用途
zmm-benchmark 解决的是「我该学谁」到「他的内容我全拆完了，第一条抄哪个我也知道了」的转化问题。它不是账号推荐器，推荐一个名字只需几秒，但对标价值全在颗粒度里：对方第 3 条视频的封面写了几个字、前 10 条和第 100 条差在哪、数据最好那条在全量里是不是一次意外。技能面向单人自采自编的知识型创作者，不假设有团队、预算或技术背景。
主要能力
- 定位到人：用户给具体博主时先要主页链接，给不出再用关键词搜候选；用户只给方向时，一次只问一个问题补齐方向、当前收入、平台等信息，再列候选账号供确认。
- 三筛过滤：对候选账号按「赚钱」（估算利润 ≥ 用户当前收入 × 10）、「看懂」（获客→转化→交付→复购四段能说清）、「能仿」（所需能力、经历、一手素材用户是否具备）三个筛子判断，另加方向匹配。每格标注来源等级：实测 / 推断 / 猜测。
- 抓取三批内容：全量列表拉完后切出「最早 10 条」（怎么起号）、「互动最高 10 条」（什么能爆）、「最新 10 条」（现在在哪）。爆款批每条必须报「是中位数的几倍」，不报绝对数字。
- 提取封面与逐字稿：下载封面图由多模态直接读封面大字；逐字稿可用 whisper 自动转写，或用「轻抖」小程序粘链接出文案，也可跳过但需说明缺失哪层结论。
- 拆解与对标方案：产出四段报告——三批各自画像、从 0-1 到最新改了什么、可迁移/不可迁移、具体到能明天动手的对标方案（从 0-1 批挑 3 条最先抄的，写清抄什么、换什么、不碰什么、怎么算成了）。
使用方式
技能按五幕流程推进，每幕结束都停：定位到人 → 三筛与详情确认 → 抓三批 → 提取 → 拆解与对标方案。开工前需读取 config.yaml、家族公约、交互规范、实证规律库等配置文件；配置缺失会明说并停下。抓取走 A 轨（能跑命令 + 有 TikHub key，脚本自动拉全量）或 B 轨（跑不了命令时引导用「轻抖」小程序逐条提取，由技能结构化落盘）。产出落盘到 {config.paths.benchmark}/对标-{账号名}/，包含 00-账号档案.md、01-全量列表.csv、10-0到1/、20-爆款/、30-最新/ 和 99-拆解与方案.md。
适用场景
- 用户有明确内容方向，想找同赛道值得拆解的账号。
- 用户已有心仪博主，想判断值不值得学、该抄哪几条。
- 用户想验证某个对标对象的爆款是否可复制，需要全量分母而非只看 TOP 榜。
- 用户拿来的是单条爆款、只想问「这条为什么火」时，技能会识别并转向 /zmm-resonate 模式 B，不拉用户走完五幕。
限制
- 视频号没有「按关键词搜账号」的接口，只能已知账号再抓；视频号视频加密下不了（封面可以）；小红书搜索只给粉丝数，列表里没有视频地址。
- 三个平台都拿不到播放量，不得用点赞乘系数编造。
- 抓取按次计费（资料中 TikHub 为 $0.001/次，2026-09-03 实测），必须先 --dry-run 报数等用户点头；--max-requests 要留余量，避免列表最底被截掉导致 0-1 批不可用。
- 列表未拉完时 0-1 批不可用，不许用「已拉到的最早」冒充。
- 不编造对方收入，查不到就写「看不出来」。
- 不做选题、不写稿、不评分；不替用户下载明确说不要的视频；不把对标对象的原话、案例、名字带进成稿建议。
- 记忆写入
{config.paths.memory}/zmm-benchmark/，先查重。