本期是 Skills 生态周报（第1轮），基于 skills.sh 全量榜（累计安装 1,325,812+ 万级）2026年8月末快照。核心发现有三：其一，grill 家族再添主力 grill-with-docs，以 859.2K 安装冲到总榜第 3，超过 anthropics 官方 frontend-design（835.1K），其设计思路是“先读依赖文档再提问”，把 grill-me 的通用盘问升级为有据可查的设计评审；其二，mattpocock/skills 仓库（885 Star）已有 7 个 Skill 单榜安装破 45 万，形成目前生态中最完整的“个人方法论全家桶”；其三，微软 azure-skills 仓库以 7.2M 累计安装成为企业进场后最大的单一供应商技能包，microsoft-foundry 单技能已达 560.5K。本文对 grill-with-docs 做逐段拆解，同时覆盖 ask-matt、setup-matt-pocock-skills、microsoft-foundry、lark-vc-agent、paper-context-resolver、anti-ui-slop 等榜单新面孔。
| Skill | 作者 | 安装量 | 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 | |---|---|---|---|---|---|---|---| | grill-with-docs | mattpocock | 859.2K | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★★★ | ★★★★☆ | 4.63 | | ask-matt | mattpocock | 465.8K | ★★★★☆ | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★★☆ | 4.20 | | setup-matt-pocock-skills | mattpocock | 736.3K | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★★ | ★★★★☆ | 4.40 | | microsoft-foundry | microsoft | 560.5K | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | ★★★★★ | 4.00 | | lark-vc-agent | open.feishu.cn | 577.2K | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | ★★★★★ | 3.95 | | paper-context-resolver | lllllllama | 450.8K | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ | ★★★☆☆ | 3.85 | | anti-ui-slop | uizze.com | 570.0K | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★★ | ★★★☆☆ | 4.10 |
评分为基于公开安装量、仓库可见信息与 SKILL.md 设计质量的编辑部综合评定，实战效果维度含社区反馈佐证，非实验室实测。
mindmap
root((Skills生态<br/>2026.08末))
需求澄清与评审
grill-me 1.0M
grill-with-docs 859K
grilling 578K
个人方法论全家桶
setup-matt-pocock-skills
tdd 799K
domain-modeling 527K
teach 559K
ask-matt 466K
官方与企业
frontend-design 835K
microsoft azure-skills 7.2M累计
飞书 lark家族 15.1M累计
前端质量
web-design-guidelines 591K
anti-ui-slop 570K
vercel-react-best-practices 676K
浏览器与自动化
agent-browser 754K
视频与多媒体
ai-video-generation 463K
hyperframes 443K
remotion-best-practices 502K
科研
rigorpilot家族 1.8M累计
原版 grill-me（总榜第2，1.0M 安装）的逻辑是：在动手写代码前，一个“主程”角色对你的计划提出尖锐问题，逼你把模糊需求想清楚。grill-with-docs 在同一个骨架上加了一个关键变量：提问前先读文档。官方描述一句话讲清差异——“同样的盘问，但 agent 先读文档，然后才审问你”。
安装量说明这个补丁打对了：上架时间晚于 grill-me，但已冲到 859.2K，把官方 frontend-design 挤到第 4。盘问类工作流里，“基于真实依赖的提问”明显比“通用最佳实践提问”更值钱。
以下引用来自仓库原文（raw.githubusercontent.com/mattpocock/skills/main/grill-with-docs/SKILL.md）。
第一段：frontmatter 的 description——触发词设计的教科书
name: grill-with-docs
description: Use this skill whenever the user wants to design, plan, or spec
out a feature, API, or system — and there are library docs available (doc
files in the repo, links to documentation sites, or bundled references).
Like grill-me but the agent reads the relevant documentation first, so its
questions are grounded in what your actual dependencies can and cannot do.
Use when user asks to "design", "spec", "plan a feature", "write a design
doc", or similar planning-type requests.
这段 description 做了四件事，每件都是可复用的写法模式：
第二段：角色设定——一句话立住人设
# Grill With Docs
You are a principal engineer conducting a design review. You have read the
docs for the user's key dependencies before asking a single question. Your
questions should be grounded in what their actual stack can and cannot do.
三句话完成角色（principal engineer）、行为（conducting a design review）、价值主张（grounded in actual stack）的设定。注意时态设计："You have read the docs before asking a single question" 用完成时把“先读文档”写成既成事实而非建议——这是提示词工程里常见的时态技巧，比“请先读文档再提问”的祈使句约束力更强。
第三段：核心章节标题即行为指令
## Read docs first, then grill
SKILL.md 的章节标题本身就会被模型当作行为序列读。这个标题把整个 Skill 的执行顺序压缩成一句话，模型在长上下文里迷路时，回扫标题即可恢复流程。
第四段：正反例对比——用具体栈替代抽象原则
Your unique value: the questions are grounded in the user's actual
dependencies, not generic best practices. A generic reviewer asks "did you
consider caching?" You ask "your storage layer is Cloudflare KV, and KV is
eventually consistent — your plan says 'read your own writes', is that safe?"
这是全文最值钱的提示词工程段落。它没有说“问题要具体”，而是给出一对最小对照：
作者还加了一句狠话："I will treat generic questions (that any reviewer could ask without reading the docs) as failures."（任何评审者不看文档就能问出的泛泛问题，我都会视为失败）。把“泛泛提问”定义为失败状态，等于给模型装了一个自检器：每次生成问题前先问自己“这个问题是否需要读过文档才能问出”。
flowchart LR
A[用户: 帮我设计X] --> B{仓库里有<br/>依赖文档?}
B -- 无 --> C[退化为通用评审<br/>或提示补文档]
B -- 有 --> D[先读文档<br/>建立事实底座]
D --> E[生成问题前自检:<br/>不看文档能问出吗?]
