本期是 Skills 生态拆解第 4 轮，方向内容创作与办公。镜头从造型间挪到后勤科：一篇内容从开工到出厂，聚光灯都打在出海报、造信息图、写口播稿的前排件上，但真正决定产线能不能转的，是后排四个不起眼的工位——jupyter-notebook（数据算账）、md2pdf（印纸出厂）、wikipedia-research（进料查证）、tutorial-engineer（内容编课）。四件全部来自装机盘，SKILL.md 逐行一手读完。核心发现有三条：其一，后排件集体不设确认闸，把「少问多干」推到极致，和前排造型件的「两道闸」正好构成光谱两端；其二，md2pdf 的说明文档本身就是一张实战伤单，连 Mermaid 避坑例句都带着 5G 核心网的行业味；其三，wikipedia-research 把军事情报学的来源评级体系搬进了引用核查，而且是四件里唯一白纸黑字写下「我不能干什么」的。
评分沿用本栏固定权重：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%。上手难度一栏星越多越容易；社区活跃度按文件内可见的维护痕迹计（版本号、参考文档、脚本完备度、测试报告）。
| Skill | 功能完整度 | 设计质量 | 实战效果 | 上手难度 | 维护活跃 | 加权总分 |
|---|---|---|---|---|---|---|
| wikipedia-research | ★★★★★ | ★★★★★ | ★★★★ | ★★★ | ★★★★ | 4.4 |
| jupyter-notebook | ★★★★ | ★★★★ | ★★★★ | ★★★★ | ★★★ | 3.9 |
| md2pdf | ★★★★ | ★★★ | ★★★★ | ★★★ | ★★ | 3.3 |
| tutorial-engineer | ★★★ | ★★★ | ★★★ | ★★★★★ | ★★ | 3.2 |
四件在产线上各占一个工位，先看整体位置：
flowchart TD
A["一篇内容开工"] --> B["wikipedia-research<br>进料查证"]
B --> C["jupyter-notebook<br>数据算账"]
C --> D["tutorial-engineer<br>转成课程"]
D --> E["md2pdf<br>印纸出厂"]
B --> F["结构化引用<br>JSON"]
C --> G["可复跑实验<br>ipynb"]
D --> H["分步教程<br>Markdown"]
E --> I["A4成品<br>PDF"]
定位：把「造一个 Jupyter 笔记本」这件最容易翻车的事，收缩成两条模板加一个脚手架脚本。只认两种货——experiment（探索实验）和 tutorial（教学 walkthrough），开工第一步不是写代码，是「Lock the intent」：锁定意图、读者和「做完长什么样」。
拆解：这件最值钱的设计是防呆。Jupyter 笔记本的原始格式是嵌套 JSON，让模型徒手写 .ipynb 是社区公认的事故高发区——括号错一位整本报废。它的对策写得很直白：「Prefer the bundled templates and the helper script for consistent structure and fewer JSON mistakes」，模板放在 assets/，脚手架脚本只依赖 Python 标准库，零额外安装，一条命令出骨架：
uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
--kind experiment \
--title "Compare prompt variants" \
--out output/jupyter-notebook/compare-prompt-variants.ipynb
编辑已有笔记本时它还立了规矩：保结构、别乱动单元格顺序、能小改不重写，真要动原始 JSON 先读 references/notebook-structure.md。最难得的是失败路径写进了正文——「If execution is not possible, say so explicitly」，跑不了就明说，别装跑过。
短板：它的路径设定暴露了户口——环境变量写的是 CODEX_HOME，默认安装位是 ~/.codex/skills，依赖管理指定 uv。这是一件带着 Codex 生态门牌的技能，原样住进了 Claude 的技能目录。跨 Agent 的技能可移植性在这台机器上又多了一件实物证据：SKILL.md 里没有一个字绑定某个模型或某个 CLI，谁家 Agent 读它都能照跑。维护痕迹中等：四份参考文档齐全，但没有版本号和更新日志。
