权重沿用本栏目固定口径：功能 25%、设计 25%、实战 20%、上手 15%（越高越容易）、社区 15%。功能与设计两维按实读正文给分；实战与社区维度外部数据不可核验，从保守，以※标注。
| Skill | 功能 25% | 设计 25% | 实战 20% | 上手 15% | 社区 15% | 加权 |
|---|---|---|---|---|---|---|
| skill-creator（装机版＋官方缓存版双注册） | ★★★★★ | ★★★★★ | ★★★★※ | ★★★ | ★★★★½ | 4.43 |
| find-skills | ★★★★ | ★★★½ | ★★★★ | ★★★★★ | ★★★½※ | 3.95 |
| skill-factory | ★★★½ | ★★★★ | ★★★※ | ★★★★½ | ★★※ | 3.45 |
评分说明：skill-creator 双注册正文几乎逐字一致，按同一件给分；skill-factory 社区分因出处不可考、且正文尾部残留模板占位符（详见下文），从低；触发门牌（frontmatter 的 description）不随正文载入，各件触发设计仍为盲区，照例以※标注。
flowchart TD
FS["find-skills 前门"] -->|npx skills find| MK["skills.sh 市场"]
MK -->|npx skills add| IN["装进 ~/.claude/skills"]
IN --> US["日常触发服役"]
US -->|找不到合用的| SC["skill-creator 造件机"]
SC --> FW["skill-factory 六类型模板"]
FW --> PK["打包成新件回装"]
PK --> US
市场端在涨，装机端在教。本周热榜上的 superpowers ⭐285801 说明框架层已是巨物（本栏目此前已拆，不重复）；而元层的分工很清楚：find-skills 管「找」，skills CLI 管「装」，skill-creator 和 skill-factory 管「造」。装机的四件恰好把这条闭环焊死了——npx skills init 甚至被 find-skills 写成了「找不到就自己造一个」的官方出口。
出处：装机目录 ~/.claude/skills/skill-creator；官方插件缓存 anthropic-agent-skills/example-skills 下另有一份同注册。正文规模：四百余行，贴着它自己给社区画的 500 行红线；另带 agents/（grader、comparator、analyzer 三个子代理说明）、references/schemas.md、eval-viewer/ 一整套评测机器。
正文没有引言，直接把方法论压成八条列表：定目标 → 写草稿 → 出 2-3 条测试指令 → 让带件的 Claude 跑 → 人评审 + 量化评测 → 改稿 → 循环到满意 → 扩大测试规模。然后一句「Your job when using this skill is to figure out where the user is in this process and then jump in」——它不许 Claude 从头开始，要求先诊断用户卡在哪一环再介入。这种「先定位、后执行」的开局，比社区件常见的「我将按以下步骤执行」高明一层：它默认流程可从任意环节进入。
在教任何技术之前，它先花了一整节讲措辞分级：原文点名了一个趋势——「the power of Claude is inspiring plumbers to open up their terminals, parents and grandparents to google 'how to install npm'」，于是规定「evaluation」「benchmark」属于及格线词汇，「JSON」「assertion」必须等用户露出懂行的信号才能裸用。语气设计也写进了正文：两处「Cool? Cool.」，一处「just vibe with me」的弹性条款——不想跑完整评测的用户，允许纯凭感觉迭代。把「读者画像」写进件里，这是四件中唯一一份。
写 SKILL.md 一节只认真处理两个字段：name 和 description，第三项 compatibility 标注「rarely needed」。对 description 的判断非常明确：它是唯一的触发机制，所有「什么时候用」的信息只放门牌、不放正文。随后给出了本期全文最反直觉的一条指令——因为 Claude 目前倾向于「undertrigger」（该触发不触发），所以描述要写得「a little bit pushy」，并给了对照例句：不要写「How to build a simple fast dashboard to display internal Anthropic data.」，要写「……Make sure to use this skill whenever the user mentions dashboards, data visualization, internal metrics, or wants to display any kind of company data, even if they don't explicitly ask for a 'dashboard.'」
社区写手的直觉是把门牌写收敛、怕误触发；官方用一句话把这直觉掀了：你的件不会被滥用，只会被忘记。这条直接颠覆了第 7 轮之前本栏目「命名六式」里按克制方向给分的评分预设。
