# 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）：** | 排名 | Skill | 来源仓库 | 安装量 | |---|---|---|---| | 1 | find-skills | vercel-labs/skills | 3.2M | | 2 | grill-me | mattpocock/skills | 1.0M | | 3 | grill-with-docs | mattpocock/skills | 859.2K | | 4 | frontend-design | anthropics/skills | 835.1K | | 5 | improve-codebase-architecture | mattpocock/skills | 826.5K | | 6 | tdd | mattpocock/skills | 799.1K | | 7 | agent-browser | vercel-labs/agent-browser | 754.4K | | 8 | setup-matt-pocock-skills | mattpocock/skills | 736.3K | | 12 | vercel-react-best-practices | vercel-labs/agent-skills | 675.7K | | 13 | lark-doc | open.feishu.cn | 634.3K | **24 小时趋势榜核心变化：** | 趋势排名 | Skill | 仓库 | 24h 安装 | |---|---|---|---| | 1 | ai-video-generation | skills-101/superpowers | 22.6K | | 5 | anti-ui-slop | uizze.com | 18.4K | | 6 | ai-video-generation | genmedia-labs/skills | 17.3K | | 11 | reddit-automation | flowkit-labs/skills | 16.8K | | 36 | wait-what | mattpocock/skills | 5.0K | | 75 | neon-postgres | neondatabase/agent-skills | 2.5K | | 77 | orca-cli | stablyai/orca | 2.5K | 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）： | Skill | 功能完整度(25%) | 设计质量(25%) | 实战效果(20%) | 上手难度(15%) | 社区活跃度(15%) | 加权总分 | |---|---|---|---|---|---|---| | orca-cli（stablyai/orca） | ★★★★★ | ★★★★★ | ★★★★ | ★★★☆ | ★★★☆ | **4.4** | | reddit-automation（flowkit-labs）▲ | ★★★★ | ★★★☆ | ★★★☆ | ★★★★ | ★★★☆ | **3.6** | | neon-postgres（neondatabase）▲ | ★★★★ | ★★★☆ | ★★★☆ | ★★★☆ | ★★★☆ | **3.6** | | ai-video-generation（genmedia-labs）▲ | ★★★★ | ★★★ | ★★★☆ | ★★★☆ | ★★★★ | **3.5** | | paper-context-resolver（rigorpilot-skills）▲ | ★★★☆ | ★★★ | ★★★☆ | ★★★☆ | ★★★☆ | **3.3** | 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： ```bash 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 ```mermaid 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 `，兼容 Claude Code、Cursor、Codex、Copilot、Windsurf、Gemini 等 20 个 Agent： ```bash # 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。 ```mermaid 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）](https://www.skills.sh/) — 全时段安装量榜单与仓库总量数据 2. [Trending AI Agent Skills — This Week（skills.sh）](https://www.skills.sh/trending) — 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）](https://raw.githubusercontent.com/stablyai/orca/main/skills/orca-cli/SKILL.md) — 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。