# 拆sepia：去AI味赛道打起来了 ## 概述：四件新货，两条战事 本期内容创作横评点名四件此前从未进过拆解存档的新面孔：写作位的 **sepia**（Nanako0129/sepia）、图文位的 **handraw-style**（yang0/handraw-style）与 **story-to-handdrawn-video**（gnipbao/story-to-handdrawn-video）、学习位的 **reelbench-skills**（eternityspring/reelbench-skills）。 四件摆在一起，能看到内容赛道正在换轴。前一阶段的竞争轴是“能不能生成”——写文案、出图、拼视频；这一批新货的竞争轴变成了“像不像人做的”：sepia 在文字层抹掉机器味，两件手绘货在视觉层给成品套上人的笔触。另一条线索是分发——sepia 把“一次安装、处处生效”当作主打卖点，技能的竞争开始从内容卷到渠道。 需要说明口径：本期为**货架首评**，评分只覆盖可观察维度（定位、差异化、增长、上手门槛、社区热度），功能完整度与实战效果两列留白——没有逐行核过原文之前不出分，这是本栏的复评惯例，此前 dream-loop 就走过 3.30 到 3.75 的两段评分。 ## 首评评测表 | 件 | 定位清晰 | 差异化 | 增长势能 | 上手友好 | 社区热度 | 功能完整度 | 实战效果 | |------|------|------|------|------|------|------|------| | sepia | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★★ | 待实测 | 待实测 | | handraw-style | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★★☆ | ★★★★☆ | 待实测 | 待实测 | | story-to-handdrawn-video | ★★★★★ | ★★★★★ | ★★☆☆☆ | ★★★☆☆ | ★★★★☆ | 待实测 | 待实测 | | reelbench-skills | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | 待实测 | 待实测 | 增长口径说明：sepia 从 8 月 31 日的 1141 星涨到 9 月 10 日的 2515 星，十天 2.2 倍；handraw-style 从 9 月 10 日的 761 星到 9 月 16 日的 1976 星，六天 2.6 倍；story-to-handdrawn-video 从 8 月 31 日 1740 星到 9 月 3 日 1782 星，三天仅增 42，明显滞涨；reelbench-skills 从 9 月 14 日 516 星到 9 月 24 日 825 星，十天约六成。 ## 主拆 sepia：把去AI味做成基础设施 **定位**：仓库描述只有一句话——"De-AI writing skill for any Agent Skills-compatible agent"，给任何兼容 Agent Skills 规范的代理用的去AI味写作件。但这句话里藏了本期最值得说的数字：**77+**。描述里明确写着 "77+ via the Skills CLI"，也就是经由 Skills CLI 这个安装渠道，sepia 声称可以覆盖 77 个以上兼容代理。 **打法**：去AI味这个需求，本栏此前拆过第一件——以 283 万字语料为卖点的语料派，路线是“我喂了模型 enough 的人类文本，它知道人话怎么讲”。sepia 走的是另一条路：**分发派**。它的核心资产不是语料库，而是“装一次、到处用”的渠道能力——不管你的代理是哪家，只要兼容 Agent Skills 规范，同一个 sepia 就能生效。写作规则被做成了跨代理的基础设施，而不是某个代理的私有配置。 **数据**：货架记录里 sepia 的星数轨迹相当陡——8 月 31 日 1141，9 月 1 日 1307，9 月 3 日 1557，9 月 4 日 1875，9 月 5 日 2046，9 月 6 日 2283，9 月 10 日 2515。十天净增 1374 星，其中 9 月 3 日到 6 日三天涨了近 730，是典型的第三方推荐带动的跳涨曲线。仓库主语言 Python，在纯提示词型的写作件里算是重工程的做法。 **短板**：其一，“77+ 代理通用”是描述自述，各家代理对 skills 的实现细节并不一致，实际覆盖面要打问号；其二，去AI味的效果天然缺乏客观度量——语料派好歹给出了语料规模这个硬指标，分发派的硬指标只有“能装在哪”，改写质量本身待实测；其三，去AI味赛道如今至少两件千星货贴身竞争，sepia 的先发窗口并不宽。 ## 对手盘：语料派与分发派的分野 把两件去AI味货并排看，分野很清楚：**语料派卖证据，分发派卖渠道**。前者说服你的方式是“我的规则是从 283 万字真人文里提炼的”，后者说服你的方式是“不管你用哪个代理，我都能装进去”。这两个卖点其实回答的是同一个信任问题的两半——规则从哪来、规则怎么到你这来。 对用户来说，选择标准也因此不同：重度单代理用户看改写质量，多代理用户看安装成本。sepia 的十日翻倍说明市场上多代理用户的比例正在快速上升——这大概是 Skills 生态今年最实在的一个信号：**人们不再只用一个代理干活了**。 ## handraw-style：把“手绘感”做成可检索的资产 **定位**：描述一行字——“手绘风格编号画廊与双语提示词 Skill”。把各种手绘风格做成带编号的画廊，每个风格配中英双语提示词，代理按编号取用。 **亮点**在“编号”这个设计。风格类提示词的常见痛点是模糊——你说“手绘风”，模型理解的手绘和你想的可能差了十万八千里。编号画廊把风格变成可指认的资产：看图选号，提示词随之确定，沟通成本从描述一件事降到一个号。双语提示词则是中文创作者的实在便利。仓库主语言 HTML，画廊本身就是一个可浏览的网页，上手几乎零门槛。 **数据**：9 月 10 日首次进入货架记录时 761 星，次日直接跳到 1385——单日净增 624，是四件里最猛的单日跳涨；9 月 15 日 1743，9 月 16 日 1976。六天 2.6 倍的增速冠绝本期。 **短板**：它是风格资产库，不是生成引擎——真正的出图质量取决于你挂的模型和绘图件；且编号画廊的覆盖面就是作者收录的那几十种，风格之外的空间（构图、配色、笔触粗细）仍要用户自己写。 ## story-to-handdrawn-video：中文故事转手绘动画 **定位**：四件里差异化最高的一件。描述写得很具体：把中文故事文案或有序图片，转成手绘日记漫画动画。“日记漫画”这个品类定位相当窄——不是通用的文生视频，而是专做“一个人讲一段事，画面像手账”的叙事动画。 **亮点**有三：输入明确面向中文文案，这对中文创作者是个诚恳的默认值；“或有序图片”留了第二条输入通道，图文混合的叙事可以接；输出绑定“手绘日记”这一个视觉品类，与其 neighboring 的手绘件形成了风格呼应——显然“手绘感”正在成为一个小型赛道，而非孤例。 **数据与短板**：货架记录里它是四件中绝对星数最早过千的（8 月 31 日已有 1740），但曲线走得最平：9 月 1 日 1749，9 月 3 日 1782，三天净增 42。冷启动已完成，后劲却没跟上——对一个输出链路长（文案分镜、画风统一、动画合成）的重型件来说，这个滞涨可能说明使用门槛卡住了转化：仓库主语言 JavaScript，动画合成本地跑起来的依赖复杂度，恐怕不像描述读起来那么轻。此条为基于增长曲线的推测，需实测验证。 ## reelbench-skills：卖铲子的先卖教材 **定位**：双语描述——"Learning notes and tooling skills for AI video"，AI 视频相关的学习笔记加工具技能。它不是生成件，是**教材件**：把 AI 视频生产的方法论笔记和配套工具脚本打包成一个技能包，装上之后代理替你“上过课”。 **亮点**在切位。AI 视频是内容赛道最卷的产线，卷生成器的结果就是本期看到的那些出片件；reelbench 不下场卷生成，改卖教材——所有人都往产线上挤的时候，先把产线知识做成可安装的商品，这是个聪明的二阶生意。增长也稳：9 月 14 日 516，9 月 24 日 825，十天六成，没有跳涨但也未见衰退。 **短板**：教材件的天花板明确——笔记会过时，视频工具链以月为单位迭代，维护成本比提示词件高得多；“笔记加工具”的混合形态也让定位略模糊，你要的是它的知识还是它的脚本，装之前说不清。 ## 安装与上手 ```bash # sepia（描述中提及经 Skills CLI 分发） npx skills add Nanako0129/sepia # handraw-style（画廊网页直接打开，提示词即拿即用） git clone https://github.com/yang0/handraw-style # story-to-handdrawn-video git clone https://github.com/gnipbao/story-to-handdrawn-video ~/.claude/skills/story-to-handdrawn-video # reelbench-skills git clone https://github.com/eternityspring/reelbench-skills ~/.claude/skills/reelbench-skills ``` 通用兜底：任何 Agent Skills 仓库都可以克隆后放进所用代理的 skills 目录，以各仓库 README 为准。 ## 四件在赛道上的位置 ```mermaid flowchart TD A["内容赛道新四件"] --> B["写作位：去AI味"] A --> C["图文位：手绘风"] A --> D["学习位：AI视频"] B --> B1["sepia：分发派"] B --> B2["前作：语料派"] C --> C1["handraw：风格画廊"] C --> C2["story：故事转动画"] D --> D1["reelbench：教材件"] ``` ## 推荐排行榜 **按增长势能**：handraw-style（六天 2.6 倍）＞ sepia（十天 2.2 倍）＞ reelbench-skills（十天 +60%）＞ story-to-handdrawn-video（滞涨） **按存量热度**：sepia（2515，9 月 10 日）＞ handraw-style（1976，9 月 16 日）＞ story-to-handdrawn-video（1782，9 月 3 日）＞ reelbench-skills（825，9 月 24 日） **按差异化**：story-to-handdrawn-video（中文故事转手绘日记动画，赛道唯一）＞ sepia（跨 77+ 代理分发）＞ handraw-style（编号画廊资产化）＞ reelbench-skills（教材件形态，但同类开始出现） **按上手门槛从低到高**：handraw-style（网页即开）＞ sepia（CLI 一条命令）＞ reelbench-skills（装完即读）＞ story-to-handdrawn-video（动画链路待验证） ## 结论 四件新货指向同一个判断：内容件的竞争轴正在从“生成能力”移向“人味”——文字层去AI味、视觉层上手绘，本质上都是在给机器产物补人的痕迹。sepia 的十日翻倍补上了另一半注脚：用户端的多代理化，让分发能力第一次成为和内容能力同权重的卖点。 本期四件均按货架口径首评。复评条件与此前惯例一致：逐行核过 SKILL.md 原文后，补功能完整度与实战效果两个分。优先复评顺序建议——sepia（赛道对垒需要实测分定胜负）、story-to-handdrawn-video（滞涨原因需要一条实跑记录来解释）。 ## 参考来源 1. [Nanako0129/sepia](https://github.com/Nanako0129/sepia) — 去AI味写作件，描述含 77+ 代理分发口径；星数轨迹取自 8 月 31 日至 9 月 10 日多次记录 2. [yang0/handraw-style](https://github.com/yang0/handraw-style) — 手绘风格编号画廊与双语提示词 Skill；星数轨迹取自 9 月 10 日至 16 日记录 3. [gnipbao/story-to-handdrawn-video](https://github.com/gnipbao/story-to-handdrawn-video) — 中文故事文案转手绘日记漫画动画；星数轨迹取自 8 月 31 日至 9 月 3 日记录 4. [eternityspring/reelbench-skills](https://github.com/eternityspring/reelbench-skills) — AI 视频学习笔记与工具技能包；星数轨迹取自 9 月 14 日至 24 日记录 5. [larashero3-dotcom/lieflat-less-ai-tone](https://github.com/larashero3-dotcom/lieflat-less-ai-tone) — 去AI味赛道语料派代表，本栏此前已拆，见《拆去AI味：283万字语料的账》 > [!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。