| 快照日 | 09-16 | 09-18 | 09-19 |
|---|---|---|---|
| 星值 | 1816 | 1848 | 1864 |
| 层内位次 | #9 | #10 | #9 |
| 段增量 | — | +32（两日，16/日） | +16（一日，16/日） |
三点斜率稳定在 16★/日。在 7 天新星层，这个速度垫底（同窗口 anything2explainer 六日日均 96）；但在 45 天层，它是当日在榜技能件里的末端斜率第一——层次不同，同一速度的含金量完全不同，这是读这张表的第一课。
第二课藏在两个缺席里：
缺席一：新星榜从未印刷。 09-16 包新星榜（近 7 天创建、无关键词条件、二十席、末席 402★）没有它。若它创建于 09-09 之后，1816★ 应当榜首在列。所以这条缺席直接钉死了它的生日上界：出生不晚于 09-09。这是双榜交叉审计里最硬的一块——一张榜的关键词你不在乎，它反而替你回答了年龄。
缺席二：09-15 小而美榜缺席。 该期十五席的末席是 Edge0-AI 1702★，appllama 若有 1702 以上当日必印。首印前 24 小时它还在 1702 以下，首印时已 1816——入场即爆发，单日至少 +114。生态里同款形态有在先样本：jev-ultrafast 09-18→09-19 单日 +953。爆发分支不能排除另一解释（09-15 当期查询抖动，即 09-17 档说过的「匹配集蒸发」的反向版本），带 ※，但两说都改变不了一件事：它的第一笔印刷值不能当爬坡的起点用，往前连线非法，往后的三点才有效。
五维沿用本栏标准权重（功能 25%、设计 25%、实战 20%、上手 15%、社区 15%），黑箱口径（正文未读，实战分压两星带 ※）。与 09-17 首评逐项对账：
| 维度（权重） | 首评 09-17 | 本期 09-19 | 本期扣分/给分理由的变化 |
|---|---|---|---|
| 功能完整度（25%） | ★★★※ | ★★★※ | 不变：正文未读，「头部 App 模式库」的真假无法核验 |
| 设计质量（25%） | ★★★ | ★★★ | 理由换了：首评扣「细节未知」，本期扣结构缺位——门牌有宣言、无清单，「哪件最能打」至今没答（下文详拆） |
| 实战效果（20%） | ★★※ | ★★※ | 不变：未实测，斜率不能替代效果 |
| 上手难度（15%） | ★★★ | ★★★ | 不变：合集装载成本；依赖链未知 ※ |
| 社区活跃度（15%） | ★★★★ | ★★★★ | 理由换了：首评是「1816 实价」，本期升级为三点斜率实价——16/日、距层顶 136★ |
| 加权总分 | 2.95 | 2.95 | 分数未动，五个理由换了三个 |
第一句：「A builder, not just a researcher」——身份宣言句。 这不是功能描述，是立场声明：它把自己划进「动手的」一侧，顺带把「只做研究的」划成了反面。本栏 09-12 拆 fable-orchestrator 时提炼过「一句话即架构」的写法：九个词说完谁指挥谁施工。appllama 这句是同型句的变体——它不说数据往哪流，说作者站在哪边。对照触发工程的存档结论（描述是唯一常驻上下文的广告位），宣言句的收益是立场鲜明，代价是零触发词：对话里没人会说「我想要一个 builder 不是 researcher」。
第二组词：「top-grossing app patterns」——数据层承诺。 它卖的既不是工具也不是服务，是模式库：把头部应用被验证过的交互与增长模式整理成 Agent 可读的技能。这决定了它的品类不是 web-artifacts-builder 那系「现场造工件」的工具型，而是知识型——质量上限取决于它真的收录了多少模式，而这恰恰是门牌之外才能验证的事。
第三组词：「Agent skills」复数 + 仓库名复数——合集自报家门。 两处复数互相印证：这不是一件，是一架。09-17 档给过合集类的历史通病清单：装载成本、多件同场时描述互相踩踏的触发冲突——skill-creator 系与官方示例集都遇过。本期补一条新观察：门牌对「架内有几件、哪件最能打」零字回应。对照官方示例集的做法（每件自带独立 description、分门别类），合集件最贵的不是体积，是清单缺位——用户下载前无法估值，Agent 装载后无法快速路由。这是「最能打单件」问题连续第二期悬置，依旧是它的头号扣分项。
