本期是新星首发第六轮，口径先交代清楚：本轮的“新星”不是榜单涨幅，而是装机层的差集面孔——把这台机器 ~/.claude/skills/ 里的实物逐个翻出，对照本栏已覆盖的150期选题索引，凡从未被拆过的才算新星。共翻出九件，归成三条线：外DNA件（openai-docs、atlas、yeet，带着 OpenAI/Codex 血统爬进了 Claude 的门）、脚手架件（planning-with-files、long-running-agent，给 Agent 的注意力和记忆搭架子）、通道件（defuddle、mcp-cli、office-mcp，管进出 Agent 的字节流），外加两件中文自产的家用件（notebook-fix、skill-sync-github）。需要声明：本轮未接星标与上架日期数据，所有评分只对每件 SKILL.md 的文本本身负责，不替作者背书热度。
| 件 | 一句话定位 | 功能完整度 | 设计质量 | 上手难度 | 实战保障 |
|---|---|---|---|---|---|
| planning-with-files | 把工作记忆写进磁盘 | ★★★★★ | ★★★★★ | 低 | ★★★★ |
| long-running-agent | 跨会话状态机 | ★★★★ | ★★★★★ | 中 | ★★★★ |
| mcp-cli | MCP 的命令行方言 | ★★★★ | ★★★★ | 低 | ★★★ |
| office-mcp | 39 个 Office 工具打包 | ★★★★★ | ★★★ | 高 | ★★★ |
| defuddle | 网页取干净正文 | ★★★ | ★★★★★ | 极低 | ★★★ |
| notebook-fix | 修 ipynb 的家用体检单 | ★★★ | ★★★ | 极低 | ★★★★ |
| yeet | 从改码直通 PR | ★★★ | ★★★★ | 中 | ★★★ |
| openai-docs | OpenAI 官方文档通道 | ★★★ | ★★★★ | 中 | ★★ |
| atlas | 遥控 ChatGPT Atlas 浏览器 | ★★★ | ★★★ | 高 | ★★ |
评分口径：完整度看边界场景与降级路径；设计质量看说明书结构、触发设计与提示词工程；上手难度反向计星，越易星越多；实战保障看备份、确认、回滚这类防翻车设计。
这件的开篇第一句就把师承亮了出来："Work like Manus: Use persistent markdown files as your working memory on disk." 不藏着掖着，直接承认整套东西来自 Manus 的工程实践——这是本轮九件里唯一一个在正文第一行就引用外部方法论的 SKILL.md，等于把「我不是发明者，我是翻译者」写在了门牌上。
逐段看它的结构，是教科书级的四层楼：
第一层，Quick Start 四步。 收到复杂任务先建 task_plan.md、给阶段打勾、每阶段结束更新、决策前先重读。“Read before deciding - refresh goals in attention window” 这半句是全件的题眼：它把「注意力窗口」当成会被冲刷的缓存，读一遍计划文件等于手动刷新缓存。这不是玄学，是对上下文衰减的直接对抗。
第二层，3-File Pattern 表。 三列小表把文件分工钉死：task_plan.md 管阶段与进度（每阶段后更新）、notes.md 管调研发现（调研中随手写）、交付物文件管最终产出（完成时写）。妙处在“何时更新”这一列——它规定的是节奏而不是内容，模型照抄节奏就能跑。
第三层，两个完整模板。 task_plan.md 模板里有 Goal、Phases、Key Questions、Decisions Made、Errors Encountered、Status 六段。最值钱的是后三段：决策留痕（“决定：理由”）、错误日志（“报错：解法”）、当前状态一行。这三段合起来，等于给一次会话装了黑匣子。
第四层，铁律与反模式。 五条 Critical Rules 里最狠的是第一条："ALWAYS Create Plan First. This is non-negotiable."——SKILL.md 里极少见这种不留余地的措辞，作者清楚模型会跳过铺垫直接干活，所以把最关键动作写成了禁区。Anti-Patterns 表则是五组「别这样/改成这样」对照，其中一条直接点名：别拿 TodoWrite 当持久化——任务清单是会话内的，文件才是跨调用的。
短板也明显：它只管“一次会话内”的记忆，会话一断，task_plan.md 就成了考古现场。这个缺口正好由下一件补上。
如果说 planning-with-files 管会话内，long-running-agent 管的就是会话之间。开篇就把长任务的三大死法列了出来：一口气梭哈到上下文耗尽、看到半成品就宣布完工、留下一堆没文档的断点状态。
