导语： 十月第一周的 Skills 货架，最大的新闻不是又一件千星单件，而是一个把「用人」这件事做实了的仓库：headcount，一家只有组织图没有工位的「皮包公司」——15 个部门、125 个 Skill、1810 颗星。本期定期观察扫了新星榜、新上架区和近 45 天的小而美名单，挑出 8 件值得点名的新货：一件组织级的 Skill 公司、三件非英语进料口的桥梁件、一件视频风格克隆剧组、一对撞名的「dots」，以及 OpenAI 官方上架的一份插件规范。结论先说：这一周，新货在往两头走——一头越做越大，大到开公司；一头越做越窄，窄到只伺候一门语言。
仓库：cbrock84/headcount，⭐1810，近 45 天新建，全库以 Markdown 为主。
它的自述只有一句话：一个按公司结构组织的 Agent 编制——15 个以上部门、125 个以上 Skill，每个可独立安装。 翻译成人话：别人造零件，它造的是编制表。
这件事值得头条，是因为它戳中了 Skill 生态攒到今天的真痛点——检索，而不是数量。装到第 20 个 Skill 的人都有体会：真正的问题从来不是「没有件可用」，而是「要用的时候想不起它叫什么」。headcount 的解法很朴素：按公司的职能分工来归档。研发、市场、法务、人事……你不需要记住 125 个名字，只需要知道「我这活儿归哪个部门管」，进部门挑人就行。这个检索路径符合所有人的职场直觉，学习成本约等于零。
第二个设计点是「编制在，用人自由」。125 个 Skill 不是全家桶，每个都能单独拎出来装——你完全可以只从里面「挖」三个员工，剩下的编制表当目录用。这对被各种 one-click install all 套件伤过的人很友好：装了不想要，删掉一个目录就是离职，不用办离职手续。
隐患也摆在明面上。第一，部门是给人的索引，不是给模型的索引。 Claude 触发 Skill 靠的是描述匹配，不认你的组织图——你把文件归到「市场部」文件夹，不代表模型在写文案时就会想到它，触发词的设计质量仍然是单件自己的事。第二，125 个件的触发词撞车风险。 同一个部门里「写周报」「写邮件」「写发言稿」如果描述写得稀松，模型挑人会挑出人情事故。第三，养编制的成本。 单作者维护 125 个件，更新节奏能多久，星标涨到四千之后见分晓。
它的名字也取得妙：headcount，HR 术语，「在编人数」。造件的人把自己的家底直接写成了花名册。
装配流程是这样的：
flowchart TD
U["你说出需求"] --> S["逛headcount组织图"]
S --> D{"活儿归哪个部门"}
D -->|对上号| P["进部门挑Skill"]
D -->|没对上| B["退回全库翻目录"]
B --> P
P --> I["拷入skills目录"]
I --> T["Claude按描述自动触发"]
T --> R["不合适单独移除"]
近 7 天新建仓库的星标榜，前三名是：AIHOT（⭐4959，自动找热点写日报的网站框架）、coucou（⭐2969，住在 Mac 刘海里的小宠物，Windows 和 Linux 也能养）、dots（⭐2473，自带浏览器的 Agent）。
有意思的不是谁第一，而是成分：前十名里，纯 Skill 只占两三席，其余全是独立应用和平台。这一周的新货明显分两股——headcount、OpenDots、dots 这类「往大了长」的编制和平台，以及 yomiyasu 这种「往窄了钻」的单点件。中间地带，那种「一个 Skill 解决一类通用任务」的通用件，反而在退场。
仓库：nanaism/yomiyasu，⭐1176，近 7 天新建。
自述直译过来：一个把 AI 生成的日语推敲成自然日语的 Agent Skill。 新星榜前十里罕见的纯 Skill，而且胆子极大——全部身家押在一个语种上。
这个窄门选得准。AI 写的日语，语法人人都说对，日本人一读就皱眉：敬语层级乱跳、书面腔和口语腔混着来、AI 高频句式一眼假。这正是「每个词都对、整段不像人话」的重灾区，跟中文圈抱怨的「AI 味」同源。它证明了一件事：非英语市场愿意为「母语级润色」单独付一颗星——这种件在英语世界根本立不住，因为通用写作件已经把英文润色卷烂了，但日语、中文这类语种还有空窗。