定位：四件里业务面最窄的一件——只干「Markdown 转 A4 PDF」一件事，但窄得有理有据。它的开头不是功能列表，是一张事故清单：导出 PDF 时，Mermaid 图（尤其是参与者多的时序图）和长代码块（JSON、信令流程）必然超宽被截断。「This skill solves both problems」——两个坑，各给一个解。
拆解：解法是两步流水线：先用自带脚本把 Markdown 转成带打印级 CSS 的 HTML，再用 Playwright 驱动 Chromium 出 PDF。两处关键 CSS 值得抄走：代码块 white-space: pre-wrap 加 word-break: break-all，保证长行换行而不是被切；Mermaid 初始化时 useMaxWidth: true 加 wrap: true，让图自动缩放进页宽。中文字体（微软雅黑、苹方）和 A4 页边距都预设好了。
最有趣的是它附带的 Mermaid 避坑清单，全部带真实战例：菱形节点里不许塞复杂文本、节点文字里禁用问号感叹号、<br/> 别滥用。而它的错误示例是「验证签约数据：用户是否授权该DNN和S-NSSAI」——DNN、S-NSSAI 都是 5G 核心网术语。这件显然是从通信行业的内容产线里长出来的工具，伤单上的每一道疤都对应一次真实的排版事故。
短板：版式写死 A4 一种，页边距、字体不可配置；两步操作靠手工衔接，中间没有校验；无版本号无更新日志，一次性工具的气质。依赖 mermaid.js CDN，断网环境需要自己换本地文件——文档倒是把这条例也写了。
定位：四件里最重的一件，v2.0，五个自带脚本，管的是内容产线最要命的一段——进料查证。它把「读维基百科做研究」从抄散文升级成一条结构化流水线：抽取、验证、富化、落盘四个阶段，产出带完整引用溯源的 JSON。
拆解：三个设计值得单独说。第一，评级体系：它直接搬用了军事情报学的 Admiralty Code（海军部代码），把来源可靠性分 A 到 E 五档，A 档要求 80% 以上引用核验通过——情报界用了几十年的「信源可信度」语言，第一次被一件中文圈的技能件写进 SKILL.md。第二，置信度明码标价：每条论断的置信度是加法公式——底分 0.50，有 DOI 加 0.20，有 PMID 加 0.15，有 ISBN 加 0.10，作者信息加 0.10——公式全在文档里，不玩黑箱。第三，诚实声明：它明确列出公式做不到什么——「Does NOT verify that the source actually supports the claim」，不验证来源是否真支持论断，不假设 DOI 等于同行评审。一份技能文档敢把自己的边界写成小节，这在四件里是独一份。
flowchart TD
P1["Phase 1 抽取"] --> P2["Phase 2 验证"]
P2 --> P3["Phase 3 富化"]
P3 --> P4["Phase 4 落盘"]
P1 --> Q1["引用转 CSL-JSON"]
P2 --> Q2["DOI与PMID核验"]
P2 --> Q3["死链Wayback兜底"]
P3 --> Q4["实体关系时间线"]
P4 --> Q5["知识图谱JSON"]
验证环节还有两个细活：自动识别维基百科的不确定模板——{{citation needed}}、{{disputed}}、{{outdated}} 全都打旗标；死链不判死刑，先去 Wayback Machine 找存档兜底。每次抽取都保存 revision_id，保证研究可复现。
短板：链路重，上手要读得懂 JSON schema 和 Python 调用；整条流水线依赖维基 API 和 doi.org 的连通性；置信度终归是元数据启发式，文档自己承认替代不了人工核对关键事实。
定位：四件里的对照组。它的头两节是万能模板——「Use this skill when：Working on tutorial engineer tasks or workflows」，这种句式一看就是脚手架批量生成的壳。但壳里的内核是一份像样的技术写作教学法：概念分解、渐进披露、动手练习、错误预判五项专长，加上「What You'll Learn → 最小示例 → 引导练习 → 变体 → 挑战 → 排错」的标准教程骨架。
拆解：内核里两条原则有真功夫。一是「Fail Forward」——教程里故意埋错误，让读者在修 bug 中学会调试，这是高级教程和流水账的分水岭；二是练习五型谱系（填空、除虫、扩展、从零造、重构），把「动手」拆成了可轮换的题型而不是一句空话。结尾的质量自检清单也实用：「新手能不能不卡壳地跟完」「概念是否先于使用出现」「每个示例是否完整可跑」。
短板：全件零脚本、零模板文件、零输出校验，全靠提示词驱动；模板壳的存在说明作者没做收尾的定制——头是批发的，身是手艺的。它更像一份「够用的教学提示词」，和 wikipedia-research 那种带脚本的工程件不在一个重量级。
