Skills 生态周报 · 本轮首拆：本期盯住 9 月 8 日至 11 日新架榜的一个集体信号——「可测量」。当周最猛的一批新 Skill 不约而同在做同一件事：把 Agent 的产出质量从「感觉不错」变成「拿数据验收」。主拆对象是中文社区的 lieflat-gongwen：一个声称用 102 万字语料把公文写作风格变成「可测量、可验收的量化数据」的 Skill。横评另带五件：无描述却三日涨 432 星的 ffmpeg-skill、Markdown 即真相的 agent-memory、接真实 GSC/GA4 数据的 SEO 套装、往会议里扔梗图的 itsgiving，以及官方新架的电商代理蓝图 commerce-agents。

一、榜单动态：三日轨迹与三个信号

三个信号值得展开：

信号一：「可测量」写进了当周最强新架的自我描述。 9-08 新架榜第一 sapientinc/PRAXIST（6782 星）的描述是「Autonomous research system for measurable, computer-executable research」；主拆对象 lieflat-gongwen 的描述是「把公文写作风格变成可测量、可验收的量化数据」；open-seo-mcp-skills 强调跑在「your real GSC/GA4/ads data」上；agent-memory 把「plain Markdown as the source of truth」当卖点。四个互不相干的作者，在同一个礼拜选择了同一种自我辩护方式：别信我的感觉，信可以检查的凭据。这与生态早前「输出纪律层」（禁令清单式）的进路不同——纪律约束的是「不许做什么」，验收单约束的是「做成了什么样子」。

信号二：无描述的黑马。 ffmpeg-skill 三天 +432 星，是本期绝对增量第二、非官方仓库第一，但它的仓库描述在三个快照里始终是空的。一个不写一句话简介的 Skill 冲到 950 星，说明它的传播完全依赖外部渠道（社区转发、榜单口口相传），而不依赖 GitHub 搜索。这也给所有 Skill 作者提了个醒：描述栏是触发器的第一半，空着不是「神秘感」，是把发现渠道拱手让人。

信号三：旧星退场，榜单位是流动的。 9-08 还在新架榜的 sepia（2447→2515 星）与 headcount（1320→1348 星），到 9-11 均已让位。sepia 此前已有专文拆解，不重复；这提醒读者「新架榜」是按新建时间加星标排序的滑窗，掉榜不等于失速。另外两日 +624 的 handraw-style（手绘风格画廊与双语提示词 Skill）增速为本期之最，但白板手绘系此前已做过四件首拆，本期不再展开。

二、评测对比表

评分说明：功能完整度、设计质量为 25%，实战效果 20%，上手难度、社区活跃度各 15%。因本刊本轮未能抓取各仓库 SKILL.md 全文（抓取窗口受限），评分依据为仓库官方描述、三日增长数据与生态位分析，属编辑评价而非实测结论，特此声明。

三、主拆：lieflat-gongwen，把文风变成验收单

3.1 它是什么

larashero3-dotcom/lieflat-gongwen，仓库描述原话：「通过102万字语料提炼的公文写作 skill，把公文写作风格变成可测量、可验收的量化数据」。9-10 首次进入新架榜（669 星），9-11 到 807 星，两日 +138，在当周中文系新件里增速仅次于手绘系。名字本身就是态度：「lieflat」（躺平）+「gongwen」（公文）——用一个自嘲词包装一件高度工程化的事。

需要交代信息边界：本刊本轮未能获取其 SKILL.md 全文，以下拆解基于仓库官方描述做设计立意分析，不引用任何未经核实的原文片段。

3.2 设计立意：三个关键词的分量

第一个关键词：「102万字语料」。 这是对抗「AI 味公文」的第一性手段。通用模型写公文的默认风格是从全网语料里统计出来的最大公约数——四平八稳、辞藻对称、但不是任何一个真实单位的话。102 万字的真实公文语料意味着作者先做了一层「领域再训练」：把「什么是一个真实体制内单位会说的话」从模型的通感里剥离出来，固化成 Skill 里的规则与范例。这与此前拆过的官方 pdf 技能「三层渐进披露」是两种堆料方向——pdf 技能堆的是程序性知识（怎么操作格式），lieflat 堆的是风格统计特征（什么样的句子像真的）。

