Claude Code Skills 生态在 2026 年中分化出一条全新主线——面向知识工作者（Knowledge Worker）的研究、决策与效能引擎。这条线既不是存储型"第二大脑"，也不是方法论型"认知框架"，而是把多源检索、证据验证、文献综述、行为决策、时间精力管理这些过去需要多个 SaaS 协作才能完成的工作，压缩进可一行命令安装的 Skill 之中。本周 skills.sh 上的数据印证了这一趋势：refoundai/lenny-skills@personal-productivity 以 5.2K 装机量冲进个人效能类第一梯队，affaan-m/everything-claude-code@deep-research 的 4.7K 装机量证明"对抗式事实核查"型调研正在取代传统 RAG。本期横评挑选 7 款覆盖"研究—决策—执行"全链路的代表性 Skills，按功能完整度、上手难度、变现潜力、训练营适用性、社区活跃度五维拆解。
| Skill | 定位 | 安装量 | 功能完整度 | 上手难度 | 变现潜力 | 训练营适用 | 社区活跃 |
|---|---|---|---|---|---|---|---|
| deep-research | 多源对抗式调研 | 4.7K | ★★★★★ | ★★★☆☆ | ★★★★★ | ★★★★☆ | ★★★★★ |
| personal-productivity | 精力时间管理 | 5.2K | ★★★★☆ | ★★★★★ | ★★★☆☆ | ★★★★☆ | ★★★★☆ |
| academic-researcher | 全流程学术研究 | 高 | ★★★★★ | ★★☆☆☆ | ★★★★☆ | ★★★★★ | ★★★★☆ |
| notebooklm | 来源锚定问答 | 中 | ★★★★☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★★★☆ |
| wikipedia-research | 可验证知识抽取 | 中 | ★★★★☆ | ★★★★★ | ★★☆☆☆ | ★★★★☆ | ★★★☆☆ |
| marketing-psychology | 行为决策框架 | 高 | ★★★★☆ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★☆ |
| systems-thinking | 复杂系统拆解 | 中 | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ |
来源：affaan-m/everything-claude-code · 安装：npx skills add affaan-m/everything-claude-code@deep-research · 4.7K 装机
这是本轮最硬核的研究引擎。它的设计哲学不是"搜索 + 摘要"，而是扇出检索 → 抓取原文 → 对抗式验证 → 带引用综合四阶段流水线。核心差异化在于第三阶段：它会派生多个独立 agent 尝试证伪每一条主张，默认在不确定时即标记为"已证伪"，从而把"听起来合理但错误"的发现挡在最终报告之外。这与传统 RAG 的"检索即真相"形成本质对比。
评测维度：功能完整度 5 星（开箱即用、自带预算控制与 fan-out 循环）；上手难度 3 星（需要会提结构化问题，欠具体的问题会被先反问 2–3 条澄清）；变现潜力 5 星——任何一个 B2B 调研机构、投行尽调、政策研究室都可基于它封装"可交付报告即服务"，单份深度报告客单价可达数千元；训练营适用 4 星（适合作为"AI 调研方法论"的结业项目）。与竞品对比：相比 glebis/claude-skills@deep-research（236 装机）的轻量版，affaan 版多了预算约束与对抗回路；相比 NotebookLM 的"仅文档内回答"，它开放全网且会主动证伪。
来源：refoundai/lenny-skills · 安装：npx skills add refoundai/lenny-skills --skill personal-productivity · 5.2K 装机（本轮最高）
这个 Skill 来自一个雄心勃勃的工程：从 Lenny's Podcast 的 297 期节目中蒸馏出 87 个产品/管理技能。personal-productivity 是其中装机量最高的一项，内置时间盒（time-boxing）、捕捉系统（capture system）、深度工作（deep work）等已被顶尖 Product Leader 验证的方法论。它的价值不在"发明新方法"，而在把分散在几十本书和几百期播客里的共识，结构化成可被 Agent 调用的决策树。
