当Skills生态从2,179个飙升至40,285个（2026年1-2月，arXiv:2602.08004），一个更深层的问题浮出水面：谁在建造这些Skills？谁在测试它们？谁让它们跨设备同步、自我进化？ 本文聚焦Claude Code生态中一个被严重低估的品类——元技能（Meta Skills），即"造技能的技能"。我们评测了八大元技能引擎，覆盖创建、发现、转换、学习、编排、同步六大能力维度，揭示Skills生态的基础设施层正在如何重塑AI Agent的能力边界。
| 元技能 | 来源 | 核心定位 | 安装方式 |
|---|---|---|---|
| skill-creator | Anthropic官方 | Skill创建+测试+基准评测 | 内置/claude.com/plugins/skill-creator |
| skill-factory | alirezarezvani（社区） | 批量Skill工厂化生成 | GitHub: alirezarezvani/claude-code-skill-factory |
| find-skills | 社区 | Skill发现与安装网关 | 内置Skill |
| skill-seekers | yusufkaraaslan（社区） | 文档/仓库/PDF→Skill转换 | PyPI: pip install skill-seekers |
| continuous-learning-v2 | affaan-m/thmspi（社区） | 本能式自学习系统 | GitHub: affaan-m/ECC |
| planning-with-files | OthmanAdi（社区） | 持久化文件规划引擎 | GitHub: OthmanAdi/planning-with-files |
| gstack | garrytan（YC总裁） | 23合1多角色编排引擎 | GitHub: garrytan/gstack |
| remembering-conversations | honeyspoon（社区） | 跨会话记忆持久化 | 内置Skill |
| 维度\引擎 | skill-creator | skill-factory | find-skills | skill-seekers | continuous-learning-v2 | planning-with-files | gstack | remembering-conversations |
|---|---|---|---|---|---|---|---|---|
| 功能完整度 | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★★ | ★★★☆☆ |
| 上手难度（易→难） | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★☆☆ | ★★☆☆☆ | ★★★★☆ | ★★★☆☆ | ★★★★★ |
| 变现潜力 | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★☆☆ |
| 训练营适用性 | ★★★★★ | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★★☆ | ★★★★☆ |
| 社区活跃度 | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★★★ | ★★★☆☆ |
| 加权总分 | 4.85 | 3.65 | 4.10 | 4.15 | 3.20 | 3.55 | 4.15 | 3.30 |
评分说明：加权 = 功能完整度×25% + 上手难度(反向)×20% + 变现潜力×25% + 训练营适用性×15% + 社区活跃度×15%
来源：Anthropic官方插件，GitHub仓库 anthropics/claude-plugins-official/plugins/skill-creator
核心功能：这是整个Skills生态的基石。skill-creator经历了从1.0到2.0的重大升级——1.0仅支持对话式创建Skill，2.0新增了eval管线、基准测试集（benchmark test sets）和盲测A/B比对。开发者可以定义测试用例，对Skill输出进行自动化的回归验证，确保模型升级后Skill行为不漂移。Anthropic官方博客明确指出："skill-creator now helps you write evals, run benchmarks, and keep your skills working as models evolve."
评测维度分析：
与竞品对比：skill-factory提供了类似功能但更偏重批量生成，缺少eval管线；社区版meta-skill-creator（mcpmarket.com）是skill-creator的轻量包装。
来源：社区开发者 alirezarezvani，GitHub 763 stars
核心功能：采用工厂设计模式（Factory Pattern），提供交互式引导Agent和一套slash命令，能从模板快速生成结构化的Skill文件。其核心理念是"生产线化"——定义好Skill的骨架结构后，可以批量填充不同领域的内容。支持13种AI编码工具的Skill格式输出（Claude Code、Cursor、Copilot、Codex、Windsurf等）。
评测维度分析：
与竞品对比：skill-creator是官方精品路线，skill-factory是社区量产路线。两者互补而非竞争。
来源：社区维护，可通过findskills.org和MCP方式接入
核心功能：find-skills是Skills生态的"应用商店入口"。它充当集成包管理器，允许用户浏览、搜索和安装来自多个来源的Skills。所有Skill来源于GitHub公开仓库，经过基本的质量筛选。支持MCP协议，可通过npx findskills-mcp直接接入Claude Code。
评测维度分析：
与竞品对比：skills.sh是同类竞品但更偏Web界面，find-skills更深度集成到Claude Code内部工作流。
来源：yusufkaraaslan，PyPI包 skill-seekers，v3.0.0版本
核心功能：skill-seekers解决了Skills生态的一个关键痛点——如何将已有的知识资产转化为Skill。它支持将文档网站、GitHub仓库、PDF文档、视频和Wiki自动转换为结构化的Claude AI Skill。v3.0.0版本（2026年2月发布）大幅扩展了输入源，被称为"AI系统的通用数据预处理器"。
评测维度分析：
与竞品对比：notebooklm-skill-master也做类似的知识接入，但偏Google NotebookLM生态；skill-seekers更通用、更轻量。
来源：affaan-m的ECC项目，后由thmspi优化为v2.1
核心功能：这是Skills生态中最前沿的实验性项目。continuous-learning-v2通过hooks监控Claude Code的编码会话，观察用户的纠正和反馈，自动提取"原子化本能（atomic instincts）"并赋予置信度评分。当置信度超过阈值时，本能被固化为行为规则，影响后续会话。本质上，它让Claude Code具备了从经验中学习的能力。
