本期是 Skills 生态拆解第 4 轮，聚焦一个此前从未覆盖、但需求极其普遍的赛道：内容复用（content repurposing）——把一篇长文、一期播客、一场直播，拆成 X 帖、LinkedIn 长文、小红书卡片、信息图和 Newsletter。我们通过 skillsmp.com 的搜索接口定位候选，再抓取 raw.githubusercontent.com 上的 SKILL.md 原文逐段分析，最终选出 5 个覆盖流水线不同环节的 Skill：content-engine（复用编排）、social（最完整的复用系统）、baoyu-infographic 与 baoyu-xhs-images（文字转图两大变体）、summarize（转写上游）。核心发现有三：一是 SKILL.md 的 description 写法已分化成「触发词轰炸」与「能力卖点」两大流派；二是图像类 Skill 独创了「prompt 文件先行」的可复现设计；三是「播客转文章」至今没有一个端到端 Skill，是生态明显的空位。
| Skill | 仓库 | 流水线角色 | 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 |
|---|---|---|---|---|---|---|---|---|
| baoyu-infographic | JimLiu/baoyu-skills | 文字→信息图 | 4.5 | 5 | 4 | 3.5 | 4.5 | 4.38 |
| content-engine | affaan-m/ECC | 复用编排中枢 | 4 | 5 | 4 | 4.5 | 4 | 4.33 |
| baoyu-xhs-images | JimLiu/baoyu-skills | 文字→系列卡片 | 4 | 4.5 | 4 | 3.5 | 4.5 | 4.13 |
| social | coreyhaines31/marketingskills | 复用全系统 | 5 | 4 | 3.5 | 3.5 | 3.5 | 4.00 |
| summarize | openclaw/openclaw | 转写上游 | 3.5 | 4 | 4 | 3 | 4.5 | 3.80 |
数据说明：社区活跃度依据 skillsmp.com 收录的仓库 star 数（content-engine 所在仓库约 24.5 万、openclaw 约 38.8 万、marketingskills 约 4.6 万、baoyu-skills 约 2.5 万，据 skillsmp API 返回，为 star 数而非安装量）；加权分为各维度按权重折算。
五个 Skill 并非互斥，正好覆盖一条流水线的三段：
flowchart LR
A[源素材<br/>文章/播客/视频/备忘] --> B[summarize<br/>转写+摘要]
B --> C[拆解编排层]
C --> C1[content-engine<br/>原子化+平台适配]
C --> C2[social<br/>content atoms+日历]
C1 --> D[成品层]
C2 --> D
D --> D1[X帖/LinkedIn/Newsletter]
D --> D2[短视频脚本+播客切片]
D --> E[配图层]
E --> E1[baoyu-infographic<br/>单张高密度大图]
E --> E2[baoyu-xhs-images<br/>1-10张系列卡片]
E1 --> F[小红书/微信图文/官网]
E2 --> F
定位：affaan-m 的 ECC 仓库里的内容引擎，description 用标准两段式——先说能力（"Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns"），再给触发条件（"Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms"）。
