货架停摆，本期换打法：不追新面孔，解剖标本。标本是一台真实生产机——本机 ~/skills 目录下装着五条内容产线（PPT、知识卡片、课程化、课程视频、视频混剪），它们从没上过任何一期盘点，却是这台机器上真正在干活的东西。把它们的文件树一层层剥开，再对照公开市场四件（编剧包、SEO 双件、AI 视频笔记包）的全月星标曲线，本期给出一个此前没人点破的结论：内容件的胜负手不在提示词，在资产。谁往 Skill 里塞的货越多，谁活得越好。
| 仓库 | 快照曲线（日期→星数） | 全窗口日均 |
|---|---|---|
| jtydhr88/screenwriting-skills | 09-11:715 → 09-13:882 → 09-15:1081 → 09-16:1188 → 09-19:1251 | 约 67 星/天 |
| Ryze-AI-Adgent/open-seo-mcp-skills | 09-03:333 → 09-06:516 → 09-08:642 → 09-11:771 | 约 55 星/天 |
| eternityspring/reelbench-skills | 09-14:516 → 09-16:704 → 09-19:749 → 09-24:825 | 约 31 星/天 |
| leopard627/fire-your-seo-agency | 仅 09-07 一点：400 | 单点，无法测速 |
两条被本栏反复报道过的关键事实，在快照序列里看得更清楚。其一，open-seo-mcp-skills 的仓库描述在 9 月 10 日前后悄悄换过一次：9 月 3 日快照还写着通用的「关键词研究、排名追踪、站点审计、外链」，到 9 月 11 日已改成「接你真实的 GSC/GA4/广告数据」——从给建议的件，转向碰真数据的件。这个转向是 SEO 件的分水岭，本栏上期已判过，快照序列为它补了时间戳。其二，screenwriting-skills 八天从 715 涨到 1251，日均 67 星、几乎天天匀速，与上期「涨得最匀、没有二次传播」的判决吻合——两条独立数据链互为印证。
公开货架没新货，但真机上装着五件从未被盘点过的产线。以下全部结论来自本机目录的文件树实测（目录：/home/gprshome/skills/），逐件拆。
这件是本期标题的由来。它的目录结构是三层：顶层是四份过程文档——00-original-requirement.md、01-tech-evaluation.md、02-template-analysis.md、03-openxml-deep-dive.md，从需求、选型、模板分析一路写到 OpenXML 深潜，等于把一个 Skill 的整个怀孕过程存档在仓库里，这在公开市场的件里几乎见不到。中间层是两支批量脚本 batch_generate_ict.py 和 ericsson_ppt_batch.py，加一份 ict_100_plan.md——百讲计划。底层是 pptx/content/ 目录：选题 JSON 超过一百个（Glob 列到第一百个还没列完），从《Starlink星链系统》《GPS定位原理》到《Transformer架构》《芯片战争》，横跨通信、AI、操作系统、科技史。
这就是「重资产件」的极端形态：SKILL.md 只是说明书，真正的估值在那一百多个内容 JSON 里。提示词人人会写，一百节课的语料没人在一夜之间造得出来。
拆开它的文件树，戏剧性出现了：content/ 目录下按 13 个领域分类——networking、telecom、computing、ai-ml、programming、math、physics、electronics、robotics、space-tech、tech-industry、cybersecurity、data-science——每个领域下挂选题 JSON，而《Starlink星链系统》《TCP_IP协议栈四层模型》《GPS定位原理》这些名字，与 PPT 工厂的语料库完全重合。一件内容库，喂两条产线：同样的选题，出卡片用 knowledge_card_pro.py，出 PPT 用批量脚本。更难得的是它带了一份 production_checklist.md——全场唯一把质检单写进仓库的件。语料是资产，分类学是资产的资产，质检单是资产不返工的保险。
最小的文件树，却是设计密度最高的一件：analyze_doc.py 拆文档，validate_slides.py 配 validators/schema.json 做出槽校验，fix_mermaid.py 专治渲染失败的图——一个「生成、验证、自愈」的闭环，再加 templates/course_plan.md 和 slide_prompt.md 两个模板。三个脚本没有一个是生产内容的，全是给内容把关的。这是五件里唯一把「防呆」写进工程的：它默认模型会出错，然后逐类兜住。做内容流水线的人该抄的就是这个思路——生成脚本谁都会写，修复脚本才是护城河。
文件树有明显的「用过的痕迹」：build_video.py 旁边躺着一个 .bak，__pycache__ 里有编译缓存——说明它真的跑过量产，不是展示件。references/ 下两份文档，一份 step-by-step-guide.md，一份 japanese-verification.md，后者记录的是一套日式逐帧校验流程，看得出踩过坑之后专门补的验收环节。旁边还装着 course-video-maker-zh、-en 等变体——一件繁殖出一窝，换语言不换骨架。工程上是老派风格，量产信用却是五件里最足的。
