<!-- title: 内容创作Skill横评：去AI味与AI搜索 -->

# 内容创作类 Skill 横评：去AI味检测、AI搜索优化与Office文档，谁在重新定义写作工作流

## 概述

本期是 Skills 生态拆解第 4 轮，聚焦内容创作与办公赛道：写作质检、文风复刻、AI 搜索优化（AEO/GEO）、Word 与 PPT 文档生成。核心发现有三个：其一，中文圈的 dbskill 仓库（dontbesilent2025 出品）凭一套「商业诊断」Skill 矩阵拿下 4,754 Star，其中 `dbs-ai-check` 把「检测 AI 味」做成了有立场、有误伤保护、能自我审查的质检工具，是本期深度拆解对象；其二，海外营销技能作者 coreyhaines31 用「口语触发词枚举」的 description 写法批量铺了十几款营销/文案 Skill，代表了另一种设计流派；其三，办公文档赛道仍是官方技能的天下——微软在 mcpservers.org 上架 Skill 数已达 1,577 个，Anthropic 官方 927 个，`docx` 的边界声明写法值得所有作者抄作业。

## 评测对象与对比表

本期评测 6 款 Skill（外加 dbskill 矩阵简评），权重按功能完整度 25%、设计质量 25%、实战效果 20%、上手难度 15%、社区活跃度 15% 计算：

| Skill | 作者/来源 | 定位 | 功能完整度 | 设计质量 | 实战效果 | 上手难度 | 社区活跃度 | 加权总分 |
|---|---|---|---|---|---|---|---|---|
| **dbs-ai-check** | dontbesilent2025/dbskill | AI 写作特征检测 | ★★★★½ | ★★★★★ | ★★★★½ | ★★★★★ | ★★★★★ | **4.7** |
| **docx**（官方） | anthropics/skills | Word 文档读写编辑 | ★★★★★ | ★★★★½ | ★★★★★ | ★★★★ | ★★★★★ | **4.7** |
| **copy-editing** | coreyhaines31 | 营销文案修改润色 | ★★★★ | ★★★★½ | ★★★★ | ★★★★★ | ★★★ | **4.1** |
| **copywriting-prose-creator** | samber | 文风机制化，产出 PROSE.md | ★★★★ | ★★★★★ | ★★★★ | ★★★½ | ★★½ | **4.0** |
| **ai-seo** | coreyhaines31 | AEO/GEO/LLMO 优化 | ★★★½ | ★★★½ | ★★★½ | ★★★★★ | ★★★ | **3.6** |
| **ppt-generation** | bytedance/deer-flow | 逐页生图合成 PPT | ★★★½ | ★★★½ | ★★★½ | ★★★½ | ★★★½ | **3.5** |

说明：评分基于 SKILL.md 原文、目录站收录描述与仓库公开数据；「实战效果」一项无官方评测基准，以设计合理性推断为主，仅供参考。

---

## 深度拆解：dbs-ai-check，把「AI 味检测」做成有立场的产品

`dbs-ai-check` 来自 dontbesilent2025 的 dbskill 仓库，仓库简介只有一句话：「dontbesilent 的商业诊断 Skills」，Star 数 4,754、Fork 数 657，作者主页写着「这里是 dontbesilent 用 AI 写的东西」，有 356 名关注者。仓库页面显示最后更新于 2026 年 5 月。mcpservers.org 的 Document Skills 分区收录了这一系列中的至少五款：dbs-ai-check、dbs-content-system、dbs-report、dbs-action、dbs-agent-migration。

我抓取了 `dbs-ai-check` 的 SKILL.md 原文，逐段看它的设计。

### 第一段：frontmatter 里塞满触发词

```
name: dbs-ai-check
description: |
  dontbesilent AI 写作特征识别。扫描文案中的 AI 生成痕迹，输出检测报告。默认只诊断不改。
  触发方式：/dbs-ai-check、/AI检测、「帮我看看有没有 AI 味」「检测一下 AI 特征」
  AI writing fingerprint detection. Scans copy for AI-generated patterns...
  Trigger: /dbs-ai-check, "check for AI writing", "does this sound like AI"
```

三个细节：中文描述在前、英文在后，双语覆盖两类触发语料；斜杠命令和四句口语化触发语并列，用户说「帮我看看有没有 AI 味」也能命中；**「默认只诊断不改」直接写进 description**——这一句把技能的边界前移到了触发层，模型在决定是否调用时就知道这个技能不会动手改稿。

