本期是 Skills 生态拆解第 6 轮，主题是新星首发——只看最近刚上榜、增长最快的新面孔。数据采集自 skills.sh 的 Trending(24h) 实时榜（2026-08-28 抓取，全时安装总量已过 130 万），并抓取了 heygen-com/hyperframes 的 SKILL.md 原文、Leonxlnx/taste-skill、prisma/skills、genmedia-labs/skills、skills-101/superpowers、mattpocock/skills 六个仓库。核心发现三句话：42.7k Star 的 HeyGen 视频框架 hyperframes 正以“1 个路由 Skill + 19 个领域 Skill”的形态整建制刷榜，是目前把“渐进式披露”做到极致的公开范本；mattpocock 的 writing-shape/writing-beats/writing-fragments 三连尚未进 README 就已上榜；同一套技能内容挂在不同 org 名下重复上榜的“镜像现象”首次成规模出现，装之前得先认准上游。
| Skill | 所属仓库 | 定位 | 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 |
|---|---|---|---|---|---|---|---|---|
| hyperframes（全家桶） | heygen-com/hyperframes | HTML→MP4 确定性渲染 | ★★★★★ | ★★★★★ | ★★★★ | ★★★ | ★★★★★ | 4.5 |
| prisma-client-api | prisma/skills | Prisma Client API 参考 | ★★★★★ | ★★★★ | ★★★★ | ★★★★★ | ★★★★ | 4.4 |
| prisma-mongodb-upgrade | prisma/skills | 防"不可能升级"决策 | ★★★★ | ★★★★★ | ★★★★ | ★★★★★ | ★★★★ | 4.4 |
| design-taste-frontend v2 | Leonxlnx/taste-skill | 反AI味前端设计 | ★★★★ | ★★★★ | ★★★★ | ★★★★★ | ★★★★ | 4.2 |
| ai-video-generation | inference-sh/skills | 40+ 视频模型 API 门面 | ★★★★ | ★★★ | ★★★ | ★★★ | ★★★★ | 3.4 |
| video-edit（镜像版） | genmedia-labs/skills | RunComfy 视频编辑 | ★★★★ | ★★★ | ★★★ | ★★★ | ★★ | 3.1 |
评分说明：上手难度星级越高越容易上手。mattpocock 的 writing 三连因未读到 SKILL.md 原文，不入加权表，单独立节观察。
mindmap
root((新星首发<br/>Trending 24h))
AI媒体生成类
ai-video-generation 22.3K
video-edit 与 ai-music
reddit-automation 17.0K
渲染框架全家桶
hyperframes 20技能整建制上榜
路由加10创作工作流加9领域技能
设计反AI味赛道
anti-ui-slop 18.1K
design-taste-frontend v2
厂商官方入场
prisma 8技能 45.6K
lark-drive 带飞书27连发
写作新系列
writing-shape
writing-beats
writing-fragments
loop-me
Trending(24h) 榜首是 skills-101/superpowers 的 ai-video-generation（22.3K 安装，仓库总量 89.0K），第 2 名是 uizze.com 的 anti-ui-slop（18.1K，仓库未核实）。第 5-11 名被 genmedia-labs/skills 包揽：video-edit、ai-music、reddit-automation 各 17.0K，ai-image-generation、ai-video-generation、image-to-video 各 16.9K。再往下是两股值得单独讲的力量：hyperframes 一家贡献了 9 个上榜条目（hyperframes-audio 6.4K、hyperframes 5.8K、hyperframes-core 5.0K……），prisma/skills 首次成建制进场（prisma-client-api 5.1K，仓库总量 45.6K）。对比全时榜（find-skills 3.0M、grill-me 911.2K 霸榜的前几周格局），24 小时榜几乎全是这两周内冒出来的新名字——生态的内容供给速度已经明显快于头部固化速度。
heygen-com/hyperframes，42.7k Star、4.1k fork、4,060 commits，Apache-2.0，口号是 "Write HTML. Render video. Built for agents"。它本身不是生成式视频 API，而是一个确定性渲染引擎：把带 data-* 时间属性的 HTML 交给 headless Chrome 逐帧 seek 采集，再用 FFmpeg 编码成 MP4，同样输入永远得到同样帧——天然适配 CI 和回归测试。README 明说它已在 HeyGen 生产环境使用，tldraw、TanStack 等团队在 ADOPTERS.md 里背书。本次爆发的不是框架本身（hyperframes-cli 全时已有 409.4K 安装），而是它新上架的完整 Skill 套件：整整 20 个。
