## 本周聚焦：知识工作者的"外脑"正在成型 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。 ## 评测总览表 | 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 | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ | ## 逐个深度评测 ### 1. deep-research — 把"对抗式核查"做成默认动作 **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。 ### 2. personal-productivity — 87 档播客蒸馏出的效能操作系统 **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。 ### 3. academic-researcher — 35 agent / 25 mode 的"虚拟课题组" **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。 ### 4. notebooklm — 让 Claude 只基于"你的文档"回答 **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。 ### 5. wikipedia-research — 把"可验证"做成机器可消费的结构 **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"。 ### 6. marketing-psychology — 把诺贝尔级偏见变成可调用 API **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）。 ### 7. systems-thinking — 为复杂问题画出反馈环 **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。 ## Skills 生态分类思维导图 ```mermaid mindmap root((知识工作者
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 ``` ## 推荐排行榜 **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。 ## 参考来源 1. [alirezarezvani/claude-skills — 337 Claude Code Skills 总集](https://github.com/alirezarezvani/claude-skills) — 跨领域 Skills 索引与分类 2. [Academic Research Skills for Claude Code — pyshine 评测](https://pyshine.com/Academic-Research-Skills-Claude-Code/) — 35-agent/25-mode 学术套件详解 3. [Refound AI — Lenny Skills Database](https://refoundai.com/lenny-skills/) — 297 期播客蒸馏的 87 个效能技能 4. [marketing-psychology — Agent Cookbooks](https://agentcookbooks.com/skills/marketing-psychology/) — 行为决策框架 Skill 拆解 5. [joshuaroll/wikipedia-research-skill](https://github.com/joshuaroll/wikipedia-research-skill) — 可验证结构化知识抽取引擎 > [!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。