首页 › new-tools › 把绝活喂给AI:海外三款新技能包

你大概率还在攒提示词模板,但海外的独立开发者已经换了打法:把手艺写成“技能包”(Agent Skill),让AI按需取用。这不是概念,是正在发生的生态——就在最近几天,GitHub上冒出三个很有代表性的新技能仓库:一个把“爆款App套路”打包成可执行技能,一个用283万字语料做“去AI味”,一个干脆让Agent无头操控剪映。今天这篇,带你把这三款新货一次看明白。

先补课:技能包到底是什么,凭什么火

如果你还没玩过 Skills,先用一句话建立认知:技能包就是一个文件夹,里面放一份 SKILL.md 说明书写着“什么时候触发我、我该按什么步骤干”,再配上若干脚本和参考资料。Agent(比如 Claude Code、Codex 这类编程智能体)平时只记一份简短的触发描述,等你的任务命中了触发条件,才把完整内容加载进上下文。

这个设计精明在哪?在于上下文经济学。模型的上下文窗口就是书桌,桌面就这么大,你不能把所有工具书都摊在上面。技能包相当于一个书架:平时塞抽屉里,用到哪本抽哪本。所以你会看到,海外社区这两年从卷模型慢慢转向卷“怎么喂”——就在今天,HN首页还挂着两条佐证:一条是420分的《Claude Code 现在没有 CLAUDE.md 时会去读 AGENTS.md》(https://news.ycombinator.com/item?id=49760187),一条是363分的《How to Write with an LLM》(https://news.ycombinator.com/item?id=49747070)。整个社区都在琢磨“怎么给Agent立规矩、传手艺”,而技能包就是目前最顺手的载体。

载体有了,下面看三个把不同类型“绝活”装进去的案例。

一、appllama-skills:把榜首App的套路做成可执行技能

仓库:https://github.com/Appllama/appllama-skills (约1864星,近45天新建)

它干什么:仓库自我介绍的第一句话就很嚣张——"A builder, not just a researcher"(做造东西的人,不做只研究的人)。它做的事是:把长期霸占畅销榜的App里反复出现的产品套路,提炼成一份份Agent技能。你让Agent“给我做一个某某类App”,它不是给你生成一堆泛泛的代码,而是先套用经过验证的套路:页面结构怎么排、用户留存钩子埋在哪、原生级的交互手感怎么实现。

为什么值得关注:独立开发者最大的成本不是写代码,是“不知道该做什么、怎么做才对”。海外做过App Store增长的人都知道,榜单头部的套路高度趋同,但这些东西散落在拆解文章和付费课程里。这个仓库等于把“方法论”编译成了Agent能直接执行的指令——知识付费卖的是“懂”,技能包给的是“做”。

与国内对比:国内做App的路径还是两头:要么刷拆解文章、买课,纸上谈兵;要么直接上低代码平台套模板,千篇一律。“套路变成技能包”这条路,国内几乎没人走——你甚至可以把自己的领域经验写成中文技能包,给Agent用,这就是机会。

适合谁:想做出海App的独立开发者、接私活的全栈、想验证想法速度优先的产品人。

二、lieflat-less-ai-tone:283万字语料喂出来的“去AI味”技能

仓库:https://github.com/larashero3-dotcom/lieflat-less-ai-tone (约1797星,近45天新建)

它干什么:一个中文去AI味技能。作者的路子很硬核:不是靠“把‘首先’换成‘第一’”这种土办法,而是基于283万字语料做统计——真人是怎么遣词造句的,AI惯用哪些高频句式和连接词,用数据说话,然后让Agent照着统计规律改写。

为什么值得关注:AI slop(AI垃圾文)泛滥之后,海外内容圈进入“人人都能发、没人想看”的疲劳期。今天HN首页363分的那篇《How to Write with an LLM》,讨论的正是“用LLM写作时怎么保住人的部分”——热度说明这是刚需。而大部分人的“去AI味”还停留在手动替换几个词,效率低且不系统。

与国内对比:国内生态的注意力基本都在“检测端”——各种AIGC检测工具判断“这是不是AI写的”,平台侧也在上检测。但生成端的“去味”工具国内几乎没有像样的。这个方向很微妙:写公众号、做跨境电商文案、做SEO的人,天天被“一眼AI”折磨,却只能靠手改。

适合谁:公众号作者、独立站长、跨境卖家、每天要产出大量文字又不想被读者一眼识破的人。

提醒一句:去AI味是修辞层面的处理,别拿它干冒充真人创作、违反平台规则的勾当——工具是中性的,翻车是自己的。

三、jianying-headless:让Agent无头操控剪映的技能

仓库:https://github.com/mcncarl/jianying-headless (约1018星,近7天新建,非常新)

它干什么:仓库描述是"native Jianying drafts, isolated editing/export, and standalone Agent Skill"——直接生成剪映原生草稿、隔离环境完成剪辑和导出,以独立Agent技能形式运行。翻译成人话:剪映官方一直没有对个人开发者开放像样的自动化接口,社区过去靠逆向草稿文件硬凑,这个项目把这条路工程化了:你的Agent可以按脚本批量产出剪映草稿,在隔离环境里完成导出,不污染你的工程文件。

