---
title: "爆款拆解：实战 Skill 精选"
wiki: skills
category: "案例解析"
slug: M05B-爆款拆解-实战Skill精选
url: https://learnagent.wiki/skills/cards/M05B-爆款拆解-实战Skill精选
tags: ["爆款 Skill", "案例", "实战", "精选"]
last_updated: 2026-04-11
reading_time: 23
---

> > 模块5B：爆款拆解——我从目录里捞出三个真·顶流Skill，逐行解剖给你看

# Skill 从小白到高手系列课

> 模块5B：爆款拆解——我从目录里捞出三个真·顶流Skill，逐行解剖给你看
> 用时：约 35 分钟 | 目标：看完你会惊呼"原来高手都是这么写的"

---

相信你看完模块5A之后，心里可能还在嘀咕：一个案例不够啊，我得看更多"高手写法"才能找到感觉。

**这就对了。**

今天这一篇，我给出**三个真正有代表性的Skill**，从L1单文件极简设计到L3百级模块化生态，逐行解剖给你看。

看完这篇再决定怎么写你的Skill——我敢打赌你会少走80%的弯路。

话不多说，开拆。

---

## 先回答一个灵魂问题：Skill的核心价值到底是什么？

在拆解之前，咱先把这事儿掰扯清楚：

> **Skill不是"教AI新东西"，而是"告诉AI什么时候该用哪套东西"。**

换句话说：
- 知识本身不值钱（网上都能搜到）
- **什么时候用、怎么用、用到什么程度**——这才值钱

一个好Skill，本质是**把模糊的用户需求翻译成精确的AI行为指令**。

搞懂这一点，你再往下看拆解，就会有"原来如此"的感觉。

---

## 【概念铺垫】啥是好的Skill？

在拆解之前，先给你一个评价框架，等会儿对照三个Skill看，你就知道为什么它们能拿那么多Stars：

| 维度 | L1 入门级 | L2 进阶级 | L3 架构级 |
|------|----------|----------|----------|
| **核心能力** | 知识应用 | 工作流编排 | 生态组织 |
| **文件数** | 1-2个 | 5-15个 | 50+个 |
| **复杂度** | 单问题单解决 | 多步骤协作 | 模块化组合 |
| **触发精准度** | 关键词匹配 | 意图识别 | 场景感知 |
| **维护成本** | 极低 | 中等 | 高但可控 |

记住这个表格，等会儿你看那三个Skill的对比，就能对号入座了。

---

## 【选择理由】为什么偏偏选这三个Skill？

我从 `.claude/skills/` 目录里翻了个底朝天，最终捞出了这三个：

| Skill | Stars | 级别 | 核心看点 |
|-------|-------|------|----------|
| **avoid-ai-writing** | **887** | L1 | 单文件极致设计，description触发词堆叠的艺术 |
| **content-pipeline** | 111 | L2 | 多平台内容发布，支持公众号/小红书/微博等国内主流平台 |
| **xiaohongshu-skills** | **1k** | L3 | 139个子Skill模块化，token优化的数学原理 |

这三个都是**真实存在的Skill**，不是理论案例。你可以随时打开 `.claude/skills/` 目录看源码对照。

信息量不少吧？来，一个个拆给你看。

---

## 【拆解一】avoid-ai-writing：单文件Skill的天花板

### 案例速览

- **位置**：`.claude/skills/avoid-ai-writing/SKILL.md`
- **Stars**：**887**（社区顶流）
- **体积**：481行，单文件
- **作者**：Conor Bronsdon

这个Skill解决一个特具体的痛点：你用AI写了内容，但读者一眼就能看出来"这是AI写的"。

装了这个Skill后，你跟AI的对话变成这样：

```
你：帮我把这段话改得不那么像AI写的

AI：[自动加载 avoid-ai-writing Skill]
    检测到以下 AI 痕迹：
    - "delve into" → 建议改为 "explore" 或 "dig into"
    - "it's important to note that" → 建议删除，直接陈述事实
    - 段落长度过于均匀，建议长短交替
    
    改写版本：
    （输出自然流畅的人工风格文本）
```

看到了吗？用户**不需要了解复杂的提示词工程**，不需要记住哪些词是"AI味"。一句话说完，AI自动完成检测和改写。

**这就是L1级别Skill的设计哲学——单文件解决单问题，零配置，安装即用。**

---

### 我逐行读完了这个Skill，为你总结了5个炸裂💥的技巧

#### 技巧1：description触发词堆叠——5种同义说法全覆盖

**原文引用**：

```yaml
name: avoid-ai-writing
description: Audit and rewrite content to remove AI writing patterns ("AI-isms"). 
  Use this skill when asked to "remove AI-isms," "clean up AI writing," 
  "edit writing for AI patterns," "audit writing for AI tells," 
  or "make this sound less like AI."
```