它的解法是双 Agent 制：第一个会话由“初始化 Agent”搭台——生成 init.sh 装环境、生成 feature_list.json 列全需求、初始化 claude-progress.txt 记进度、做首次 git 提交；之后每个会话由“编码 Agent”接力。每个会话开工必须走七步启动序列：pwd、读进度文件、读特性清单、看最近20条提交、跑 init.sh、跑基础测试、挑一个失败特性。
两个设计细节值得单独说：
一是用 JSON 锁字段。 特性清单为什么用 JSON 不用 Markdown？文件里写得很直白：防模型乱改（"Use JSON format to prevent inappropriate edits"）。配套铁律：测试描述一个字不许动，只许改 passes 字段，而且必须端到端验证过才能标 true。这是把「磨洋工式自评」的口子直接焊死了。
二是失败模式表。 五组常见死法与解法，比如“提前宣布胜利”对应“去查 feature_list.json 里还有没有 false”。和 planning-with-files 的反模式表一样，作者都明白：给 Agent 写说明书，正面指令的约束力远不如把踩坑现场提前摆出来。
两件合起来正好是两层记忆栈：内层管注意力，外层管状态接力。单独装一件都缺一条腿。
本轮最有生态信号的三件，共同点是出生地不在 Claude。
openai-docs 是 OpenAI 官方文档的查询通道，走 developers.openai.com 的 MCP 服务器，开头就下死命令：查 OpenAI 相关问题优先用文档 MCP，别用通用搜索。它最露馅的是降级流程——MCP 服务器不在时，它教 Agent 自己跑 codex mcp add openaiDeveloperDocs --url https://developers.openai.com/mcp，最后一步是“请用户重启 Codex”。在一台 Claude Code 的机器上，这句“重启 Codex”是永远执行不通的。整份说明书是给 Codex 写的，却被原样装进了 Claude 的技能目录——Skill 就是无主字节，宿主不挑食。
atlas 更极端：一个遥控 ChatGPT Atlas 浏览器的 macOS 专用件，靠 AppleScript 控制窗口和标签页，还能翻 Atlas 的书签和历史（复制 SQLite 库避免锁表，这个细节很讲究）。默认路径写的是 $CODEX_HOME（~/.codex/skills），又是一份 Codex 系说明书。装在这台 Linux 机器上，它是彻头彻尾的死件——但它出现在装机层这件事本身，说明跨生态搬运已经不需要适配了。
yeet 是管道件：从改码到开 PR 一条龙。它的 Codex 胎记刻在命名规范里——分支必须叫 codex/{description}，PR 标题必须带 [codex] 前缀，哪怕现在跑在 Claude 里。流程本身很朴素：在主干就开分支、git add -A 全量暂存、装依赖重跑检查、push 失败就拉主干重试、最后 gh pr create --draft --fill 开草稿 PR。值得一提的细节是它专门规定 PR 正文要写进临时文件再提交——“避免 \n 转义搞坏 markdown”，这是踩过坑的人才会写的句子。
三件的共同启示：Skills 生态的边界正在失效。说明书里写谁家的话术、留谁家的路径，早已拦不住文件被装进别家目录。对本栏读者而言，装机前多看一眼 SKILL.md 里的宿主假设，比看 Star 数实在。
defuddle 是本轮最短的一件，全文一页：一条安装命令 npm install -g defuddle-cli，一条核心用法 defuddle parse <url> --md，一张三行格式表。它最狠的一句是自我定位——“Prefer over WebFetch for standard web pages”，直接教模型用自己去顶掉宿主的内置工具，理由是去掉导航广告省 token。设计密度极高：默认值（永远 --md）、边界（元数据抽取用 -p）、替代关系（对 WebFetch）一段不废。
mcp-cli 是 MCP 的命令行方言翻译器，把「发现-探索-检视-执行」写成一个四步工作流：裸跑列服务器、带服务器名看工具、带工具名看 JSON schema、带参数直接调用。附录里有两组宝藏：一是含引号 JSON 的三种传法（heredoc、stdin、管道），二是完整的 exit code 表（0 成功、1 客户端错、2 服务端错、3 网络错）——给 Agent 写 exit code 表的说明书不多见，这让模型能凭退出码自主决定重试还是上报。
office-mcp 是重型装备：39 个工具的 Office全家桶，PDF 10个（含 OCR，支持中日韩等多语言）、表格 7 个、文档 6 个、格式转换 9 个、演示文稿 7 个，依赖全是纯 JS 实现（tesseract.js 免原生二进制）。它的 SKILL.md 本质是一张 API 菜单——工具名加一句话，没有工作流没有示例对话。作为说明书它偏薄，但它附了真实仓库链接（github.com/claude-office-skills/skills）和实现计划文档，算是把工程档案随件附上。
