Skills生态周报（2026-08-31）：AI视频Skill同名混战，数据库厂商进场，深拆黑马orca-cli

概述

本期周报基于 skills.sh 在 2026-08-31 抓取的全量榜与 24 小时趋势榜：全时段安装量榜首仍是 vercel-labs 的 find-skills（3.2M），飞书 lark 家族以单仓库 15.1M 总量稳坐最大集群。24 小时趋势榜最大的看点是 ai-video-generation 同名撞车——skills-101 与 genmedia-labs 两个不同仓库的同名 Skill 同日挤进 Top 10；数据库厂商 Neon 官方账号首次集体上榜；而真正的黑马是 stablyai 的 orca-cli——一份把「优先级声明、反幻觉纪律、错误恢复表」写到极致的 SKILL.md，值得逐段拆解。

本周榜单速览

全时段 Top 10（8月31日快照）：

24 小时趋势榜核心变化：

三个结构性观察：

观察一：同名混战。 ai-video-generation 这个名字同时被 skills-101/superpowers（22.6K/日）和 genmedia-labs/skills（17.3K/日）占据，两仓库 24 小时总量分别为 90.5K 和 85.6K，几乎并驾齐驱。这是生态进入「选题拥挤期」的标志：通用名已被抢注，后来者只能靠仓库品牌区分。对照上周已拆过的 RunComfy、Remotion、hyperframes，AI 视频赛道已经挤了至少四个玩家，同名现象大概率继续蔓延。

观察二：数据库厂商正式进场。 neondatabase/agent-skills 一次上了 neon-postgres 和 neon 两个条目（各 2.5K/日）。此前进场的是微软（azure-skills 全时段 7.2M 总量）、Google、飞书（15.1M）、Prisma，现在轮到 Serverless Postgres 阵营。厂商 Skill 的共同打法是「让 Agent 直接长出操作自家产品的正确姿势」，Neon 的进场说明这个获客渠道已被 B 端普遍认可。

观察三：Matt Pocock 集群效应加剧。 趋势榜上 mattpocock/skills 有 21+ 个条目同榜，24 小时合计 126.6K；全时段该仓库累计 2.8M。grill 家族承包总榜第一梯队之后，新面孔 wait-what（5.0K）、wizard（4.9K）、to-questionnaire（4.9K）、loop-me（3.8K）继续霸榜——这位 TypeScript 教育者已经把「Series 化发布」做成了个人品牌流水线：每个 Skill 都是一个短小精悍的思维工具，互相引用、成套安装。

评测对比表

本期聚焦 5 个新面孔（★ 为 1-5 分；标注▲者表示未实测、依据生态数据与公开材料评定）：

注：reddit-automation、neon-postgres 等条目本次未能抓取到 SKILL.md 原文，评分仅代表基于榜单数据与仓库定位的初步判断，未经逐行验证；orca-cli 为全文精读后评分。

主拆解：orca-cli——一份「反幻觉工程」教科书

orca-cli 来自 stablyai/orca 仓库，24 小时 2.5K 安装、趋势榜第 77 名，绝对排名不高，但它是我本期唯一拿到 SKILL.md 全文的新面孔（来自 raw.githubusercontent.com 的仓库原文），而且它可能是本月设计密度最高的一份。它解决的问题是：当你的团队用 Orca（Stably AI 的多工作区开发环境）管理 worktree、终端、定时任务和内嵌浏览器时，如何让 Claude Code、Codex 这类 Agent 只走正门、不走野路子。

第一段：description 里的「触发词 + 优先级声明」双保险

绝大多数 Skill 的 description 只写触发词，orca-cli 的开头就与众不同：

Use the public orca CLI to operate Orca-managed worktrees/workspaces, terminals, repos, automations, worktree comments, and the browser embedded inside the Orca app. Use when the user says "$orca-cli", "use orca cli", "Orca worktree/workspace", "child workspace", "spawn codex/claude in a workspace", "read/wait/send Orca terminal", "terminal send", "Orca browser", or "control the browser inside Orca".

