2026 年 7 月，Claude Code 的 Skills 生态已经从「散装 Markdown 提示词」演进为「可评测、可分发、可商业化」的完整产业。Anthropic 在 4 月落地的 Skills 2.0 把 evals、benchmark、盲测 A/B 写进了官方工具链，第三方市场（aiskill.market、agentskill.sh、SkillHub）收录的技能总数已突破 27 万，头部项目 Everything Claude Code（ECC）以 21.19 万 Star 成为 GitHub 上最热门的智能体配置系统。本期跨域横评聚焦本周最值得关注的 7 个技能，覆盖元技能（质量保障）、深度调研、智能体操作系统、知识溯源、安全审计、持久记忆、官方范例集七大方向，按功能完整度、上手难度、变现潜力、训练营适用性、社区活跃度五维打分，逐一拆解其开箱可用性与商业化空间。
| 排名 | 技能名称 | 领域 | 功能完整度(25%) | 上手难度(20%) | 变现潜力(25%) | 训练营适用性(15%) | 社区活跃度(15%) | 加权总分 |
|---|---|---|---|---|---|---|---|---|
| 1 | skill-creator 2.0（官方） | 元技能/质量保障 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 4.55 |
| 2 | deep-research（199-biotech） | 深度调研 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 4.50 |
| 3 | anthropic/skills（官方范例） | 全栈模板 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 4.25 |
| 4 | ECC（affaan-m） | 智能体操作系统 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 4.20 |
| 5 | Trail of Bits Skills | 安全审计 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 4.05 |
| 6 | claude-mem（thedotmack） | 持久记忆 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | 3.45 |
| 7 | notebooklm-skill | 知识溯源 | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | 3.40 |
评分口径：功能完整度看「是否开箱即用、模块是否齐全」；上手难度星级越高表示越易上手；其余维度星级越高表示该维度越强。加权总分按各权重折算到 5 分制。
claude.com/plugins/skill-creator/plugin install skill-creator（已随 Skills 2.0 内置，多数环境可直接 /skill-creator 触发）evals（评测集）、benchmarks（基准测试集）、盲测 A/B、触发词调优（trigger tuning）、性能方差分析（variance analysis）全部内置进同一工具链。官方博客明确把它定位为「让你的技能在模型不断演进时仍然可用」的护栏——因为模型一升级，旧技能的触发命中率和输出质量都会漂移，必须靠可复跑的 eval 才能回归。五维评分：功能 ⭐⭐⭐⭐⭐｜上手 ⭐⭐⭐⭐｜变现 ⭐⭐⭐⭐｜训练营 ⭐⭐⭐⭐⭐｜社区 ⭐⭐⭐⭐⭐
变现与训练营分析：这是本周榜单里「最适合做成付费认证」的技能。Skill 2.0 引入的「工作流型技能 vs 能力增强型技能」二分法，本身就是一套教学框架。训练营可以围绕它设计「AI 技能工程师」3 天课程：Day1 写技能、Day2 写 eval、Day3 跑 benchmark 优化触发率，结业交付一份带方差数据的技能质量报告。变现路径有两条——一是面向企业做「技能质量审计」咨询（按技能数计费），二是把 eval 模板库做成订阅制 SaaS。社区里已有 gensi.io、agensi.io 等第三方在做「SKILL.md 评测托管」，说明赛道成立。
竞品对比：相比 ECC 自带的轻量 eval，官方版本胜在「与模型升级强绑定、协议官方背书」；相比第三方托管站，胜在本地可跑、数据不出域。短板是它本身不生产技能内容，只是「质检车间」，脱离具体技能单独价值有限。
199-biotechnologies/claude-deep-research-skill，MIT 协议，当前版本 2.3.1（2026-03-19）git clone https://github.com/199-biotechnologies/claude-deep-research-skill.git ~/.claude/skills/deep-research，基础用法零依赖；可选 brew tap 199-biotechnologies/tap && brew install search-cli 接入 Brave/Serper/Exa/Jina/Firecrawl 多源聚合sources.json 落盘持久化，能扛过上下文压缩与续跑智能体。质量门槛硬性规定「10+ 来源、每个主论点 ≥3 个引用、参考文献含 URL 不留占位符」，并由 validate_report.py（9 项结构校验）+ verify_citations.py（DOI/URL/幻觉检测）做最多 3 轮「校验→修复→重试」闭环。产出物同步生成 Markdown、McKinsey 风格 HTML（自动开浏览器）、WeasyPrint 专业 PDF，超 1.8 万字自动递归续写。五维评分：功能 ⭐⭐⭐⭐⭐｜上手 ⭐⭐⭐⭐｜变现 ⭐⭐⭐⭐⭐｜训练营 ⭐⭐⭐⭐｜社区 ⭐⭐⭐⭐