为什么值得关注:注意它的创建时间——按GitHub近7天新建的口径,上周才建仓就冲到四位数星,说明需求憋了很久。剪映是国内事实上的视频剪辑标准,谁能程序化驱动它,谁就打通了“文字→成片”自动化的最后一公里。

与国内对比:剪映官方的“图文成片”、模板市场,本质是黑盒模板,你只能在别人的框架里填空;而技能包路线是你的Agent自己排流程——分镜、字幕、转场逻辑都可以按你的业务规则来。这才是从“用工具”到“指挥工具”的差别。

适合谁:批量做短视频的运营团队、做课程需要成片产出的知识博主、想把视频生产接进自动化流水线的开发者。

两个必须说的坑:其一,该项目是私有源码预览(Private source preview)状态,不是完全开源,跑之前想清楚要不要在自己的机器上执行第三方闭源代码;其二,剪映是非官方支持对象,版本更新随时可能让接口失效,别把核心生产链全押上去。

三条路线,一个趋势

把这三个仓库摆在一起看,脉络非常清楚——技能包正在接手三类“手艺”:

仓库 装进技能包的“绝活” 星数 状态
appllama-skills 爆款App的产品方法论 ~1864 开源
lieflat-less-ai-tone 写作手感(去AI味) ~1797 开源
jianying-headless 桌面软件自动化(剪映) ~1018 私有源预览
flowchart TD
    A["一份绝活<br/>写作手感・爆款套路・剪辑流程"] --> B["写成技能包<br/>SKILL.md 加脚本"]
    B --> C["挂上 GitHub<br/>星数就是口碑"]
    C --> D["用户装进本地技能目录"]
    D --> E["Agent 按需加载<br/>触发词命中才展开"]
    E --> F["产出落地<br/>干净文案・成片・App骨架"]

对中国的技术从业者,这里头有双重的信息差:第一层,这三款拿来就能用,尤其去AI味和剪映自动化,贴合国内自媒体和出海场景;第二层,也是更值钱的一层——“把自己的手艺写成技能包”这门手艺本身,国内还几乎空白。你会的东西,写成SKILL.md挂上GitHub,就是2026年版本的“卖铲子”。

信息差总结

你可能以为 实际情况
用好AI靠攒提示词 技能包按需加载,提示词只是入门玩法
自动剪视频得等官方开放API 社区技能已能生成剪映原生草稿并隔离导出
去AI味靠手动换几个词 已有用283万字语料统计驱成的成套技能
学做App要买方法论课 榜单套路已被编译成Agent可执行的技能
技能包是平台的事,与我无关 独立开发者上传新技能,星数就是新流量入口

行动指南

  1. 三分钟装一个技能:选一个上面的仓库,clone 到本地技能目录(Claude Code 用户一般是 ~/.claude/skills/ 或项目里的 .claude/skills/),重启会话就能触发。
  2. 拿旧稿实测去AI味:翻一篇你半年前让AI写的文章,跑一遍 less-ai-tone,前后对比——改得动不动、像不像人,一目了然。
  3. 用套路技能起一个App骨架:让 appllama-skills 先出骨架,你只做差异化的10%,验证周期从周压到天。
  4. 第三方技能先安检再用:三步走——通读 SKILL.md 全文、检查附带脚本有没有往外发网络请求、核心生产环境别跑私有源代码。技能包本质是“别人写的自动化脚本”,装它等于请陌生人进你家。
  5. 把你自己的绝活写成一个SKILL.md:挑一件你重复做过50次以上的事(写某种文案、配某类环境、查某类问题),按“触发条件+步骤+踩坑清单”写成技能包发出去——这是本周成本最低、复利最高的一步。

参考来源

  1. Appllama/appllama-skills 仓库:https://github.com/Appllama/appllama-skills
  2. lieflat-less-ai-tone 仓库:https://github.com/larashero3-dotcom/lieflat-less-ai-tone
  3. jianying-headless 仓库:https://github.com/mcncarl/jianying-headless
  4. HN:How to Write with an LLM(363分):https://news.ycombinator.com/item?id=49747070
  5. HN:Claude Code now reads AGENTS.md(420分):https://news.ycombinator.com/item?id=49760187

(注:文中星数与仓库状态为截至2026年9月19日的GitHub公开数据,私有源项目功能以作者后续发布为准。)

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生(微信ID: gprshome201101)维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主:爱卫生(微信:gprshome201101)——公众号「51学通信」创办者,19 年通信行业运维与讲师经验,著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书(各大电商平台有售)。 星球定位:深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域,主打运维岗位与信令分析。 当前规模:5200 篇主题 / 990 个回答,198 元/年。 加入福利:加入星球后请加爱卫生微信,拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题,另有群内分享。 AI 加持:51学通信知识星球已作为 skill 接入 WorkBuddy,使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例,做总结、找文档和 PPT 等场景全覆盖。

51学通信知识星球海报-扫码加入