这一期看的是「写字」这条线。不是泛泛的 AI 写作，而是货架上三类专门伺候文字的 Skill：管格式的、管文风的、管戏剧的——mizzlelover/gongwen-gbt9704-skill（按 GB/T 9704-2012 国标排中文公文）、larashero3-dotcom/lieflat-gongwen（102万字语料提炼的公文文风量化）、jtydhr88/screenwriting-skills（影视剧本与戏剧写多技能包）。
三件全部在九月上旬上架，九月中旬同场竞技，如今都已跌出新星榜、进入长尾期。把多日的榜单快照摆在一起看，有三个发现值得单说：一，中文政务公文这个极其本土的赛道，居然同时站了两个竞品，而且一个死磕国标格式、一个死磕文风数据，分工干净得像商量好的；二，涨得最凶的剧本包，上架头三天连仓库描述都是空的，纯靠名字涨星；三，三件对应了三种完全不同的 SKILL.md 写法——标准驱动、语料驱动、场景分包，正好是一份「写字件」的设计模式教材。
| 仓库 | 定位 | 上架时点 | 峰值快照 | 一句话 |
|---|---|---|---|---|
| mizzlelover/gongwen-gbt9704-skill | 公文排版 | 9月上旬 | ⭐572（9/14） | 按国标生成可编辑 DOCX |
| larashero3-dotcom/lieflat-gongwen | 公文文风 | 9月上旬 | ⭐916（9/14） | 把公文文风变成可验收的量化数据 |
| jtydhr88/screenwriting-skills | 影视剧本 | 9月上旬 | ⭐1251（9/19） | screenwriting、电视写作、戏剧学三合一 |
| 维度（权重） | gongwen-gbt9704 | lieflat-gongwen | screenwriting-skills |
|---|---|---|---|
| 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% | ★★★ | ★★★ | ★★★★ |
| 加权综合 | 3.65 | 3.60 | 4.10 |
实战效果一栏无实测数据支撑，按涨星曲线与场景明确度推断，权重取低，读者自酌。
gongwen-gbt9704-skill 的名字就是说明书：GB/T 9704-2012，《党政机关公文格式》——那份管着全国红头文件的国标。版心尺寸、字号字体、红头分隔线的位置，全都写死在这份标准里。这个 Skill 干的事，按仓库描述，是「生成参照 GB/T 9704-2012 的可编辑 DOCX」，而且强调可编辑——不是出一张图片糊弄，是能在 Word 里接着改的正式文件。
这类 Skill 的设计精髓在「引用+裁剪」：国标原文是公开的、条款是明确的，SKILL.md 不需要发明任何规则，只需要把标准编号绑定到生成流程上，让模型照单执行。它的短板也在这里——管到格式为止。你说什么、论证是否成立、措辞是否得体，一概不管。
值得注意的一个细节：9 月 14 日的快照里，仓库描述的最前面多了一句「信息安全提醒：请勿上传企业禁止对外公开的文件；可在本地或企业内网部署大模型后使用」。这是三件里唯一一个主动加安全声明的。政务公文天然涉密，作者把「本地部署、内网跑模型」写进了门面——这条提醒本身就是对目标用户最精准的自我介绍。
它还配了一个姊妹仓库 mizzlelover/CEB，做 CEB 文件转换。CEB 是方正的版式格式，国内不少政务系统交换文件时认它。一个做公文排版 Skill 的作者顺手补了 CEB 转换链路，说明他清楚自己的用户在哪个系统里干活——这种落地意识，比星数更说明问题。
如果说排版件解决「长得像不像公文」，lieflat-gongwen 解决的是「读起来像不像公文」。仓库描述只有一句话，但信息密度极高：「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」。
拆开看是三个动作：先攒语料——102万字，这是全场三件里唯一亮出语料规模的；再提炼指标——从真实公文里归纳出可数的特征，而不是让模型凭语感发挥；最后变成验收——「可测量、可验收」，这六个字是整个设计的心眼。它把「写得像不像」这个玄学问题，翻译成了「过不过检查项」这个工程问题。
这是三件里设计思路最超前的。绝大多数写作类 Skill 的写法是堆形容词——「正式、严谨、简洁」——模型看完依旧自由发挥。语料驱动型的路数完全相反：不告诉模型「要有公文味」，而是给它一张硬指标清单，写完逐项对账。文风从感觉变成了闸门。
