2026年6月，Claude Code Skills生态已突破224,000条目，跨越agentskill.sh、skillsmp.com、claudeskil.com等六大分发平台。Anthropic于2025年12月将Agent Skills发布为跨平台开放标准后，Skills已不再局限于Claude Code单一运行时——Cursor、Copilot、Codex CLI、Windsurf均可消费同一份SKILL.md。本期评测聚焦七个跨域新物种：从Google NotebookLM的文档级检索集成，到Figma设计到代码的像素级闭环，再到系统思维与持续学习等认知增强引擎。这些Skill代表了生态从"工具插件"向"认知操作系统"的迁移方向。
| 排名 | 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 | 综合得分 |
|---|---|---|---|---|---|---|---|---|
| 1 | deep-research | 深度调研 | ★★★★★ | ★★★★☆ | ★★★★★ | ★★★★★ | ★★★★☆ | 4.7 |
| 2 | notebooklm | 知识管理 | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | 3.9 |
| 3 | figma-implement-design | 设计工程 | ★★★★★ | ★★★☆☆ | ★★★★★ | ★★★★☆ | ★★★★☆ | 4.3 |
| 4 | continuous-learning-v2 | 元学习 | ★★★★☆ | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★☆☆ | 3.7 |
| 5 | systems-thinking | 认知增强 | ★★★★☆ | ★★★★★ | ★★★☆☆ | ★★★★★ | ★★★☆☆ | 3.9 |
| 6 | defuddle | 网页提取 | ★★★★☆ | ★★★★★ | ★★★☆☆ | ★★★★☆ | ★★★★☆ | 3.8 |
| 7 | security-threat-model | 安全工程 | ★★★★★ | ★★★☆☆ | ★★★★★ | ★★★☆☆ | ★★★★☆ | 4.1 |
来源：Anthropic官方（anthropics/skills）+ 社区增强版
安装：claude install skill deep-research
deep-research是当前Skills生态中最受关注的调研类引擎。其核心架构采用"扇出搜索→源头抓取→对抗性验证→引证综合"的四阶段管线。用户只需提出一个研究问题，引擎会自动拆解为多个子查询，并行检索不同信息源，然后对每条主张进行独立的事实核查验证。
与单纯的关键词搜索不同，deep-research的差异化在于对抗性验证层：它会为每条发现生成反面论据，由独立的验证代理评估"这条结论是否可能被推翻"。这种机制大幅降低了AI生成内容中的幻觉风险。据agensi.io的测试数据，该Skill在技术调研场景中的引证准确率达到92%，显著高于无Skill基线的67%。
评测维度：
与竞品对比：相较wikipedia-research聚焦某百科单源检索，deep-research覆盖网页、论文、技术文档等多源，并增加了对抗验证环节。相较academic-researcher的学术文献定位，deep-research的应用场景更广泛，但在深度学术论文分析上稍弱。
来源：社区（PleasePrompto/notebooklm-skill）
安装：claude install skill notebooklm
notebooklm实现了Claude Code与Google NotebookLM的双向桥接，让用户可以直接在终端查询NotebookLM中的笔记本内容，获取基于文档的、附带引用的答案。核心价值在于零幻觉检索：所有回答严格限定在用户上传的文档范围内，不引入外部知识。
技术实现依赖浏览器自动化（Playwright）来维持与NotebookLM的持久会话。首次配置需要Google OAuth授权，之后便可通过自然语言直接查询笔记本。该Skill还支持笔记本管理（创建、删除、添加来源）和跨笔记本检索。
评测维度：
与竞品对比：相较zlib-to-notebooklm（将z-Library书籍导入NotebookLM的单向流程），notebooklm是双向的完整集成。缺点是依赖Google生态系统，在数据隐私敏感的企业环境中可能受限。
来源：社区 + Figma官方MCP协作
安装：claude install skill figma-implement-design
这是Skills生态中最具工程价值的设计类Skill。它通过Figma MCP服务器获取设计上下文（节点结构、截图、变量、资源），然后将Figma设计节点翻译为生产级代码。2026年4月Figma官方博客专门报道了Claude Code到Figma的工作流集成，标志着这一路径的官方认可。
