本期是新星挖掘特辑：不看 all-time 总榜（那里翻来覆去是 find-skills、grill-me 这些老面孔），而是用「24小时热榜 × 总榜缺席」的交叉方法，找出刚上架、增速最猛的新 Skill。本期挖到三个：inference.sh 全家桶（skills.sh 榜单名 101-skills/skills，其 ai-video-generation 以 21.6K 安装空降 24 小时榜第一）、doany-skills/skills 的 reddit-automation（主打“诚实营销”的 Reddit 推广 Skill）、getpaperclipai/paperclip 的 design-guide（自带 Skill 组合声明的设计系统 Skill）。三个都是本期首次覆盖的新面孔，逐一拆到 SKILL.md 设计层面。
| 24h排名 | Skill | 仓库 | 24h安装 | 备注 |
|---|---|---|---|---|
| 1 | ai-video-generation | 101-skills/skills | 21.6K | 本期主角，all-time 前101名找不到它 |
| 6 | find-skills | vercel-labs/skills | 18.7K | 老面孔对照：all-time 3.0M |
| 7-9 | grill-me / grill-with-docs / grilling | mattpocock/skills | 11.3K/10.0K/9.4K | 已拆过 |
| 64-69 | ai-image-generation 等5席 | skills-collective/skills | 6.6K-6.9K | 即 RunComfy，见文末花絮 |
| 70 | design-guide | getpaperclipai/paperclip | 6.0K | 本期主角 |
| 77 | reddit-automation | doany-skills/skills | 5.4K | 本期主角 |
新星判别逻辑：all-time 榜第 101 名的门槛是 402.2K（azure-quotas），而 ai-video-generation 24 小时就拿了 21.6K、总存量却挤不进前 101——典型的「总 Install 还很浅、斜率极陡」新星曲线。据 skills.sh 页面显示，该仓库在 skills.sh 上挂了 5 个 Skill，家族合计 107.9K 安装。
| Skill | 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%) | 加权总分 |
|---|---|---|---|---|---|---|
| inference.sh ai-video-generation | ★★★★ | ★★★★ | ★★★ | ★★★ | ★★★★ | 3.65 |
| inference.sh 全家桶（整体） | ★★★★★ | ★★★★ | ★★★ | ★★★ | ★★★★ | 3.90 |
| reddit-automation | ★★★ | ★★★★ | ★★★ | ★★★★ | ★★★ | 3.40 |
| paperclip design-guide | ★★★ | ★★★★ | ★★★ | ★★★★ | ★★★ | 3.40 |
评分说明：三者的「实战效果」均基于热榜数据与社区可见反馈，本文作者未做长周期实测，统一保守给 3 星；「上手难度」星越多越容易。
inference.sh 是一个模型聚合平台，这套 Skill 的本质是把它家 CLI（叫 belt）的调用知识打包给 Agent。SKILL.md 开头一句话定位：「Generate videos with 40+ AI models via inference.sh CLI」，描述里直接点名 Veo 3.1、Veo 3、Seedance 2.0、HappyHorse、Wan、Grok 等模型名。
第一段：依赖前置链。 这是本 Skill 最值得学的设计。SKILL.md 开头第一条不是用法，而是：
Install the belt CLI skill:
npx skills add belt-sh/cli
Skill 依赖另一个 Skill。belt CLI 本身的使用说明被独立成一个 Skill，ai-video-generation 不复制粘贴这些内容，而是要求先装 belt-sh/cli。这解决了 Skill 生态的一个老问题：CLI 类 Skill 的安装配置段又长又容易过期，抽成底层 Skill 后一处更新、全家受益。代价是安装变成了两步，新用户如果只装上层 Skill 会直接撞墙——好在它把这条命令放在了正文第一行，用加粗强调。
第二段：Quick Start。 只有两行命令：
belt login
belt app run google/veo-3-1-fast --input '{"prompt": "drone shot flying over a forest"}'
注意这里的设计取舍：不教 Agent 选模型，先给一条能跑通的黄金路径。google/veo-3-1-fast 是硬编码的默认选项，用户随口说“给我生成个视频”，Agent 照抄这条就能出结果，再按需换模型。这比一上来就铺开 40 个模型的选择矩阵高明——LLM 面对过多选项反而容易编造不存在的模型 ID。
第三段（描述区）：模型名即触发词。 描述字段写成「Veo 3.1, Veo 3, Seedance 2.0, HappyHorse…」，用户提问里只要出现任何模型名，这个 Skill 就可能被命中。这是把「触发词设计」从动词层（generate video）下沉到了名词层（具体模型名），对聚合类工具是正确的做法。
flowchart TD
A[用户: 帮我生成一段视频] --> B{触发 ai-video-generation}
B --> C[SKILL.md 第一条:<br/>确认 belt-sh/cli 已安装]
C --> D[belt login 认证]
D --> E[默认黄金路径:<br/>google/veo-3-1-fast]
E --> F{用户指定模型?}
F -->|是| G[按名字路由: Seedance/Wan/Grok...]