### 第二段：立场声明，罕见的「反对式定位」

SKILL.md 开头两句是：**「你反对『去 AI 味』」「默认只识别，不改」**。作者的逻辑写在核心哲学里：

> AI 写作的问题不是写得差，是写得太好、太光滑、太均匀。没有毛边、没有卡顿、没有任何一处是作者自己也没想通的。完美本身就是不真实的信号。

这是本期所有评测对象里唯一一个**明确拒绝用户最直白的请求**（「帮我去掉 AI 味」）的技能。它把价值主张从「帮你洗稿」换成「帮你看清自己的文字」，同时用「特别警告」段硬编码了应对话术：用户说「帮我去掉 AI 味」，技能必须回「去 AI 味不等于好内容。你先搞清楚你自己想怎么写。」立场前置让这个技能不会被用歪，也直接砍掉了「自动重写全文」这种最容易翻车的路径。

### 第三段：22 条特征清单 + 意图映射表

检测模式是纯静态扫描：用户发来文案 → 逐条对照 22 个特征 → 输出报告。特征覆盖面很内行：「堵住所有反驳」「匀速排比」「不是 X 是 Y 高密度」「精确到不真实的情绪细节（1.7 秒、2.3 秒）」「把结论包装成协议」「对『深刻』的过拟合（『本质上』后面接一个比前文大一号的命题）」。

真正的设计精华在**追问映射表**：每条特征不指向「删掉」，而是指向「这条特征背后用户本来想达成的什么目的」。比如特征 8「不是 X 是 Y 高密度」，背后意图是「强调认知高差」，追问是：「你翻转了三次，读者已经不觉得你深了，觉得你在教训人。哪一次翻转是你真正想说的？留那一次就够了。」——这是把「修改建议」降维成「苏格拉底式提问」，改写的主导权始终在用户手里。

### 第四段：误伤警告表，给规则加阈值

大部分规则型技能的死穴是误伤，这个技能专门有一张表：

| 特征 | 触发阈值 | 说明 |
|---|---|---|
| 「不是 X 是 Y」(#8) | 800 字内出现 3 次以上 | 鲁迅、李敖、罗翔都用。低密度是正常修辞 |
| 收束金句 (#13) | 仅适用于公众号长文 | 短视频文稿段段金句是体裁要求 |
| 堵住反驳 (#1) | 仅适用于自媒体 | 学术写作穷尽反驳是规范 |

配合**体裁识别表**（短视频文稿 / 公众号长文 / 推文 / 学术文体各有不同的判定开关），等于给 22 条规则各配了适用域。SKILL.md 里甚至写了「如果用户没说体裁，自行判断，但要在报告里注明你的判断」——强制模型暴露不确定性而不是假装全知。

### 第五段：追问的自检规则，技能审查自己

全篇最巧的一段：「追问本身不能犯 AI 特征」。检测工具的追问话术如果用了「你可能会觉得」开头，就犯了它自己定义的特征 #7（替读者说蠢话）；用了「不是 X 是 Y」，就犯了 #8；用选择题提问，「是在替用户想答案」。一个检测器把自己的规则递归地套在自己输出上，这是本期看到的最高级的提示词工程。

### 第六段：条件触发的下一步建议——Skill 矩阵的导流设计

结尾一张表：检测出开头套路感 → 推荐 `/dbs-hook`；选题有问题 → `/dbs-content`；想搞清自己文风 → `/dbs-deconstruct`。单个技能不闭环，故意留缺口导向矩阵里的兄弟技能——dbs-report 把多次诊断快照合并成交付报告，dbs-content-system 把本地文稿库做成可重组的内容工程，dbs-action 用阿德勒心理学诊断拖延。这是一个**产品化的技能漏斗**：免费检测获客，内容系统留存，报告交付变现。对想做强个人品牌的作者，这套矩阵打法比单发一个技能值得研究得多。

### 工作流程图

```mermaid
flowchart TD
    A[用户提交文案] --> B{体裁识别<br/>短视频/长文/推文/学术}
    B --> C[逐条扫描 22 个特征]
    C --> D{命中情况}
    D -->|干净| E[直说没问题<br/>不为输出报告硬找]
    D -->|有命中| F[按文本顺序出报告<br/>引用原文+特征编号+严重度]
    F --> G{用户说「我想改」?}
    G -->|否| H[到此为止<br/>默认只诊断不改]
    G -->|是| I[按严重度逐条追问<br/>每条只问一个问题]
    I --> J[给修改方向 不给修改结果]
    J --> K{用户明确说「帮我改」?}
    K -->|是| L[基于回答给出体现其偏好的改法]
    K -->|否| M[继续追问下一条]
    L --> N[条件推荐 dbs-hook / dbs-content / dbs-deconstruct]
```