这半段是常规操作：把用户可能说的短语逐个列进 description，让模型的路由层能命中。真正罕见的是紧接着的那句：

Prefer this over raw git worktree, ad hoc PTYs, Playwright, or Computer Use when the task touches Orca-managed state. Use Computer Use for browser windows, webviews, or desktop UI outside Orca's embedded browser.

这是负向排除 + 职责边界的写法：不仅说「什么时候用我」，还说「什么时候不要用我、以及那一刻该用谁」。Agent 最常见的失控方式就是在有专用工具的场景里退回通用工具（自己开 PTY、自己上 Playwright），这一句把退路全部封死，同时把边界外的情况明确移交给 Computer Use。写 Skill 的读者请把这句话抄下来——一个 description 同时完成「吸入」和「排他」是高级技巧。

第二段：「Start Here」探测协议

正文第一段不是讲概念，而是四个探测命令：

command -v orca || command -v orca-ide
orca status --json
orca worktree ps --json
orca terminal list --json

followed by "If Orca is not running, start it"。这是把「环境自检」写成了不可跳过的第一步，避免 Agent 在环境不存在时凭空推理。更有意思的是这一句：

Prefer --json for agent-driven calls. If the CLI is missing, say so explicitly instead of inspecting source files first.

前半句是机器可读性纪律；后半句是明晃晃的反幻觉条款——它预判了 Agent 在找不到工具时的自然行为（去翻源码然后开始脑补 API），直接立法禁止。作者显然被自己的 Agent 坑过，然后把伤口写进了文档。

第三段：Worktree 的「血缘规则」

worktree 创建部分列全了 --repo、--parent-worktree、--no-parent、--agent、--setup run|skip|inherit 的组合，并把推断规则写成条文：

• When creating from inside an Orca-managed worktree, Orca infers the current workspace as the parent when it can.
• Use --parent-worktree active when the child relationship should be explicit.
• Use --no-parent only when the new work is independent.

「默认推断、显式覆盖、独立声明」三级分层，是对隐式行为最容易被误用处的精确拆弹。--agent codex --prompt "hi" 还能在创建工作区时直接拉起另一个 Agent 并派活——这个 Skill 天然是上一期「多 Agent 编排」话题的落地样本，只是它把编排做成了 CLI 参数而非提示词协议。

第四段：Worktree Comments——给人类的进度信号

这一节是全篇最有产品思维的段落：

Coding agents should update the active worktree comment at meaningful checkpoints: orca worktree set --worktree active --comment "fix implemented; running integration tests" --json Update after meaningful state changes such as repro, fix, validation, handoff, or blocker.

它把「Agent 应该在什么时候向人类汇报」枚举成了五个检查点，并要求写进工作区卡片的短状态。这不是功能描述，这是行为规范——Skill 不只教 Agent 用工具，还教 Agent 养成汇报习惯。

第五段：Terminal 的读前必读与等待语义

终端一节的规则密度极高，三条最值得学：

• Use terminal read before terminal send unless the next input is obvious.
• Use terminal wait --for tui-idle for agent CLIs such as Claude Code, Gemini, and Codex; always pass --timeout-ms.
• For long output, use cursor reads… continue with nextCursor while limited is true.

「先读后写」防止对盲终端发指令；tui-idle 等待语义解决「Agent CLI 还没写完输出就被打断」的经典竞态；游标分页解决长输出截断。加上 terminal_handle_stale 时用 terminal list 重新获取句柄的恢复路径，这是一套完整的「Agent 与长驻进程交互协议」，任何做 CLI 类 Skill 的人都该整段借鉴。

第六段：Automations——定时任务即 Skill 的一等公民

orca automations create --name "Daily review" --trigger daily --time 09:00 --prompt "Review open changes" --provider codex --repo id: 展示了调度能力：支持 hourly/daily/weekdays/weekly、5 字段 cron 和 RRULE，可为每次运行开新 worktree（--repo）或复用现有工作区（--workspace），--provider 还能在 claude/codex 之间选执行引擎。文档甚至提醒调试期用 --disabled 建任务——细节体贴到「先关着测」。

