本期不做大而全的周报，而是抓住本周 Skills 生态里一个正在成形的明确趋势：「反 AI 味」（Anti-Slop）类 Skill 的崛起。在 skills.sh 的 24 小时趋势榜上，除了延续上周势头的 AI 媒体生成类 Skill（ai-video-generation、ai-music、image-to-video），出现了一批目标高度一致的运动员：taste-skill（design-taste-frontend）、anti-ui-slop、以及 mattpocock 的 writing-shape / writing-beats 写作系列——它们解决的是同一个问题：AI 生成的东西一眼就能看出是 AI 生成的。本文主拆本周趋势榜上增长最猛的 taste-skill，把它的 SKILL.md 拆到逐段级别，再快评 superpowers、runcomfy 媒体套件、orca-cli 等本周新面孔。
先看数据面。截至 2026-08-28 从 skills.sh 抓到的两个快照：
find-skills（300 万安装），第二到六名全部来自 mattpocock/skills 仓库：grill-me（91.1 万）、grill-with-docs（77.5 万）、improve-codebase-architecture（74.7 万）、tdd（72.2 万）。anthropics 官方的 frontend-design 以 79.7 万排在第三。本次抓取期间总安装计数从约 127.3 万涨到 131.7 万，可见这个目录的写入速度仍在高位。ai-video-generation（skills-101/superpowers，24 小时 2.23 万安装），前十里 AI 媒体类占了六席；design-taste-frontend（taste-skill）以 4900 排第 55 位——对一个上周才进入大众视野的仓库来说，这个斜率很陡。这三组数字放在一起，就是本周生态的底色：总量在指数增长，AI 媒体生成是流量入口，而「质量」与「安全」正在成为第三方目录的差异化卖点。
| Skill | 来源 | 功能完整度 25% | 设计质量 25% | 实战效果 20% | 上手难度 15% | 社区活跃 15% | 加权综合 |
|---|---|---|---|---|---|---|---|
| taste-skill（design-taste-frontend） | Leonxlnx/taste-skill | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ | 4.4 |
| superpowers 媒体套件（ai-video-generation 等） | inference-sh/skills | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | ★★★☆☆ | 3.9 |
| runcomfy-agent-skills（30 个媒体 Skill） | genmedia-labs/skills | ★★★★☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★☆☆☆ | 3.3 |
| orca-cli | stablyai/orca | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | 3.4 |
| anti-ui-slop | uizze.com（未抓到源码） | ★★★☆☆* | ★★★☆☆* | ★★★☆☆* | ★★★★☆ | ★★★☆☆ | 3.4* |
* anti-ui-slop 仅凭榜单数据评级（趋势榜第 5、24 小时 1.81 万安装），未抓取到其源码，评分置信度低，仅供参考。
taste-skill（仓库 Leonxlnx/taste-skill，MIT 协议，官网 tasteskill.dev）自我定位是 "The Anti-Slop Frontend Framework for AI Agents"：给 AI 代理装上「好品味」，阻止它生成千篇一律的模板化 UI。仓库里不止一个 Skill——主 Skill design-taste-frontend 之外还有 gpt-taste（针对 GPT/Codex 的更严变体）、image-to-code、redesign-existing-projects、minimalist-ui、industrial-brutalist-ui、full-output-enforcement，以及三个只产出参考图不产代码的图像生成 Skill（imagegen-frontend-web / mobile / brandkit），共 13 个。背后已有 Kimi（Moonshot AI）和 Vercel 开源计划赞助——一个 Skill 仓库拿到商业赞助，这本身就是生态阶段的信号。
我抓取了主 Skill 的完整 SKILL.md（v2 实验版），这份文件几乎是一本「提示词工程教科书」，按段讲：
1. Frontmatter：用「负向触发词」圈定边界
name: design-taste-frontend
description: Anti-slop frontend skill for landing pages, portfolios,
and redesigns. The agent reads the brief, infers the right design
direction, and ships interfaces that do not look templated...