Anatomy 一节给出了标准目录：scripts/（确定性重复劳动的可执行代码）、references/（按需载入的文档）、assets/（产出的模板、图标、字体）。配套的渐进披露是三层装载：元数据（name + description）常驻上下文约 100 词；SKILL.md 正文触发时进上下文，理想 500 行以内；捆绑资源按需取用，不设上限——脚本能执行而不必载入。超过 300 行的参考文件要带目录；多领域件按变体拆 references（它给的例子是 cloud-deploy 下拆 aws.md / gcp.md / azure.md，Claude 只读相关的那份）。第 7 轮实读 figma 件时发现的 references 外置写法，源头就在这里。
这是官方正文里文学性最强的一段：「Try to explain to the model why things are important in lieu of heavy-handed musty MUSTs」——给理由，别喊禁令；今天的模型足够聪明、有心智理论，理解任务为什么重要比背诵禁令更能把事做成。然后是那句黄旗判词：「If you find yourself writing ALWAYS or NEVER in all caps, or using super rigid structures, that's a yellow flag」。
妙的是正文自己就破了一次戒：评测一节里它先道歉「Sorry in advance but I'm gonna go all caps here」，再全大写喊出「GENERATE THE EVAL VIEWER BEFORE evaluating inputs yourself」。破戒破得有歉意、有理由（产物必须先过人眼，不许模型自评蒙混）、全篇仅此一处——这恰好示范了「黄旗」的正确用法：不是不许全大写，是不许廉价的、无理由的、成片的全大写。
正文的半壁江山在教怎么科学地改稿。核心设计：每个测试用例双跑——带件跑一遍，不带件（或带旧版）跑一遍作 baseline，且必须在同一轮并行发出，不许先跑完实验组再补对照组。跑批期间趁隙写断言（assertion），断言要「objectively verifiable」且名字自解释；主观类产出（文风、设计）明说别硬上断言。评分落盘有铁律：grading.json 的字段必须是 text、passed、evidence，括号里点名不许自创变体——「the viewer depends on these exact field names」。汇总用 aggregate_benchmark 出均值±标准差和增量，还要做一遍 analyst pass，专查「无论带不带件都通过的无效断言」和「高方差的可疑用例」。每次子代理跑完要立刻从任务通知里抢救 timing.json，因为「这是该数据唯一出现的机会」。
这一整套的本质，是把「我改了一句提示词感觉变好了」升级成「带件比不带件通过率提升 X%、耗时增加 Y 秒」。
Description Optimization 一节是全文技术含量最高的部分：生成 20 条触发评测查询（8-10 条应触发 + 8-10 条不应触发），反例专挑「近失样本」——共享关键词但实际该走别的路的查询，明说「写fibonacci函数」这种明显无关的反例测不出任何东西。正例则要覆盖不同口吻、不同详略、用户没点名件名的场景，并给出好坏例句对比：坏例是「Format this data」，好例是一段带文件名「Q4 sales final FINAL v2.xlsx」、带列位置、带口语语病的真实人话。评测循环按 60% 训练 / 40% 留测切分，每条查询跑 3 遍取触发率，最多迭代 5 轮，最优 description 「selected by test score rather than train score to avoid overfitting」——这是把机器学习的防过拟合纪律原样搬到了提示词字段上。
「Principle of Lack of Surprise」一节规定件里不得含恶意代码、不得做与描述不符的事，明确拒绝写误导性件和数据外泄件。正文还按平台分了降级路径：Claude.ai 没有子代理就串行自跑、跳过 baseline 和量化评测；无浏览器的环境用 --static 出独立 HTML 评审页。一台机器把「阉割环境下怎么干活」都预先写好了，这是功能完整度的天花板形态。
把以上实读蒸馏成七条可直接执行的模式：
拼装示范——一个最小可用的第一件，三条模式（1、3、4）全部落进十行以内：
name: weekly-report-zh
description: 写中文周报时使用。当用户提到「周报」「本周总结」「汇报这周做了什么」，
或让你把 git log、任务列表、聊天记录整理成汇报材料时都要用，
即使用户没有明说「周报」二字。
# 中文周报生成
## 流程
1. 收集素材：读用户给的原始材料，缺什么先问，不要编造——编造的数字会让用户在会上翻车
2. 按影响排序：先写业务结果，再写过程，最后写风险
3. 按下面模板输出
## 输出模板
# 本周周报（日期）
## 一句话总结
## 关键进展（最多 3 条，每条附证据）
## 下周计划（最多 3 条）
## 边界
拿不到量化数据时明确写「数据缺失」，不要凑数
写完做 skill-factory 式的五句触发验证：两句明确触发（直接说「写周报」）、两句模糊触发（「帮我把这周的活整理一下」）、一句边缘情况（「把这个月报改成周报格式」），门牌盖不住就回炉。