亮点在「复用流程」的可执行化。SKILL.md 原文只有 7 行，每行都是一个动作而非一句口号：
## Repurposing Flow
1. Pick the anchor asset.
2. Extract 3 to 7 atomic claims or scenes.
3. Rank them by sharpness, novelty, and proof.
4. Assign one strong idea per output.
5. Adapt structure for each platform.
6. Strip platform-shaped filler.
7. Run the quality gate.
这是教科书级的提示词工程：限定原子数量（3 到 7 条，防止贪多）、给出排序标准（尖锐度、新颖度、证据力）、明确「一图一意」原则。此外它设了 Hard Bans 黑名单段，直接列出禁用句式——"In today's rapidly evolving landscape"、"game-changer"、LinkedIn 式钓鱼提问——把「去 AI 味」从模糊要求变成可检查的禁令清单。交付前还有 Quality Gate 检查表逐条验收。
短板：纯指令型单文件，无脚本无模板资源，全靠模型自觉执行；平台适配规则每平台只有 3-5 行，深度场景不够用；它通过名字引用同仓库的 brand-voice、crosspost、x-api 三个兄弟 Skill，单独安装会缺声音建模那一环。
安装：
npx skills add affaan-m/ECC
定位：coreyhaines31 的 marketingskills 仓库中的 social Skill（v2.2.0），单文件约 500 行外加 7 个 references 文件，是本期功能覆盖最全的一个——从 Hook 公式、内容支柱到日历、互动策略、数据分析一应俱全。
最值钱的是 Podcast 复用工作流，这是本次调研中唯一把「播客转社媒」写到可落地程度的 Skill：
**Podcast repurposing workflow:**
1. **Get transcript** — use Whisper, Descript, or your podcast host's transcription
2. **Mark timestamps** — flag the 5-10 best moments
3. **Extract clips**
4. **Write standalone captions** — each clip needs context
5. **Add subtitles**
6. **Schedule across 1-2 weeks**
**Per episode, aim for:**
- 3-5 short video clips or audiograms (15-60 sec)
- 1-2 LinkedIn text posts from key insights
- 1 Twitter/X thread of takeaways
- 1 carousel summarizing the main framework or list
- 1 newsletter section or blog post from the best segment
注意最后的产出配额：每期播客固定产出 3-5 条切片、1-2 条 LinkedIn 帖、1 条推文串、1 张轮播图、1 段 Newsletter——把模糊的「多发几条」变成可量化验收的交付清单。它还提出 content atoms 抽象：把长内容拆成金句、故事弧、实操技巧、争议观点、数据亮点、幕后花絮六类原子，每类标注适配平台。
设计上值得学的：渐进式披露做得标准——SKILL.md 只留指针，平台限制、帖子模板、轮播框架全部下沉到 references/*.md，按需加载。description 里显式写"For broader content strategy, see content-strategy. For paid ads, see ad-creative"，用描述做 Skill 间路由。
短板：体量即成本，单次加载 token 消耗高；hook 公式营销话术浓度偏高；纯方法论无执行脚本。
安装：
npx skills add coreyhaines31/marketingskills
定位：宝玉（JimLiu/baoyu-skills）的转图旗舰，版本号已迭代到 1.57.1，被 NousResearch 的 hermes-agent 项目收录镜像——一个中文生态的 Skill 被主流 agent 项目吸收，这本身就是信号。
frontmatter 是「能力卖点派」的范本：
description: Generate professional infographics with 21 layout types and 21 visual
styles. Analyzes content, recommends layout×style combinations, and generates
publication-ready infographics. Use when user asks to create "infographic", "信息图",
"visual summary", "可视化", or "高密度信息大图".
version: 1.57.1
三个设计点：数字卖点前置（21×21）、中英双语触发词（中文用户说「信息图」「可视化」也能命中）、语义化版本号。正文核心机制一句话讲透：layout 管信息结构、style 管视觉美学，两维正交、任意组合，bento-grid 和 craft-handmade 分别是默认值。
最独特的是 prompt 文件先行：生成前强制把提示词存档到 prompts/NN-{type}-[slug].md。这带来两个好处——可复现（同样内容重跑不重写提示词）、可换后端（换图像模型不必重新构造 prompt）。配套的还有参考图三用法（direct/style/palette 三种引用方式记入 frontmatter）和默认确认后才生成的 Confirmation Policy。
