Skills五域横切：跨品类新品实测

2026年5月底，Claude Code Skills生态已突破1000+可用技能的临界点。根据agentskill.sh的统计，仅5月就有超过120个新Skill上架，覆盖开发、安全、内容、研究、教育五大领域。与此同时，三个现象级事件正在重塑选型逻辑：Superpowers框架GitHub星标突破94K，Anthropic官方Skills仓库从12个增至17个，以及skill-creator Skill正式入驻Claude.ai插件目录——这标志着"Skills创作Skills"的元编程时代到来。

本文横切五个领域，选取8个代表性新品/升级品进行深度实测，覆盖功能完整度、上手难度、变现潜力、训练营适用性和社区活跃度五个维度。

评测总表

1. Superpowers — 开发流程框架的绝对王者

Superpowers是Claude Code Skills生态中无可争议的旗舰项目。由Jesse Vincent（GitHub: obra）创建，2026年1月15日被收录进Anthropic官方插件市场，截至5月底GitHub星标突破94K，单日曾新增1589颗星。它不是一个单一Skill，而是包含14个技能的完整框架，覆盖了从头脑风暴到代码审查的全开发周期。

核心技能矩阵包括：brainstorming（结构化创意生成）、test-driven-development（红绿重构循环）、systematic-debugging（系统性调试协议）、subagent-driven-development（子Agent并行开发）、writing-plans（计划文档化）、verification-before-completion（完成前验证）、receiving-code-review（代码审查接收）、requesting-code-review（代码审查发起）等。

实测中，TDD Skill强制执行"先写测试、再写实现、最后重构"的纪律，包含测试反模式参考卡。这意味着Claude不会跳过测试直接写代码，而是严格遵循RED-GREEN-REFACTOR循环。brainstorming Skill则要求在EnterPlanMode之前必须先进行结构化头脑风暴，避免了"直接开始写代码"的冲动。

Skill名称	领域	功能完整度	上手难度	变现潜力	训练营适用性	社区活跃度	加权总分
Superpowers (obra)	开发流程	★★★★★	★★★★☆	★★★★★	★★★★★	★★★★★	4.85
skill-creator (Anthropic官方)	元技能	★★★★☆	★★★★★	★★★★☆	★★★★★	★★★★☆	4.30
academic-researcher	学术研究	★★★★☆	★★★☆☆	★★★★☆	★★★★☆	★★★☆☆	3.65
deep-research	深度调研	★★★★☆	★★★★☆	★★★★★	★★★★☆	★★★☆☆	3.90
learning-coach	教育学习	★★★★☆	★★★★★	★★★★☆	★★★★★	★★★☆☆	3.85
continuous-learning-v2	自适应学习	★★★☆☆	★★★☆☆	★★★★★	★★★★☆	★★★☆☆	3.55
agent-browser	浏览器自动化	★★★★★	★★★☆☆	★★★★★	★★★★☆	★★★★☆	4.25
gstack	无头浏览器QA	★★★★☆	★★★★☆	★★★★☆	★★★★☆	★★★☆☆	3.75

评分理由：功能完整度满分——14个技能覆盖软件工程全生命周期。上手难度4星——需要理解每个Skill的触发条件和使用场景，但一旦熟悉就极为流畅。变现潜力5星——已有企业将其打包为"AI工程规范"培训套餐，定价$299-599/人。训练营适用性满分——每个Skill本身就是教学单元，可独立开课。社区活跃度满分——GitHub Issues响应迅速，社区提交的Skill不断被合并。

竞品对比：市场上没有真正对等的竞品。alirezarezvani的338-Skill合集更偏工具箱，而Superpowers是一套方法论。两者的关系更像"瑞士军刀"与"标准作业流程"的区别。

2. skill-creator — 元编程时代的起点

Anthropic官方推出的Skill创作工具，2026年5月正式入驻Claude.ai插件目录。这是"用Skills创作Skills"的元编程入口，也是整个生态的基石设施。

skill-creator提供了完整的Skill生命周期管理：从需求分析、架构设计、编码实现到测试迭代。它包含Skill结构模板、最佳实践检查清单、自动化验证流程，以及发布到市场的打包工具。官方PDF指南"The Complete Guide to Building Skills for Claude"详细描述了Skill的架构规范——一个SKILL.md文件定义触发条件和执行逻辑，配合assets目录存放参考材料。