对中文读者的启示比工具本身更值钱：中文版的「AI 味推敲件」，货架上一件像样的都还没有。谁先做谁吃星。
仓库：Edwardxlai/easyread，⭐601。
四件套：本地 PDF 论文翻译、原文对照、边读边问 AI、文献管理。单看每件都不新鲜，新鲜的是收进一个本地应用里——翻译不出本地、读到哪里问到哪里、问完顺手归档，一条流水线走完。
论文阅读件这个赛道已经挤，但它卡的位置刁：市面多数翻译件只管「译完」，不管「读懂」。原文对照加即问即答，等于把精读动作留在了同一个界面里，不用在 PDF 阅读器、翻译软件和聊天窗口之间三头跑。短板也直白：⭐601 在本周新货里体量偏小，文献管理要跟 Zotero 这类在位者抢用户，长跑看粘性。
仓库：freestylefly/WeChatBridge，⭐1014。
自述：微信聊天记录一键转发到 AI Agent 与 Obsidian 的原生 macOS 工具。 这是本周对中文用户最实在的一件——微信是中文互联网最大的数据孤岛，聊天记录里埋着大量工作上下文，但 Agent 一直够不着它。
桥打通之后，玩法立刻具象：把项目群的讨论喂给 Agent 整理成会议纪要、把客户需求原话转进 Obsidian 存档检索。亮点是「原生」二字，不走网页版模拟那类灰路子。两条边界要心里有数：一是 macOS 限定，Windows 用户暂时围观；二是聊天记录属于最敏感的个人数据，接进任何 Agent 之前先想清楚数据流向，别把私聊喂给了云端模型。
仓库：edenfunf/reelmimic，⭐957。
自述的画面感很强：给它看你喜欢的一条视频，还你一条同风格的新视频——背后是一个 AI 剧组（Claude Code 或 Codex 皆可驱动）负责拆解和规划。
它的切入点跟这几个月一窝蜂的「文生视频件」不同：不卷生成引擎，卷风格对齐。生成引擎再强，用户真正的焦虑是「我发参考视频，它给我吐一条完全不相干的东西」。reelmimic 把拆解参考片这件事交给多 Agent 分工——编导拆节奏，摄影拆运镜，后期拆转场——再按拆出来的分镜去生成。短板在版权和平台的灰色地带：「同风格」和「洗稿」之间那条线，工具自己画不了。
撞名是本周的意外节目，而且两个都不是标点符号的意思。
CopilotKit/OpenDots，⭐1445，自述是在文本、通话和 Slack 之间来回移动的常驻 AI 同事。出品方 CopilotKit 是 React AI 助手框架的老牌团队，这回做的事可以概括成「给 Agent 办工牌」：不再是随叫随到的问答框，而是常驻在通讯工具里、能接电话能回消息的编制内员工。方向对，但「常驻同事」对普通个人的日常价值还没验证，目前更像团队协作场景的货。
feder-cr/dots，⭐2473，新星榜第三，自述是一个自带浏览器的 Agent，而且这个浏览器不会被拦。卖点直给：别的浏览器 Agent 爬两页就撞验证码，它主打穿透。星标涨得凶，雷点也明摆着——反封锁这面旗，举得越高，离平台方反制的枪口越近，合规风险是它头上悬着的剑。围观可以，接进生产流程前先掂量。
仓库：openai/mcp-extensions，⭐695，OpenAI 官方组织名下，自述一句：做出像 ChatGPT 原生功能一样的插件。
这是本周最值得记的生态事件。MCP 这套协议本是 Anthropic 家发源的，现在 OpenAI 官方仓库上架了它的扩展规范，同周 Hacker News 上「Sites in ChatGPT」的讨论也挂到了近 200 分——两件事拼在一起，指向同一个判断：ChatGPT 在认真做插件平台，而 MCP 正在从一家的协议变成跨家的公共标准。 对 Skills 生态是利好：标准越通用，你写的 Skill 和插件能铺的摊子越大。当然，⭐695 的体量说明这还是个刚揭幕的工地，具体规范能落地成什么，以仓库后续更新为准。
五星制，基于各仓库自述、定位与星标增速的编辑判断，实测以各自 README 为准：