description 做了两件事：正向列出触发场景（landing page、作品集、重设计），紧接着在正文第一行再次显式排除——"Not dashboards, not data tables, not multi-step product UI"。第 13 节 OUT OF SCOPE 更是列全了不该用的场景（仪表盘用 Fluent/Carbon/Polaris、数据表用 TanStack Table、原生移动端用 HIG/Material）。这是大多数新手 Skill 缺的东西：不装第三方：先告诉模型「什么时候别用它」，能大幅降低误触发和结果劣化。
2. 第 0 节：BRIEF INFERENCE——先读题，再动手
文件开宗明义：“大多数 LLM 设计产出很烂，是因为模型直接跳到默认美学，而不是先读房间气氛。” 它要求模型在写任何代码前输出一行 Design Read，例如 "Reading this as: B2B SaaS landing for technical buyers, with a Linear-style minimalist language..."，并立了两条交互纪律：简报含糊时最多问一个问题（绝不抛问题清单）；能推断就不要问。最后的 Anti-Default Discipline 直接点名 LLM 的默认审美——AI 紫渐变、居中 Hero 配暗色 mesh、三张等宽特性卡、万物玻璃拟态——作为禁用默认项。
3. 第 1 节：三个旋钮——把「品味」参数化
这是整个 Skill 最漂亮的设计。它不试图穷举所有好设计，而是把审美压缩成三个 1-10 的旋钮：
DESIGN_VARIANCE: 8（1=完美对称，10=艺术混沌）MOTION_INTENSITY: 6（1=静态，10=电影级物理动效）VISUAL_DENSITY: 4（1=美术馆留白，10=驾驶舱密度）后面跟着两张表：信号→旋钮的推断表（用户说“极简/Linear 风”→ VARIANCE 5-6、MOTION 3-4；说“Awwwards/实验性”→ 9-10/8-10）和用例预设表（SaaS 落地页 7/6/4，政府公共服务站 3/2/5）。所有后续规则都按旋钮分档生效，用户覆盖通过对话进行，“不要让用户去改文件”。这是把不可言说的审美转成可配置参数的教科书操作。
4. 第 2 节：诚实规则（Honesty Rule）
「简报读起来像微软企业软件→装官方 @fluentui/react-components，不要手写仿制它的 CSS」；一张表列了 Material、Carbon、Primer、GOV.UK、USWDS、Polaris、shadcn/ui 各自对应哪种 brief。反向同样严格：Apple 的 Liquid Glass 只有苹果平台官方实现，不存在官方 liquid-glass.css，Web 上的都是近似物，必须在注释里标注为 approximation。还附了「一个项目只用一套设计系统」的硬规则。这一节解决的是模型最常见的幻觉源头：把美学趋势当成官方规范。
5. 第 4.7 与第 9 节：AI 特征（AI Tells）禁令清单
这是全文最「血腥」的部分，全是来自真实生产测试的具体禁令：每 3 个 section 最多 1 个 eyebrow 小标签（并给出了机械验法：数 uppercase tracking 的出现次数）；Hero 文案副标题 ≤20 词；同一意图的 CTA 只许出现一个标签；禁止 div 拼的假产品截图；禁止 "Quietly trusted by" 这类做作标题；禁止城市/天气装饰条；禁止版本号页脚……
其中 9.G 的破折号禁令值得单独讲，因为它展示了顶级提示词作者对模型行为的理解：
"Em-dash (
—) is COMPLETELY banned... The agent has historically ignored em-dash limits when phrased as 'use sparingly.' The phrasing here is binary: zero em-dashes."
翻译过来：作者试过「少用」，模型不理；所以规则必须写成二值的零容忍。这是所有写 SKILL.md 的人都该抄的一课——对模型无效的软约束，要改写成可机械判定的硬约束。
6. 第 14 节：Pre-Flight Check——约 60 项起飞前检查
文件结尾是一张巨大的 checklist：零破折号、单主题锁、单强调色锁、圆角体系锁、CTA 对比度过 WCAG AA、CTA 不换行、eyebrow 计数、Bento 格子数等于内容数、真实图片优先（先图像生成工具、再 Picsum seed、最后明示占位）……并且声明："If a single checkbox cannot be honestly ticked, the page is not done." 这把「设计好不好」从主观争论变成了交付前的机械验收。
7. 第 5 节附录：现实锚点
GSAP sticky-stack 和 horizontal-pan 给了完整可跑的代码骨架（并标注了最常见的翻车点 start: "top top"）；Appendix A 给每个设计系统的真实安装命令；Appendix B 给每个系统的官方文档链接。作者的用词是 "reality anchors"——用真实世界的锚点防止模型在训练数据里编造 API。
8. 工程化细节：版本共存策略
v2 是实验性的大重写，但 install name 不变（design-taste-frontend），重装即升级；依赖 v1 精确行为的项目可以显式装 design-taste-frontend-v1。CHANGELOG 完整记录 v1→v2 差异与理由。这是 Skill 作为「软件」而非「提示词」的成熟做法。
flowchart TD
A[读取用户 Brief] --> B{信息足够推断吗}
B -- 模糊 --> C[只问一个澄清问题]
C --> D[输出一行 Design Read]
B -- 足够 --> D
D --> E[设定三旋钮 VARIANCE MOTION DENSITY]
E --> F{Brief 匹配官方设计系统}
F -- 匹配 --> G[安装官方包 如 Fluent Carbon GOV.UK]
F -- 纯美学 --> H[原生 CSS + Tailwind 诚实标注灵感来源]
