Getting it into your agent
There is no command for this one: it runs only inside a plugin, and the catalogue could not identify which plugin ships it. The source is linked below.
Wrote this? Show the measurements
A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.
[](https://agentmods.dev/skills/htlin222/zh-article-analyzer-skill/zh-article-analyzer)<a href="https://agentmods.dev/skills/htlin222/zh-article-analyzer-skill/zh-article-analyzer"><img src="https://agentmods.dev/badge/skills/htlin222/zh-article-analyzer-skill/zh-article-analyzer.svg" alt="Measured on agentmods" height="20"></a>What it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5.1 | $0.00234 | $0.02151 |
| Opus 5 | $0.00117 | $0.01076 |
| Sonnet 5 | $0.00047 | $0.00430 |
| Haiku 4.5 | $0.00023 | $0.00215 |
Grade A, and why
zh-article-analyzer scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 8d ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 189 lines — stays where its author put it; the contents beside it link to each section on GitHub.
繁體中文文章深度分析器
概述
本技能對繁體中文文章執行 兩階段分析：
- 量化階段：執行 Python 腳本，產出客觀數據指標（附行號定位）
- 質性階段：基於量化數據，由 LLM 進行深層修辭、典故、論證結構分析
最終整合為一份「文章指紋報告」。
第一階段：量化分析（Python 腳本）
前置準備
pip install jieba --break-system-packages -q
執行分析腳本
腳本位於 scripts/zh_analyzer.py，接受文章檔案路徑作為輸入：
python3 /path/to/skill/scripts/zh_analyzer.py /path/to/article.txt
腳本會輸出 JSON 格式的量化分析結果，包含以下模組：
模組 A：基礎統計
- 總字數、總段落數、總句數
- 每段字數分佈（均值、標準差、最大最小）
- 每句字數分佈（均值、標準差、變異係數）
- 標點符號密度與分佈
模組 B：詞彙豐富度（Lexical Richness）
- Type-Token Ratio (TTR)：不重複詞數 / 總詞數
- Hapax Legomena 比率：只出現一次的詞佔比
- 詞頻分佈（前 30 高頻詞，標記功能詞/實詞）
- 功能詞指紋：虛詞（的、了、在、把、被、而、則、之、其）的使用頻率向量
模組 C：句式節奏分析（Rhythm）
- 句長序列的 Shannon Entropy（可預測性）
- 句長變異係數（節奏起伏感）
- 四字格密度（每千字出現次數，含精確位置）
- 標點切分的「氣口」長度分佈
- 長短句交替模式偵測
模組 D：語域特徵（Register）
- 文白比：文言用詞佔比（基於常見文言虛詞與句式偵測）
- 成語與四字格密度
- 字頻層級分佈：常用字 / 次常用字 / 罕用字比例
- 外來語與專有名詞密度
模組 E：段落層級情感弧線
- 每段的正負情感粗估值（基於情感詞典）
- 情感轉折點標記（段落編號）
所有指標都附帶 行號範圍 或 段落編號，以便在報告中精確引用。
讀取分析結果
腳本輸出 JSON 到 stdout，格式範例見 references/output_schema.md。
第二階段：質性分析（LLM 深度解讀）
基於量化數據與原文，進行以下質性分析。每項分析都必須引用具體段落或行號。
F：引用與典故圖譜（Intertextuality）
逐段掃描文章，標記所有：
- 明確引用（直接引述他人語句）
- 暗引/化用（改寫或融入已知典故、名句、歷史事件）
- 學科領域歸類（文學、哲學、歷史、科學、宗教、流行文化等）
- 時代跨度（最古到最新的引用年代）
產出格式：
段落 3（行 15-18）：化用《莊子·逍遙遊》「鯤鵬」意象 → 領域：先秦哲學
段落 7（行 42-44）：引用 Steve Jobs 史丹佛演講 → 領域：當代科技/勵志
G：論證結構分析（Argumentation）
標記每個段落的論證角色：
- 前提（Premise）
- 主張（Claim）
- 證據（Evidence）
- 反駁（Rebuttal）
- 讓步（Concession）
- 總結（Conclusion）
計算各角色佔比，評估論證完整性。
H：修辭手法標記（Rhetorical Devices）
逐段標記修辭手法：
- 譬喻（明喻、暗喻、借喻）
- 排比、對偶、層遞
- 反問、設問
- 誇飾、轉化
- 映襯、頂真、回文
- 其他（標註具體手法名稱）
每個標記包含：段落號、行號範圍、手法名稱、原文摘錄（10字以內）。
I：主題結構與轉折（Topic Flow）
分析全文的主題推進方式：
- 每段的核心主題關鍵詞（3-5 個）
- 主題轉折點（哪一段開始切換主題）
- 主題推進模式（線性推進 / 迴旋深入 / 對比並列 / 問答展開）
- 首尾呼應程度評估
報告產出格式
最終報告為 Markdown 格式，結構如下：
# 文章指紋分析報告
## 一、文章概要
- 檔案名稱 / 標題
- 總字數、段落數、句數
## 二、量化指標摘要
### 2.1 詞彙豐富度
### 2.2 句式節奏特徵
### 2.3 語域特徵
### 2.4 情感弧線圖（用文字描述趨勢或產出簡易圖表）
## 三、質性分析
### 3.1 引用與典故圖譜
### 3.2 論證結構
### 3.3 修辭手法清單
### 3.4 主題結構與轉折
## 四、文章指紋總結
- 風格標籤（例：「學術散文/文白交融/節奏緊湊/引用密集-跨領域」）
- 作者特徵推測
- 與典型風格的比較定位
## 五、附錄：逐段詳細標記表
（每段的所有量化與質性標記彙整）
What ships with it
2 files beside SKILL.md in the same directory: the scripts, references and assets a skill reads on demand. Not counted in the per-session cost; read them before you install if any of them is executable.
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 8d ago First seen · 189 lines · 234 tokens per session scan A e2d0f41785ff
zh-article-analyzer is a skill published in the GitHub repository htlin222/zh-article-analyzer-skill (22 stars, last pushed 5mo ago), licensed MIT. It adds 234 tokens to every session and 2,151 once invoked, about $0.0012 per session on Opus 5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-30.
Other skills, from other repositories
aws-wechat-article-main
A coordinator for running a complete Chinese WeChat public-account publishing workflow. It connects separate steps such as choosing a topic, writing, reviewing, formatting, adding images, and publishing.
aws-wechat-article-writing
A writing tool for Chinese WeChat public-account articles, creating a first draft from a topic or outline and revising existing text. It can use a configured language-model service, such as DeepSeek, OpenAI, or Anthropic.
aws-wechat-article-images
An image-generation tool for Chinese WeChat public-account articles, making covers and illustrations based on an article’s title and content. It can create several visual options and reuse configured style presets.
aws-wechat-article-assets
A local library for storing business descriptions, product images, and reusable writing or design presets for WeChat articles. It organizes these materials by product so other article tools can reuse them.
aws-wechat-article-formatting
A local converter that turns Markdown text into HTML formatted for the Chinese WeChat editor. Markdown is plain text with simple symbols for headings, links, and emphasis; the converter puts the resulting styles directly into the HTML.
aws-wechat-article-publish
A publishing tool that connects to the official WeChat public-account API to upload article images and place an article in the draft box or publish it. WeChat is the Chinese platform where public accounts distribute articles to followers.