| Skill / 仓库 | 功能完整度 25% | 设计质量 25% | 实战效果 20% | 上手友好 15% | 社区活跃 15% | 综合 |
|---|---|---|---|---|---|---|
| headcount | ★★★★ | ★★★★★ | ★★★★ | ★★★★ | ★★★★ | 4.2 |
| yomiyasu | ★★★ | ★★★★★ | ★★★★ | ★★★★★ | ★★★★ | 4.1 |
| easyread | ★★★★ | ★★★ | ★★★★ | ★★★★ | ★★★ | 3.7 |
| WeChatBridge | ★★★ | ★★★★ | ★★★★ | ★★★★ | ★★★ | 3.6 |
| reelmimic | ★★★ | ★★★★ | ★★★ | ★★★ | ★★★ | 3.3 |
| OpenDots | ★★★ | ★★★ | ★★★ | ★★★ | ★★★ | 3.0 |
| dots | ★★★ | ★★★ | ★★☆ | ★★★ | ★★★★ | 3.0 |
| mcp-extensions | ★★ | ★★★★ | ★★ | ★★★ | ★★★★ | 2.8 |
flowchart TD
W["本周八件新货"] --> G1["组织编制"]
W --> G2["进料出口桥"]
W --> G3["出片产线"]
W --> G4["常驻平台"]
W --> G5["标准事件"]
G1 --> A["headcount"]
G2 --> B["WeChatBridge"]
G2 --> C["easyread"]
G2 --> D["yomiyasu"]
G3 --> E["reelmimic"]
G4 --> F["OpenDots"]
G4 --> H["dots"]
G5 --> I["mcp-extensions"]
headcount（按部门单独取件，目录名以仓库实际结构为准）：
git clone https://github.com/cbrock84/headcount.git
cp -r headcount/<部门目录>/<skill目录> ~/.claude/skills/
yomiyasu（单件仓库，整体拷入即可）：
git clone https://github.com/nanaism/yomiyasu.git
cp -r yomiyasu ~/.claude/skills/
easyread、WeChatBridge 属于本地应用而非纯 Skill，从仓库 README 进入安装流程：
git clone https://github.com/Edwardxlai/easyread.git
git clone https://github.com/freestylefly/WeChatBridge.git
reelmimic、OpenDots、dots 同理，克隆后按各自 README 初始化：
git clone https://github.com/edenfunf/reelmimic.git
git clone https://github.com/CopilotKit/OpenDots.git
git clone https://github.com/feder-cr/dots.git
想自己在货架逛店，可以用目录站的命令行入口按关键词翻新架：
npx skills find <关键词>
这一周的货架给出三个方向性信号。其一，编制化。 单件的天花板肉眼可见，headcount 用一张组织图证明：Skill 攒多了之后，竞争力从「造得出」变成「找得到」。其二，进料口的本土化。 本周涨得最稳的三件——yomiyasu、easyread、WeChatBridge——全在伺候非英语数据：日语润色、论文中读、微信搭桥。英语之外的存量数据，是下一个战场。其三，标准外溢。 OpenAI 官方接走 MCP 扩展规范，插件经济的地基正在从一家的后院变成公共设施。对想入场写第一件的人，时机反而比一个月前更好：摊子越大，缺的件越多。
[!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。