G --> I[按旋钮分档构建与动效]
H --> I
I --> J[Pre-Flight Check 约60项]
J -- 任一项失败 --> I
J -- 全部通过 --> K[交付页面]
# 全仓库
npx skills add https://github.com/Leonxlnx/taste-skill
# 只装主 Skill（v2 实验版）
npx skills add Leonxlnx/taste-skill --skill "design-taste-frontend"
# 依赖 v1 精确行为时
npx skills add Leonxlnx/taste-skill --skill "design-taste-frontend-v1"
趋势榜第一名 ai-video-generation 属于 skills-101/superpowers——它是 inference-sh/skills 的 fork，本体是 inference.sh 的官方 Skill 套件：通过其 CLI（叫 belt）让 Agent 调用 50+ 图像模型（FLUX、Gemini、Reve）、40+ 视频模型（Veo、Seedance、Wan）、LLM（Claude、Gemini、Kimi、GLM）和 Tavily/Exa 搜索。既支持 npx skills add 也可作为 Claude Code 插件整包安装（/plugin marketplace add inference-sh/skills）。设计上是典型的「API 说明书型」Skill，提示词工程含量不高，但胜在管道现成。短板也明显：强绑定 inference.sh 的付费 API，你的 Agent 能力被中介了一层。仓库还带了 agent 自调节类指南（卡死/循环时自我纠正），算是附赠亮点。
npx skills add inference-sh/skills # 全套
npx skills add inference-sh/skills@ai-video-generation
同一个趋势榜上还挤着另一个媒体套件：genmedia-labs/skills（README 自称 runcomfy-agent-skills，RunComfy 出品），一口气铺了 30 个文件夹——nano-banana-2、kling-3-0、seedance-v2、wan-2-7、flux-2-klein、lipsync、face-swap、video-inpainting……几乎每个热门模型一个 Skill。有意思的是它在 README 里坦白安装策略：“Skill 逐个推送，以便我们先验证每个 SKILL.md 被 skills.sh 正确索引，再加下一个。” 这是把 skills.sh 榜单当分发渠道来运营的打法——榜单排名即增长引擎。风险面：仓库仅 3 star、1 个 commit、无文档站，质量全靠 RunComfy 平台背书，且同样绑定其付费服务。
npx skills add agentspace-so/runcomfy-agent-skills --skill <skill-name>
stablyai/orca 是一个开源（MIT）的「Agent 开发环境」桌面应用：并行 worktree 跑多个编码代理、手机端监控、SSH 远程 worktree。本周上榜的 orca-cli（24 小时 6100 安装）是它的 Skill 形态入口——README 里 "Orca CLI: Agents drive Orca too" 一节明确写着 Agent 可以用 orca worktree create、snapshot、click、fill 来脚本化操作 Orca 本身。这代表了 Skill 的下一阶段：不只是给模型的领域知识，而是把桌面软件变成 Agent 可调用的器官。上手门槛在于你得先装 Orca 桌面端（macOS/Windows/Linux，或 brew install --cask stablyai/orca/orca），纯 CLI 用户收益有限。
趋势榜第 5 名 anti-ui-slop（uizze.com 出品，24 小时 1.81 万安装）从名字看与 taste-skill 是同一赛道——反模板化 UI。但我未能抓到其源码仓库，无法验证其设计质量，评分表里已按低置信度处理。这个现象本身值得记录：「反 AI 味」已经热到出现同名竞品赛道的程度，且名称直白到可以直接当地标。读者安装前建议先读其 SKILL.md 全文再决定。
趋势榜上还有两个值得警惕的名字：reddit-automation（flowkit-labs/skills，1.7 万）和 instagram-scraper（skillify-sh/skills，4700）。它们增长快，但本质是对第三方平台的自动化与爬取，大概率踩平台服务条款；结合 skillsdirectory「36% 的 Skill 有安全缺陷」的扫描结论，这个类目是当前生态里安全与合规风险最高的区域。安装此类 Skill 前，务必逐行读它的脚本而不是只读 SKILL.md。
mindmap
root((本周Skills生态))
反AI味设计
taste-skill 三旋钮+预检清单
anti-ui-slop 同赛道竞品
writing-shape 写作侧反味
AI媒体生成
superpowers inference.sh全家桶
runcomfy 30个模型级Skill
hyperframes 动效视频系列
Agent基础设施
orca-cli 桌面ADE遥控
find-skills 300万安装的分发入口
prisma-client-api 官方数据库Skill
平台进场
open.feishu.cn 14.2M安装飞书套件
microsoft azure-skills 7.5M
larksuite/cli 7.9M
风险区
reddit-automation 条款风险
instagram-scraper 爬取风险
36%的Skill有安全缺陷
一句话收束本周：当「生成」已经过剩，生态的下一波红利属于约束生成的 Skill——taste-skill 用 60 项预检清单证明了，教模型「什么不要做」，比教它「做什么」更值钱。
[!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。