严重度用三级标记：🔴 强信号（几乎只有 AI 会这样做）、⚠️ 中信号（AI 高频但人也可能做）、💡 弱信号（需结合体裁判断）。

---

## 横评：同赛道其余五款

### copy-editing（coreyhaines31）：口语触发词的教科书

定位是修改和刷新已有营销文案。它的 description 是一份长达十几条的口语触发词清单：'edit this copy'、'polish this'、'tighten this up'、'this reads awkwardly'、'too wordy'、'sharpen the messaging'、'content audit'……这是把「用户实际会怎么说话」直接编译进触发层的设计——不指望用户记住技能名，而是让任何一句抱怨文案的话都能命中。短板是它只管「改 existing copy」，从生成到投放的策略层要靠同作者的 ads、ab-testing 等十几款技能补位，单装一个价值有限。核心原则一句话：**触发词枚举不是堆砌，是把用户口语逐句翻译成路由信号**。

### copywriting-prose-creator（samber）：把文风变成可版本管理的资产

这款的思路最「工程师」：把一个人或品牌的写作机制——词汇、句法、节奏、结构、招牌动作——从情绪中剥离出来，固化成一份 `PROSE.md`。三种模式：BUILD 从 SOUL.md + TONE.md 加访谈构建新指南；ADAPT 把已有指南适配到新渠道；AUDIT 先审计语料再编码。适用场景写得很实：「内容工厂的写作规则」「多写手指枪手写作的声线一致性」「定义禁用词和句长目标」。它的价值和风险同源：产出的 PROSE.md 质量取决于喂进去的语料和访谈质量，上手门槛明显高于 copy-editing。适合已经有稳定产量、要多人多渠道保持声线的团队。

### ai-seo（coreyhaines31）：骑在 AEO/GEO 风口上的路由器

触发词清一色是 2026 年的热词：'AI SEO'、'AEO'、'GEO'、'LLMO'、'optimize for ChatGPT'、'AI citations'、'zero-click search'、'how do I show up in AI answers'。选题精准——当搜索流量被 AI 回答截流，「让 LLM 引用你」正在成为新的 SEO。它是纯知识指导型技能（marketing + research 标签），无脚本无数据，效果高度依赖模型自带的知识时效性，AI 搜索平台的排名机制本身也在快速变化，评分时实战效果一项打了折扣。适合作为内容团队的 checklist 起点，别指望它是排名保证。

### docx（anthropics/skills）：官方文档技能的边界声明范本

官方描述值得整段引用学习——它先穷举正向触发（'Word doc'、'.docx'、'.dotx'、报告/备忘录/信函/模板、目录页码、修订追踪、查找替换、插图替换），再用一句负向边界收尾：**「Do NOT use for PDFs, spreadsheets, Google Docs, or general coding tasks」**。正向穷举加负向排除，双向夹逼让触发准确率远高于只写正向的社区技能。功能上是六款里唯一「开箱即真」的：创建、读取、编辑、追踪修订、模板操作全覆盖，配合官方仓库的更新频率，办公场景无脑选它。这解释了为什么微软（1,577 个 Skill）、Google Workspace（99 个）、Notion（27 个）都在 mcpservers.org 上重仓官方技能位——文档赛道的竞争核心是信任和兼容性，不是提示词花活。

### ppt-generation（bytedance/deer-flow）：用生图做 PPT 的取舍

字节跳动 deer-flow 仓库的这款技能，架构一句话就能说清：「为每张幻灯片生成图片，再合成为 PowerPoint 文件」。优点是视觉上限高——每页都是一张完整设计的图，排版不会崩；代价也在这：页面内文字不可编辑，拿到 PPT 的接收方改不了一个字。它和「结构化 OOXML」路线的官方 pptx 技能代表了两条产品哲学：前者给你好看，后者给你可用。给领导改三稿的职场人选后者，发布会一次性视觉物料选前者。

