# 语料当引擎：资产型 Skill 的五个写法模式 ## 概述 ## 一个真实信号：涨得快的件，正文都薄 先看本周的三条星速记录。09-15 快照里，eternityspring/reelbench-skills 单日从 516 涨到 666，本栏当天的星速估算把它排在第一（约 29%/日），超过了成片赛道所有件；yang0/handraw-style 以 1743 星站在小而美榜上游，门牌只有一句话——「手绘风格编号画廊与双语提示词 Skill」；larashero3-dotcom/lieflat-gongwen 从 09-10 的 669 星涨到 09-14 的 916 星，09-15 快照 967 星，门牌写的是「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」。 这三件的共同点：它们的价值几乎不在 SKILL.md 的提示词技巧里。reelbench 的本体是 AI 视频领域的学习笔记与方法论文档集（门牌原话是 Learning notes and tooling skills）；handraw-style 的本体是一整面「编号画廊」——把手绘风格做成一个一个可点名的条目；lieflat-gongwen 的本体是 102 万字语料和从语料里提炼出的量化指标。SKILL.md 在这些仓库里更像一个加载器：告诉你去哪个目录取哪份资产、怎么判断做没做对。 这和 Skill 生态前半年的主流形态正好相反。前半年的典型件是「提示词型」：SKILL.md 正文写满工作流指令，几百行的 prompt 工程，仓库里除了一篇 markdown 几乎没有别的。提示词型的天花板很明显——规则写得再多，模型对「像不像」「好不好」的判断仍然是凭感觉。资产型件的做法是把这种感觉换成仓库里的实物：语料、指标表、风格编号、基准数据。 | 维度 | 提示词型 | 资产型 | |---|---|---| | 本体在哪 | SKILL.md 正文 | references/ 资产目录 | | 「好」怎么定义 | 正文里写形容词 | 资产里带量化指标 | | 迁移成本 | 复制提示词即可 | 要带着数据走 | | 被复刻难度 | 低，抄走就能跑 | 高，语料是护城河 | | 衰减方式 | 模型升级后规则过时 | 语料可持续增补 | 最后一行是本周值得注意的分化原因：模型迭代越快，纯提示词件贬值越快；而语料和指标表不会因为模型升级作废，反而随着模型理解力变强而变得更可用。 ```mermaid flowchart TD A["一个Skill仓库"] --> B["提示词型"] A --> C["资产型"] B --> D["SKILL.md写满规则"] B --> E["模型升级即贬值"] C --> F["正文只做加载器"] C --> G["语料与指标在目录里"] G --> H["可验收可增补"] ``` ## 评测对比表 五件样本按本栏五维口径打星（功能完整度 25%、设计质量 25%、实战效果 20%、上手难度 15%、社区活跃度 15%），门牌承诺计分，星数取 09-15 快照。sepia 为已拆存档件，作约束端对照。 | 件 | 星数 | 功能 | 设计 | 实战 | 上手 | 活跃 | 加权 | |---|---|---|---|---|---|---|---| | lieflat-gongwen（967） | 967 | ★★★★ | ★★★★½ | ★★★½ | ★★★★ | ★★★★ | **3.9** | | handraw-style（1743） | 1743 | ★★★★ | ★★★★ | ★★★ | ★★★★ | ★★★★ | **3.7** | | reelbench-skills（666） | 666 | ★★★½ | ★★★★ | ★★※（待验） | ★★★★ | ★★★★ | **3.4** | | gongwen-gbt9704-skill（602） | 602 | ★★★½ | ★★★ | ★★★ | ★★★½ | ★★★ | **3.3** | | 对照：sepia（存档） | — | ★★★ | ★★★★ | ★★★ | ★★★★ | ★★ | **3.2** | 三件说明。lieflat-gongwen 的设计分给到最高，因为「可测量、可验收」这七个字 hit 中了提示词件最大的软肋，且它有 102 万字语料做底，不是空喊口径；实战分留了半星余地，量化文风到底能验收多细，本栏尚未见第三方复测。handraw-style 的活跃分吃到了 1743 星的存量优势。