用途：对 LinkedIn 帖子草稿进行评分，尽量基于作者本人的真实历史表现数据，而非通用建议。
主要能力：读取项目中的 about-me.md、voice.md 等品牌文件做个性化匹配；检查用户提供的导出或缓存帖子数据，验证作者、采集日期与覆盖范围；在数据可用时分析表现最好的前 10% 帖子，提取钩子类型、平均字数、格式分布、CTA 模式、话题聚类与句子节奏，并记录表现最差的后 10% 模式。评分覆盖 5 项标准，每项 1 到 10 分：钩子强度、声音匹配、价值密度、结构与格式、发布就绪度。有声音档案时总分按 50 计，否则声音匹配标记为不可用，总分按 40 计。输出紧凑记分卡，含数据来源、分析帖子数、前 10% 平均互动、逐项得分、结论、与最佳帖子的对比及具体修改建议。
使用方式：触发后直接进入第一步，不先做总结或解释评分方法。若用户已粘贴帖子则直接使用，否则提示粘贴要评分的 LinkedIn 帖子。随后加载声音系统与表现数据。数据缺失时提供三种选择：使用用户上传的帖子导出与聚合互动数；通过用户授权的 Apify 连接抓取帖子正文与聚合计数；或先做编辑评审并将表现对比标记为不可用。Apify 路线使用 apimaestro/linkedin-profile-posts，请求小批量（最多 100 条），只取帖子正文与聚合计数，绝不抓取评论或回复，包括 deepScrape 或 numComments。结果保存在项目的 outputs/post-scorer/ 下，含作者与采集日期。
适用场景：需要基于真实数据评估 LinkedIn 帖子表现、优化钩子、结构、CTA 与长度，或希望将草稿与自身最佳表现对齐时。
限制：不编造事实、第一人称经历、指标或成功的工具运行；未知计数视为缺失而非零；样本过小或有偏时说明无法支持表现对比；数据超过 14 天建议先刷新；运行 Apify 抓取前需告知用户会产生费用；不使用 em dash，全文使用英式英语；高编辑评分不代表历史契合或预测触达；安装本身不会启动访谈或写入文件；除非被要求，不写入持久学习记录。