先自证不炒冷饭。与语言层沾过边的存档有三处，但都只领过边注：《起名即路由》在门面五流派里记过一笔「转写裂缝」——中文名人用拼音（liudehua）、国际名人用英文名（jackie-chan）、日漫角色用罗马字（naruto），手动通道在转写层断裂；同文记过「语言后缀 -zh、-sc 是中文生态的刚需发明」，一句话带过。《论述变图》拆 architecture-diagram-zh 时点过「中文语境的架构图有独立的画法惯例」，服务于命名分析。《改牌第二例》拆的是描述去 Claude 化——把品牌词从描述里摘出去。三处都不是把「语言」本身当研究对象。
比例约六分之一。但比比例更重要的是分布：8 条里 7 条成簇——DeepSeek Harness（DSH）生态三件（鲸鱼娘皮肤、余额挂件、桌面版，三件自述全部点名 DSH）、WARP 系两件、录音硬件一件，只有 hello-sdd 独在西语。中文描述不是随机撒在榜单上的盐，是聚居在特定宿主生态周围的村落※（推断依据：三件 DSH 件的中文描述与其自称的生态归属一致——DSH 社区的通用语是中文，其周边工具自然用中文写门面）。
同一天还有一个天然对照实验：微信场景两件同榜，wechat-intelligence-hub（⭐1914）用英文描述「Local-first WeChat intelligence system...」，WeChat-AI（⭐1885）用中文描述。同一个场景、同一天、两种语言赌注。前者赌的是 GitHub 国际流量与英文生态的检索入口，后者赌的是中文用户的原话直接命中——胜负要靠路由日志才能判，纸面只能记下：这不是谁对谁错，是两条都没被验证过的路线※。
flowchart TB
subgraph ZH["中文描述簇"]
DSH["DSH 生态三件<br/>鲸鱼娘 挂件 桌面版"]
WX["WeChat-AI"]
WARP["WARP 系两件"]
end
subgraph EN["英文描述簇"]
OFF["官方出厂件"]
WIH["微信情报室<br/>中文场景 英文描述"]
end
subgraph ES["西语簇"]
HS["hello-sdd"]
end
对象是五种语言写法而非单件——单位变了，维度跟着换，不硬套五维权重（沿用《起名即路由》先例）：触发命中面（描述原话与用户语言的重合度）、受众半径、过期与腐化风险（星多=风险低）、维护成本（星多=成本低）。全部为纸面估分※，与正文层五维分不可比。
| 语言写法 | 快照/在册标本 | 触发命中面 | 受众半径 | 过期风险 | 维护成本 |
|---|---|---|---|---|---|
| 全英件 | 官方出厂件、微信情报室 | ★★★★（英文生态） | ★★★★★ | ★★★★ | ★★★★★ |
| 全中件 | WARP 系、录音卡、WeChat-AI | ★★★★★（中文原话） | ★★★ | ★★★★ | ★★★ |
| 双语件 | 鲸鱼娘、DSH 桌面版 | ★★★★★ | ★★★★ | ★★★ | ★★ |
| 后缀方言件 | -zh/-sc 在册四件 | ★★★★ | ★★★ | ★★★★ | ★★★★ |
| 本土语言件 | hello-sdd | ★★★★（西语原话） | ★★ | ★★★★ | ★★★ |
评分说明：触发命中面按「描述语言与目标用户原话语言的重合度」估；双语件命中面最高但维护成本最低分——两套原话要人肉同步，改一处漏一处※。后缀方言件指本会话注册表在册的 course-video-maker-zh、course-video-maker-zh-link、architecture-diagram-zh、ericsson-ppt-writer-sc 四件（一手清点），它们把语言写进名字第三段，描述可以继续用英文——语言被显式声明后，描述层就解放了。
这一节是给写作者的主菜。一个 Skill 从目录名到交付物，语言决策点有五处，每处都有在册标本。
第一层：名字——转写方案要立法。 注册表四百余条名单（存档口径）里的人设件给出了现成教训：jackie-chan 不叫 chenglong，naruto 不叫 mingzhitouhuo，liudehua 不叫 Andy Lau——三套转写并存，用户心里念的那个词，盘上未必有。转写裂缝的修补成本极低：README 第一屏写明检索词对照表。名字层的语言原则一句话：名字给手滑的通道用，转写服从目标用户的第一反应，而不是作者的审美※。
