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。 ## 评测总览 | 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 | --- ## 1. deep-research：多源检索与对抗验证的调研引擎 **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**： - **功能完整度 ★★★★★**：开箱即用，支持自定义搜索深度、源过滤和输出格式。多阶段管线设计成熟，从问题理解到最终报告无需人工干预。 - **上手难度 ★★★★☆**：需要明确的研究问题才能触发，过于宽泛的查询会被拒绝并要求细化。这一设计虽然提高了输出质量，但也增加了新用户的理解成本。 - **变现潜力 ★★★★★**：企业级调研报告的市场定价在500-5000美元/份。将此Skill包装为SaaS调研服务，按报告深度分级收费，月活跃用户100+即可实现万元级ARR。 - **训练营适用性 ★★★★★**：非常适合教授"如何提问"和"信息素养"课程。2小时可完成基础教学，学员能直观理解多源验证的价值。 - **社区活跃度 ★★★★☆**：在OpenAIToolsHub的349个Skill排名中位列Top 10，GitHub相关仓库月均PR 20+。 **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。 --- ## 2. notebooklm：Google知识库的终端直连 **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**： - **功能完整度 ★★★★☆**：查询、管理、跨笔记本检索均已实现。但依赖浏览器自动化意味着在无头服务器环境中部署较复杂，且会话过期后需重新授权。 - **上手难度 ★★★☆☆**：需要Google账号、NotebookLM访问权限和浏览器环境配置。首次设置约需15-20分钟，对非技术用户有一定门槛。 - **变现潜力 ★★★★☆**：企业知识库问答是刚需场景。将NotebookLM + 此Skill包装为"私有知识库终端助手"，按席位收费（$29-99/月/席位），目标客户为咨询、法律、研究机构。 - **训练营适用性 ★★★★☆**：适合"AI + 知识管理"课程模块，约1.5小时可完成教学。可演示RAG（检索增强生成）的实际工作原理。 - **社区活跃度 ★★★★☆**：GitHub仓库持续更新，Readme文档完善，Discord社区有活跃的故障排除讨论。 **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。 --- ## 3. figma-implement-design：设计稿到生产代码的像素级闭环 **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**： - **功能完整度 ★★★★★**：从设计上下文获取到最终代码生成，形成完整闭环。支持React、Vue、Svelte等主流框架，输出包含TypeScript类型定义。 - **上手难度 ★★★☆☆**：需要配置Figma MCP服务器（需要Figma API Token），理解Figma节点ID的概念，以及熟悉目标框架的项目约定。对前端开发者友好，对纯设计师生疏。 - **变现潜力 ★★★★★**：设计到代码（D2C）赛道估值已达数十亿美元。将此Skill包装为"一键设计交付"服务，按页面/组件收费（$10-50/页面），或为企业提供定制化设计系统到代码的自动化管线（月费$500-2000）。 - **训练营适用性 ★★★★☆**：非常适合前端训练营的"设计协作"模块。4小时可完成从Figma设计到可部署页面的全流程教学。 - **社区活跃度 ★★★★☆**：Figma官方博客背书，GitHub仓库star增长迅速，社区贡献了多个框架适配器。 **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。 --- ## 4. continuous-learning-v2：从观察到本能的元学习引擎 **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**： - **功能完整度 ★★★★☆**：观察→提取→评分→提升的管线完整。但本能提取的准确率受会话长度和任务复杂度影响，在短会话中容易产生误判。 - **上手难度 ★★★★☆**：概念模型需要理解（本能、置信度、提升阈值），但使用上基本零配置。安装后静默运行，用户无需主动操作。 - **变现潜力 ★★★☆☆**：作为底层基础设施有价值，但难以直接变现。更适合作为付费IDE或团队协作平台的内置功能，提升产品粘性。 - **训练营适用性 ★★★★★**：极佳的教学工具。可用它展示"AI如何学习用户习惯"，帮助学员理解元学习和自适应系统的核心概念。3小时课程可覆盖从安装到观察首个本能形成的全过程。 - **社区活跃度 ★★★☆☆**：概念新颖但使用者相对小众。GitHub仓库更新频率中等（月均3-5次提交），文档有待完善。 **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。 --- ## 5. systems-thinking：用系统透镜拆解复杂问题 **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**： - **功能完整度 ★★★★☆**：支持反馈回路识别、因果图生成、杠杆点分析和情景模拟。但不支持定量建模（如系统动力学仿真），定性分析为主。 - **上手难度 ★★★★★**：零门槛。用自然语言描述问题即可触发，Skill会主动追问关键维度。输出格式对非技术用户友好。 - **变现潜力 ★★★☆☆**：适合包装为咨询辅助工具，但市场规模有限。商业咨询公司可能将其集成到方法论工具箱中，作为差异化服务。 - **训练营适用性 ★★★★★**：这是"系统思维"课程的最佳实践工具。可直接用于MBA课程或产品经理培训，6-8小时课程可让学员从概念到实操全面掌握。 - **社区活跃度 ★★★☆☆**：属于小众精品Skill，社区讨论集中在Notion和Discord的"AI认知工具"频道。 **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。 --- ## 6. defuddle：网页内容去噪的Token节省器 **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**： - **功能完整度 ★★★★☆**：核心去噪功能稳定，支持Markdown和纯文本两种输出格式。但对SPA（单页应用）和JavaScript渲染内容的支持有限。 - **上手难度 ★★★★★**：完全透明。当用户提供URL时自动触发，用户无需知道Skill的存在。零配置，安装即用。 - **变现潜力 ★★★☆☆**：作为基础设施Skill难以直接变现。但其60%的Token节省率意味着在API成本敏感的商业场景中，可以包装为"AI内容预处理服务"按调用量收费。 - **训练营适用性 ★★★★☆**：适合"AI工程实践"课程中的"上下文管理"模块。1小时即可演示Token优化的重要性，直观且有说服力。 - **社区活跃度 ★★★★☆**：Defuddle CLI本身在npm上有稳定的下载量，Skill封装简洁，Issue响应及时。 **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。 --- ## 7. security-threat-model：代码库驱动的威胁建模 **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**： - **功能完整度 ★★★★★**：从代码分析到威胁模型输出的全管线完整。支持STRIDE和LINDDUN两种威胁分类框架，输出包含信任边界图（Mermaid格式）、威胁清单和缓解建议。 - **上手难度 ★★★☆☆**：需要基本的安全工程概念（信任边界、攻击面、威胁行为者）。对安全专业人员友好，对普通开发者有一定学习曲线。 - **变现潜力 ★★★★★**：DevSecOps是企业刚需。将此Skill包装为"AI安全审计"服务，按代码库规模收费（$500-5000/审计），或集成到CI/CD管线作为持续安全监控（月费$100-500/项目）。 - **训练营适用性 ★★★☆☆**：适合高级安全工程课程，但需要学员具备安全基础。约4-6小时可完成STRIDE方法论的教学实操。 - **社区活跃度 ★★★★☆**：安全社区关注度高，与security-best-practices和security-ownership-map形成技能矩阵。Anthropic在2026年5月发布的security-guidance插件也验证了这一赛道的战略价值。 **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。 --- ## Skills生态分类图谱 ```mermaid 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 ``` --- ## 推荐排行榜 ### 按变现潜力排名 | 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 | ### 按训练营适用性排名 | 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 | ### 按上手难度排名（从易到难） | 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 | ### 本周趋势关键词 1. **跨平台标准化**：Agent Skills作为开放标准被Cursor、Copilot等采用，SKILL.md成为事实规范 2. **对抗性验证**：deep-research引领的多源对抗验证模式正在向内容创作、安全审计等领域扩散 3. **认知增强层**：systems-thinking、scientific-critical-thinking等"不写代码的Skill"成为新增长点 4. **Token经济**：defuddle代表的Token优化Skill需求随API成本敏感度上升而增长 5. **平台桥接**：NotebookLM、Figma、Sora等集成Skill标志着Skills从"单机工具"向"生态连接器"进化 --- ## 生态格局与趋势 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。 --- ## 参考来源 1. [How I Indexed 2,000 Claude Code Skills](https://dev.to/shenhuang/how-i-indexed-2000-claude-code-skills-and-what-the-install-data-says-about-ai-coding-in-2026-3k80) — 2000条Skills索引数据与安装量分析 2. [15 Best Claude Code Skills in 2026 (Tested)](https://www.agensi.io/learn/best-claude-code-skills-2026) — 实测评测含安装量排名 3. [Top Claude Code Skills We Actually Use](https://studio.contexta.uk/blog/claude-code-skills-2026) — 团队实测审计报告 4. [Introducing Agent Skills | Claude](https://claude.com/blog/skills) — Anthropic官方Skills发布公告 5. [Best Open Source Claude Code Skills in 2026](https://blog.buildbetter.ai/best-open-source-skills-for-claude-code-in-2026-complete-guide/) — 开源Skills完整指南 > [!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。