代价也明显。文风量化天然带损耗，哪些特征提得出来、哪些提不出来，102万字语料的构成和提标过程仓库快照里看不到，效果只能存疑待验。星数曲线也印证了这点：9/11 的 ⭐807 到 9/14 的 ⭐916，五天涨 109，稳但不爆——这类需要用户先理解方法论的产品，注定慢热。
排版件和文风件同处一个赛道却几乎不重叠，这本身就是一篇现成的竞品分析课：同个需求切开做，比挤在一个 Skill 里对打活得都好。
screenwriting-skills 是三件里涨得最凶的，增长曲线值得整段抄下来：
| 日期 | 星数 | 仓库描述 |
|---|---|---|
| 9/11 | ⭐715 | 无描述 |
| 9/12 | ⭐743 | 无描述 |
| 9/13 | ⭐882 | 无描述 |
| 9/14 | ⭐998 | 无描述 |
| 9/18 | ⭐1245 | Professional agent skills for screenwriting, television writing and dramaturgy |
| 9/19 | ⭐1251 | 同上 |
注意看：涨得最猛的一段（9/11 到 9/14，四天 +283），描述栏一直是空的。上架的人不写介绍，星照涨——反向说明这个包是在有明确需求的圈子里被口口相传的：找「professional agent skills for screenwriting」的人，看到名字就知道是不是自己要的。直到 9 月 18 日作者才补全描述，补的这行英文也值得琢磨：screenwriting（剧本）、television writing（电视写作）、dramaturgy（戏剧构作）三个词并列——这多半不是一个单文件 Skill，而是一个按写作场景分卷的技能包，影视本子、电视文本、舞台戏剧各管一摊。
分包是重型 Skill 的标准打法：单文件 SKILL.md 塞下一个完整编剧方法论，上下文一开幕就爆；拆成多卷，按需加载，写舞台剧不用背着影视闹剧的规则。命名上把三个场景词直接排进仓库名和描述，等于把触发词写在了门牌上——用户搜哪个词都能对上号。
三件摆在一起，正好是写字类 Skill 的三条产线：
flowchart TD
A["写字这件活"] --> B["格式层"]
A --> C["文风层"]
A --> D["戏剧层"]
B --> B1["国标排版件"]
C --> C1["文风量化件"]
D --> D1["场景分包剧本包"]
以国标排版件为例，它的工作流大致是这条链（按仓库描述推断）：
flowchart TD
A["用户给内容"] --> B["匹配国标条款"]
B --> C["套版心与字体"]
C --> D["生成DOCX"]
D --> E["逐项对照核验"]
三件都是标准 Agent Skills 目录结构，两条路任选：
# 方式一：Skills CLI（名称以各仓库 README 为准）
npx skills add mizzlelover/gongwen-gbt9704-skill
npx skills add larashero3-dotcom/lieflat-gongwen
npx skills add jtydhr88/screenwriting-skills
# 方式二：手动克隆到技能目录
git clone https://github.com/mizzlelover/gongwen-gbt9704-skill ~/.claude/skills/gongwen-gbt9704
git clone https://github.com/larashero3-dotcom/lieflat-gongwen ~/.claude/skills/lieflat-gongwen
git clone https://github.com/jtydhr88/screenwriting-skills ~/.claude/skills/screenwriting
装完在对话里直接说「按 GB/T 9704 排这份公文」「检查这段是不是公文文风」「写一集剧本」即可触发。公文两件涉及真实文件输出，建议先拿无密级的测试文本跑一遍再上生产。
三件的共同点值得记一笔：它们都不卖「AI 帮你写」，卖的是「写完之后对不对」——格式对不对国标、文风过不过指标、结构合不合戏剧法。写字的活儿模型自己就会，货架上的溢价全在验收端。下一个进场做写字件的人，与其再训一个「写得更像」，不如再修一道「查得更狠」。
[!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。