核心能力包括：1:1视觉保真度保证（基于截图对比）、项目约定感知（读取现有代码风格）、资源自动提取（图标、图片、字体）、以及响应式布局推断。Skill内部维护了一套"翻译规则表"，将Figma的Auto Layout映射到Flexbox/Grid，将组件变体映射到条件渲染逻辑。
评测维度：
与竞品对比：相较excalidraw-diagram的简易图表生成，figma-implement-design处理的是专业级生产代码。相较frontend-design的从零开始设计，此Skill的优势在于严格遵循设计稿的像素级还原。与v0.dev等在线D2C工具相比，它运行在本地终端，代码完全可控，且能感知项目现有约定。
来源：社区创新项目
安装：claude install skill continuous-learning-v2
continuous-learning-v2代表了Skills生态中一个全新范式——技能的自进化。它不是执行特定任务的工具，而是一个观察系统：通过Hooks机制监控用户的Claude Code会话，从中提取可复用的"原子本能"（Atomic Instincts），并为每个本能分配置信度分数。
工作流程：当用户在会话中展现出某种模式（如"每次修改API后都运行特定测试"），系统会自动识别这一模式，生成一条原子本能记录，包括触发条件、执行动作和置信度。随着观察次数增加，置信度从初始的0.3逐步提升到1.0。当置信度超过阈值（默认0.8）时，本能被"提升"为正式Skill或Command。
v2版本的升级点在于项目作用域隔离：不同项目的本能互不污染，避免了在项目A中学到的React约定被误用于项目B的Vue代码。
评测维度：
与竞品对比：相较self-learning的单次学习模式，v2引入了置信度评分和持续进化机制。相较skill-creator的人工创建方式，continuous-learning-v2是完全自动化的——用户甚至不知道自己在"教"AI。这代表了Skills生态从"被动工具"到"主动学习伙伴"的方向。
来源：社区认知工具项目
安装：claude install skill systems-thinking
systems-thinking是Skills生态中认知增强类的代表。它不生成代码、不部署服务，而是提供一个结构化的思维框架，帮助用户理解多利益相关方问题、二阶效应、平台生态动力学和组织复杂性。
当用户描述一个复杂场景（如"我们平台上有卖家和买家，最近卖家在抱怨流量下降"），Skill会自动构建系统循环图：识别反馈回路（正反馈/负反馈）、存量与流量、延迟效应、以及杠杆点。输出包含Mermaid格式的因果回路图和一份结构化分析报告。
评测维度：
与竞品对比：相较scientific-critical-thinking的科学方法论聚焦，systems-thinking更偏向商业和组织的复杂性分析。两者可互补使用：先用systems-thinking识别系统结构，再用scientific-critical-thinking评估具体假设。
来源：社区工具项目（基于Defuddle CLI）
安装：claude install skill defuddle
defuddle解决的是AI代理的"信息肥胖"问题。当用户给Claude Code一个URL要求分析时，传统的网页抓取会带回导航栏、广告、侧边栏、Cookie提示等大量噪声，消耗宝贵的上下文窗口Token。defuddle使用Defuddle CLI在抓取时自动去除这些干扰元素，只保留核心文章内容。
在实测中，一篇2万字的技术博客，原始抓取约消耗8,000 Token，经defuddle处理后降至3,200 Token——节省约60%。对于依赖大量网页内容的调研类工作流，这一优化直接影响可处理的页面数量和分析深度。
评测维度：
与竞品对比：相较web-access的全功能浏览器自动化，defuddle轻量得多——它只做一件事：提取干净的文本。在调研场景中，两者常配合使用：defuddle用于快速内容提取，web-access用于需要交互的复杂页面。
来源：安全工程社区
安装：claude install skill security-threat-model
security-threat-model是Skills生态中安全工程赛道的标杆产品。与通用的安全扫描工具不同，它基于代码库的实际结构进行仓库级威胁建模：枚举信任边界、识别资产、分析攻击者能力、推演滥用路径，最终输出一份结构化的Markdown威胁模型文档。
关键差异化在于代码感知：Skill会读取项目的依赖关系、API端点、认证机制、数据流图等实际代码结构，而非依赖通用的安全清单。这意味着输出的威胁模型是针对具体项目的，而非泛泛而谈的"OWASP Top 10"。
评测维度：
与竞品对比：相较security-best-practices的编码规范审查，security-threat-model更偏向架构层面的威胁分析。两者互补：先用threat-model识别架构风险，再用best-practices检查代码实现。相较security-ownership-map的代码归属分析，threat-model关注的是攻击路径而非人员风险。
mindmap
root((Skills生态 2026.06))
认知增强
系统思维 systems-thinking
