装机端完全相反：它是生态的“已实现需求”。榜单上的星数是注意力投票，装到机器上的技能是使用投票——用户真装了什么，比谁在冲榜诚实得多。而两者的落差本身就是新闻：榜单前十里没有一件人设类，装机端三分之二是人设类。这个信息不对称意味着，Skill 生态存在一个几乎不被公开讨论、却撑起真实装机量的大类。
还有一个技术性原因让这次普查恰好可行：本会话注册表是完整快照，工具件的触发描述大多可见，人设件以名字形态可见——名字本身就是数据。命名规约、IP 聚簇、版本策略，这些市场侧要进仓库才能验证的东西，装机端看名字就能读出一半。
清点口径先交代：本会话注册表快照共约 390 件；另有约 10 件名字无法辨识归属（mashike、guailing、rongma、tangjing、shiyi 等），不计入任何桶；人名辨识取保守值，误差±几件，不影响结构判断。可归类的约 380 件分布如下：
| 类别 | 件数（约） | 代表样本 |
|---|---|---|
| 名人真身：演员/导演/歌手/主持/体育/企业家/作家/学者 | 85 | 周星驰、王家卫、王菲、雷军、任正非、鲁迅、刘慈欣、罗翔、张雪峰 |
| 国产剧与情景喜剧角色 | 55 | 甄嬛、华妃、白展堂、佟湘玉、高启强、安欣、苏大强、侯亮平 |
| 日漫/欧美动漫角色 | 35 | 路飞、鸣人、炭治郎、五条悟、柯南、哆啦A梦、樱木花道 |
| 武侠/仙侠/古偶角色 | 25 | 郭靖、杨过、魏无羡、蓝忘机、范闲、梅长苏、东方青苍 |
| 童年动画/国漫角色 | 25 | 葫芦娃七件、喜羊羊与灰太狼六件、熊大熊二光头强、哪吒 |
| 四大名著与历史人物 | 20 | 曹操、诸葛亮、林黛玉、王熙凤、武松、鲁智深、和珅 |
| 人设件小计 | ≈245 | 占可归类样本约 64% |
| 工具与领域件 | 135 | pptx 系五件、security 三件、telecom 三件、3GPP 三件、pcap 三件、部署四单兵 |
几个名字层面就能确认的硬观察：
IP 宇宙是真实现象，不是巧合。 葫芦娃恰好七件（huluwadawa 到 huluwa-qiwa，一个娃不少）；武林外传四件（白展堂、佟湘玉、郭芙蓉、吕秀才）；狂飙三件（高启强、高启盛、安欣）；灌篮高手三件（樱木、流川枫、三井）；火影三件（鸣人、佐助、卡卡西）；西游系五件（唐僧、八戒、沙僧、孙悟空调谍版、六小龄童本人）；三国五件；红楼三件；水浒四件。“周星驰宇宙”横跨真身与角色：周星驰本人、至尊宝、紫霞各占一件。这不是随机分布，是按 IP 成套收集。
版本策略暴露两种物种。 工具件有清晰的迭代痕迹：ericsson-ppt-writer 有 -sc 和 -v2 两个变体，course-video-maker 有 -zh 和 -link 变体，continuous-learning-v2 带 版本号。人设件 245 个里没有一件有版本号。工具按迭代逻辑进化，人设按收藏逻辑增殖——前者是新版本替换旧版本，后者是新增一个角色、绝不覆盖旧角色。
后缀规约近乎强制。 人设件几乎 100% 以 -skill 结尾，工具件反而混杂（pptx 无后缀、github-actions-skill 有后缀）。一个合理的推断是：人设件来自批量生成的同一源头或同一习惯，工具件来自多个独立作者。
描述栏的观察要谨慎。 注册表快照里，工具件普遍带触发描述（deep-research、update-config 等的描述完整可见），人设件只见名字、无描述文本。按官方 skill-creator 的加载模型，这意味着人设件大概率走 user-invoked 路线（用户点名召唤，零常驻上下文成本）——无意中做对了 writing-great-skills 那笔会计账。需要标注：快照无法判断这些件是标准 SKILL.md 还是宿主侧扩展注册，此判断止步于“形态观察”。但可以算一笔反事实的账：若 245 件人设件各带 100 词描述平铺注册，按官方加载模型就是约 24,500 词的常驻租约——是 headcount 12,500 词名册账的两倍。人设赛道的规模一旦被搬进市场侧的 headcount 式结构，第一件事就该是抄 headcount 的部门路由。
mindmap
root((装机390件<br/>实测分布))
人设件 约245件 64%
名人真身85件
雷军 任正非 鲁迅<br/>刘慈欣 罗翔
国产剧角色55件
葫芦娃恰好七件<br/>武林外传四件
