核心用法
锐评采用"投喂-分析-输出"的极简交互模式。用户直接丢给Agent一条新闻事件（如"特斯拉降价3万"），Skill立即按标准协议输出完整深度评论，无需二次确认。也支持搜索模式：用户指定领域（如"AI行业最新动态"），Skill先调用search_web抓取素材、按"影响判断型/反直觉型/趋势预判型"三标准筛选，再生成锐评。输出格式严格遵循八段式结构：事件标题、原新闻摘要、一句话结论、本质拆解、趋势推演（1-3个月短期+半年至1年中期）、影响对象量化分析、分场景决策建议（投资者/从业者/普通用户）、金句收尾。
显著优点
决策导向明确：区别于泛泛的新闻摘要，每条锐评强制回答"这事意味着什么、对谁影响多大、你该怎么做"，输出可直接指导投资、职业或消费决策。结构化程度极高，八段式模板确保分析维度完整，避免遗漏关键变量。
效率优势突出：单条深评生成时间控制在数十秒内，批量模式可一键处理全天热点；用户无需学习Prompt工程，零门槛触发深度分析。
立场鲜明可传播：结论要求"犀利"、金句要求"让人想转发"，天然适配社交传播场景，帮助用户建立专业意见领袖形象。
潜在缺点与局限性
素材质量依赖性强：核心分析由底层AI模型完成，Skill本身仅提供格式化框架。若用户投喂的新闻信息残缺（缺时间、数据、背景），输出质量会显著下降；虽然Skill设计了追问机制，但交互摩擦仍然存在。
搜索能力边界模糊：文档坦诚说明"不是RSS订阅器、没有实时推送能力"，search_web的实际效果受Agent工具能力限制，高峰期可能出现素材滞后或检索盲区。
预判 inherently 有风险：趋势推演环节涉及未来判断（如"Q2财报确认亏损底再考虑"），这些预测本质上是概率性判断，不应视为确定性投资建议，但文档的风险提示相对隐性。
领域覆盖不均衡：示例集中于科技/新能源/汽车行业，对金融政策、医疗健康、文化娱乐等领域的适配深度未经充分验证。
适合的目标群体
投资者与分析师：需要快速对突发行业事件形成判断、辅助投资决策的股票投资者、基金经理、行业研究员。
商业决策者：企业战略、市场、产品负责人，需要追踪竞品动态、政策变化对业务的影响。
内容创作者与媒体人：需要在热点中输出差异化观点的自媒体、专栏作者、播客主播。
高信息焦虑的知识工作者：每天接触大量新闻但难以形成有效判断的职场人士，希望降低信息筛选成本。
使用风险
模型幻觉风险：深度分析依赖AI的推理能力，可能出现事实错误、因果归因偏差或过度自信的预测，关键决策需交叉验证。
时效性风险：新闻事件窗口期短暂，搜索模式下的素材获取延迟可能导致分析错过最佳决策时机。
过度简化风险：八段式模板虽保证结构完整，但复杂事件的多维度博弈可能被压缩为线性叙事，重大投资决策建议配合专业财务顾问。
依赖项风险：代码依赖requests库，虽无已知CVE但版本约束较宽松，建议用户关注供应链安全公告。