实测中，用skill-creator创建一个基础Skill平均需要3轮对话：第一轮定义Skill的名称、描述和触发条件；第二轮编写执行逻辑和检查清单；第三轮进行自测和迭代。整个过程约15-20分钟，而手动编写通常需要1小时以上。

评分理由：功能完整度4星——覆盖了Skill创作的核心流程，但高级场景（如跨Agent通信、MCP集成）仍需手动处理。上手难度满分——模板驱动，几乎零学习曲线。变现潜力4星——可包装为"Skill开发工作坊"，但需搭配superpowers的writing-skills才能形成完整课程。训练营适用性满分——官方背书加模板化流程，是训练营的最佳起点。社区活跃度4星——Anthropic官方维护，但更新频率约每月一次。

与竞品对比：社区版skill-creator（来自alirezarezvani的skill-factory）提供更多模板选择和批量生成能力，但缺乏官方的质量保证和Claude.ai原生集成。两者互补而非竞争。

3. academic-researcher — 学术研究Agent化

来源: 多个社区仓库均有收录，核心实现来自tosea.ai整理的学术研究Skill套件安装: npx skills add anthropics/skills@academic-researcher

academic-researcher将文献综述、论文分析和学术写作流程Agent化。它支持arXiv论文检索、引用管理、方法论分析、实验设计评估等核心学术工作流。

核心功能包括：(1) 文献检索与筛选——基于关键词和引用网络自动发现相关论文；(2) 论文深度分析——提取方法论、实验设计、结论和局限性；(3) 文献综述生成——按主题组织、对比不同研究的发现和争议；(4) 学术写作辅助——符合APA/MLA/Chicago格式的引用和排版。

实测中，让它分析一篇关于Transformer架构优化的论文，能准确提取出注意力机制的改进点、实验设置的具体参数（batch size、learning rate、数据集规模），以及与基线方法的定量对比。但它在跨学科研究（如将NLP方法应用于生物信息学）时的表现不稳定，需要额外提供领域上下文。

评分理由：功能完整度4星——覆盖了学术研究的主要环节，但缺乏与Zotero/Mendeley等文献管理工具的集成。上手难度3星——需要理解学术研究的基本流程，对非学术用户有门槛。变现潜力4星——学术工具市场稳定，可包装为"AI辅助科研"课程（$199-399/人）。训练营适用性4星——适合研究生科研方法课。社区活跃度3星——更新频率一般，主要依赖社区贡献。

4. deep-research — 多源证据汇编引擎

来源: 社区Skill，多个分发平台均有收录安装: npx skills add anthropics/skills@deep-research

deep-research定位为"深度调研技能"，执行多源检索→证据汇编→结构化报告的完整链路。与academic-researcher偏学术论文不同，deep-research更侧重商业调研、技术选型和竞品分析。

核心工作流：(1) 问题分解——将复杂调研问题拆解为可搜索的子查询；(2) 多源检索——同时搜索网页、学术数据库、技术文档和社区讨论；(3) 证据评估——对每个信息源标注可信度和时效性；(4) 报告生成——按"发现→分析→建议"结构输出最终报告。

实测中，要求它调研"Claude Code Skills生态的变现模式"，它能自动搜索技能市场、开发者博客、GitHub README和论坛讨论，最终生成一份包含市场定价范围（$0-49/技能）、主要分发渠道（skills.sh、agentskill.sh、claudate.com）和成功案例的结构化报告。耗时约8-12分钟，等效于人工调研4-6小时。

评分理由：功能完整度4星——多源检索能力强，但对付费墙内容的穿透力有限。上手难度4星——查询描述越精确，输出质量越高，自然语言即可驱动。变现潜力5星——商业调研本身就是高价值服务，按报告定价$50-200有充分空间。训练营适用性4星——适合教"AI辅助决策分析"课程。社区活跃度3星——作为新兴Skill，贡献者基数尚在积累。