第二个关键词：「可测量」。 这是它最值得全生态抄的一步。绝大多数写作类 Skill 对「写得好」的定义是形容词式的：「简洁」「正式」「庄重」——模型无法执行形容词。而「可测量」意味着作者把风格拆成了可判定的指标，最可能的形态是句长分布、排比密度、套话词频、层级结构比例这类可统计量（具体指标以仓库实测为准）。一旦指标立起来，写作类 Skill 就第一次拥有了「回归测试」：改一版 prompt，跑一遍统计，看指标是变好还是变坏。这是把软件工程的核心反馈环移植到了文风上。

第三个关键词：「可验收」。 测量是作者的事，验收是用户的事。「可验收」意味着指标不只写在 SKILL.md 的规则区，还能在产出后自检或被用户复核——交付物附带一张可以打勾的清单。这个设计和写作类 Skill 的前辈 sepia 恰好构成两个流派：sepia 的路线是「去 AI 味」的禁令纪律（据其仓库描述，它兼容 77 个以上平台、经 Skills CLI 分发，已破 2500 星并有专文拆解），告诉模型「不许出现哪些腔调」；lieflat 的路线是正向验收，告诉模型「产出必须长成这些数字」。禁令是下限思维，验收是达标思维。对一个有公文格式国标、有真实审稿人的场景，验收单明显更贴身。

3.3 短板与风险

其一，风格量化的天花板：能被统计的特征（句长、词频、结构比例）恰好是最表层的风格，公文里真正难的是「分寸」——什么时候点到为止、什么时候上报、对谁的行文用哪个层级的话术，这些很难化成数字。102 万字语料若只用来提炼表层指标，会写出「统计上像、实质上不像」的公文。其二，场景绑定深：中文公文高度依赖体制语境，这套指标对体制外用户的迁移价值有限。其三，语料合规性：102 万字语料的来源与授权情况仓库描述未提及，企业用户接入前建议先确认。

3.4 安装

# Skills CLI（生态通用方式，以仓库 README 为准）
npx skills add larashero3-dotcom/lieflat-gongwen

# 或直接克隆后按其目录结构放入技能目录
git clone https://github.com/larashero3-dotcom/lieflat-gongwen

四、横评：另外五件

ffmpeg-skill —— 无描述的三日黑马（950★，+432）

本期增速亚军。仓库描述三连空，但星标曲线陡得不像自然流量：518 → 919 → 950，最大的单段涨幅出现在 9-08 至 9-10 之间。功能定位从名字自明——把 ffmpeg 的音视频操作包成 Skill，让 Agent 用自然语言驱动转码、剪辑、抽帧、合成。媒体处理是 Skill 生态里的高价值坑位：ffmpeg 的参数面极大，人记不住、模型也常编造不存在的滤镜参数，一个把常用命令行打磨过的 Skill 省的是真金白银的试错时间。设计质量本刊只给三星，原因恰在无描述：按官方 skill-creator 的定调，「何时使用」的全部信息必须压进 description，一个空描述的 Skill 触发只能靠用户点名，这在机制上是自废半条腿。它涨的是名气，未必是装机量。

npx skills add kajisho5/ffmpeg-skill

tigerless-labs/agent-memory —— Markdown 即真相（992★，两日+174）

本期增速冠军（非官方）。定位不是单个技能而是「runtime」：为 Agent 提供长期记忆，数据源就是普通 Markdown 文件。这个架构取向值四星：Markdown 意味着记忆是可读、可 diff、可进 git、可被用户直接改写的——记忆从黑箱变成了 Version Control。本期把它与此前「工作记忆上磁盘」专题的装机件区分开看：那一类是把记忆写成文件的 Skill（行为层），这件是承载记忆读写的基础设施（运行时层），后者更重、也更挑部署环境，上手难度因此只给三星。两日 +174 的增速说明「可审计的记忆」确实是刚需洼地。