第七段：内嵌浏览器的「快照循环」与错误恢复表

浏览器部分先划清边界（只管 Orca 内嵌 tab，外面找 Computer Use），然后给出标准循环：

Use a snapshot-interact-re-snapshot loop: orca goto → orca snapshot → orca click --element @e3 → orca snapshot

以及元素引用 @e1 的失效规则（导航或切 tab 即失效）。真正的精华是末尾的错误码恢复表：

• browser_no_tab: open a tab with orca tab create
• browser_stale_ref: run orca snapshot and retry with fresh refs
• browser_tab_not_found: run orca tab list before switching or closing

「错误码 → 恢复动作」一一对应，Agent 撞到错误时不需要推理，查表执行即可。这比大段散文式 troubleshooting 的可靠性高一个量级，是 Skill 写作里被低估的模式。

第八段：收尾的「Next Action」与跨 Skill 引用

全文以 Next Action 小节收尾：

Confirm orca status --json unless already checked this turn, then choose the narrowest command for the job…

「除非本轮已确认，否则先跑 status，再选最窄的命令」——既防重复探测又防动作过宽。中间还两次把职责移交给兄弟 Skill：结构化协调去找 orchestration skill，移动端模拟去找 orca-emulator skill，并立下家规「No raw serve-sim in agent prompts/skills」。单文件 SKILL.md 保持精简、复杂度外溢到兄弟文件，这正是官方 skill-creator 提倡的多文件架构在真实项目里的成熟示范。

设计模式小结：orca-cli 教给你的七件事

flowchart TD
    A[Agent 收到任务] --> B{description 触发词命中?}
    B -->|是| C[优先级声明: 排除 git worktree/PTY/Playwright]
    B -->|否| Z[走通用路径]
    C --> D[Start Here: command -v orca + status --json]
    D --> E{CLI 存在?}
    E -->|否| F[明确告知缺失, 禁止翻源码脑补]
    E -->|是| G{任务类型}
    G -->|并行开发| H[worktree create + 血缘规则 + comment 检查点]
    G -->|进程交互| I[read → send → wait tui-idle + cursor 分页]
    G -->|定时任务| J[automations create + --disabled 先测]
    G -->|页面操作| K[snapshot → interact → re-snapshot]
    H & I & J & K --> L{返回错误码?}
    L -->|browser_stale_ref 等| M[查恢复表: 定向动作重试]
    L -->|成功| N[Next Action: 选最窄命令收尾]

一、description 写触发词更要写排他条款；二、开篇固定探测协议；三、明文禁止失败后的脑补行为；四、隐式行为全部配显式覆盖项；五、把汇报时机枚举成检查点；六、错误码配恢复表；七、文末固定 Next Action。这七条里任何一条都能显著提升你自己 Skill 的可靠性，orca-cli 是目前把七条集齐的少数样本。

本周其他新面孔速览

reddit-automation（flowkit-labs/skills，16.8K/日，趋势第 11）：榜单描述为一句话级别的存在——名字即功能，自动化 Reddit 运营动作。flowkit-labs 是本周新出现在趋势榜的发布者。其 SKILL.md 本次未能抓取到原文，具体实现未经证实；从赛道看，它与已横评过的内容创作类（去 AI 味、AI 搜索优化）构成互补——前者管生产，这类管分发。营销自动化 Skill 的高度依赖平台 API 稳定性，使用前建议确认账号安全边界。

neon-postgres / neon（neondatabase/agent-skills，各 2.5K/日）：Serverless Postgres 厂商 Neon 的官方 Skill 双子星。厂商 Skill 的价值在「把 API 的正确用法和坑内置进 Agent 上下文」，微软 azure-skills 家族（全时段 7.2M）已验证这条路。Neon 值得关注的点是其创建分支数据库（database branching）的玩法与 Agent 的天然契合——按工作区分库的用法大概率在 Skill 里有体现，此点未经原文证实。