20 个 Skill 分三层。/hyperframes 是路由层，README 标注 "Read first"，自称"capability map + intent router"。创作工作流层 10 个，每个对应一类明确意图：product-launch-video（官网产品片，甜点区 30-90 秒）、faceless-explainer（纯口播解释类）、pr-to-video（用 gh CLI 读 PR 生成变更讲解视频）、embedded-captions、talking-head-recut、motion-graphics（10 秒内无旁白动效）、music-to-video、slideshow（注意：输出是可交互 deck 而非视频）、general-video（兜底）、remotion-to-hyperframes（单向迁移 Remotion 工程）。领域技能层 9 个：core（组合契约）、animation、keyframes、creative、media-use（TTS/配乐/抠图等媒体 OS）、cli、audio（混音链）、registry、figma。
我抓取了 skills/hyperframes/SKILL.md 全文（路由 Skill），逐段看它的写法。
第一段：description 即路由表。 开头用一整句枚举能力（"Create video compositions, animations, title cards, overlays, captions, voiceovers, audio-reactive visuals..."），中段列触发场景，结尾做了大多数人想不到的事——把分流写进 description：
For dev-loop CLI commands (init, lint, inspect, preview, render) see the hyperframes-cli skill; for asset preprocessing commands (tts, transcribe, remove-background) see the hyperframes-media skill.
description 是模型路由的唯一依据。多 Skill 套件的常见失败模式是兄弟 Skill 互相抢触发，hyperframes 的解法是在 description 里显式声明“什么请求归谁”。这一行值得所有做套件的作者抄。
第二段：Discovery 的成本分级。 对开放式请求（"make me a product launch video"）要求先问四件事：Audience、Platform、Priority、Variations；紧接着一句话兜底：
For specific requests ("add a title card", "fix the timing on scene 3"), skip discovery.
把“要不要启动访谈流程”本身写成条件判断，防止小改动被仪式化流程拖累——这是对 grill-me 式强制访谈的一记隐性修正。
第三段：design.md 协议。 要求先读项目里的 design.md 或 DESIGN.md，括号里藏着一个真实工程坑：
(check both casings — they're different files on Linux)
大小写敏感文件系统上这是两个文件。另外规定：design.md 指定的字体本地找不到 .woff2 时，必须在写 HTML 之前警告用户并给出回退方案——把“先报错再动手”的顺序固化成规则。
第四段：Layout Before Animation 方法论。 这是整份文件的设计灵魂：每个场景先找 hero frame（元素最全的那一帧），用纯 HTML+CSS 把终态摆好，再用 gsap.from() 做入场、gsap.to() 做退场——"The CSS position is the ground truth; the tween describes the journey"。配套给出 WRONG 示例（内容容器用 position: absolute; top: 200px 硬编码尺寸会溢出），并区分“有意的层叠”与“意外的重叠”。
第五段：Rules (Non-Negotiable)。 禁 Math.random()/Date.now()（要随机用 mulberry32 种子 PRNG）、禁 repeat: -1（无限循环会卡死采集器，必须算出精确次数 Math.ceil(duration / cycleDuration) - 1）、禁在 async/setTimeout/Promise 里建时间线（采集引擎在页面加载后同步读 window.__timelines）。再加一条 11 项的 "Never do" 清单，每一项都对应逐帧采集的一个具体失败模式。规则不是风格偏好，是渲染器的物理约束——这是这份 SKILL.md 和泛泛的“最佳实践”清单的本质区别。