变现与训练营分析：这是本周榜单「变现天花板最高」的技能。它本质是一条「问题进、咨询报告出」的产线，直接对标麦肯锡/贝恩初级分析师的交付物。可改造为付费产品的方向非常清晰——律所的判例尽调、投行的标的公司研究、智库的行业白皮书、生物医药的临床证据汇编，单份报告客单价可达数百至数千元。训练营场景下，它是「AI 调研方法论」的最佳教具：用 8 阶段管线讲透「三角验证、红队批判、引文持久化」三个反幻觉核心动作，2 天即可让学员产出达到发表标准的报告。
竞品对比：作者在 README 中直接对标 OpenAI Deep Research、Gemini Deep Research、Claude Desktop，自称在「质量与可验证性」上更优。相比内置 WebSearch 的单轮检索，它赢在管线化与可校验；相比 NotebookLM 的「文档内」检索，它赢在「全网开放检索 + 多源三角验证」。短板是 UltraDeep 模式耗时长（最长 45 分钟）且消耗 token 巨大，更适合一次性重投入而非日常问答。
anthropics/skills，Anthropic 官方公共仓库example-skills:* 命名空间（如 example-skills:pdf、example-skills:pptx、example-skills:xlsx、example-skills:frontend-design、example-skills:algorithmic-art、example-skills:canvas-design、example-skills:doc-coauthoring、example-skills:mcp-builder）pdf/pptx/xlsx 三件套覆盖文档生成，frontend-design 给出前端设计基线，algorithmic-art 用带种子随机数生成算法艺术，mcp-builder 手把手教构建高质量 MCP 服务器（FastMCP/TypeScript SDK），doc-coauthoring/internal-comms 覆盖协作写作。五维评分：功能 ⭐⭐⭐⭐｜上手 ⭐⭐⭐⭐⭐｜变现 ⭐⭐⭐｜训练营 ⭐⭐⭐⭐⭐｜社区 ⭐⭐⭐⭐⭐
变现与训练营分析：变现力一般——它们是「公共基座」而非「成品」，但训练营价值拉满。对任何想开「Claude Code 训练营」的人来说，这套官方范例就是最稳的「起手式教材」：每个技能结构干净、注释规范、无外部依赖，学员照着 mcp-builder 就能在一节课内交付一个能跑的 MCP 服务器。它是「学习曲线最平缓」的入口，新人零基础也能上手。变现更适合走「模板二次封装」路线——把 frontend-design + brand-guidelines + theme-factory 组合成行业专属设计系统对外卖。
竞品对比：相比社区五花八门的同名技能，官方版胜在「协议稳定、随版本升级、不踩坑」；相比 ECC 的海量技能，胜在「精而不杂、教学友好」。短板是功能相对克制，深度场景仍需社区技能补位。
affaan-m/ECC，MIT 协议，21.19 万+ Star、3.25 万+ Fork、230+ 贡献者npm i -g ecc-universal（跨 harness 通用层）或安装 ecc-tools GitHub App；可选 ecc-agentshield（安全层）；插件 slug ecc@ecc五维评分：功能 ⭐⭐⭐⭐⭐｜上手 ⭐⭐⭐｜变现 ⭐⭐⭐⭐｜训练营 ⭐⭐⭐⭐｜社区 ⭐⭐⭐⭐⭐
变现与训练营分析：ECC 已经把变现跑通了——ECC Pro 定价 19 美元/席位/月，面向私有仓库与 GitHub App 托管，由 CodeRabbit、Greptile、Atlas Cloud 等商业赞助方背书，单一维护者能做到「每周跨 7 个 harness 发版」。这套「OSS 永久免费 + 托管版按席位收费」的双轨模型，是本周榜单里最值得复制的开源商业化范本。训练营场景下，它是「智能体工程化」的综合教具：instincts、memory、security 三大子系统恰好对应「行为调优、上下文持久化、安全护栏」三门进阶课。上手难度扣分点在于体系庞大（7 个 harness × 6 个子系统），新人需要先读《Shorthand Guide》再读《Longform Guide》，学习曲线偏陡。
竞品对比：相比单点技能，ECC 赢在「体系完整 + 跨平台」；相比官方范例，赢在「生产级深度」。短板是定位偏「资深开发者配置层」，对纯小白不友好，且生态复杂度高带来一定的认知负担。
trailofbits/skills，Trail of Bits（顶级安全公司）官方插件市场，约 6 千 Star，Python 实现五维评分：功能 ⭐⭐⭐⭐⭐｜上手 ⭐⭐⭐｜变现 ⭐⭐⭐⭐｜训练营 ⭐⭐⭐⭐｜社区 ⭐⭐⭐⭐
变现与训练营分析：背靠 Trail of Bits 这块「安全界金字招牌」，变现天然指向 AppSec 审计服务——按仓库/按漏洞计费的安全扫描、合规报告生成、第三方代码入站审查，客单价远高于通用技能。训练营场景下，它是「AI 辅助安全工程」的稀缺教具：市面上教 LLM 写代码的课很多，教 LLM 找漏洞的课极少。可以用它设计「从 Semgrep 规则到 AI 漏洞研判」的实战课。上手扣分在于需要安全基础知识储备（要看得懂 CodeQL 查询与漏洞分类），门槛比通用技能高。