**好在哪里？**

这段description塞了**5种不同的用户说法**：
- "remove AI-isms"
- "clean up AI writing"
- "edit writing for AI patterns"
- "audit writing for AI tells"
- "make this sound less like AI"

**这可太高明了！** 不管你用哪种说法，AI都能匹配上。这就是触发词覆盖率的艺术——穷尽用户可能的说法。

**值得借鉴**：引号 `"remove AI-isms"` 告诉AI：用户说这句完整的话时要触发，不是说其中某个词。这种精确匹配能大幅减少误触发。

---

#### 技巧2：Tier 1/2/3 词汇分层——把规则变成决策树

**原文引用**：

```markdown
## Words and phrases to replace

Words are organized into three tiers based on how reliably they signal AI-generated text.

- **Tier 1 — Always flag.** These words appear 5–20x more often in AI text than human text. Replace on sight.
- **Tier 2 — Flag in clusters.** Individually fine, but two or more in the same paragraph is a strong AI signal.
- **Tier 3 — Flag by density.** Common words that AI simply overuses. Only flag when they make up a noticeable fraction of the text.
```

**炸裂💥在哪？**

它没有简单粗暴地说"这些词都是AI词汇"，而是给了AI一个**决策框架**：

| Tier | 触发条件 | 处理方式 | 代表词汇 |
|------|----------|----------|----------|
| Tier 1 | 看到就换 | 立即替换 | delve, robust, leverage |
| Tier 2 | 段落内出现2+个 | 标记警告 | harness, navigate, foster |
| Tier 3 | 占比>3% | 密度检查 | significant, innovative |

**信息量不少吧？** 这种分级让AI知道"什么情况下该做什么"，不是一刀切。基本是把人类编辑的直觉翻译成了一套可执行的规则树。

---

#### 技巧3：Context Profiles 场景适配——同样的规则，不同严格度

**原文引用**：

```markdown
## Context profiles

Pass an optional context hint to adjust rule strictness.

| Rule | linkedin | blog | technical-blog | investor-email | docs | casual |
|------|----------|------|----------------|----------------|------|--------|
| Em dashes | relaxed (2/post OK) | strict | strict | strict | relaxed | skip |
| Bold overuse | relaxed (bold hooks OK) | strict | strict | strict | relaxed | skip |
| Word table (full list) | strict | strict | partial | strict | relaxed | P0 only |
```

**高明之处在哪？**

它承认一个现实：**没有放之四海而皆准的规则**。

- LinkedIn帖子可以宽松点（本来就是社交媒体）
- 投资者邮件必须严格（任何AI痕迹都会降低可信度）
- 技术博客有例外（`robust`、`ecosystem`在技术语境下是合理的）

**聪明做法**：用表格把6种场景的容忍度量化出来，AI只需要查表就知道"这个场景下这条规则是strict/relaxed/skip"。

---

#### 技巧4：P0/P1/P2 严重度分级——教AI做优先级判断

**原文引用**：

```markdown
## Severity tiers

### P0 — Credibility killers (fix immediately)
- Cutoff disclaimers ("As of my last update")
- Chatbot artifacts ("I hope this helps!", "Great question!")
- Vague attributions without sources ("Experts believe")

### P1 — Obvious AI smell (fix before publishing)
- Word-list violations (delve, leverage, harness, robust, etc.)
- Template phrases and slot-fill constructions
- "Let's" transition openers

### P2 — Stylistic polish (fix when time allows)
- Generic conclusions ("The future looks bright")
- Compulsive rule of three
- Uniform paragraph length
```

**这设计太精妙了！**

它把80+条规则按**紧急程度**分了三级：
- P0：不改会丢人（ credibility killers）
- P1：不改会被看出来（obvious AI smell）
- P2：精益求精才改（stylistic polish）

**PUA说不上，但把人类编辑的"语感"翻译成可执行标准是没跑了。**

用户说"快速过一遍"时，AI只检查P0+P1；用户说"深度打磨"时，AI才启用P2。

---

#### 技巧5：Output Format 严格定义——四段式输出结构

**原文引用**：

```markdown
## Output format

Return your response in four sections:

**1. Issues found** — A bulleted list of every AI-ism identified
**2. Rewritten version** — The full rewritten content
**3. What changed** — A brief summary of major edits
**4. Second-pass audit** — Re-read and identify any remaining AI tells
```