评测维度：功能完整度 4 星（覆盖广但每项深度有限，更像目录索引而非完整 SaaS）；上手难度极低 5 星（自然语言触发，"我 overwhelmed 了"即可启动）；变现潜力 3 星——单独售卖难，但作为"高管教练陪练"产品的内核很合适；训练营适用 4 星（适合管理者软技能课程）。与竞品对比：相比 hexbee/hello-skills@deep-productivity（916 装机）的通用 GTD 流程，lenny 版自带"硅谷头部 PM 实践"的权威背书，更适合商业人群；oldwinter/skills@personal-productivity（363 装机）偏个人化、装机量证明传播力弱。
来源：Imbad0202/academic-research-skills（社区套件，本地 academic-researcher Skill 为其子集）· 安装：npx skills add Imbad0202/academic-research-skills
这是学术研究类 Skill 的"全家桶"。它把研究全流程拆成文献检索、方法学分析、引用格式化、学术写作等 25 个模式，由 35 个专项 agent 协同完成。最大卖点是覆盖从选题到投稿的完整生命周期，而非只做其中一段。对于硕博生、独立研究者、行业分析师而言，这意味着可以拥有一支"虚拟课题组"：一个 agent 负责跨库检索，一个负责去重与相关性排序，一个负责方法学批判，一个负责把草稿改成目标期刊体例。
评测维度：功能完整度 5 星（流程覆盖最全）；上手难度 2 星（概念多、模式多，新手需要先理解 35 agent 各司何职）；变现潜力 4 星——可封装为"论文辅导 SaaS"或高校图书馆订阅服务；训练营适用 5 星（本身就是一套完整的学术训练课程大纲）。与竞品对比：相比 K-Dense AI 的 literature-review 单功能 Skill，ARS 是套件级；相比 NotebookLM，ARS 输出可投稿的学术体例而非对话式摘要。风险提示：学术引用需人工二次核验，35 agent 链路较长、token 消耗可观。
来源：社区 notebooklm / notebooklm-py · 安装：本地已内置 notebooklm Skill
它解决的是 LLM 的根本痛点——幻觉。通过把 Claude Code 与 Google NotebookLM 桥接，强制模型只能在用户上传的来源内作答，并逐句附上文档内引用。浏览器自动化负责登录与库管理，认证状态可持久化。这是"来源锚定（source-grounded）"范式在 Skill 层的落地，特别适合法律、医疗、合规等容错率为零的场景。
评测维度：功能完整度 4 星（依赖 Google 账号与浏览器自动化，非完全自托管）；上手难度 3 星（需配置 auth、上传来源）；变现潜力 3 星（更适合作为合规产品的安全层，单独售卖空间有限）；训练营适用 3 星（更偏工具而非教学内容）。与竞品对比：相比 deep-research 的"全网开放 + 证伪"，notebooklm 是"封闭来源 + 强引用"，二者互补——前者适合探索性调研，后者适合证据锁定。zlib-to-notebooklm 等配套 Skill 显示生态已围绕它形成工作流。
来源：joshuaroll/wikipedia-research-skill · 本地内置 wikipedia-research Skill · 安装：npx skills add joshuaroll/wikipedia-research-skill
它不只是"读某百科"，而是把维基条目连同其底层引用链一起抽取，输出为针对 AI 消费优化的结构化 JSON。这意味着它返回的每一个事实都能被追溯到原始来源，且可直接喂给下游验证管线（如与 notebooklm 联动）。应用场景包括构建知识图谱、实体关系抽取、传记/历史时间线重建、跨源事实交叉验证。
评测维度：功能完整度 4 星（聚焦维基单一源，深度优于广度）；上手难度 5 星（自然语言即可，零配置）；变现潜力 2 星（基础能力难以单独定价，更适合作为数据管线组件）；训练营适用 4 星（绝佳的"信息溯源"教学素材）。与竞品对比：相比 mcpmarket 的 wikipedia-deep-dive（全文抽取），joshuaroll 版强调引用链 + 结构化输出，更适合二次开发；它是 ARS、deep-research 等重型 Skill 的"轻量事实层"。
来源：coreyhaines31/marketingskills@marketing-psychology · 本地内置 marketing-psychology Skill