### dbs-content-system（dontbesilent2025）：内容资产化，附安全提醒

同一矩阵里的内容结构化系统：先审计本地文稿、推文、选题、案例的规模与边界，再建工程、抽取内容单元、生成主题地图与选题装配稿——把「写过的东西」变成「可重组的资产」。注意一点：这类技能要读你的本地文稿目录，而据 skillsdirectory.com 的安全扫描页声称，野外技能中约 36% 存在安全缺陷（该站自报数据，未经第三方审计）。安装任何要碰本地文件的技能前，先读一遍 SKILL.md 和附带脚本。

---

## 生态全景图

```mermaid
mindmap
  root((内容创作与办公<br/>Skill 生态))
    写作质检
      dbs-ai-check<br/>22特征+误伤保护
      copy-editing<br/>口语触发词枚举
    文风资产
      copywriting-prose-creator<br/>PROSE.md 机制化
      dbs-deconstruct<br/>拆解个人表达
    搜索与分发
      ai-seo<br/>AEO/GEO/LLMO
      squirrelscan audit-website<br/>249+规则审计
    内容资产
      dbs-content-system<br/>本地文稿工程化
      dbs-report<br/>诊断报告交付
    Office 文档
      docx 官方Word
      ppt-generation<br/>字节 逐页生图
      xlsx / pdf 官方件
```

## 安装命令

```bash
# dbs-ai-check（整包含 dbs-* 全系列，-g 全局安装）
npx skills add dontbesilent2025/dbskill --all -g

# docx（官方仓库，交互式选择 docx）
npx skills add anthropics/skills

# ppt-generation（deer-flow 仓库内定位 ppt-generation）
npx skills add bytedance/deer-flow

# copy-editing / ai-seo / copywriting-prose-creator
# mcpservers.org/agent-skills 对应卡片提供 ZIP 下载，
# 解压到 ~/.claude/skills/ 即可（独立仓库名未经证实，不提供猜测命令）
```

手动安装的通用规则：把技能文件夹放进 `~/.claude/skills/`（个人）或项目内 `.claude/skills/`（团队共享），装前读一遍 SKILL.md。

## 推荐排行榜

- **综合办公首选**：docx（官方）——功能与信任双满配
- **写作赛道冠军**：dbs-ai-check——设计完成度全场最高，立场独特
- **最佳提示词设计**：dbs-ai-check（自检规则）/ copy-editing（触发词枚举）并列
- **团队声线管理**：copywriting-prose-creator——有产出物、可版本管理
- **最蹭对风口**：ai-seo——AEO/GEO 词汇覆盖无出其右
- **中文内容创作者全家桶**：dbskill 矩阵——检测引流、系统留存、报告变现
- **视觉优先的 PPT**：ppt-generation——好看但不可编辑，慎选

## 给 Skill 作者的四个可抄设计

1. **边界写进 description**：dbs-ai-check 的「默认只诊断不改」、docx 的「Do NOT use for…」，都在触发层就收敛了模型行为。
2. **给规则配阈值和适用域**：22 条特征 × 误伤阈值 × 体裁开关，规则型技能不配误伤保护就是误伤机器。
3. **让技能审查自己的输出**：追问自检规则证明，SKILL.md 里「元规则」的边际收益极高。
4. **单点不闭环，矩阵才闭环**：条件触发的下一步建议是最优雅的技能间导流，dbskill 用它把一个检测工具做成了产品线。

## 参考来源

1. [SkillsMP — Agent Skills Marketplace](https://skillsmp.com) — 收录 2,806,826 个 SKILL.md、247,452 名创作者，本文生态规模数据与 Popular picks 榜单来源
2. [Claude Skills & Agent Skills Library | mcpservers.org](https://mcpservers.org/agent-skills) — 官方厂商 Skill 计数（Microsoft 1577、Anthropic 927 等）及 copy-editing、ai-seo、copywriting-prose-creator、dbs 系列收录描述
3. [dontbesilent2025 的 GitHub 主页](https://github.com/dontbesilent2025?tab=repositories) — dbskill 仓库 4,754 Star / 657 Fork、更新时间与作者信息
4. [dbs-ai-check SKILL.md 原文](https://raw.githubusercontent.com/dontbesilent2025/dbskill/main/skills/dbs-ai-check/SKILL.md) — 本文深度拆解的一手文本
5. [Skills Directory](https://www.skillsdirectory.com) — 安全扫描数据（97,016 收录、36% 缺陷率自报数据）及 `npm install -g openskills` 安装方式

> [!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。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)