E -- 能 --> F[丢弃重写]
E -- 不能 --> G[输出基于依赖事实的<br/>尖锐问题]
G --> H[用户回答<br/>计划被逼着变具体]
docs/ 目录、README）；安装命令：
npx skills add mattpocock/skills/grill-with-docs
总榜第 66，465.8K 安装。SKILL.md 开头的 description 同样值得抄：
description: Answering the user's questions using Matt Pocock's knowledge
content. Use when the user asks Matt a question directly, or when a question
is about TypeScript, AI engineering, or building a career as a developer.
Use PROACTIVELY when the user addresses "Matt" by name or when a
persona-switch is detected.
亮点是 "Use PROACTIVELY when... a persona-switch is detected"——显式授权模型在检测到用户点名“Matt”时主动切换人格，这是官方 prompt engineering 指南里“proactive triggering”写法的个人化应用。核心循环是“先搜知识库 → 只用检索到的 chunk 回答 → 追问开放式问题”，并明令 "Never invent content that is not in the chunks"——一个带反幻觉护栏的 persona Skill。设计上属于“个人 IP 基础设施”：作者把自己的课程、推文、视频转成检索语料，粉丝在终端里就能问他问题。短板也明显：效果完全取决于知识库构建质量，且对不认识 Matt 的用户价值骤降。
npx skills add mattpocock/skills/ask-matt
总榜第 8，736.3K 安装，且榜上标注"+3 more from mattpocock/skills"——它是一次性把作者全家桶装进来的引导入口。这与 vercel-labs 的 find-skills（总榜第1，3.2M）构成生态里两类“元 Skill"：find-skills 是搜索引擎（按需发现），setup 是打包安装器（一键订阅某个作者的全部方法论）。元 Skill 层的出现说明 Skills 生态的分发结构正在从“单个 Skill”进化为“作者品牌”——用户装的不再是功能，而是一套工作流的人格包。这和内容行业的“订阅创作者”逻辑同构。
npx skills add mattpocock/skills/setup-matt-pocock-skills
总榜第 41，560.5K。微软 azure-skills 仓库累计安装已达 7.2M（榜单可见的就有 azure-diagnostics 553.8K、azure-messaging 540.9K、azure-compute 494.9K、azure-rbac 486.6K、azure-cloud-migrate 484.9K），是继飞书（15.1M 累计）之后第二大企业供应商技能包。microsoft-foundry 的定位是 Azure AI Foundry 的操作知识：模型部署、endpoint 管理、SDK 用法。设计质量中等——description 偏产品文档化，不如独立开发者的 Skill 那样精细打磨触发词，但胜在覆盖面和官方维护的可靠性。企业进场的标准姿势已经清晰：把自家产品的操作手册做成 Skill，抢占 agent 生态的“默认供应商”心智。
npx skills add microsoft/azure-skills/microsoft-foundry
总榜第 39，577.2K。飞书家族在 skills.sh 上累计 15.1M 安装，是生态里体量最大的单一供应商。lark-vc-agent 负责视频会议场景（预约、纪要、日程联动），与其余 20+ 个 lark-* Skill 组成“把飞书全套 SaaS 操作教给 agent”的矩阵。对国内用户是刚需，缺点是强绑定飞书生态，且需要配置应用凭证，上手成本在本次评测表中偏高。
npx skills add open.feishu.cn/lark-vc-agent
总榜第 73，450.8K，来自 rigorpilot-skills 仓库（累计 1.8M）。功能是在读论文时自动解析引用上下文——论文里的 "[12]" 到底指哪篇、和方法的关系是什么，agent 自动拉取并注入上下文。科研自动化是本月增长最快的赛道之一，与上月"百万安装科研 Skill"周报中该家族的整体走势一致。适合文献综述和复现论文的开发者，短板是依赖学术 API 的可用性。
npx skills add lllllllama/rigorpilot-skills/paper-context-resolver
总榜第 40，570.0K。定位是生成 UI 时拦截“AI 味”输出：紫渐变、卡片堆砌、emoji 滥用、千篇一律的 hero section。与 vercel 的 web-design-guidelines（591.4K）构成互补——后者教“什么是好设计”，anti-ui-slop 管“什么是不能踩的雷”。上手零配置，装完即生效于一切前端生成任务。
npx skills add uizze.com/anti-ui-slop
按设计质量（SKILL.md 值得逐行学的）： 1. grill-with-docs —— 正反例对照 + 失败定义 + 家族锚定，三件套齐全 2. ask-matt —— proactive triggering 与反幻觉护栏的个人化应用 3. anti-ui-slop —— 负面清单型 description 的标杆
按上手即用（零配置）： 1. anti-ui-slop 2. grill-with-docs 3. setup-matt-pocock-skills
按团队采用价值： 1. microsoft-foundry（Azure 技术栈团队） 2. lark-vc-agent（飞书协作用户） 3. paper-context-resolver（科研团队）
生态信号：企业供应商（微软 7.2M、飞书 15.1M）合计体量已是个人开发者的数倍，但总榜 Top 10 仍由个人作者（mattpocock 2.8M、vercel-labs）与官方（anthropics）占据——设计精细度仍是个人 Skill 的护城河。
[!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。