其一，确认闸归零。 前排造型件流行两道闸：先确认理解，再确认方案，宁可多问一轮。后排四件全部零确认——jupyter 用「锁意图」代替提问，md2pdf 和 wikipedia-research 参数即指令，tutorial-engineer 连参数都没有。这不是偷懒，是分工：造型件的产出主观性强，问清楚再干；后勤件的产出有客观对错，问不如干，错了重跑就是。
其二，伤单即文档。 md2pdf 通篇是「踩过的坑」的形状：超宽、截断、CDN 断网、Mermaid 语法雷区，每个坑带解法带反例。jupyter-notebook 的防 JSON 手写、wikipedia-research 的死链兜底，本质也是把事故史写成流程。好技能和差技能的分界线，往往不在提示词多漂亮，而在有没有把翻过的车写成护栏。
其三，户口与门牌分离。 jupyter-notebook 写明要装进 ~/.codex/skills，却实实在在接受 Claude 的调度；tutorial-engineer 的模板壳是某家技能生成器的批货，内核却谁都能用。后排件普遍不关心自己在谁家门口——它们的 SKILL.md 里几乎不出现特定产品名，只出现路径、参数和清单。可移植性不是喊出来的，是写文件时就不依赖门牌。
四件都是目录即安装：把技能目录放进 ~/.claude/skills/ 即被识别。上手命令如下。
jupyter-notebook（先设路径，再一条命令出骨架）：
export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"
export JUPYTER_NOTEBOOK_CLI="$CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py"
uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
--kind tutorial --title "Intro to embeddings" \
--out output/jupyter-notebook/intro-to-embeddings.ipynb
md2pdf（两步走）：
python <skill-path>/scripts/md2pdf.py "input.md"
# 生成 input.html 后，用 Playwright 出 PDF：
# page.pdf(path="output.pdf", format="A4", print_background=True)
wikipedia-research（四阶段对应四个脚本入口）：
from scripts.citation_extractor import CitationExtractor
from scripts.source_verifier import SourceVerifier
from scripts.entity_extractor import EntityExtractor
research = CitationExtractor().extract_article("Subject_Name")
results = SourceVerifier().verify_citations(research["citations"])
tutorial-engineer（无命令，直接下达写作任务即可，进阶细节在 resources/implementation-playbook.md）。
后排件没有 Star 传奇，也没有出圈作品，但一台机器的内容产能，恰恰由这些工位的深度决定：查证件决定进料质量，算账件决定数据可信，编课件决定知识能否二次分发，印纸件决定交付的最后一厘米。这一轮横评里最值得带走的不是某一件，而是一条写件标准——把翻过的车写成护栏，把自己的边界写成条文。做到了这两条的，哪怕只有一页纸，也是好件。
~/.claude/skills/jupyter-notebook/SKILL.md — 本地装机文件，本文一手分析对象（CODEX_HOME 路径设定、双模板、脚手架脚本均出自该文件）~/.claude/skills/md2pdf/SKILL.md — 本地装机文件，超宽截断问题清单、两步流水线、Mermaid 避坑例句均出自该文件~/.claude/skills/wikipedia-research/SKILL.md — 本地装机文件，Admiralty Code 评级、置信度加法公式、局限声明均出自该文件~/.claude/skills/tutorial-engineer/SKILL.md — 本地装机文件，模板壳结构与教学原则清单均出自该文件[!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。