第六段：转场即退场。 多场景作品强制三条：场景间必须有转场、每个元素必须 gsap.from() 入场、除最后一场外禁止退场动画——"The transition IS the exit"，转场开始瞬间 outgoing 场景必须完整可见，并给出标注 BANNED 的反例代码。
第七段：质量门。 收尾不是“完成”，而是四道机检：lint + validate（后者默认跑 WCAG 对比度审计——seek 到 5 个时间点截图、采样文字背后像素、算对比比）、inspect（headless Chrome 走时间线输出带时间戳和选择器的溢出地图，留了 data-layout-allow-overflow 逃生舱）、animation-map（输出 JSON + ASCII 甘特图，自动检测 stagger 间隔、超过 1 秒的 dead zone、碰撞和离屏元素）。检查结果全是模型自己能读回并修复的格式——验收闭环做进了 Skill 而不是甩给用户。
flowchart TD
A["用户请求做个视频"] --> B["/hyperframes 路由"]
B --> C["读 design.md 定设计系统"]
C --> D["Prompt 扩写统一中间表示"]
D --> E["Plan 叙事/结构/节奏/时机"]
E --> F["Layout Before Animation<br/>先摆 hero frame 终态"]
F --> G["gsap.from 加入场动画"]
G --> H["lint + validate<br/>含 WCAG 对比度审计"]
H --> I["inspect 溢出检查"]
I --> J["animation-map 编舞审计"]
J --> K["render<br/>headless Chrome 逐帧 + FFmpeg"]
H -->|不过| G
I -->|不过| F
J -->|有碰撞或dead zone| F
安装侧的设计同样精细：交互式 npx skills add 默认什么都不预选，Core Skills 组（路由 + 领域技能 + media-use）就够用；创作工作流由路由在进入时按需执行 npx hyperframes skills update <workflow> 拉取——"Nothing re-pulls the full set behind your back"。README 还自曝一个坑：skills add 解析的是 skills.sh 的 registry blob，可能落后 main 数小时，要最新版用 npx hyperframes skills update。作者甚至提醒：非交互环境下 skills add 不带 --skill 会把 20 个全装上——把安装期的注意力经济学也想到了。
两个理由。其一，它是“Skill 套件即产品文档”的最完整样本：README 直说 skills 教的是 "video-production patterns that generic web docs miss"——通用文档写给人类，SKILL.md 写给 agent，两者是两份不同的交付物。其二，它在套件规模上验证了渐进式披露的完整形态：路由层管分流、工作流层管意图、领域层管知识，主文件只放契约和禁令，细节全部沉到约 19 个 reference 文件按需读。想写自己的第一个套件，这个结构比任何单体大 SKILL.md 都更值得模仿。
本期最意外的榜单信号：mattpocock/skills 仓库一夜之间冒出一批 trending 新条目——writing-shape（4.8K）、writing-beats（4.8K）、writing-fragments（4.8K）、loop-me（4.9K），外加 setup-ts-deep-modules、scaffold-exercises、implement-spec、migrate-to-shoehorn 各 4.7K，24 小时内这个仓库新增条目合计 19.7K 安装。而我同日抓取的仓库 README 里，Productivity 类目下只有 writing-for-agents 和 grilling——这批新 Skill 尚未进官方文档就已上架并起量（README 与榜单均为 2026-08-28 抓取，功能描述以官方后续更新为准）。两点观察：一是 implement-spec 与既有 implement 并存，说明作者在按“规格”粒度继续细分编排层；二是这个仓库已经形成了“上架即有量”的发行能力——约 6 万订阅读者（仓库自述）的渠道势能，让 Skill 发布接近软件的 release 流程。对普通作者的启示：先攒分发渠道，再发 Skill，冷启动完全不是同一个难度。
24h 榜第 2 名 anti-ui-slop（18.1K）宣告“反 AI 味设计”已独立成赛道，而 Leonxlnx/taste-skill 是这个赛道里结构最完整的选手，其主 Skill design-taste-frontend（4.9K）刚完成 v2 大重写（官方标注 experimental）。v2 的关键词：读 brief 推断设计语言、三个 1-10 旋钮（DESIGN_VARIANCE 布局实验度 / MOTION_INTENSITY 动效深度 / VISUAL_DENSITY 信息密度）、hard em-dash ban（禁破折号——最典型的 AI 排版指纹）、canonical GSAP 代码骨架、redesign-audit 协议、strict pre-flight 检查。仓库是“一对多变体”结构：gpt-taste（Codex 专用更严版）、image-to-code（图像先行流水线）、redesign-existing-projects（存量项目改造）、minimalist/brutalist/soft 三种风格变体、full-output-enforcement（治模型输出截断）、再加三个纯出参考图的 imagegen 技能——装名即参数的思路做得很干净。短板：v2 自认 experimental，且带赞助商（Kimi、Vercel 开源计划等）的商业化气息，稳定性要观察。
