Skills生态六月跨域七引擎实测

2026年6月，Claude Code Skills生态跨过了一个关键门槛。AgentSkill.sh目录收录的跨平台Skills总数突破222,000，而Claude Code专属可安装Skills达到1,340+，其中仅Antigravity Awesome Skills一个仓库就汇聚了22,000+ GitHub Stars。与半年前的"几百个实验性提示词"阶段不同，当前生态已经形成了完整的经济层：从安全审计到视频生成，从元认知学习到垂直行业工具链，每个品类都出现了可独立交付、可复用的成熟引擎。本文从安全、研究、元学习、内容创作、知识管理、可视化、垂直行业七个领域中各选一枚代表性Skills，以功能完整度、上手难度、变现潜力、训练营适用性、社区活跃度五个维度进行实测评测，揭示这个生态从"能用"到"可卖"的真实面貌。

评测总览

1. security-threat-model — 仓库级威胁建模引擎

Skills	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	综合评分
security-threat-model	安全审计	★★★★★	★★★★☆	★★★★★	★★★★☆	★★★★★	4.7
deep-research	深度调研	★★★★★	★★★☆☆	★★★★★	★★★★☆	★★★★☆	4.3
continuous-learning-v2	元认知学习	★★★★☆	★★★☆☆	★★★★☆	★★★★★	★★★★☆	4.0
content-to-video	视频生成	★★★★★	★★★★☆	★★★★★	★★★★★	★★★★☆	4.5
notebooklm	知识管理	★★★★☆	★★★☆☆	★★★★☆	★★★☆☆	★★★★★	3.9
architecture-diagram-zh	架构可视化	★★★★☆	★★★★★	★★★★☆	★★★★★	★★★☆☆	4.1
pcap-analyzer	通信网络分析	★★★★★	★★★☆☆	★★★★★	★★★★☆	★★★★☆	4.3

来源： Anthropic官方 + Trail of Bits安全团队最佳实践
安装： 已内置于Claude Code，/security-review直接触发

安全类Skills是2026年上半年增长最猛的品类之一。Trail of Bits团队以"教Claude如何思考安全"为理念打造的安全技能集，将传统的STRIDE/DREAD方法论编码为结构化的SKILL.md指令流。security-threat-model不走"扫描-报告"的自动化老路，而是强制执行一套严格的威胁建模流程：枚举信任边界 → 识别资产 → 建模攻击者能力 → 追踪滥用路径 → 提出缓解措施，最终输出一份可审计的Markdown威胁模型文档。

核心功能演示： 对任意Git仓库执行威胁建模时，Skills会自动分析代码结构中的信任边界（如外部API入口、数据库连接、文件I/O），识别高风险资产（密钥、用户数据、配置文件），构建攻击者画像和滥用路径图。输出格式严格遵循OWASP Threat Modeling标准，每条威胁附带CVSS评分和优先级标签（HIGH/MEDIUM/LOW），并给出具体代码行的修复建议。

评测维度分析： - 功能完整度（5/5）： 覆盖威胁识别到缓解建议全链路，与security-best-practices和security-ownership-map构成安全三件套。后者新增的Bus Factor计算和敏感代码归属拓扑图，弥补了团队级安全管理的空白。 - 上手难度（4/5）： 需要基本的安全概念知识，但Skills自动引导流程降低了门槛。比起手动运行Semgrep/Bandit，上手成本显著降低。 - 变现潜力（5/5）： 企业安全审计是天然付费场景。Agent37 marketplace上的Vendor Contract Risk Scanner类Skills已验证订阅制可行，月费定价$29-$99/仓库区间。安全合规类Skills的续费率据称超过85%。 - 训练营适用性（4/5）： 适合4-8课时的AppSec培训课程，但需要学员具备基本的Web安全背景知识。 - 社区活跃度（5/5）： GitHub上security-review相关的Action和Skills合计超过50个仓库，Snyk、Trail of Bits、Backslash等安全厂商均有官方Skills发布。

竞品对比： 相比OWASP Claude Code Skill（agamm/claude-code-owasp）偏重合规检查清单，security-threat-model更注重结构性思考。Snyk的扫描类Skills擅长已知漏洞检测，但在定制化威胁建模场景下灵活性不足。Trail of Bits的方案在深度和广度上均占优。

