所属大类：Agent 工具与编排
关键词标签：#AgentSkill #SkillStack #DeveloperTools #AgentNative #Workflow
主题解读
最新趋势：新兴——高频Skill使用模式的公开化分析首次揭示Agent原生工作流的真实形态，Skill组合而非平台成为Agent时代权力分布的新中心
Orange AI的高频Skill栈解剖揭示了Agent原生工作流的真实形态：日频工具（gh-cli、image-gen、podcast、tts）与周频工具（calendar、content-parser、ffmpeg）形成核心生产力闭环。关键洞察是没有「通用Agent」，只有高频Skill组合形成的个性化工作流——这标志着Agent时代的权力分布从平台向具体Skill迁移。
关联推文时间线
共关联 6 条推文。
2026-07-12 · 电报体 Skill 是过渡期产物：宝玉拆解 Caveman 省 65% token 的真相
宝玉 (@dotey)
[电报体 Skill 看似省钱，实则把可读性折损偷偷转嫁给下游消费者]
- Caveman 项目让 AI 像原始人说话，声称省 65% 输出 token，3 天冲上 GitHub Trending 第一、目前 8.7 万星，作者是莱顿大学 19 岁大一新生
- 宝玉类比历史电报写作：能精简到「母病速归」四个字，但再删一个字（只剩「母病」或「速归」）接收方就不知道该干嘛
- 核心洞察：token 优化 ≠ 信息优化，删冠词/客套/连接词会让多轮上下文断裂，省下的算力被下次补全消耗掉
- 趋势信号：Skills 生态从「粗暴压缩 token」走向结构化压缩才是终态，「惜字如金」是算力紧缺期的妥协产物
❤️ 10 · 🔄 0 · 💬 6
2026-06-24 · 宝玉的Skills极客管理术：不装全局、用软链接，本质是给Agent省工作台
宝玉 (@dotey)
宝玉把Skills管理类比成"Agent的桌面空间"——装得多不等于用得好，结构化才是关键。
- 只在项目内安装Skills，核心逻辑是全局Skills积少成多会撑爆上下文窗口，且增加误触发概率。
- 用软链接（symlink）作为管理核心：本体只有一份，可以被多个项目"指向引用"，避免重复占用+同步噩梦。
- 强调Skill默认只加载摘要、按需才加载全文，揭示了一个常被忽视的Token黑洞：摘要本身也在累积。
- 极客风格但工程价值很高，对所有重度Claude Code/OpenClaw用户都直接可复用。
gakki锐评：这不是技巧分享，是一次关于"Agent认知预算管理"的实践宣言——当Skill生态从几十个膨胀到几百个，谁先解决组织问题，谁就拿到了Agent Native时代的入场券。
❤️ 26 · 🔄 6 · 💬 5
2026-05-29 · Claude Code Skills 资源地图：四类入口把官方/平台/创作者/垂直场景全覆盖
土豆本豆 (@Potatoloogs)
[土豆本豆整理 Claude Code Skill 资源清单，四类分类法揭示 Skills 生态已从 prompt 包装演化为类似 npm 的包生态]
- 第一类（官方/平台）：Anthropic 官方 12 个 Skills、skillsmp 收录 8w+、skills.market 超市、YouMind 内容创作、Figma 设计系统
- 第二类（社区精选）：claude-code-skill-finder、awesome-claude-skills 等索引型仓库
- 第三类（垂直场景）：设计、测试、文档、PPT 等细分工作流
- 第四类（个人创作者）：宝玉、归藏等 KOL 作品
- 隐性信号：Skills 数量从个位数到 8w+，分发渠道开始分层，类比 npm 的早期形态
gakki 锐评：清单本身会快速过时，但"四类"分类法是有用的认知脚手架。真正的判断是 Skills 生态会不会重蹈 GPTs 覆辙——平台功能搬运一阵后归零，关键看 Anthropic 给不给出生态护城河。
❤️ 191 · 🔄 54 · 💬 2
2026-03-28 · Orange AI的Skill栈解剖：高频工具揭示Agent原生工作流的真实形态
Orange AI (@oran_ge)
[顶级Agent用户的工具依赖图谱首次公开] • 日频工具：gh-cli、image-gen、podcast、tts —— 代码协作、视觉生成、语音合成构成核心生产力闭环 • 周频工具：calendar、content-parser、ffmpeg —— 时间管理与多媒体处理是进阶需求 • 关键洞察：没有「通用Agent」，只有「高频Skill组合」形成的个性化工作流
gakki锐评： 这份清单比任何产品发布会都诚实——Agent时代的权力分布不在平台，而在「每天使用十几次」的具体Skill上。
❤️ 26 · 🔄 2 · 💬 0
2026-03-20 · Garry Tan 把认知框架写成 Skill：开源判断力才是 AI 时代的赛博大神
Jason Zuo (@xxxjzuo)
[Skill 的下一形态：从「做什么」到「怎么想]
当全网还在教 AI 写代码、写文案时，Garry Tan 把自己多年积累的认知框架直接开源成了 prompt——Bezos 决策分类、Munger 反转思维、Jobs 减法哲学。他直言：「一个 skill 解决一个任务是线性的，一个 skill 让每个决策都变好是指数的。」自己试了之后，AI 第一个问题就是「这个问题值不值得解决？如果什么都不做会怎样？」——这不是 code review，是 CEO 在 challenge 你。
要点：
- 从「AI 做什么」到「AI 怎么思考」的维度升级
- 判断力开源的稀缺性：大多数 skill 解决单点，真正稀缺的是决策框架
- 实际效果：AI 追问式 challenge，比传统 review 多了一层「值不值得做」的过滤
授人以鱼不如授人以渔，授人以框架才是真正的认知复利。
❤️ 428 · 🔄 73 · 💬 3
2026-03-17 · Matt Pocock 开源 5 个 Agent Skill 揭示真正差距：会 prompt 的人很多，能把经验系统化的人很少
陈成 (@chenchengpro)
[经验系统化才是 AI 时代真正的稀缺能力]
TypeScript 圈工程师 Matt Pocock 将自己日常使用的 5 个 Agent Skill 全量开源，3 天斩获 1.2k Stars。核心并非技能本身，而是背后折射的范式转移：大多数人用 AI 写代码还在逐条手敲 prompt，而真正拉开差距的是「把自己的工程经验编码成可复用流程模块」的能力。这 5 个 Skill（grill-me 追问方案、PRD 生成、TDD 循环、代码库改进）覆盖的是完整的工程决策链路，而非单点任务。他自己被 grill-me 连追 24 个问题，坐那一小时写 PRD。
要点：
- prompt 是线性输出，经验系统化是指数复利
- 这批 Skill 的本质是把「老工程师的判断力」封装成可执行的流程骨架
- 开源 3 天 1.2k Stars 说明社区对「系统化经验」的需求已超过「单点技巧」
当市场上 prompt 教程泛滥，经验系统化反而成了被低估的护城河。
❤️ 1593 · 🔄 347 · 💬 29
本专题由 Pi AI 自动追踪，并基于关联推文持续更新。