短板：它是「编排层」而非「生成层」——Claude Code 没有原生图像工具时，需另配图像后端（或安装同仓库的 baoyu-imagine），SKILL.md 中相当篇幅花在跨运行时（Claude/Codex/Cursor/Hermes/OpenClaw）的后端解析优先级链上，出图质量最终受后端模型能力制约。
安装：
npx skills add JimLiu/baoyu-skills
定位：与 infographic 同仓库同引擎（v2.0.1），但产品逻辑完全不同：infographic 产出单张高密度大图，xhs-images 把内容拆成 1-10 张系列卡片，专攻小红书、小绿书、微信图文的滑动叙事场景，规格为 12 风格 × 8 布局 × 3 配色。
它的 frontmatter 触发词表是中文社媒场景覆盖最全的：「小红书图片」「小红书种草」「小绿书」「微信图文」「微信贴图」全部命中，外加英文的 "image cards"。系列卡片的核心挑战是叙事拆分——一张图讲一个原子观点、卡片之间有翻页逻辑——这正是第 2 节 social 的 content atoms 思想在图像侧的对应物。两者搭配（social 拆原子 → xhs-images 出卡片）是目前中文内容矩阵最顺滑的组合。
短板：本次抓取的正文在后端适配段被截断，卡片拆分算法的细节未能完全确认；同样依赖外部图像后端；英文场景的触发词与审美调性不如专门的英文向 Skill。
安装：与 infographic 同仓库，装 baoyu-skills 后按需调用即可。
定位：OpenClaw 官方 Skill 集（skills/summarize），本质是 summarize CLI 的使用说明书，覆盖 URL、YouTube/视频、播客、PDF、本地文件的转写与摘要，"podcast to article" 搜索下的第一位结果。
它真正的价值在 frontmatter 的依赖声明：
metadata:
openclaw:
requires: { "bins": ["summarize"] }
install:
- { "id": "brew", "kind": "brew", "formula": "steipete/tap/summarize",
"bins": ["summarize"], "label": "Install summarize (brew)" }
在 metadata 里直接声明二进制依赖（requires.bins）和安装方式（install 数组），让 agent 能自检缺什么、并按声明自动安装——Claude Code 生态目前没有对应标准，这可能是 Skill 依赖管理的演化方向。正文里还有一条实用的分步策略：用户要转录但内容巨大时，先给紧凑摘要，再问要展开哪一段/哪个时间范围。
短板：只做到「转写+摘要」，没有「转成文章」的结构化改写步骤，必须与写作类 Skill 串联；强依赖 brew 安装的外部 CLI（steipete/tap/summarize），无 brew 的环境（部分 Windows/Linux）上手成本陡增。
安装：
npx skills add openclaw/openclaw
把 5 个 Skill 的 frontmatter 放在一起，能清晰看到生态已分化出两种 description 哲学：
| 维度 | 能力卖点派（宝玉系） | 触发词轰炸派（marketingskills 系） |
|---|---|---|
| 结构 | 能力+数字卖点+少量中英触发词 | 200 词超长描述，罗列 30+ 触发短语 |
| 触发精度 | 高（触发词少而准，误触发少） | 广（口语化短语都能命中，召回率高） |
| 生态路由 | 无 | 显式写 "For X, see Y" 给兄弟 Skill 导流 |
| 适用场景 | 单一功能、头部 Skill | 套件型仓库，多 Skill 分流 |
给你的建议：写独立 Skill 学宝玉——description 前 30 词必须包含能力数字（"21 layouts × 21 styles"）和双语触发词；写 Skill 套件学 marketingskills——每个成员的 description 里显式声明边界，把不属于自己的一句话请求路由给邻居，避免套件内抢触发。
另一个跨流派共识值得抄：把交付标准写成数量。content-engine 限「3 到 7 条原子」，social 定「每期 3-5 条切片 + 1 条推文串」，baoyu 系定「1-10 张卡片」——数量约束是所有高分 Skill 共同的提示词技巧，它同时压制了模型的贪多倾向和偷懒倾向。
metadata.requires.bins 声明式依赖，可能是 Skill 包管理的前身。本次调研最重要的负面发现：「播客/视频 → 成品文章」至今没有一个单 Skill 覆盖。现成方案是三段拼接——summarize 转写、social/content-engine 拆原子、写作类 Skill 成文——中间的「转录稿结构化改写」（去口水词、补上下文、重排叙事线）恰好落在三个 Skill 的能力缝隙里。搜到的 linkedin-content（alirezarezvani/claude-skills）提出了 "reuse ledger"（复用台账，记录每条原子已被用在哪篇产出里，防止自我重复）概念，但同样止步于文字侧。谁能把「转录稿 → 结构化长文」这一环做扎实，谁就补上了这条流水线最明显的缺口。
.agents/skills/content-engine/） — content-engine 复用流程与 Hard Bans 段引用skills/social/SKILL.md） — 播客复用工作流与 content atoms 原文引用skills/baoyu-infographic/ 与 skills/baoyu-xhs-images/SKILL.md） — frontmatter、布局×风格机制与 prompt 存档机制引用skills/summarize/SKILL.md） — 依赖声明 metadata 与转写策略引用[!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。