自产两件是另一种味道。notebook-fix 用中文写成，修 ipynb 五类常见病（坏 import、代码误进 markdown 格、JSON 编码、语法错、格式问题），流程里有两个防翻车阀门：修复前自动备份 .bak、修复前先问一句 y/n。它的输出样例直接把终端长相画在说明书里——把汇报格式当规格写，这是家用件里少见的自觉。skill-sync-github 则是把 ~/.claude/skills 整个目录同步到私有 GitHub 仓库的物流件，提交信息有模板、嵌套 .git 要先删、超 50MB 要警告，连 Windows 下 gh CLI 的 PATH 都写了。这两件证明：生态最底层其实是一批只服务一个人的小件，它们不出现在任何榜单上。
planning-with-files 的会话内循环：
flowchart TD
A["接到复杂任务"] --> B["先建 task_plan.md"]
B --> C["声明阶段与问题"]
C --> D["动手前先读 plan"]
D --> E["阶段产出写 notes.md"]
E --> F["勾掉已完成 phase"]
F --> G{"全部阶段完成？"}
G -->|未完| D
G -->|完成| H["写交付物文件"]
H --> I["更新状态后交付"]
long-running-agent 的跨会话接力：
flowchart TD
A["初始化会话 仅一次"] --> B["生成 init.sh"]
B --> C["生成特性清单"]
C --> D["建进度日志"]
D --> E["首次 git 提交"]
E --> F["后续会话开工"]
F --> G["七步启动序列"]
G --> H["认领一个失败特性"]
H --> I["端到端验证"]
I --> J["只改 passes 字段"]
J --> K["提交并写进度"]
K --> L{"特性全绿？"}
L -->|否| F
L -->|是| M["收工可合并"]
# defuddle —— 一行入列
npm install -g defuddle-cli
defuddle parse <url> --md
# mcp-cli —— 四步阶梯
mcp-cli # 列服务器与工具
mcp-cli <server> -d # 看参数
mcp-cli <server>/<tool> # 看 schema
mcp-cli <server>/<tool> '{"k":"v"}' # 调用
# office-mcp —— 建栈三步（仓库见其文档内链）
git clone https://github.com/claude-office-skills/skills
cd mcp-servers/office-mcp && npm install && npm run build
# 再把 dist/index.js 登记进 claude_desktop_config.json 的 mcpServers
# notebook-fix —— 触发即用
/notebook-fix **/*.ipynb
# yeet —— 前置检查
gh --version && gh auth status
# 之后按件内流程：开 codex/ 分支 → 提交 → 检查 → push → gh pr create --draft
# openai-docs —— 降级时自动执行的安装（Codex 宿主语境）
codex mcp add openaiDeveloperDocs --url https://developers.openai.com/mcp
# planning-with-files / long-running-agent —— 零安装
# 前者：让 Agent 先落 task_plan.md + notes.md 再开工
# 后者：首会话生成 init.sh / feature_list.json / claude-progress.txt，后续会话走七步启动
# atlas —— 仅 macOS + Atlas 应用 + Automation 权限
export ATLAS_CLI="$CODEX_HOME/skills/atlas/scripts/atlas_cli.py"
uv run --python 3.12 python "$ATLAS_CLI" tabs --json
这轮差集翻仓最大的收获不是某一件的分数，而是两个生态事实：其一，装机层藏着大量榜单照不到的供给——外DNA私货、家用小件、方法论翻译件，它们不上榜但真实在岗，选件只能靠翻目录；其二，说明书文风正在分化出流派——一页表格派、API 菜单派、模板铁律派、假终端派，文风即设计，选件时读一遍 SKILL.md 比看任何评测都准。
[!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。