ai-video-generation（genmedia-labs/skills，17.3K/日）：与 skills-101 同名对垒的另一个实现。genmedia-labs 仓库 24 小时总量 85.6K、旗下 5+ 个条目，是一个新晋「全家桶」型发布者。两边同名打架的结果尚难判断，但趋势榜把它们并排展示，客观上做了一次 A/B 曝光实验。

paper-context-resolver（lllllllama/rigorpilot-skills，全时段 450.8K）：学术工具链仓库 rigorpilot-skills 的头牌，仓库总安装 1.8M、旗下 4+ 条目。从名字推断用于解析论文上下文引用，与之前周报过的百万安装科研 Skill 同属「学术工程化」赛道——该仓库此前未被本栏覆盖，值得列入下期候选。

安装命令

skills.sh 的统一安装格式为 npx skills add <owner/repo>，兼容 Claude Code、Cursor、Codex、Copilot、Windsurf、Gemini 等 20 个 Agent：

# 本期主拆：orca-cli
npx skills add stablyai/orca

# 本周趋势新面孔
npx skills add flowkit-labs/skills        # reddit-automation
npx skills add neondatabase/agent-skills  # neon-postgres / neon
npx skills add genmedia-labs/skills       # ai-video-generation（同名之二）
npx skills add lllllllama/rigorpilot-skills  # paper-context-resolver

# 生态基础设施（如尚未安装）
npx skills add vercel-labs/skills         # find-skills，全时段榜一 3.2M

推荐排行榜

• 设计质量榜：① orca-cli（反幻觉工程教科书）② mattpocock/skills 的 wait-what/wizard 系列（极简思维工具范式）③ anthropics/skills frontend-design（官方基线）
• 新面孔增长榜：① reddit-automation（16.8K/日）② genmedia-labs ai-video-generation（17.3K/日）③ orca-cli（2.5K/日，增速平稳但质量突出）
• 厂商进场观察榜：① neondatabase（新入场）② microsoft/azure-skills（7.2M 总量，纵深最厚）③ open.feishu.cn（15.1M 总量，单点最强是 lark-doc）
• 最值得追的仓库：① stablyai/orca（工程质量）② lllllllama/rigorpilot-skills（学术赛道空白）③ flowkit-labs/skills（营销自动化空白）

本期结论

本周生态的两个关键词是撞名与专业化。通用名已经被抢完，同名 Skill 并排上榜将成为常态，选型时认仓库品牌比认名字重要；与此同时，真正有生命力的新 Skill 都在往纵深走——orca-cli 用一份 SKILL.md 证明，Skill 竞争的下半场不比功能数量，比的是谁把 Agent 的失败模式预判得更全。它的七条设计模式（排他条款、探测协议、反脑补立法、显式覆盖、检查点汇报、错误恢复表、Next Action 收尾）建议每个想写自己 Skill 的读者全文精读一遍。

mindmap
  root((本周生态 8.31))
    同名混战
      ai-video-generation ×2
        skills-101/superpowers 22.6K/日
        genmedia-labs 17.3K/日
    厂商进场
      neondatabase 双子上榜
      azure-skills 7.2M 纵深
      飞书 lark 15.1M 集群
    设计标杆
      orca-cli
        排他条款
        错误恢复表
        Next Action 收尾
    个人品牌流水线
      mattpocock 21+条同榜
        wait-what
        wizard
        loop-me

参考来源

1. Skills Leaderboard — All Time（skills.sh，2026-08-31 快照） — 全时段安装量榜单与仓库总量数据
2. Trending AI Agent Skills — This Week（skills.sh） — 24 小时趋势榜，本期新面孔与同名混战数据来源
3. stablyai/orca 仓库 skills/orca-cli/SKILL.md 原文（raw.githubusercontent.com） — 主拆解对象的完整文本，全部引用片段出自此文件

[!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。