评测维度分析：
与竞品对比：self-learning Skill是更简单的单次学习版本，continuous-learning-v2实现了持续迭代。Anthropic官方的CLAUDE.md + memory机制是官方的"轻量学习"方案，但不具备自动提取能力。
来源：OthmanAdi，灵感来自Manus AI（Meta以$2B收购的AI初创）
核心功能：将Claude Code的工作模式从"即时响应"转变为"规划先行"。通过维护持久化的Markdown计划文件，将复杂任务分解为可追踪的步骤，支持确定性重放和崩溃恢复。每个步骤的结果被记录在文件中，即使会话中断也能从断点恢复。
评测维度分析：
与竞品对比：Anthropic官方的long-running-agent Skill解决类似问题但更偏Agent生命周期管理，planning-with-files更偏任务规划方法论。
来源：Garry Tan（Y Combinator总裁），GitHub: garrytan/gstack
核心功能：gstack不是单一Skill，而是一套包含23个专业化Skill的组合包。它将Claude Code转化为一个完整的"虚拟工程团队"——每个Skill对应一个角色：CEO（战略决策）、Designer（设计审查）、Eng Manager（项目管理）、Staff Engineer（架构决策）等。这种多角色编排方式让单个AI Agent能模拟团队协作。
评测维度分析：
与竞品对比：Agent Teams（Claude Code官方多Agent方案）更底层，gstack更"开箱即用"。两者可以互补——用gstack定义角色，用Agent Teams实现真正的多Agent并发。
来源：honeyspoon（社区），mcpmarket.com收录
核心功能：解决了Claude Code的"金鱼记忆"问题——每个会话都是全新开始。remembering-conversations自动检索过去的架构决策、设计选择和上下文信息，在会话开始时注入相关记忆。支持按项目、按主题的索引和检索。
评测维度分析：
与竞品对比：Anthropic官方的memory机制（CLAUDE.md + memory文件）是更基础的方案，remembering-conversations增加了语义检索能力。Claude-Mem（knightli.com）是更复杂的向量搜索方案。
mindmap
root((元技能引擎<br/>Meta Skills))
创建层 Create
skill-creator
eval管线
benchmark测试
A/B比对
skill-factory
模板工厂
13平台输出
批量生成
转换层 Convert
skill-seekers
文档→Skill
仓库→Skill
PDF→Skill
视频→Skill
发现层 Discover
find-skills
搜索安装
MCP集成
多源聚合
学习层 Learn
continuous-learning-v2
本能提取
置信度评分
行为固化
编排层 Orchestrate
planning-with-files
持久规划
断点恢复
gstack
23角色引擎
虚拟团队
记忆层 Memory
remembering-conversations
跨会话记忆
语义检索
| 排名 | 元技能 | 加权总分 | 一句话点评 |
|---|---|---|---|
| 1 | skill-creator | 4.85 | 官方出品，eval管线让它从工具升级为平台 |
| 2 | skill-seekers | 4.15 | 知识蒸馏的瑞士军刀，变现路径最清晰 |
| 3 | gstack | 4.15 | 23合一的野心之作，Garry Tan背书加分 |
| 4 | find-skills | 4.10 | 生态入口级工具，用得越多发现越多 |
| 5 | skill-factory | 3.65 | 批量生成专家，跨平台输出是杀手锏 |
| 6 | planning-with-files | 3.55 | Manus基因+教学友好，工程思维入门首选 |
| 7 | remembering-conversations | 3.30 | 解决真痛点但功能深度不足 |
| 8 | continuous-learning-v2 | 3.20 | 概念最前沿但离产品化还有距离 |
| 排名 | 元技能 | 变现方向 | 预估定价空间 |
|---|---|---|---|
| 1 | skill-creator | Skill质量认证SaaS + 企业Skill工厂 | $50-500/月 |
| 2 | gstack | 虚拟工程团队SaaS | $200-2000/月 |
| 3 | skill-seekers | 企业知识蒸馏平台 | $100-1000/月 |
| 4 | skill-factory | 多平台Skill生成器 | $30-200/月 |
| 5 | find-skills | Skill分发平台（类npm） | 抽佣模式 |
| 排名 | 元技能 | 最佳课程主题 | 建议课时 |
|---|---|---|---|
| 1 | skill-creator | "从零构建可评测的AI Skill" | 8小时 |
| 2 | find-skills | "AI Skill生态入门与发现" | 2小时 |
| 3 | planning-with-files | "让AI学会规划：工程化AI工作流" | 4小时 |
| 4 | skill-factory | "跨平台Skill设计与批量生产" | 6小时 |
| 5 | skill-seekers | "知识即技能：文档智能转换实战" | 4小时 |
方向一：Eval-Driven Development成为标配。 skill-creator 2.0的eval管线预示着一个关键趋势——未来的Skill开发将像软件工程一样，测试先行。当市场从40,000+ Skills中筛选时，有eval覆盖的Skill将获得更高的可信度和分发权重。这意味着Skill开发者需要像写代码一样写测试。
方向二：知识蒸馏的工业化。 skill-seekers v3.0代表了一个被低估的市场——企业内部有海量的文档、Wiki、PDF，它们是沉睡的知识资产。当这些资产能被自动转化为AI可执行的Skill，企业的"知识管理"将从"存储"升级为"执行"。这可能是Skills生态中最大的B2B变现机会。
方向三：从单Agent到虚拟团队。 gstack的23角色模型预示着AI Agent的终极形态不是"一个超人"，而是"一个团队"。当planning-with-files提供规划能力、continuous-learning-v2提供学习能力、remembering-conversations提供记忆能力，一个完整的"虚拟组织"正在成型。元技能的价值不在于单个能力，而在于组合后的涌现效应。
[!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。