reelbench 实战分标注「待验」——它的门牌承诺是学习笔记与工具，笔记类资产的实战价值要看使用者自己验证，本栏口径下先不给满。gongwen-gbt9704-skill 三天从 475 涨到 602，胜在锚定了 GB/T 9704-2012 这份现成国标，但门牌里那句「请勿上传企业禁止对外公开的文件」的安全提醒，也侧面说明公文赛道件的合规边界要用户自己守。 ## 五个写法模式，逐个拆 ### 模式一：正文做加载器，语料进目录 资产型件的第一原则：SKILL.md 只回答「什么时候用我、去哪取货、怎么验货」三件事，把领域知识全部下沉到 references/ 目录。lieflat-gongwen 的门牌句式是标准样本——「通过 102 万字语料提炼的」，语料是主语，skill 只是提炼结果的载体。对照反面教材：本栏之前审计过的「空货架」件，正文七段写满漂亮的流程说明，仓库里没有一个可执行的资产，装了和没装一样。 照着写的最小骨架（示意，非任何仓库原文）： ```markdown name: my-style-writer description: 用 200 篇自选范文提炼的风格写作。触发词：按我的风格写 ## 用法 1. 先读 references/style-rules.md（量化指标表） 2. 写作时逐条对照指标 3. 交付前跑 references/checklist.md 自检 ``` 正文三行干活，货全在目录里。判断自己是不是资产型：把 SKILL.md 删掉，仓库还剩多少价值？剩得越多，越健康。 ### 模式二：把「像不像」换成数字 提示词件最常写的句子是「保持专业严谨的文风」——模型对这句话的执行全凭感觉。lieflat-gongwen 的做法是把文风拆成可数的指标：句长分布、术语密度、段落结构，全部从 102 万字语料里统计出来，写作时对照，交付时验收。这一手把写作从「凭感觉模仿」变成「对表填空」。 照着写的要点：指标必须满足三个条件——可数（能数出个数）、有阈值（比如「单句平均不超过 25 字」）、可复跑（换个人验，结果一样）。写不出阈值的指标等于没写。常见的失败形态是指标定得太美：一篇公文里「庄重感 ≥ 8 分」这种指标没法机器验，最后还是退回肉眼。 ### 模式三：风格编号化，按号取用 handraw-style 的门牌里有四个字值得抄下来：编号画廊。它把手绘风格做成一面带编号的画廊，用户说「用 7 号风」，模型就去取 7 号对应的提示词资产，双语对照。这个设计解决的是风格件的老大难——用户说「要好看一点」时，双方对「好看」的理解永远对不齐；有了编号，沟通成本从一段描述降到一个数字。 照着写的骨架（示意）： ```markdown ## 风格索引 | 编号 | 风格 | 资产路径 | |---|---|---| | 01 | 素描线稿 | styles/01-sketch.md | | 02 | 马克笔 | styles/02-marker.md | ``` 编号表的隐藏收益：它是天然的版本号。新增风格只加行不改旧行，老用户的习惯不会被静默破坏。 ### 模式四：自带基准，让用户可复跑 reelbench-skills 的名字里就带着 bench。它的门牌把「学习笔记」和「工具」并列，本栏 09-15 的星速榜把它排在第一（约 29%/日），并记了一笔「资料层的后劲第一次压过了成片层」——用户开始给「能帮我衡量工作质量的件」投票，而不只是给「能帮我产出内容的件」投票。 写法上的可抄点：给你的件配一组基准任务和期望输出。用户装完跑一遍，对得上就信任，对不上就知道是哪里的问题。一个自带体检的件，Issue 区会安静很多——大部分「不好使」的报障会变成用户自己就能定位的偏差。 ### 模式五：锚定权威文本，别自己发明规则 mizzlelover/gongwen-gbt9704-skill 的做法最省力：公文排版规则不需要自己总结，GB/T 9704-2012 这份国标白纸黑字躺在那里，把它的版式条款做成核对资产，每一项都有出处。600 星的体量不大，但它的规则没有一个字是作者发明的，全部可以溯源——这在容易被较真的排版赛道是硬通货。 可抄的是思路：凡是你所在的领域存在权威文本（国标、官方文档、协议原文），把它变成仓库里的核对清单，比自己拍脑袋写规则可靠，也更经得起用户挑刺。反过来说，如果这个领域没有权威文本，那你的语料统计（模式二）就是你要生产的权威文本。 ## 串起来：一个资产型件的完整工作流 ```mermaid flowchart TD A["用户触发Skill"] --> B["SKILL.md加载器"] B --> C["读风格索引"] C --> D["按编号取资产"] D --> E["对照指标表写作"] E --> F["跑基准自检"] F --> G{"指标达标?"} G -->|是| H["交付"] G -->|否| I["定位偏差项"] I --> E ``` 这张图里没有一个环节依赖「模型的感觉」。提示词型件的工作流画出来是线和箭头，资产型件的工作流画出来是线和仓库——每个箭头边上都有一样实物可取。 ## 照着写：你的第一个资产型件 最小可行路径五步，一个下午能走完： 1. 选一个你比模型懂的领域（你单位的公文、你行业的术语表、你积累的样稿）； 2. 把领域知识整理成 references/ 下的两份资产：一份指标表（模式二），一份核对清单（模式五）； 3. SKILL.md 写三段：触发词、资产路径、验收流程，总长不超过三十行（模式一）； 4. 配三个基准任务放进 tests/，附期望要点（模式四）； 5. 如果领域有可选风格，做成编号表（模式三）。 安装路径走 Claude Code 的通用机制，把仓库克隆进本机技能目录即可（以各仓库 README 为准）： ```bash git clone https://github.com/larashero3-dotcom/lieflat-gongwen ~/你的技能目录/lieflat-gongwen git clone https://github.com/yang0/handraw-style ~/你的技能目录/handraw-style git clone https://github.com/eternityspring/reelbench-skills ~/你的技能目录/reelbench-skills git clone https://github.com/mizzlelover/gongwen-gbt9704-skill ~/你的技能目录/gongwen-gbt9704 ``` 装完读一遍它们的 references/ 目录结构，比读十篇教程直观。 ## 推荐排行榜 - **学写法首仿**：lieflat-gongwen —— 「语料提炼 + 量化验收」是五个模式里最完整的闭环示范； - **学目录组织**：handraw-style —— 编号画廊 + 双语资产，风格索引化的标准答案； - **学自带基准**：reelbench-skills —— 资料层件的样板，星速第一不是白涨的； - **学权威锚定**：gongwen-gbt9704-skill —— 成本最低的起步方式，国标现成，照单收录； - **提醒**：四件都是本周快照样本，reelbench 与 gongwen-gbt9704 的长线留存待观察，本栏对成片与公文两个赛道近一个月的记录是——涨得快不等于站得稳，装机前先看它的资产目录是不是真有货。 ## 参考来源 1. [larashero3-dotcom/lieflat-gongwen](https://github.com/larashero3-dotcom/lieflat-gongwen) — 公文写作风格量化 Skill，102 万字语料提炼，669→916→967 星轨迹（09-10/09-14/09-15 快照） 2. [yang0/handraw-style](https://github.com/yang0/handraw-style) — 手绘风格编号画廊与双语提示词 Skill，1743 星（09-15 快照） 3. [eternityspring/reelbench-skills](https://github.com/eternityspring/reelbench-skills) — AI 视频学习笔记与工具 Skills，516→666 星（09-14→09-15 快照） 4. [mizzlelover/gongwen-gbt9704-skill](https://github.com/mizzlelover/gongwen-gbt9704-skill) — 按 GB/T 9704-2012 生成可编辑 DOCX 的排版 Skill，602 星（09-15 快照） 5. [anthropics/skills](https://github.com/anthropics/skills) — 官方 Skills 仓库，references/ 分层结构的源头参照 > [!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。