git clone https://github.com/tigerless-labs/agent-memory

open-seo-mcp-skills —— 让 SEO 跑在真数据上（771★，+129）

一套 SEO + GEO（生成式引擎优化）技能合集，卖点是跑在你真实的 GSC/GA4/广告数据上，并配套免费 MCP。一个可观察的细节：9-08 快照里它的描述还是功能罗列式——「keyword research, rank tracking, site…」；到 9-10/9-11 已改写成「on your real GSC/GA4/ads data」打头。作者在两天内重写了描述，把「数据真实性」从功能清单里提拔为第一卖点——这本身就是本期「可测量」趋势的活标本：SEO 工具泛滥之后，用户最不缺的就是「建议」，最缺的是「基于我站真实数据的建议」。Skill + MCP 的组合形态也值得注意：Skill 管方法论，MCP 管数据接入，各干各的。

git clone https://github.com/Ryze-AI-Adgent/open-seo-mcp-skills

itsgiving —— 把梗图带进会议室（687★，两日+169）

六件里最轻的一件，定位一句话：「Express yourself in meetings (with memes, of course)」——开会时用梗图表达情绪。它证明的是 Skill 生态的另一条腿：不是所有技能都奔着生产力去，情绪价值同样能两天涨 169 星。设计上聪明在触发场景极窄且高频（开会），描述写得有画面感，上手难度给满五星——装完就能用，零配置。实战效果保守给三星：它改变的是会议的氛围，不是结论。

npx skills add gazijarin/itsgiving

anthropics/commerce-agents —— 官方的第二张蓝图（2732★，+241）

注意：这不是 anthropics/skills 官方技能仓库里的出厂件（那一批此前已横评过），而是 Anthropic 新架的独立仓库——「用 Claude 构建购物与商户 Agent 的参考蓝图（Reference blueprint），含示例」。官方亲自下场写「怎么在垂直行业搭 Agent」，释放的信号比仓库本身更重：Skill 生态的下一程不只是「给 Agent 加技能」，而是「按行业给出整套 Agent 的参考实现」。三星上手难度因为它对新手不友好——这是给要造电商 Agent 的工程师看的图纸，不是装完即用的工具。三日 +241、绝对星数断层领先，官方品牌依然是生态里最大的流量入口。

git clone https://github.com/anthropics/commerce-agents

五、生态地图与验收工作流

mindmap
  root((本周新架六件))
    写作质量工程化
      lieflat-gongwen
        102万字语料
        可测量可验收
    确定性工具
      ffmpeg-skill
        音视频命令打磨
    基础设施
      agent-memory
        Markdown即真相
      open-seo-mcp-skills
        真实GSC/GA4数据
    情绪与表达
      itsgiving
        会议梗图
    官方蓝图
      commerce-agents
        电商Agent参考实现

把本期趋势画成一条验收闭环（以 lieflat-gongwen 为例，基于其仓库描述的立意推演，具体实现以仓库为准）：

flowchart TD
    A["真实公文语料 102万字"] -->|提炼| B["风格量化指标"]
    B -->|写入| C["SKILL.md 规则区"]
    D["用户提交写作任务"] --> E["Agent 按规则产出"]
    E --> F["对照指标自检"]
    F -->|达标| G["交付 附验收清单"]
    F -->|未达标| E

六、推荐排行榜

• 综合第一：commerce-agents（4.35）——官方蓝图，星数与完成度断层，适合要入行 Agent 工程的读者通读。
• 最值得抄的设计：lieflat-gongwen（4.25）——「可测量、可验收」六字是本周全生态最值得偷走的 prompt 工程思想，写任何领域 Skill 都用得上。
• 增速第一：ffmpeg-skill（三日 +432）——同时是反面教材：再强的功能也别空着 description。
• 最值得蹲的基础设施：agent-memory（两日 +174）——Markdown 即真相的长期记忆运行时，等它成熟。
• 最轻快的装机件：itsgiving（3.70）——零配置，图一乐。
• 垂直场景首选：open-seo-mcp-skills——如果你真有 GSC/GA4 后台，它比任何「SEO 建议」类工具都实在。

参考来源

[!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。