这件的文件树是一部失败的编年史。templates/ 下躺着十几个爆款脚本库：viral_scripts.json、_expanded、_bulk、_batch2、_real_api、_real_merged、_massive、_ultimate、_final……从扩量、换接口、合并、再终极、再最终，每个文件名都是一次不成功的尝试。scripts/ 里九支脚本，四支名字带 scrape。最后落到的资产反而是手工攒的 obsidian_vault/：方言配音素材、职场场景、毒鸡汤、网络热梗、《西游记》四川话配音八个选题库，外加一个 journey_to_the_west_sichuan.json 样例。管线是全的（抽字幕、配音、混剪三段齐备），但它的历史证明：爬来的语料库不如手攒的选题库值钱。资产论在这件上以反例成立。
本机五件按工程五维评（私房件无社区数据，社区活跃度不计，加权折算到 85%）；市场四件沿用本栏 9 月 24 日已发布的前判分数，标注来源不重评。
| Skill | 功能完整度 | 设计质量 | 实战效果 | 上手难度 | 社区 | 综合 |
|---|---|---|---|---|---|---|
| knowledge-card-pro | ★★★★ | ★★★★★ | ★★★★ | ★★★★ | 私 | 4.1 |
| ericsson-ppt-writer-v2 | ★★★★★ | ★★★★ | ★★★★ | ★★★ | 私 | 4.0 |
| knowledge-to-course | ★★★★ | ★★★★★ | ★★★☆ | ★★★☆ | 私 | 3.8 |
| course-video-maker | ★★★★ | ★★★☆ | ★★★☆ | ★★★ | 私 | 3.6 |
| video-remix | ★★★ | ★★☆ | ★★☆ | ★★☆ | 私 | 2.6 |
| reelbench-skills（前判） | ★★★★ | ★★★ | ★★★ | ★★★★ | ★★★★ | 3.55 |
| screenwriting-skills（前判） | ★★★★ | ★★★★ | ★★★ | ★★★★ | ★★ | 3.5 |
| open-seo-mcp-skills（前判） | ★★★★★ | ★★★★ | ★★★ | ★★ | ★★ | 3.45 |
| fire-your-seo-agency（前判） | ★★★ | ★★★ | ★★★ | ★★★★ | ★ | 2.85 |
九件摆在一起，公开市场与本机私房可以用同一套类型学解释——这期真正的产出：
四范式的推论很直接：内容件的价格锚点正在从「提示词工程」移向「语料工程」。想入场的人该问的不是「我的 SKILL.md 写得多好」，而是「我的 content 目录里塞了什么」。
flowchart TD
market["内容创作与办公货架"]
market --> A["重资产件"]
market --> B["真数据件"]
market --> C["纯提示件"]
market --> D["陪跑笔记件"]
A --> A1["风格图件 2489星"]
A --> A2["本机百讲库 100+选题"]
A --> A3["漫画动画件 1782星"]
B --> B1["SEO数据件 771星"]
C --> C1["口号审计件 400星"]
D --> D1["视频笔记件 825星"]
flowchart TD
lib["共享选题库<br/>100余个JSON"]
lib --> card["卡片产线"]
lib --> ppt["PPT产线"]
lib --> course["课程产线"]
card --> c1["十三域分类<br/>附质检单"]
ppt --> p1["批量脚本<br/>百讲计划"]
course --> q1["出槽校验<br/>图自动修复"]
video["视频产线"] --> v1["抽字幕配音<br/>手攒选题库"]
lib2["爬取语料<br/>十余个版本"] -.-> video
市场三件沿用本栏前文验证过的命令：
git clone --depth 1 https://github.com/jtydhr88/screenwriting-skills ~/.claude/skills/screenwriting-skills
git clone --depth 1 https://github.com/Ryze-AI-Adgent/open-seo-mcp-skills ~/.claude/skills/open-seo-mcp-skills
git clone --depth 1 https://github.com/eternityspring/reelbench-skills ~/.claude/skills/reelbench-skills
本机五件是私房产线，无公开仓库，不复述虚构链接。想复刻这套架构，公式只有四行：建一个 content/ 按领域分目录塞选题 JSON；配一支生成脚本和一支校验脚本；production_checklist.md 写清验收项；SKILL.md 只负责把这三种资产串起来。open-seo-mcp-skills 那条真数据路线则要另备 GSC/GA4 账号并配 MCP，上手成本全场最高，没有账号别装。
货架停摆不是内容的终点，是内容件的分水岭：提示词通胀之后，语料成了唯一的硬通货。下一期 Round 5 轮到工作流自动化类，届时验证这个结论在部署件上是否同样成立。
[!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。