2. deep-research — 多源检索与证据汇编引擎

来源： Claude Code官方Skills + 社区增强版
安装： /deep-research 内置可用

deep-research代表了2026年AI研究辅助类Skills的最高水准。它不是一个简单的"搜索+总结"工具，而是一个完整的研究管线：问题澄清 → 多源并行检索（Web/DuckDuckGo/Wikipedia/学术数据库）→ 证据提取与交叉验证 → 对抗性事实核查 → 结构化引用报告。核心创新在于"对抗性验证"环节——每个关键论断都会被独立的反方视角质疑，只有经受住质疑的论断才进入最终报告。

核心功能演示： 输入一个研究问题后，deep-research首先进行2-3轮澄清对话以缩小范围（避免对过于宽泛的问题浪费Token）。随后并行启动5-10个检索Agent，每个Agent从不同信息源（新闻站、技术博客、学术文献、百科、论坛）获取数据。检索结果经过去重和可信度评分后，进入对抗验证阶段——至少两个独立Agent尝试反驳每条核心论断。最终输出包含完整引用链的结构化报告，每条引用标注来源URL、检索时间和可信度等级。

评测维度分析： - 功能完整度（5/5）： 从问题澄清到引用报告，管线闭环。多源检索覆盖面广，对抗验证机制显著降低幻觉率。 - 上手难度（3/5）： 对研究问题的精度要求较高——过于模糊的问题会触发多轮澄清，消耗额外Token。用户需要具备基本的研究思维。 - 变现潜力（5/5）： 法律尽调、市场研究、学术文献综述等场景均有明确付费意愿。按项目计费模式（$50-$200/报告）已被验证可行。 - 训练营适用性（4/5）： 可用于研究方法论课程，但Token消耗较大（单次深度调研可能消耗50K+ Token），大规模教学需考虑成本控制。 - 社区活跃度（4/5）： 与wikipedia-research、academic-researcher等Skills形成互补生态，GitHub上相关仓库超过20个。

竞品对比： academic-researcher偏重学术写作辅助（文献综述格式、引用规范），而deep-research偏重调研过程本身。wikipedia-research专注于某百科的结构化数据提取和引用验证，在事实核查场景下可作为deep-research的补充数据源。Perplexity等外部工具在实时性上可能更优，但无法与Claude Code的代码上下文无缝集成。

3. continuous-learning-v2 — 本能驱动型自进化引擎

来源： affaan-m/ECC（Everything Claude Code）项目
安装： npx antigravity-awesome-skills --skill continuous-learning-v2

continuous-learning-v2是整个Skills生态中最具哲学深度的项目之一。它不解决任何具体的编码任务，而是解决一个更根本的问题：如何让Claude Code从每次会话中积累可复用的经验？v2.1版本引入了"本能"（Instinct）架构——通过Hooks监听会话过程，将反复出现的模式提炼为原子级本能条目，每个本能附带置信度评分，经多轮验证后逐步升级为Skills或Commands。

核心功能演示： 在日常编码过程中，continuous-learning-v2的后台Hooks持续观察Claude的行为模式。当检测到某个操作模式反复出现（例如"用户总是要求在commit前运行lint"），系统会创建一条Instinct记录，附带初始置信度0.5。如果该模式在后续5次会话中持续出现，置信度逐步提升至0.9，系统会建议将其固化为一条Skill或自定义Command。项目级Instincts与全局Instincts分离存储，防止跨项目污染。

评测维度分析： - 功能完整度（4/5）： 观察→提炼→验证→固化的闭环完整。但"本能"到"技能"的自动转化仍需人工确认，尚未实现完全自动化。 - 上手难度（3/5）： 配置Hooks需要理解Claude Code的事件系统。初学者可能被"本能""置信度"等概念劝退。建议搭配learning-coach Skills使用。 - 变现潜力（4/5）： 企业知识管理是天然场景——将团队最佳实践自动编码为AI可执行的Skills。可作为"AI知识中台"的底层组件，以平台订阅模式定价。 - 训练营适用性（5/5）： 这是AI辅助编程教学的最佳载体——学生可以直观看到"经验如何被提炼为可复用的知识"。适合8-16课时的"AI工程实践"课程。 - 社区活跃度（4/5）： 在MCPMarket、SkillKit、LobeHub等多个分发平台均有收录。但核心贡献者集中在affaan-m团队，社区参与度有待提升。

竞品对比： 与self-learning Skills相比，continuous-learning-v2的"本能"架构更为精细——self-learning停留在"会话总结→文件存储"层面，而v2引入了置信度评分和多级验证机制。与systems-thinking的"系统动力学"方法论不同，v2是纯实践导向的，不教授思维方式，而是自动捕获行为模式。