F -->|否| H[继续用 Veo fast]
G --> I[belt app run --input JSON]
H --> I
I --> J[返回视频文件]
subgraph 底层依赖
K[belt-sh/cli Skill<br/>CLI 安装与通用用法]
end
K -.被依赖.-> C
GitHub 仓库（inference-sh/skills，MIT 协议）的 README 把 Skill 按用途分了四层，这个分类法值得抄：
| 层 | 代表 Skill | 作用 |
|---|---|---|
| Tools | ai-image-generation（50+ 图像模型）、web-search（Tavily/Exa）、llm-models | 包一层 CLI 调外部能力 |
| SDKs | javascript-sdk、python-sdk | 教 Agent 写代码接它家 API |
| UI | agent-ui、chat-ui、tools-ui | 生成配套前端界面 |
| Guides | prompting、design、video、social、agent | 纯知识型，无代码 |
Guides 里最有趣的一条是「agent：Agent self-regulation when stuck or looping」——把“Agent 卡死时如何自我调节”做成知识 Skill，属于用 Skill 修 Skill 的元玩法。
短板：硬依赖 belt CLI 和平台账号（付费 API），离开 inference.sh 平台这套 Skill 一文不值；skills.sh 收录的 5 个 Skill 之外，README 里 tools/sdk/ui/guides 全家桶数量明显更多，索引不全意味着部分能力搜索引擎搜不到。
# 整包安装
npx skills add inference-sh/skills
# 或按需装单个（README 示例语法）
npx skills add inference-sh/skills@ai-video-generation
# Claude Code 插件方式
/plugin marketplace add inference-sh/skills
/plugin install inference-sh@inference-sh-skills
# 使用前还需装 CLI Skill 并登录
npx skills add belt-sh/cli
belt login
doany.ai 团队出品，24 小时 5.4K 安装。一句话定位：在 Reddit 上找到「真的在问你要做的东西」的帖子，起草真正有用、且亮明身份的回复。SKILL.md 原文把价值观写成了方法论：
Reddit rewards real contribution and punishes spam. The way to market here is not to hide — it's to genuinely help, disclose your affiliation, and only bring up your product when it truly answers the question.
1. 触发短语全部是用户口吻。 「When to use」一节列的四句话全是第一人称请求：「Find Reddit opportunities for my product this week」「Help me engage on Reddit for my product, honestly」。这不是给机器人看的路由规则，而是直接教用户怎么开口，触发率设计的另一条路。
2. 两段式动作结构。 全 Skill 只有两个动作：find（找少数真能帮上的帖子）和 draft（起草一条值得发的回复）。刻意收窄到两步，防止 Agent 自由发挥成批量灌水脚本。
3. 持久化上下文段。 有一节标题是「First, get the product context (once)」——第一次使用时把产品信息固化下来，后续调用不重复问。这是单文件 SKILL.md 里实现“记忆”的常见解法：把状态写到工作区文件里。
4. 披露义务写进流程。 「disclosing your affiliation honestly」不是口号，而是回复起草步骤的硬约束。营销类 Skill 普遍游走在灰色地带，这一份把反垃圾规则前置到提示词层面，算是对的方向。
短板：效果完全依赖 Agent 的 Reddit 搜索能力（Reddit 反爬严格，实际命中率存疑）；除 skills.sh 页面外暂无独立评测佐证；单 Skill 单场景，天花板明显。
npx skills add doany-skills/skills
getpaperclipai/paperclip 仓库的设计系统 Skill，24 小时 6.0K、家族 6 个 Skill 合计 36.1K 安装。Paperclip 是一个键盘驱动、暗色主题的控制台型产品，这份 Skill 就是把自家 UI 设计规范喂给 Agent，让它代代写组件时不跑偏。
1. 组合声明（本期最值得抄的一行）。 SKILL.md 开篇第二条：
Always use with:
frontend-design(visual polish) andweb-design-guidelines(web best practices).
一个 Skill 在自己的正文里声明依赖另外两个 Skill（都来自 vercel-labs 和 anthropics 的热门 Skill）。这和 inference.sh 的「依赖链」是同一模式的两个变体：inference.sh 依赖的是安装型底层 Skill，paperclip 依赖的是知识型平行 Skill。自建 Skill 时，与其把别人的最佳实践抄进来（会过期），不如写一行「Always use with」。
2. 原则写得具体到不可误读。 五条设计原则没有一句空话：「Dense but scannable」「Keyboard-first（给出了 Cmd+K、C、[、] 具体快捷键）」「Contextual, not modal（内联编辑优于对话框）」「Dark theme default（明确到 OKLCH 中性灰、不用纯黑、强调色只给状态用）」「Component-driven」。对比大量“追求简洁美观”式的正确废话，这五条每条都能直接约束一次代码生成。
短板：强绑定 Paperclip 自家审美，装到别的项目里等于给 Agent 植入别人的品牌规范，需要人工判断适配性；SKILL.md 后半段（Tech Stack 起）未公开细节，深度无法完全验证。
npx skills add getpaperclipai/paperclip@design-guide
# 或整包
npx skills add getpaperclipai/paperclip
热榜 64-69 名那五席（ai-image-generation、image-to-video、ai-music、video-edit、ai-video-generation，各 6.6K-6.9K）挂在一个叫 skills-collective 的命名空间下。实测访问 GitHub 的 skills-collective/skills，返回的却是 runcomfy-com/skills 的仓库页（12 stars、3 forks、37 commits、MIT）——GitHub 用户名迁移的标准现象，说明 RunComfy 家族换了命名空间后重新杀回热榜。该组织 README 还透露了上架策略：「Skills are pushed one at a time so we can verify each one's SKILL.md is correctly indexed by skills.sh before adding the next」——逐个上架、确认索引生效再发下一个，这是把 Skill 分发当发布流水线在运营。
mindmap
root((找新星))
热榜交叉法
24h榜排名高
all-time榜缺席
换算斜率: 21.6K/24h vs 402K门槛
命名空间监控
GitHub 改名重定向
同族 Skill 集体上榜
家族识别
"+N more from X" 条目
家族总量 vs 单品排名
反向筛选
排除已拆过的老面孔
排除大厂官方集群
三步法：先抓 skills.sh 的 Trending(24h) 与 All Time 两份榜单；用「24h 高 × all-time 缺席」筛出斜率陡峭的新条目；再用「+N more from 某仓库」的家族标注判断是单品爆发还是矩阵铺货。单品爆发看质量，矩阵铺货看运营。
[!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。