出处：装机目录 ~/.claude/skills/skill-factory，作者不可考※。正文规模：约两百行，全中文，开篇题记「工具的价值，在于让能力可复制」。
它和官方走了完全相反的路：官方给原则和评测科学，它给分类学和模板。六大类型（人物视角 / 工作流 / 领域专家 / 代码规范 / 内容创作 / 工具集成）各配识别关键词表、访谈问题（每类最多问三个）、素材收集法和专属必填字段；流程走 Phase 0 到 Phase 4，从类型识别一路到安装交付。最值钱的是它有三项干跑验收：触发验证（五句话：2 明确 + 2 模糊 + 1 边缘，检查门牌盖不盖得住）、执行验证（典型输入干跑流程）、边界验证（喂一个超纲输入，看它会不会诚实拒绝）——官方的触发验证要 20 条查询加 CLI 循环，社区用五句话补了一个轻量土办法，这是官方件里没有的课。「品味守则」也写得锋利：「用户 3 秒内知道这个 Skill 是干什么的」「把通用 AI 能力包装成 Skill（那不是 Skill，只是提示词）」。
短板是硬伤：正文尾部署名处的项目地址赫然是 https://github.com/your-repo/skill-factory——造件的工厂，自己的模板占位符没换。这恰好证明它自己教的道理：模板要过一遍人眼再交付。
出处：装机目录 ~/.claude/skills/find-skills。正文规模：约一百行，是四件里最薄的。
它封装 skills CLI 四个命令：npx skills find（搜索）、npx skills add（安装，-g -y 全局免确认）、npx skills check / update（更新），浏览入口指向 skills.sh，示例输出展示了 owner/repo@skill 安装格式（例中为 vercel-labs/agent-skills 下的件）。它的「When to Use This Skill」一节本身就是 pushy 门牌的活教材——把用户可能说的六种原话逐条列进正文。真正的生态意义在结尾：找不到合用的件时，引导用户 npx skills init my-xyz-skill 自己造——找件的前门，同时是造件之路的路标。
发现一：官方正文就是它所教原则的最佳示范，包括破戒的方式。 渐进披露靠 agents/ 与 references/ 外挂实现，正文谈风格时立了「全大写是黄旗」的规矩，自己只在必须拦住模型自评的一处全大写，且先道歉、给理由。写法课不用讲义教，正文本身就是范文。
发现二：双注册再次实锤，但这次是零代差。 第 7 轮 figma 双件是同工位不同内容，本期 skill-creator 双注册经逐句比对几乎完全一致，唯一可辨差异是一处措辞——触发优化一节缓存版写「calls Claude with extended thinking to propose improvements」，装机版删掉了「with extended thinking」。同内容装两份，触发歧义照旧成立、收益为零，装机端照第 7 轮的处方处理：留一份，删一份。
发现三：官方与社区在 description 上立场相反，而官方是对的。 社区直觉怕误触发、写收敛；官方一句话点破模型倾向 undertrigger、门牌要写 pushy。对第一次写件的人，这是全文最该抄走的一条——你的件不会太吵，只会没人记得。
发现四：评测机器是官方件与社区件的真正代差。 skill-factory 有模板、有访谈、有五句干跑，唯独没有对照组；find-skills 只管找。官方那套双跑、断言、均值±方差、留测防过拟合，是把「写提示词」变成「做实验」的完整基建——社区件教你怎么写，官方件教你怎么证明写对了。
发现五：造件已成市场端显学。 本周生态动态十条新上架里五条是 Skill，从黑板讲解视频（anything2explainer）到 102 万字语料喂出来的公文量化件（lieflat-gongwen），赛道横跨媒体与文书；而教人入行的两台机器，一台在官方缓存里躺着，一台连自己的仓库链接都忘了换。手艺已经普及，质检还在补课。
your-repo 占位符npx skills find 找、npx skills add 装、npx skills init 造，一条命令链走完闭环# 找件与装件（skills.sh 生态通用格式 owner/repo@skill）
npx skills find skill creator
npx skills add anthropics/skills@skill-creator -g -y
# 或直接克隆官方仓库取用
git clone https://github.com/anthropics/skills
# 第一件从零手写：建目录放一个 SKILL.md 即生效
mkdir -p .claude/skills/weekly-report-zh
# 触发优化与打包（skill-creator 自带机器，在其目录下运行）
python -m scripts.run_loop --eval-set eval_set.json --skill-path .claude/skills/weekly-report-zh --max-iterations 5
python -m scripts.package_skill .claude/skills/weekly-report-zh
[!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。