竞品对比：相比 Snyk、Semgrep 商业 SAST，它赢在「与 Claude Code 工作流无缝、可交互式深挖」——传统 SAST 只给告警列表，而它能让智能体接着分析漏洞可利用性并给出修复补丁。相比 ECC 的 AgentShield（偏运行时防护），Trail of Bits 偏「代码层静态审计」，两者互补。
thedotmack/claude-mem，本地运行五维评分：功能 ⭐⭐⭐⭐｜上手 ⭐⭐⭐⭐｜变现 ⭐⭐⭐｜训练营 ⭐⭐⭐｜社区 ⭐⭐⭐
变现与训练营分析：变现偏弱——这类记忆技能同质化严重（另有 remembering-conversations、obsidian-markdown + Obsidian 跨会话记忆、notion-knowledge-capture 等多种方案），难以单点收费。但它在「个人知识资产沉淀」场景价值明显：长期项目的偏好与上下文不丢失，是重度用户的刚需。训练营里它更适合作为「记忆架构」一章的案例，配合 orchestrator.dev 总结的「分层记忆架构」讲上下文工程，而非独立课程。
竞品对比：相比基于 Obsidian 的记忆方案（需先有 Obsidian 知识库），claude-mem 胜在「零外部依赖、纯本地、开箱即用」；相比 ECC 的 memory optimization（更深层的 token 优化），它偏「应用层记忆」。短板是社区规模与生态丰富度不及前几名。
sterngold/notebooklm-skill / PleasePrompto/notebooklm-skillnotebooklm 进一步把它包装成「为科学家减少幻觉的研究工作台」。五维评分：功能 ⭐⭐⭐⭐｜上手 ⭐⭐⭐｜变现 ⭐⭐⭐｜训练营 ⭐⭐⭐⭐｜社区 ⭐⭐⭐
变现与训练营分析：变现中等，最适合走「企业内部知识库落地」路线——把企业文档灌进 NotebookLM，再用此技能让员工通过 Claude Code 做带引用的问答，天然适合法务、合规、研发文档场景。训练营里它是「RAG/源溯源」教学的优秀案例，能直观演示「检索增强如何压低幻觉」。上手扣分点在于依赖 Google 账号登录与浏览器自动化，首次配置略繁琐。
竞品对比：相比内置 WebSearch（开放检索、易生幻觉），notebooklm 走的是「封闭语料、强制引用」的反向路线，两者一开一合；相比 deep-research 的全网三角验证，它牺牲广度换可信度。三者构成「开放激进—开放严谨—封闭严谨」的光谱。
mindmap
root((Claude Code<br/>Skills 生态))
元技能与质量
skill-creator 2.0
:evals/基准/盲测A/B
skill-factory / find-skills
:技能分发与发现
深度调研
deep-research
:8阶段管线 多源三角验证
research / wikipedia-research
:多源综合与百科溯源
智能体操作系统
ECC
:跨7大harness 21万Star
Hermes / instincts
:行为偏好与记忆优化
安全审计
Trail of Bits
:CodeQL/Semgrep/YARA
security-threat-model
:威胁建模
知识与记忆
notebooklm
:文档内作答 压低幻觉
claude-mem
:跨会话持久上下文
obsidian / notion 系列
:个人知识管理
内容与交付
content-to-video / 知识卡片
:视频与卡片生产
pptx / pdf / xlsx
:文档三件套
deep-research 报告
:咨询级交付物
按使用场景选型
| 你的角色 / 场景 | 首选技能 | 一句话理由 |
|---|---|---|
| 咨询师/分析师/研究员 | deep-research | 8 阶段管线 + 引文校验，问题进、报告出 |
| 企业研发团队 Lead | ECC | 21 万 Star 的跨 harness 操作系统，已验证商业化 |
| 安全工程师 / AppSec | Trail of Bits Skills | 顶级安全公司出品，CodeQL+Semgrep 全家桶 |
| 训练营讲师 / 课程设计 | skill-creator 2.0 + anthropic/skills | 一个教「怎么做技能并度量」，一个教「技能长什么样」 |
| 重度个人用户 | claude-mem + notebooklm | 一个记偏好，一个锁可信语料 |
| 想做技能生意的人 | 仿 ECC 双轨模式 | OSS 免费 + 托管版按席位收费 |
按维度单项冠军
本周编辑推荐：若只能装一个，选 deep-research——它把「LLM 最被诟病的幻觉问题」用「多源三角验证 + 红队批判 + 引文落盘 + 自动校验」四道闸系统性解决，且变现路径最短、最硬；若你是团队管理者，则 ECC 的体系化与已验证商业模式更值得长期投入。
Skills 2.0 的核心增量在于「可度量」——官方把 evals 与 benchmark 下沉为技能生命周期的标配，意味着今后评判一个技能好坏的标准，将从「README 写得漂亮」转向「方差数据说话」。本周榜单里，deep-research 与 ECC 已经把这套「质量护栏」落地到生产管线，Trail of Bits 把它落地到安全门禁，三者共同指向同一个趋势：技能正在从「提示词」变成「带 SLA 的软件制品」。对变现者而言，谁能把 eval 报告写进交付物，谁就能在红海里卖出溢价。
[!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。