**好在哪里？**

很多Skill的输出是"随意流"——AI爱怎么写怎么写。但这个Skill**强制规定了输出结构**：

1. 先告诉用户发现了什么问题
2. 再给改写版本
3. 再总结改了什么（让用户快速get重点）
4. 最后还要自检一遍（second-pass audit）

**值得借鉴**：这种结构化输出让用户一眼找到想要的信息，不用在一堆文字里翻找。

---

### avoid-ai-writing 小结

| 技巧 | 核心方法 | 可复用性 |
|------|----------|----------|
| 触发词堆叠 | description里穷举5+种用户说法 | 所有Skill通用 |
| 词汇分级 | Tier 1/2/3 决策树 | 规则型Skill必备 |
| 场景适配 | Context Profiles 容忍度矩阵 | 多场景Skill必备 |
| 严重度分级 | P0/P1/P2 优先级系统 | 审核/检查类Skill必备 |
| 输出结构 | 四段式强制格式 | 所有Skill通用 |

---

## 【拆解二】content-pipeline：多平台内容发布实战

### 案例速览

- **位置**：`.claude/skills/content-pipeline/SKILL.md`
- **Stars**：111
- **体积**：SKILL.md 673行 + scripts/ 7个脚本 + references/ 8个参考文件
- **核心功能**：素材收集→出稿→排版→封面→朋友圈文案→多平台转换→一键分发

这个Skill解决的是自媒体人的噩梦：一个内容要发公众号、小红书、即刻、播客四个平台，每个平台风格完全不同。

装了这个Skill后，你只需要说：

```
你：转小红书 https://mp.weixin.qq.com/xxxxx

AI：[加载 content-pipeline Skill]
    已抓取文章《早起打卡如何改变你的一天》
    正在生成多平台内容...
    
    ✅ 小红书轮播图 HTML（10 张卡片）
    ✅ 小红书发布文案（300 字 + 标签）
    ✅ 即刻发布文案
    ✅ 小宇宙播客脚本（15 分钟）
    ✅ 播客封面 HTML
    ✅ manifest.json（供一键分发）
```

然后输入 `/distribute`，AI自动把内容发布到各平台。

**这就是L2级别Skill的核心价值——不是生成内容，而是编排工作流。**

---

### 我逐行读完了这个Skill，为你总结了5个炸裂💥的技巧

#### 技巧1：双路径设计——用户从哪来，都有入口

**原文引用**：

```markdown
## 两条输入路径

### Path A：日常素材收集 → 出稿
边干活边记录 → 说"出稿" → 写文章 → 排版 → 封面图 → 朋友圈文案 → manifest

### Path B：微信链接 → 多平台内容
微信链接 → 抓取文章 → 分析结构 → 生成小红书/即刻/播客/视频 → manifest → 分发
```

**炸裂💥在哪？**

它考虑了用户的**两种工作习惯**：
- 有的人习惯"边干活边记素材"，攒够了再出稿（Path A）
- 有的人已经有了公众号文章，想一键转其他平台（Path B）

**这可太高明了！** 不强迫用户改变习惯，而是**提供双入口**。

---

#### 技巧2：渐进式Disclosure——按需加载，绝不一次性塞爆

**原文引用**：

```markdown
## Reference 文件索引

| 场景 | 读取文件 |
|------|----------|
| 出稿写说明书文章 | `references/manual-framework.md` |
| 出稿写深度长文 | `references/writing-style.md` |
| 出稿写教程文章 | `references/tutorial-framework.md` |
| 生成头图/配图 | `references/cover-template.md` |
| 生成小红书轮播图 | `references/xiaohongshu-format.md` |

按需读取，不要一次性加载所有 reference。
```

**信息量不少！**

如果把这8个reference文件全部塞进SKILL.md，正文可能超过5000行，触发一次消耗大量token。

**聪明做法**：拆分成references/后，SKILL.md只有673行，**按需加载**其余内容。

- 写说明书时只读 `manual-framework.md`
- 转小红书时只读 `xiaohongshu-format.md`

---

#### 技巧3：触发词表格化——把"用户可能说的话"全部穷举

**原文引用**：

```markdown
## 触发词

### 素材收集（Path A）
| 触发词 | 说明 |
|-------|------|
| `/story` | 查看当前素材状态 |
| "出稿" | 生成文章 + 排版 + 封面图 |
| "写个朋友圈" | 根据素材生成朋友圈文案 |

### 内容生成（Path B）
| 触发词 | 说明 |
|-------|------|
| `/xiaohongshu` + 链接 | 微信文章转小红书轮播图 |
| "转小红书" + 微信链接 | 同上 |
| "做成小红书" + 微信链接 | 同上 |
```