4. content-to-video — 通用内容到视频管线引擎

来源： 社区开发，基于PptxGenJS + TTS + FFmpeg
安装： /content-to-video 内置可用

视频内容生成是2026年Skills生态中最"性感"的赛道。content-to-video构建了一条从结构化内容（slides.json）到带配音、带字幕的中文讲解视频的完整管线。它不是孤立的工具——上游对接knowledge-to-slides（知识→幻灯片）、book-to-short-videos（电子书→短视频脚本），下游支持video-downloader（视频下载）和youtube-transcript（字幕提取），形成了一条从内容创作到多平台分发的端到端链路。

核心功能演示： 输入slides.json（包含标题、要点、Mermaid图表、表格等结构化内容），content-to-video首先生成精美的PPTX幻灯片（支持分层bullet、Mermaid流程图渲染、表格布局），然后通过中文TTS引擎为每页生成配音，最后用FFmpeg将幻灯片图片序列、音频流和SRT字幕烧录为最终视频。支持16:9横屏和9:16竖屏两种格式。

评测维度分析： - 功能完整度（5/5）： 从内容到成品视频全链路覆盖。Mermaid图表自动渲染为图片并嵌入幻灯片是差异化亮点。与remotion-video-creator（代码化视频）和manim-video-creator（数学动画）构成视频生成三剑客。 - 上手难度（4/5）： slides.json格式需要学习，但有knowledge-to-slides等上游Skills自动生成。FFmpeg和TTS引擎的环境配置可能遇到兼容性问题。 - 变现潜力（5/5）： 知识付费视频批量生成是最直接的变现场景。单条3-5分钟的技术讲解视频，使用AI生成可将制作成本从$200-$500降至$5-$15。以订阅制提供"月产30条视频"服务，定价$99-$299/月有市场空间。 - 训练营适用性（5/5）： "内容创作+视频制作"一体化教学的最佳工具。学员可在4课时内完成从选题到成品视频的全流程。 - 社区活跃度（4/5）： YouTube教程、Dev.to文章和GitHub仓库形成完整的内容矩阵。wilwaldon/Claude-Code-Video-Toolkit汇聚了Remotion、Manim和content-to-video三大方案的对比评测。

竞品对比： Remotion方案（remotion-video-creator）在动态效果和品牌定制上更强，但需要React编程能力，学习曲线陡峭。Manim方案（manim-video-creator）专精数学和物理动画，学术风格鲜明但受众窄。content-to-video以"零代码、中文优先"定位取胜，在中文知识付费市场中没有直接竞品。Sora API（sora Skills）虽然视频质量更高，但成本是content-to-video的20-50倍，且无法精确控制幻灯片内容和字幕同步。

5. notebooklm — Google知识库桥接引擎

来源： 社区开发，基于Playwright浏览器自动化
安装： 内置可用

notebooklm Skills解决了一个极具价值的集成问题：如何让Claude Code直接访问和查询Google NotebookLM中的结构化知识库？通过Playwright驱动的浏览器自动化，该Skills实现了NotebookLM的库管理、持久化认证和基于来源的精准查询，使Claude Code能够生成"仅基于上传文档"的回答，从根本上消除了幻觉问题。

核心功能演示： 首次使用时，Skills通过Playwright打开NotebookLM的登录页面，用户完成Google认证后，Skills将session持久化到本地。后续查询时，Skills直接通过已认证的浏览器会话向NotebookLM发送自然语言查询，NotebookLM基于用户上传的文档集（PDF、网页、文本）生成仅引用来源内容的回答，Claude Code再将这些回答整合到代码上下文中。支持多Notebook切换、来源文件管理和查询历史追踪。

评测维度分析： - 功能完整度（4/5）： 查询→回答→整合的主流程完整。但浏览器自动化依赖Playwright运行时，在无GUI环境下（CI/CD、Docker）配置较复杂。 - 上手难度（3/5）： 需要Google账号、NotebookLM访问权限和Playwright环境。首次认证流程可能困扰非技术用户。与zlib-to-notebooklm（Z-Library→NotebookLM自动导入）搭配使用可降低数据准备成本。 - 变现潜力（4/5）： 企业知识库查询是付费场景。"将公司内部文档上传至NotebookLM，通过Claude Code实现精准问答"的方案可打包为SaaS产品，按查询量计费。 - 训练营适用性（3/5）： 认证流程和环境配置占用较多教学时间。更适合高级课程中的"AI+知识管理"专题模块。 - 社区活跃度（5/5）： LinkedIn教程、YouTube视频和多个博客深度评测形成了完整的社区内容矩阵。zlib-to-notebooklm和zlib-download等相关Skills构成了完整的"文献获取→知识库构建→精准查询"工具链。