狂飙三件 甄嬛传两件
动漫35件 武侠仙侠25件
童年动画25件 名著历史20件
无版本号 无可见描述<br/>收藏逻辑 user-invoked
工具件 约135件
幻灯片入口11件以上<br/>ericsson三版本
security三件 pcap三件
3GPP与telecom六件<br/>部署四单兵
有版本号 有触发描述<br/>迭代逻辑 model-invoked
| 对象（层级） | 功能 25% | 设计 25% | 实战 20% | 上手 15% | 社区 15% | 加权 |
|---|---|---|---|---|---|---|
| dsh-deep-whale（皮肤层）▲ | ★★★ | ★★★★ | ★★★（待验证） | ★★★★★ | ★★★★ | 3.7 |
| WeChat-AI（服务层）▲ | ★★★★ | ★★★ | ★★★（待验证） | ★★★ | ★★★★ | 3.4 |
| MatrAIx-Persona-8B（模型层）▲ | ★★★ | ★★★★ | ★★（待验证） | ★★ | ★★★ | 2.9 |
| fable51-worlds（世界层·边缘）▲ | ★★★ | ★★★★ | ★★（待验证） | ★★★ | ★★ | 2.9 |
| 本机人设层（提示层·整体）◇ | ★★ | ★★ | ★★★ | ★★★★★ | — | 2.4 |
▲ 全部为描述级估分：四件仓库的正文均未取得，实战格按“无社区反馈佐证”保守给。◇ 人设层是整体评级而非单件分，社区格不适用；单件薄、无验收机制，但上手成本为零。权重为本栏固定口径（25/25/20/15/15），上手分越高越容易。
把本机人设层当一件“作品”来评，它的功能分给得低，因为它几乎不具备工程意义上的功能承诺：没有验收标准、没有验证回路、没有输出契约——对照 scroll-craft 的截图自证和 reverify 的工具裁决，人设件在工程维度上是生态的最底层。但它的实战格没有给更低，理由是装机量本身就是反馈：245 件被真实安装在机器上，情绪价值是可复购的需求，这跟工具件“装了未必用”的收藏夹行为不同。
它真正的价值是反面教材库，三条教训都是市场侧新星直接可抄的：
教训一：无描述等于自愿退出模型触发。 sepia 当面示范过描述层的四个可抄动作（能力宣言、学术背书、括号边界、同义词全给），人设件走向另一个极端——描述栏整体沉默。这保障了上下文账本（零常驻成本），但代价是模型永远不会主动想到它们。合理的推测是作者们根本没打算让模型触发：召唤一个“周星驰”本来就该是人explicit的动作。但这不是全部人设件的未来——一旦有人给 245 件补上结构化描述加部门路由，装机端的触发体验会和今天彻底不同，这是这个赛道最大的改进空位。
教训二：收藏逻辑没有修剪机制。 工具件有版本替换，人设件只增不减。245 件的规模下，“同一个 IP 收集了七个葫芦娃”没问题（那是完整性），但“幻灯片入口 11 个以上”（本次清点口径，与 09-03 期的 12 个一致）就是检索税了。工具件需要 headcount 式的两级触发，人设件需要的是一套去重规约——同 IP 多角色用 ip:character 命名法（比如 huluwa:erwa）可以在名字层面省掉一半歧义。
教训三：人设件是提示词时代遗产的直接迁移。 它们的形态本质上是 ChatGPT 时代的"act as"提示词换了分发容器。迁移本身不是问题，问题是从未升级：旧提示词没有 Skill 时代的工程件（安全边界、校准刻度、输出契约）。对照 sepia 的 Security boundary 一节——人设件面对的注入风险模式完全相同（用户输入的角色对话里同样可以埋指令），却几乎无人处理。这是人设件作者群体和工程件作者群体之间真实的素养断层。
皮肤层：dsh-deep-whale——四日 +3.0% 的留存型曲线。 描述原文："Whale Girl skin series for DeepSeek Harness. 适用于 DeepSeek Harness 的，鲸鱼娘系列皮肤。"09-03 期新星首发一文给它下过判词：“慢但三期为正，符合存量用户留存型”。第四个数据点（1906）验证了这个判断——它不冲榜，但每个快照都在涨，这是消费级表达层产品最健康的曲线形态。双语描述与今日 r5 期拆 codex-host 时观察到的信号一致：Harness 改装层的中文供给正在前移。它的上限也和所有皮肤层一样：依附宿主，宿主换主题系统就重写。
