Fit Scorer 是 aaron-marketing-skills 系列中的一个技能，用途是评估网红（influencer）与品牌或营销活动的匹配度。当用户提出“给这个网红打分”“为我们的活动对这些创作者排序”“告诉我哪个网红最合适”等需求时，该技能会产出结构化的评估结果。
用途与适用场景
Fit Scorer 面向网红营销的选人决策环节。典型使用场景包括：对单个网红评估其与某品牌/活动的适配度，或对一份入围名单进行比较与排序。它适合在已有候选人名单（可能来自 influencer-discovery 技能）之后使用，帮助筛选出最合适的合作对象。
主要能力
该技能从两个相互独立的层面进行评估：
-
适配度（Suitability，S）评分：基于 STAR 框架，评估与任何单一交易无关的维度，包括受众构成与真实性、粉丝增长完整性、触达可靠性、互动健康度与真实性、可信度，以及品牌/品类契合度等，共 10 个条目（S1–S10）。每个条目以 Pass/Partial/Fail/Unknown/N/A 明确标注，并附带来源、日期、窗口、类型和置信度，或说明缺失原因。这是所谓“适配度读数”，由后续的 creator-content-auditor 网关并入完整 STAR 流程。
-
商业匹配度矩阵：处理与具体交易相关的因素，如交易条款、档期、活动编排冲突、合作潜力等。每一项以 1–5 分标注并汇总为 commercial_fit_score。该矩阵与适配度读数明确分开，不属于 Suitability 分数，不能覆盖控制项否决或缺失证据，也不进入 SQS。
使用方式
用户可以通过自然语言指令调用，例如：
- 为单个网红评分：
Score @[handle] for [brand/campaign] and tell me if they're a good fit - 比较并排序名单：
Compare and rank these influencers for [campaign]: @influencer1, @influencer2, @influencer3
评分过程要求用户提供品牌/活动背景、目标受众定义、活动目标以及候选人名单。该技能本身不需要实时集成（Tier 1），在没有连接器的情况下，会请用户提供评分表所需的每个值；框架与权重仍能产出可辩护的排序。对于 YouTube 候选人，可选使用免费 API key 连接器获取实测数据（如每视频播放/点赞/评论与订阅数对比），使部分子分来自实测数字而非截图。
输出默认以内联方式返回类型化的适配度读数与单独标注的商业匹配度比较。只有在获得明确授权后，才会将报告保存到指定路径，保存与交接时保留不透明的 creator_ref 和不透明证据引用，不保留原始 handle、姓名、URL、邮箱等身份定位信息。
限制与注意
- 适配度读数只有在所有适用条目都有明确状态时才完整；Unknown 表示证据缺失，会阻止完整读数，不能被弱化为 Partial，也不手工计算复合分。
- 该技能不运行确定性的 SQS 评分器，也不输出 SQS；它只产生适配度读数，交由 creator-content-auditor 网关处置业务裁决与上限。
- 商业匹配度矩阵不能清除适配度控制项的发现，也不进入 SQS。
- 不能将 Unknown 较多的候选者列为绝对最优，也不能因某个 Retro 假设提及某创作者或策略而增减分数。
- 不接受未经授权的持久化；热缓存提升需要单独授权。
与其他技能的关系：主推后续技能为 campaign-planner（将排序名单转为活动计划）；若活动计划已批准且可执行，则交接给 outreach-manager；competitor-tracker 为可选检查；当适配度读数完整或存在潜在 STAR-S2/STAR-S6/STAR-T3 控制证据时，应停止并交由 creator-content-auditor 处理。若候选名单过少无法排序，可回到 influencer-discovery；若受众匹配不确定，可先用 audience-mapper。技能链最多 3 跳，若推荐的下一个技能已运行则停止并报告链条完成。
评分标准与模板等细节载于 references/scoring-templates.md、star-benchmark.md、skill-contract.md、state-model.md、CONNECTORS.md 等参考文件中。