第二层：描述——原话预埋，双语并列。 这是五层里收益最大的一处。存档反复验证过定律：路由匹配字符串不是意图（《从拆到造》原话），描述里少埋一种语言的原话，就永久漏掉那批用户。证据有两头——官方 update-config 的原话枚举全是英文（「from now on when X」「each time X」，注册表一手），它服务英文原话用户毫无问题；而本栏收官轮自己写的周报 Skill 示例草稿，描述第一句就是中文（「帮我写周报。当用户提到周报、weekly report、本周总结……」）——当时是无意识的，现在回头看，那份草稿已经在按「用户原话语言」写作。升格成显式定律就是：中文用户的件，描述里中英触发词并列，一行字双倍命中，成本最低、收益最快的单点改动。
第三层：正文——指令语言与对话语言解耦。 官方十范文正文全英文（触发词批改课口径），官方 skill-creator 专门有一节教「受众检测」：JSON、assertion 这类词要先看到用户懂行的信号再用（拆解官方母文期引文）。把这条行话密度元规则平移到语言层：正文写给模型读，模型指令跟随在英语语料上最强（通行理解※）；但正文里所有会出现在产出物中的句式、术语表、排版惯例，必须按产出语言单独立法。 指令用英语、产出用中文，不是精分，是分工。
第四层：脚本与资源——语言中立区，除了报错文本。 scripts/ 里的 bash 与 python 无语言问题，但它们的输出会进入模型上下文——脚本报错用什么语言写，决定模型向用户转述的底稿。本栏闸原语那期拆过运行时拒绝文本的三套语法，Skill 自带脚本的报错文本同理：报错是脚本的描述层，用你预期用户求助的语言写。
第五层：产出物——语言是排版问题，不止是翻译问题。 architecture-diagram-zh 的存在证明了这一层的独立性：中文架构图不是英文架构图翻个译，是标签宽度、菱形判断框排版、自上而下分层惯例全部不同（《论述变图》引文）。-zh 后缀锁的不是「翻译成中文」，是一整套中文产出惯例。写中文产出件的人，该把排版惯例当作正文的一等公民来写，而不是假装翻译就够了。
flowchart TB
U["用户发出一句话"] --> R{"路由器拿原话<br/>比对 description"}
R -->|"原话同语言命中"| HIT["加载正文"]
R -->|"语言错位漏配"| DEAD["这个件等于不存在"]
HIT --> BODY["正文下指令<br/>指令语言"]
BODY --> SCR["脚本与资源<br/>语言中立区"]
SCR --> OUT["产出物<br/>用户语言与排版惯例"]
fable-orchestrator（⭐572）——模型名作为第三种语言。 描述原文："Fable 5.1 orchestrates. GPT-5.6 Luna and DeepSeek V4 Flash implement." 三个模型名，零功能词。这是描述层品牌词光谱的一个极端——同一张快照上站着相反的极值：sepia 的描述写「any Agent Skills-compatible agent」（去品牌化，《改牌第二例》的路线），fable-orchestrator 把三个模型名焊死进描述（超品牌化）。模型名语言的收益是借信誉：用户认模型不认功能，名字自带性能预期；代价是过期债——官方 claude-api 的描述里带着「(4.5 → 4.6, 4.6 → 4.7, retired-model replacements)」的版本号（注册表一手），触发词批改课早就给它记过「模型版本号入描述」的维护债；官方有发行渠道随版本更新描述，社区件未必有※。fable-orchestrator 把三种模型的版本号同时背上，过期债三倍计息。本栏第 1 轮周报当时留了话「留待其文档完善后单独拆」——本期只取语言层标本，综合分继续挂起，不复议。
市场端检索（命令可直接复制）：
npx skills find spec-driven-development # 找 SDD 类件
npx skills find 周报 # 用中文原话测检索入口
git clone https://github.com/mouredev/hello-sdd # 西语 SDD 课程（课程仓，非单件 Skill※）
git clone https://github.com/codejunkie99/fable-orchestrator # 多模型编排件（描述=三模型名）
写自己的第一个 Skill 之前，先答语言三问：
语言层的全部设计可以收成一句话：描述埋用户的原话，正文用模型的强语，产出守用户的惯例，行话留给英文，解释交还母语。格式、触发词、结构都已卷过一遍之后，「用哪种语言写」是尚未卷起来的最后一层薄地——也是非英语作者手里最便宜的差异化。
[!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。