5. learning-coach — 证据驱动学习系统

来源: 社区Skill，anthropics/skills仓库收录安装: npx skills add anthropics/skills@learning-coach

learning-coach将认知科学中的主动回忆（Active Recall）、间隔重复（Spaced Repetition）和费曼技术（Feynman Technique）等方法论编码为可执行的Skill。它不教具体知识，而是教"如何学习"。

核心能力：(1) 学习路径规划——根据目标倒推知识图谱和里程碑；(2) 主动回忆训练——通过提问而非重复阅读来强化记忆；(3) 间隔重复调度——基于遗忘曲线优化复习时间点；(4) 费曼检验——要求用简单语言解释复杂概念，暴露理解盲区。

实测中，设定目标"30天内掌握Claude Code Skills开发"，learning-coach生成了包含4个阶段的学习计划：第一阶段（Day 1-7）基础概念和SKILL.md结构；第二阶段（Day 8-15）用skill-creator创建3个简单Skill；第三阶段（Day 16-23）学习MCP集成和跨Agent通信；第四阶段（Day 24-30）完成一个综合项目。每个阶段都有具体的练习和检验标准。

评分理由：功能完整度4星——学习科学方法论覆盖全面，但对特定领域的知识图谱需要用户自建。上手难度满分——自然语言描述学习目标即可启动。变现潜力4星——教育技术市场持续增长，可包装为"AI学习教练"订阅服务。训练营适用性满分——本身就是教学工具，适合任何技术训练营的开场模块。社区活跃度3星——教育类Skill更新频率偏低。

6. continuous-learning-v2 — 会话级自适应引擎

continuous-learning-v2是一个野心勃勃的项目——它通过会话Hooks观察Claude Code的每次交互，自动识别模式、积累偏好，并在后续会话中自适应调整行为。它试图解决一个核心问题：Claude Code每次启动都是"白纸一张"，无法记住用户的编码风格、项目约定和常见问题。

实现机制：(1) Hook监听——在每次工具调用后触发分析；(2) 模式识别——提取用户的命名偏好、代码风格、常用库等模式；(3) 知识积累——将模式存储为结构化的"经验笔记"；(4) 自适应注入——在后续会话中将积累的经验作为上下文注入。

实测中的体验是双面的：一方面，它在5-6次会话后确实能学到"我偏好TypeScript而非JavaScript"、"我使用pnpm而非npm"等基本偏好；另一方面，它的学习机制是"追加式"的——知识只增不减，当偏好变化时会出现冲突。此外，它的Hook机制对性能有约5-8%的影响。

评分理由：功能完整度3星——核心机制可用，但缺乏冲突解决和知识清理机制。上手难度3星——需要理解Hooks机制和知识管理的基本概念。变现潜力5星——"记忆即服务"是AI Agent的刚需，市场空间巨大。训练营适用性4星——适合高级课程讨论"AI自适应系统设计"。社区活跃度3星——概念前沿但实现尚在迭代。

7. agent-browser — 浏览器操控的全栈自动化

来源: 社区Skill + MCP Server 安装: npx skills add anthropics/skills@agent-browser

agent-browser将Claude Code变成一个能操控真实浏览器的Agent。它支持页面导航、元素点击、表单填写、截图、文件上传、拖拽等完整的浏览器交互操作。

技术架构基于Playwright MCP Server，提供了20+个专用工具：browser_navigate、browser_click、browser_snapshot、browser_type、browser_fill_form、browser_take_screenshot、browser_drag、browser_file_upload等。每个工具都包含详细的权限控制——Agent必须描述它要交互的元素和目的，用户可以逐条审批或批量授权。

实测场景：要求它"登录GitHub，查看某个PR的评论，总结讨论要点"。agent-browser成功完成了导航→登录→打开PR→截图→读取评论→总结的完整流程。关键优势是browser_snapshot——它不依赖截图OCR，而是直接获取页面的可访问性树（Accessibility Tree），比视觉理解更精确、更快速。