服务层：WeChat-AI——把角色扮演做成自托管服务。 描述原文只有一句："WeChat AI - 自托管微信角色扮演对话服务”。四个词组读出整个商业模式：自托管（数据不出门）、微信（国民级入口）、角色扮演（人设经济变现的最后一米）、对话服务（持续运行而非单次调用）。功能格四星是四件里最高的——它是唯一打通“真实聊天入口”的层级。但它的风险也最实：微信对第三方接入的容忍度是悬顶之剑，同日 HN 首页那条"Google Antigravity TOS: 3rd party usage can get Google account suspended"（277 分）是平台 ToS 风险的同期注脚。0.75% 的四日增速偏低，可能正反映了观望情绪。
模型层：MatrAIx-Persona-8B——"Simulate Before Reality"。 四期曲线 1712→1797，四日 +5.0%，三件里增速最快。slogan 只有一句，但定位极其聪明：不做通用模型，专做“人格模拟”底座——上面三层的角色扮演要逼真，最终拼的是底座模型像不像人。09-01 存档（变现半场专栏）拆过它：8B 规模跑虚拟焦点小组，成本可能是闭源 API 的几十分之一。本期把它接回角色扮演栈，结论互补：提示层管“演谁”，皮肤层管“像谁”，服务层管“在哪演”，模型层管“演得像不像”——四层共同承认同一个前提：角色扮演的需求大到值得一层专用模型。
世界层（边缘样本）：fable51-worlds。 377 星，描述"worlds via code, from fable 5.1"。机制隐喻干净——世界通过代码生成，而不是通过提示词扮演。它暗示了角色扮演的下一站：单角色 → 多角色（headcount 的公司）→ 世界（有规则、有场景、可编程的沙盘）。星数尚小，列边缘观察。
flowchart TD
A["提示层：人设 SKILL.md<br/>本机约245件 · user-invoked · 零上下文成本"] -->|"演谁"| B["皮肤层：Harness 换肤<br/>dsh-deep-whale 1906星 · 四日+3.0%"]
B -->|"在哪演"| C["服务层：自托管对话服务<br/>WeChat-AI 1877星 · 微信ToS是悬顶之剑"]
C -->|"演得像不像"| D["模型层：人格模拟底座<br/>MatrAIx-Persona-8B 1797星 · 四日+5.0%"]
D -.->|"下一站：世界层"| E["fable51-worlds 377星<br/>worlds via code"]
style A fill:#f5f0e8
四件 GitHub 样本均未确认标准 Skill 形态分发，以下命令只到“取回仓库”为止，装前务必先读各自 README 核对安装形态与合规边界：
# 皮肤层：dsh-deep-whale（DeepSeek Harness 鲸鱼娘皮肤，确认宿主版本兼容）
git clone --depth 1 https://github.com/Small-tailqwq/dsh-deep-whale
# 服务层：WeChat-AI（自托管微信角色扮演服务，TypeScript；部署前先评估平台 ToS 风险）
git clone --depth 1 https://github.com/SMNETSTUDIO/WeChat-AI
# 模型层：MatrAIx-Persona-8B（8B 人格模拟模型，Python，本地部署需自备 GPU 资源）
git clone --depth 1 https://github.com/MatrAIx-ai/MatrAIx-Persona-8B
# 世界层：fable51-worlds（边缘观察，377 星）
git clone --depth 1 https://github.com/PhiloLabs/fable51-worlds
提示层（人设件）不提供安装命令：装机端样本来自既有环境，且人设件普遍无公开仓库可考。想验证本文普查结论，成本为零——在自己的 Claude Code 会话里展开技能注册表数一遍即可；如果你的装机分布和本机差异巨大，欢迎按本文口径清点后对比，那本身就是新数据。
[!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。