继微软、Vercel、飞书之后，数据库赛道 的 Prisma 官方上架了 8 个 Skill（仓库总量 45.6K），全部对准 ORM 7.6.x：prisma-cli、prisma-client-api、prisma-upgrade-v7、prisma-mongodb-upgrade、prisma-database-setup、prisma-postgres、prisma-compute、prisma-driver-adapter-implementation。最值得单独一提的是 prisma-mongodb-upgrade——它处理的不是“怎么升级”，而是“阻止一次不可能的升级”：MongoDB 在 v6 是终点、v7 没有连接器，这个 Skill 内置"stay-on-v6 vs migrate"决策表和 no-go 信号，防止 agent 兴致勃勃地给用户规划一条不存在的升级路径。把领域里的“负面知识”做成 Skill，这个思路和 azure-deploy 的防伪造条款异曲同工——好的 Skill 不只教对的事，还拦住模型想当然的事。
本轮挖矿时反复撞见一个此前没有的现象——同一套内容挂在不同 org 名下分别上榜：ai-video-generation 同时出现在 skills-101/superpowers（22.3K，第 1）和 genmedia-labs/skills（16.9K，第 10）；video-edit 同名条目在 genmedia-labs（17.0K）和全时榜 prime-skills/runcomfy-agent-skills（406.1K，仓库总量 4.4M）都有；genmedia-labs/skills 仓库只有 1 个 commit、3 个 Star，README 里的安装命令却指向第三个 org——agentspace-so/runcomfy-agent-skills；而 24h 榜第 98 名的 agent-browser（skills-101/superpowers，4.3K）与第 99 名的 agent-browser（vercel-labs 原版，4.2K）并排出现——skills-101/superpowers 的 GitHub 元数据显示它本身就是 inference-sh/skills 的 fork。这些均为本次抓取可证的事实；成因（分发策略、榜单计数按仓库维度、还是刻意刷量）未经证实，不下结论。给读者的操作建议只有一条：装任何 trending Skill 前，先进仓库看 commit 历史和 README 里的安装命令指向哪个上游，认准原始出处再装，镜像版的数据可信度要打折。
# hyperframes 全家桶（交互式；选 Core Skills 组即可，别全装 20 个）
npx skills add heygen-com/hyperframes
# agent / 非交互环境装精确核心集，且始终是最新 main
npx hyperframes skills update
# taste-skill v2（按装名单装）
npx skills add https://github.com/Leonxlnx/taste-skill --skill "design-taste-frontend"
# Prisma 官方 8 技能（或 --skill prisma-client-api 单装）
npx skills add prisma/skills
# inference.sh 上游仓库（skills-101/superpowers 是其 fork，认准上游）
npx skills add inference-sh/skills
# mattpocock 可编辑版（含刚上架的 writing 系列）
npx skills@latest add mattpocock/skills
# 或 Claude Code 插件制：claude plugins install mattpocock-skills
/hyperframes——description 即路由表、访谈成本分级、Non-Negotiable 对应渲染器物理约束、四道机检收尾，套件级渐进式披露的完整范本这一轮新星挖掘的最大感受是：Skill 生态的“新品类”正在从单个 Skill 转向成建制的套件。hyperframes 用 20 个 Skill 把一条视频生产流水线整体搬进 agent 的可安装能力里，prisma 用 8 个 Skill 把 ORM 全生命周期的负面知识收进防呆规则——单个 SKILL.md 的时代正在让位给“路由 + 分层 + 按需加载”的套件时代。与此同时，榜单的噪音也在变大：镜像、fork、一日多仓都在抢同一块注意力。接下来的核心竞争力，一边是像 hyperframes 那样把领域约束写成机器可校验禁令的作者功力，另一边是像本期第六节那样在安装前多看一眼上游的读者判断力。
[!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。