。
- 工具名提取的解析率约 10%。 61.7% 的作品有结构化借物表字段，但格式太杂。瓶颈在解析规则，不在数据源。
- 评论区几乎没有工具名（实测 0/120）。评论区的价值是下载地址（22.5%）和排错知识。
- 不安装任何东西。 本技能只做侦察和推荐，不会往你电脑上装软件。

验证材料

experiments/ 下有三份实验报告和可重跑的脚本：

| 实验 | 结论 |
| 01 多通道搜索 + 挖词 | 三通道零重叠；挖词产出领域黑话；长尾实证 |
| 02 B站借物表挖掘 | 工具名 98.2% 只在简介；长尾实证（播放量）；需求验证 |
| 03 评论区抽取补测 | 否定性结果：评论无工具名；发现"排错知识"入口 |
| 00 验证总结 | 已验证 / 已推翻 / 未验证 的完整清单 |

想要什么反馈（v0.1.0 beta）

⭐ 最有价值的一种反馈：A/B 对照

同一句话，问两次—— ① 装了本技能；② 把技能移走（从 ~/.dsh/skills/ 移出去），或用另一个没装的 AI。
然后把两个答案都贴出来。

为什么这个最有价值：我们自己已经测过一轮，结果是"平手"。 拿「16G 显存 8G 内存想本地做长视频」这个问题，装与不装都答对了（都指向 MiniMax H3）。

我们的猜测是：

一个话题越热门，本技能越没用；越长尾，本技能越有用。

理由：热门话题的资料满街都是，普通 AI 也能答对；而冷门、新出现、或约束刁钻的问题，才需要 byproduct-map.md 那套方法（找署名副产品、找约束专门化配置包、跨领域借机制）。

所以请特别告诉我：

- 在什么问题上，它和普通 AI 没有区别？ ← 这比夸它有用有价值得多
- 在什么问题上，它找到了普通 AI 找不到的东西？
- 它淘汰某些方案时，给的是理由（带来源和日期）还是热度（"这个最主流"）？
如果是后者，那它违背了自己的核心原则 2（热门 ≠ 适合），请直接指出来。

其他想问的

1. 在你的领域，工具名到底藏在哪？ 我做 MMD 时发现工具名 ≈100% 只在作品简介的借物表里，不在标题。
references/byproduct-map.md 里我对其他领域做了推测（AI 生图 → 图片元数据；摄影 → EXIF；音乐 → 采访里的插件清单）。
这些推测对不对？有没有我漏掉的"天然工具清单"？

2. 哪个领域的知识包最该先做？ 目前只有 mmd.md 是实测过的。其余领域要靠「领域侦测」现场生成。
你希望下一个补哪个？

3. 报错和排错该不该单独做一条线？ 我做实验时发现："找工具"是低频需求，"排错"是高频需求，而且大量报错解法存在于评论区问答里（例如"Blender 导入 PMX 后渲染泛紫 → 把 MMDShaderDev 的 Toon Tex Fac 改成 0"）。
要不要把"排错"做成独立能力？

4. 你的领域里，有没有"内容被平台过滤"的坑？ 实测发现 MMD 创作者分享网盘链接时会写"防删版"（在域名中间插字）。
其他平台还有什么类似的规避写法？这直接影响抓取成功率。

5. 你被它误导过吗？ 最需要警惕的是：它信心十足地给了一个过时的答案。
如果发生，请把当时的原话和后来发现的真相都贴出来——那是最有价值的 bug 报告。

欢迎在 Issues / Discussions 里贴具体的失败案例（你问了什么、它给了什么、你觉得应该是什么）。
「它和普通 AI 没区别」是最有用的反馈。

License

MIT