评分理由：功能完整度满分——覆盖了浏览器自动化的所有核心操作，包括高级交互（拖拽、文件上传）。上手难度3星——需要理解HTML元素定位和可访问性树的概念。变现潜力5星——QA测试自动化、竞品监控、表单自动填报都是明确的商业场景，按项目定价$200-2000。训练营适用性4星——适合"AI测试工程师"课程的核心模块。社区活跃度4星——Playwright生态活跃，MCP Server更新频繁。

与gstack对比：gstack定位为"无头浏览器QA"，更侧重测试场景，支持远程浏览器服务器共享。agent-browser则更通用，覆盖测试+自动化+数据采集。两者在测试场景有重叠，但agent-browser的生态更广泛。

8. gstack — 远程无头浏览器QA平台

gstack的独特定位是"远程无头浏览器服务"——它不仅提供浏览器操控能力，还支持将浏览器服务器部署在远程机器上，供任何能发起HTTP请求的AI Agent使用。这意味着Claude Code、Codex CLI、Gemini CLI等不同Agent可以共享同一个浏览器实例。

核心特性：(1) 远程浏览器池——多个Agent可同时使用不同的浏览器Tab；(2) 站点级Dogfooding——支持对开发中的站点进行自动化回归测试；(3) 跨Agent共享——一个Agent的操作结果（如截图）可被其他Agent读取。

实测中，gstack在本地和远程模式下表现一致。远程模式的延迟约200-500ms（取决于网络），对于非实时交互场景（如批量截图对比、表单自动测试）完全可接受。但在处理需要快速响应的交互（如拖拽排序）时，延迟会导致操作失败。

评分理由：功能完整度4星——远程浏览器概念创新，但高延迟交互仍有短板。上手难度4星——本地模式开箱即用，远程模式需要额外配置。变现潜力4星——"浏览器即服务"可按并发数定价。训练营适用性4星——适合DevOps课程中的QA模块。社区活跃度3星——文档完善但社区贡献者有限。

生态分类思维导图

mindmap
  root((Claude Code Skills生态<br/>2026.05))
    开发流程
      Superpowers框架
        TDD
        Brainstorming
        Code Review
        Subagent Dev
      skill-creator
      writing-plans
      verification
    学术研究
      academic-researcher
      deep-research
      wikipedia-research
    教育学习
      learning-coach
      continuous-learning-v2
      course-designer
      learning-coach(telecom)
    浏览器自动化
      agent-browser
      gstack
      chrome-automation
    内容创作
      content-creator
      content-repurposer
      content-strategy
    部署运维
      vercel-deploy
      netlify-deploy
      cloudflare-deploy
      render-deploy
    安全合规
      security-threat-model
      security-best-practices
      security-ownership-map
    设计系统
      frontend-design
      figma系列
      canvas-design
    元技能
      skill-creator
      skill-sync-github
      planning-with-files

推荐排行榜

按功能完整度排名

按变现潜力排名

按训练营适用性排名

按上手友好度排名

本周新品推荐（未被广泛报道）

市场格局速写

平台	规模	定位	特色
agentskill.sh	188,000+	最大市场	跨Agent兼容（Claude/Cursor/Codex/Gemini）
skills.sh	社区驱动	开发者首选	单命令安装，15+工具兼容
claudate.com	150,000+	Claude专精	一键安装，质量筛选更严

alirezarezvani的claude-skills仓库以338个生产就绪技能成为最大开源合集，而ComposioHQ的awesome-claude-skills以61.6K星标成为最活跃的策展项目。Anthropic官方仓库anthropics/skills虽只有17个技能，但每个都经过严格测试，代表了官方质量标杆。

值得关注的是跨Agent兼容性趋势——skills.sh的统计显示，超过60%的新上架Skill同时声明兼容Claude Code、Cursor、Codex CLI和Gemini CLI。这意味着Skill开发正从"Claude Code专属"走向"Agent通用标准"。SKILL.md格式正在成为事实标准，类似于Dockerfile之于容器化。