第四组词：「native-quali…」——承诺词军备的下一级。 本栏 09-10 的 Blender 车间横评提炼过承诺词序列：finished、editable、impressive、score，再到 3dviz 的 worth exploring，承诺从「能用」一路升到「值得看」。appllama 的 native-quality（截断 ※）是这条序列的下一级台阶：从「值得看」升到「像原生」——承诺的对象从观感换成了血统。这是本期对承诺词军备表的唯一增补，真伪同样压在正文未读上。
把上面两个缺席合成完整推理链，这是本期最想交给读者的方法论：
flowchart TD
A["一件陌生货<br/>先找两张榜"] --> B["新星榜<br/>无关键词条件"]
A --> C["新上架榜<br/>要求正文含关键词"]
B --> D["在榜 = 年轻<br/>缺席 = 生日上界"]
C --> E["在榜 = 词表匹配<br/>缺席 = 分两种情况"]
D --> F["appllama<br/>出生不晚于09-09"]
E --> G["窗口照得到却没印<br/>词表缺词"]
E --> H["窗口根本照不到<br/>什么也证明不了"]
appllama 落在哪一格？新上架榜的窗口是近 14 天创建，09-16 期窗口覆盖 09-02 之后出生的仓库——它若生于 09-03 至 09-09 区间，该期照得到它（十席末席 551★，1864★ 必印），却没印，则说明它的 name/description/readme 没有同时包含 claude 与 skills 两个词；它若生于更早，新上架的窗口本来就照不到，缺席什么也证明不了。结合生日上界与爆发入场的约束，最自洽的解是生于 09-03~09-09 且词表缺词——一个技能合集，在生态口径的检索里是隐形的。作为对照，同层跨平台件 stop-that-shit 的门牌明写「面向 Codex/GPT 场景」——同样是跨平台定位，一个把场景说尽，一个一个字不提，两种写法正好构成合集件定位的正反教材。注意这仍是推断：GitHub 搜索索引抖动无法从外部排除，最终裁决只需装机后一条 grep（见自审计），一秒钟定案。
以下为官方规范通识与存档数据的推演，非对 appllama 正文的描述 ※。合集件的成本分三层：发现层，每件一条 description 常驻注册表——本栏存档实测过官方十七件的发现层开销，单件 55 至 235 tokens、合计约 1700 tokens，合集件按件数线性放大；触发层，N 件同场意味着 N 张触发网，描述互相踩踏时 Agent 的路由错误率上升——这是合集与单件在设计上的本质差异；裁决层，用户面对一架机器时需要的是「先装哪件」的顺序，门牌不给，读者只能自己拆。推演出的审计动作只有三个：看目录数件数、逐件读 description、找 README 有没有给出「最能打」的索引。这三个动作连同全部命令在下一节，装机即可跑。
适合：想抄头部应用交互与增长模式的独立开发者——如果模式库是真的，它省的是「拆几十个 App 总结套路」的功课；已有 Claude/Codex 工作流、想把「仿写」从一次性动作变成可复用工位的团队。
不适合：需要确定性产出、可机验交付的工程团队——知识型件的效果取决于语料质量，黑箱期无法承诺；只想要单点能力的用户——为一架机器付整仓装载成本之前，先等「最能打单件」浮出水面。
# 装载（市场通道可用时）
npx skills add Appllama/appllama-skills
# 或手动
git clone https://github.com/Appllama/appllama-skills ~/.claude/skills/appllama-skills
# 自审计三连（装机后立刻跑，裁决本文全部带※的推断）
# 1. 数件数：合集里到底有几件
ls ~/.claude/skills/appllama-skills
# 2. 读门牌：逐件 description，找「最能打的单件」有没有被点名
grep -r "description:" ~/.claude/skills/appllama-skills --include=SKILL.md
# 3. 定案关键词悬案：正文到底写没写 claude
grep -ril claude ~/.claude/skills/appllama-skills | head
[!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。