竞品对比： 与wikipedia-research相比，notebooklm的优势在于可使用私有文档集（公司内部资料、研究论文等），而非仅限于公开百科数据。与deep-research的"多源并行检索"不同，notebooklm走的是"预构建知识库+精准查询"路线，在需要引用特定文档的场景（法律合规、技术标准、学术论文）下可靠性更高。两者互补而非竞争。

6. architecture-diagram-zh — 双主题中文架构可视化引擎

架构图生成是开发者日常的高频需求，但市面上的工具要么需要手动拖拽（Draw.io、Excalidraw），要么输出质量不够专业（Mermaid默认样式）。architecture-diagram-zh精准定位了这个痛点：输入自然语言描述的系统架构，输出支持深色/浅色双主题切换的独立HTML文件，内含SVG矢量图形，支持中文标注。

核心功能演示： 用户用自然语言描述系统组件及其关系（如"前端Nginx反向代理→Spring Boot微服务集群→Redis缓存→MySQL主从→对象存储"），Skills自动解析组件类型、连接关系和数据流向，生成结构化的SVG架构图。输出为独立HTML文件，内置主题切换按钮，深色模式适配技术文档和演示场景。支持云架构（AWS/GCP/Azure图标集）、安全架构、网络拓扑等多种子类型。

评测维度分析： - 功能完整度（4/5）： 双主题切换和中文支持是核心差异化。但复杂拓扑（如Istio Service Mesh）的自动布局仍有优化空间。 - 上手难度（5/5）： 零配置，输入自然语言即可输出成品。相比Excalidraw需要学习JSON Schema、Mermaid需要学习DSL，这是上手成本最低的方案。 - 变现潜力（4/5）： 技术文档服务、架构咨询报告中嵌入专业架构图是刚需。可作为"技术文档即服务"产品的可视化组件，订阅制$19-$49/月。 - 训练营适用性（5/5）： 系统架构设计课程的最佳辅助工具——学生输入架构描述，立即获得可视化反馈，加速"描述→理解→迭代"的学习循环。2课时即可掌握。 - 社区活跃度（3/5）： 作为中文特化Skills，在中文开发者社区有口碑传播，但在全球Skills市场中的曝光度有限。与excalidraw-diagram（英文社区主流方案）相比，Star数和贡献者数量差距明显。

竞品对比： excalidraw-diagram在英文社区更流行（coleam00的GitHub仓库有独立关注者），输出格式为Excalidraw原生JSON，可在Excalidraw编辑器中二次修改。但architecture-diagram-zh的双主题HTML输出更适合直接嵌入文档和演示，且中文支持开箱即用。text-logic-diagram（逻辑关系SVG生成器）专注文本逻辑拆解，适用场景不同。chart-craft-plus（35+种图表类型）在图表种类上更丰富，但在系统架构图的专业度上不如architecture-diagram-zh。

7. pcap-analyzer — 5G核心网报文深度解析引擎

来源： 通信行业垂直Skills
安装： 内置可用，依赖TShark 3.x+

pcap-analyzer是Skills生态中垂直行业深化的典型代表。它不追求通用性，而是极致聚焦于一个细分领域：5G核心网协议的报文分析。支持NGAP、5G-NAS、PFCP、GTP、Diameter和IMS协议栈（SIP/SDP），通过自然语言查询分析注册流程、PDU会话建立、切换流程等通信核心场景，以TShark为后端引擎实现深度协议解析。

核心功能演示： 用户上传PCAP文件后，可以用自然语言提问（如"分析这次注册流程中NAS消息的完整时序"或"找出PFCP会话建立失败的根因"）。Skills自动调用TShark进行协议解码，按流程阶段分组展示消息交互，标注异常时序和错误码。输出包含协议层解码详情、消息时序图（Mermaid）和故障分析报告。

评测维度分析： - 功能完整度（5/5）： 覆盖5G核心网全协议栈。与free5gc（开源5GC模拟器）和UERANSIM（UE/RAN模拟器）构成完整的"模拟→抓包→分析"工具链。pcap-generator和pcap-modifier进一步补齐了测试数据准备能力。 - 上手难度（3/5）： 需要通信协议知识背景和TShark环境。对通信工程师友好，但对通用开发者门槛较高。 - 变现潜力（5/5）： 通信行业网络故障排查是高价值场景。运营商和设备商的工程师团队有明确的工具付费意愿。以"5G网络智能诊断平台"定位，按分析会话计费（$10-$50/PCAP分析）或企业年费制（$5,000-$20,000/年）均可行。 - 训练营适用性（4/5）： 适合通信工程专业实训课程，但需要配套的实验室环境（free5gc+UERANSIM）。建议8-16课时的"5G协议分析实践"课程。 - 社区活跃度（4/5）： 3GPP Skills家族（3gpp-5g-specs、3gpp-daily-article、3gppspec-to-video、telecom-learning-coach等）形成了通信行业最完整的AI工具链。在LinkedIn和通信技术社区有持续传播。

