核心用法
该技能专为Clawhub平台上对Nano Banana Pro风格工作流有强烈需求的用户设计。当用户提及工作生产力、Nano Banana Pro相关关键词，或需要修复bug、加固设置安全性、提升可靠性，以及创建相邻衍生技能时，助手将启动标准化六步工作流：重新确认用户目标与约束条件→制定简洁的工作计划或模板→仅询问关键缺失信息→优先采用本地硬件友好的实现方式→交付定制化产出物→验证成果并提示后续风险。
显著优点
需求验证扎实：基于12个跨4个来源家族的独立信号，需求评分达100/100，避免了为单一孤立请求过度投入的风险。本地优先架构：明确优先脚本、模板、清单及小型模型/CPU安全方案，降低对云端API的依赖，适合隐私敏感或网络受限场景。决策效率优化：通过"仅询问关键缺失信息"原则，大幅减少来回沟通成本，用户可快速获得可执行的产出。输出形态灵活：根据场景提供即时答案、可复用清单或工作流，并附带验证说明，确保结果可直接落地。
潜在缺点与局限性
概念抽象度高："Nano Banana Pro"作为特定平台术语，对新用户可能存在理解门槛，需要一定上下文铺垫。假设依赖风险：工作流鼓励"合理假设并继续"，若用户未主动澄清关键约束，产出可能与实际需求存在偏差。技术栈锁定倾向：本地优先原则虽提升自主性，但可能限制部分需大规模算力或云端协同的高级功能实现。验证深度有限：报告本身为系统占位生成，未经过实际安全扫描，实际可靠性需结合具体执行环境评估。
适合的目标群体
- AI Agent开发者与技能作者：需要基于验证需求快速构建或优化技能的工作流
- Clawhub平台维护者：处理Nano Banana Pro相关生态的bug修复与可靠性加固
- 隐私优先型团队：寻求减少云端依赖、强化本地可控性的自动化方案
- 技术协调成本敏感者：希望通过标准化模板降低跨团队手动协调负担
使用风险说明
性能风险：CPU优先策略在复杂场景下可能响应延迟高于GPU/云端方案；依赖项风险：本地脚本依赖特定运行时环境，跨平台兼容性需额外测试；语义漂移风险："Nano Banana Pro"作为 evolving 概念，技能实现与最新社区实践可能存在时间差；安全基线风险：当前认证报告为占位状态，实际部署前应补充完整安全扫描与依赖审计。