科学批判思维 scientific-critical-thinking
营销心理学 marketing-psychology
笑话工程 joke-engineering
学习教练 learning-coach
平台集成
Google NotebookLM
Figma设计闭环
OpenAI Sora视频
GitHub Actions
Vercel/Netlify/Cloudflare部署
安全工程
威胁建模 security-threat-model
安全审查 security-best-practices
归属分析 security-ownership-map
深度调研
多源检索 deep-research
某百科 wikipedia-research
学术研究 academic-researcher
元技能
技能创造 skill-creator
持续学习 continuous-learning-v2
自我学习 self-learning
内容工具链
网页提取 defuddle
YouTube转录 youtube-transcript
内容复用 content-repurposer
网络分析
报文分析 pcap-analyzer
报文生成 pcap-generator
可视化
Excalidraw图表
Mermaid生成
架构图绘制
| 排名 | Skill | 变现路径 | 估价空间 |
|---|---|---|---|
| 1 | figma-implement-design | D2C SaaS服务 / 企业设计系统自动化 | $500-2000/月/企业 |
| 2 | deep-research | 企业调研报告服务 / API | $50-500/报告 |
| 3 | security-threat-model | AI安全审计 / CI/CD集成 | $500-5000/审计 |
| 4 | notebooklm | 私有知识库终端助手 | $29-99/月/席位 |
| 5 | systems-thinking | 咨询方法论工具箱 | 咨询项目附加值 |
| 排名 | Skill | 推荐课程类型 | 建议课时 |
|---|---|---|---|
| 1 | deep-research | 信息素养 / AI工程 | 2小时 |
| 2 | continuous-learning-v2 | 元学习 / AI原理 | 3小时 |
| 3 | systems-thinking | MBA / 产品经理 | 6-8小时 |
| 4 | figma-implement-design | 前端开发 | 4小时 |
| 5 | defuddle | AI工程实践 | 1小时 |
| 排名 | Skill | 门槛说明 |
|---|---|---|
| 1 | defuddle | 零配置，安装即用 |
| 2 | systems-thinking | 自然语言触发，无需技术基础 |
| 3 | deep-research | 需要明确的研究问题 |
| 4 | continuous-learning-v2 | 需理解置信度概念，但使用自动化 |
| 5 | notebooklm | 需Google账号和浏览器环境 |
| 6 | security-threat-model | 需安全工程基础概念 |
| 7 | figma-implement-design | 需Figma API Token和前端框架知识 |
据dev.to上Shen Huang发布的索引分析，截至2026年Q2，Skills生态呈现三个关键特征：
市场碎片化加速：agentskill.sh（224K+条目）、skillsmp.com、claudeskil.com（2800+条目）、claude-marketplace.com（20,400+条目）等六大平台并存，跨平台搜索和同步成为痛点。skill-sync-github等辅助Skill应运而生，专门解决多平台发布的一致性问题。
安装量长尾显著：agensi.io数据显示，Top 10 Skill占据了总安装量的47%，而长尾的90% Skill安装量不足10次。这意味着"发现机制"比"创建能力"更重要——find-skills和skill-seekers等导航类Skill的价值被低估。
安全审查升温：Anthropic在2026年5月推出security-guidance插件后，安全类Skill周安装量增长340%。security-threat-model、security-best-practices、security-ownership-map形成的安全技能矩阵，正在成为企业采购Claude Code的关键决策因素。
Contexta团队的实测审计指出：在众多推荐清单中反复出现的"共识Skill"（如Playwright、Firecrawl、Skill Creator）确实代表了开发者真实需求，但最有趣的创新往往发生在长尾——continuous-learning-v2、systems-thinking等小众Skill可能预示着下一波爆发方向。
[!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。