竞品对比： Wireshark原生GUI仍然是协议分析的行业标准，但无法通过自然语言交互。pcap-analyzer的价值在于将TShark的命令行能力封装为对话式分析体验，降低协议分析的入门门槛。在AI辅助网络分析领域，尚无同等深度的5G专用竞品。

Skills生态分类全景图

mindmap
  root((Claude Code<br/>Skills生态))
    开发效率
      code-review
      simplify
      verify
      skill-creator
      find-skills
    安全审计
      security-threat-model
      security-best-practices
      security-ownership-map
      skill-security-analyzer
    研究分析
      deep-research
      wikipedia-research
      academic-researcher
      notebooklm
    内容创作
      content-to-video
      content-creator
      content-repurposer
      da-v-koubo-copywriter
    视觉设计
      architecture-diagram-zh
      excalidraw-diagram
      chart-craft-plus
      figma
      baoyu-infographic
    元认知学习
      continuous-learning-v2
      self-learning
      systems-thinking
      learning-coach
      scientific-critical-thinking
    垂直行业
      pcap-analyzer
      3gpp-5g-specs
      free5gc
      telecom-learning-coach
    基础设施
      vercel-deploy
      cloudflare-deploy
      render-deploy
      github-actions-skill
    文档办公
      pptx-generator
      md2pdf
      spreadsheet
      office-mcp

推荐排行榜

按变现潜力排序

按上手难度排序（从易到难）

按训练营适用性排序

生态趋势观察

排名	Skills	变现模式	定价区间	核心优势
1	security-threat-model	企业订阅/按仓库	$29-$99/月/仓库	安全审计刚需，续费率85%+
2	content-to-video	订阅制/按量	$99-$299/月	中文知识付费视频批量生产
3	deep-research	按项目/按报告	$50-$200/报告	法律尽调、市场研究高付费意愿
4	pcap-analyzer	按会话/企业年费	$5K-$20K/年	通信行业高壁垒，竞品稀缺
5	continuous-learning-v2	平台订阅	$49-$199/月	企业知识管理底层组件

排名	Skills	所需基础	首次使用耗时	适合人群
1	architecture-diagram-zh	无	5分钟	全栈开发者
2	content-to-video	slides.json格式	15分钟	内容创作者
3	security-threat-model	基本安全概念	20分钟	后端开发者
4	notebooklm	Google账号	30分钟	研究人员
5	continuous-learning-v2	Claude Code Hooks	45分钟	AI工程师

排名	Skills	推荐课时	教学场景	学员门槛
1	content-to-video	4课时	"AI内容创作"实训	低
2	architecture-diagram-zh	2课时	"系统架构设计"课程	低
3	continuous-learning-v2	8-16课时	"AI工程实践"高级课	中
4	security-threat-model	4-8课时	"应用安全"培训	中
5	pcap-analyzer	8-16课时	"5G协议分析"专业实训	高

趋势一：垂直行业Skills的崛起。 以pcap-analyzer和3gpp-5g-specs为代表的通信行业Skills家族，证明"通用AI+垂直知识编码"是一条可行路径。金融（合规检查）、医疗（DICOM解析）、法律（合同风险扫描）等高壁垒行业均有类似机会。Agent37 marketplace上的Vendor Contract Risk Scanner已经验证了"行业专属Skills可独立定价"的商业逻辑。

趋势二：Skills经济层的形成。 据Agent37和SkillsMP的数据，2026年Q2已有超过200个Skills进入付费分发渠道。订阅制（占60%）、按量计费（占25%）和企业授权（占15%）三种定价模式并存。关键发现：变现能力最强的Skills不是最复杂的，而是最"可重复"的——用户每周都会用的安全审计、视频生成、报告撰写类Skills拥有最高的付费转化率。

趋势三：元认知Skills的分化。 continuous-learning-v2、self-learning、systems-thinking三个Skills分别代表了"经验提炼"、"会话学习"和"系统思维"三种AI自进化路径。其中continuous-learning-v2的"本能"架构最具原创性，但也是最不易被市场理解的——这类Skills的商业价值可能需要通过"嵌入企业知识管理平台"间接实现，而非直接售卖。