Corey Haines 的这套营销 Skill 把行为经济学的核心原理——损失厌恶（损失感是收益的 2 倍）、锚定、稀缺、社会认同、框架效应、助推（nudge）——封装成可在文案、落地页、定价策略中即时调用的决策框架。用户描述一个营销场景，它返回带心理学依据的具体改写建议，而不是泛泛而谈"要有说服力"。
评测维度：功能完整度 4 星（框架齐全，但需配合具体文案 Skill 才能产出成品）；上手难度 5 星（触发词丰富、零门槛）；变现潜力 5 星——这是本轮变现确定性最高的 Skill，任何增长黑客、电商投手、SaaS 落地页优化都可基于它做"转化率优化咨询"，按效果分成；训练营适用 5 星（营销心理学本身是成熟课程，Skill 即教案）。与竞品对比：相比 wearehyperai 的内部版与多个 fork，coreyhaines 原版社区认可度最高；它与 personal-productivity 的区别在于一个对内（管自己）、一个对外（影响用户）。
来源：内置 systems-thinking Skill
它面向多利益相关方、有二阶效应、平台生态型的复杂问题，提供反馈回路（reinforcing/balancing loops）、存量流量、系统基模（archetypes）等分析框架。典型应用：分析为何"降价反而伤害平台生态"、为何"短期 KPI 优化导致长期衰退"、组织变革的连锁反应。
评测维度：功能完整度 4 星（框架完整，但建模质量高度依赖用户输入的边界条件）；上手难度 3 星（需要一定系统思维基础才能提对问题）；变现潜力 4 星——适合战略咨询、组织发展（OD）、产品组合管理场景，客单价高；训练营适用 4 星（系统动力学是 MBA 核心课）。与竞品对比：它与 marketing-psychology（个体决策）、personal-productivity（自我管理）共同构成"决策三件套"——个体、群体、系统三个层级，组合使用威力最大。
mindmap
root((知识工作者<br/>Skills 生态))
研究与检索
开放对抗式
deep-research
学术全流程
academic-researcher
literature-review
来源锚定
notebooklm
结构化事实层
wikipedia-research
决策与影响
个体行为
marketing-psychology
复杂系统
systems-thinking
效能与执行
精力时间
personal-productivity
深度工作
deep-productivity
跨链路组合
ARS + notebooklm
deep-research + wikipedia
按变现潜力（适合做付费产品/服务） 1. 🥇 deep-research — 报告即服务，B2B 客单价天花板最高 2. 🥈 marketing-psychology — 转化率优化咨询，按效果分成模式清晰 3. 🥉 academic-researcher — 论文辅导 SaaS / 高校订阅，需求刚性
按上手速度（今天装明天用） 1. 🥇 wikipedia-research — 零配置、自然语言触发 2. 🥇 marketing-psychology — 触发词广、即问即答 3. 🥉 personal-productivity — 一句"我 overwhelmed 了"即启动
按训练营/教学价值（可做成课程大纲） 1. 🥇 academic-researcher — 35 agent 本身就是一套学术训练课程 2. 🥈 marketing-psychology — 行为经济学成熟体系 + Skill 即教案 3. 🥉 deep-research — "AI 时代调研方法论"的结业项目
组合推荐（覆盖研究—决策—执行闭环）
- 探索型知识工作者：deep-research + systems-thinking + personal-productivity
- 内容/营销型：wikipedia-research + marketing-psychology + personal-productivity
- 学术/分析型：academic-researcher + notebooklm + wikipedia-research
一句话结论：本周最值得关注的是 deep-research 的"证伪默认"范式——它标志着 Skills 生态从"能搜到答案"进化到"敢为答案负责"，这是知识工作真正可外包给 AI 的分水岭。
[!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。