**高明之处在哪？**

它没有只写一个触发词，而是**用表格穷举了20+种用户可能的说法**：
- `/xiaohongshu`
- "转小红书"
- "做成小红书"

**基本是把"意图识别"变成了"查表匹配"**——不管用户怎么说，AI都能在表格里找到对应的操作。

---

#### 技巧4：SKILL.md当指挥官，scripts/当士兵

**原文引用**：

```markdown
## Script Directory

| Script | Purpose |
|--------|---------|
| `scripts/fetch_wechat_article.py` | 微信文章抓取（Python，模拟微信UA） |
| `scripts/md2wechat_formatter.py` | Markdown转公众号HTML排版 |
| `scripts/distribute/distribute.ts` | 分发主编排器 |
| `scripts/distribute/platforms/*.ts` | 各平台发布模块 |

### 抓取文章
```bash
python3 "${SKILL_DIR}/scripts/fetch_wechat_article.py" "<URL>" --json
```
```

**值得借鉴的分工模式**：

| 层级 | 职责 | 示例 |
|------|------|------|
| SKILL.md | 决定"什么时候做" | 第1步抓取、第2步分析... |
| scripts/ | 决定"怎么做" | Python抓取、TypeScript分发 |

**聪明做法**：使用 `${SKILL_DIR}` 变量让脚本路径可移植，不管Skill装在哪都能找得到。

---

#### 技巧5：四级降级设计——自动化不是"全或无"

**原文引用**：

```markdown
## 四级降级

| 级别 | 模式 | 触发条件 |
|------|------|---------|
| L0 | API直推 | 公众号API直接推草稿箱，无需Chrome |
| L1 | 自动发布 | CDP完全自动化 |
| L2 | 辅助发布 | 登录态失效/选择器失效/`--preview` |
| L3 | 手动模式 | CDP连接失败 |

公众号优先L0（API），凭证缺失或失败时自动降级L3（手动）。
```

**这设计太精妙了！**

它没有假设"自动化一定成功"，而是设计了**优雅降级**的链条：
- 能API就直接API（最快）
- API不行就CDP自动化（次快）
- CDP不行就辅助模式（人工确认）
- 都不行就纯手动（保底）

**PUA说不上，但把"工程鲁棒性"做成Skill设计原则是没跑了。**

---

### content-pipeline 小结

| 技巧 | 核心方法 | 可复用性 |
|------|----------|----------|
| 双路径设计 | Path A/B 覆盖不同用户习惯 | 多入口Skill必备 |
| 渐进式Disclosure | references/按需加载 | 大型Skill必备 |
| 触发词表格化 | 穷举用户说法，查表匹配 | 所有Skill通用 |
| 指挥官模式 | SKILL.md编排，scripts/执行 | 工作流Skill必备 |
| 四级降级 | L0→L3 优雅降级链 | 自动化Skill必备 |

---

## 【拆解三】xiaohongshu-skills：139个子Skill的模块化生态

### 案例速览

- **位置**：`.claude/skills/xiaohongshu-skills/`
- **Stars**：**1k**
- **规模**：139个子Skill，8大分类
- **核心设计**：把"小红书运营"这个庞大知识域拆成139个独立模块

这个项目解决的是一个架构级问题：**当知识体量太大时，怎么组织才能让AI高效调用？**

---

### 先算一笔账：为什么139个小Skill比一个大Skill好

假设你把所有小红书运营知识塞进一个SKILL.md：

| 知识模块 | 预估Tokens |
|----------|-----------|
| 内容创作（标题、正文、封面、标签） | ~8000 |
| 账号运营（涨粉、定位、矩阵） | ~6000 |
| 数据分析（阅读、互动、转化） | ~5000 |
| 电商转化（种草、带货、直播） | ~6000 |
| 平台规则（算法、审核、限流） | ~4000 |
| 工具生态（剪辑、修图、数据分析工具） | ~3000 |
| **总计** | **~32000 tokens** |

用户说"帮我写个标题"，AI就要加载全部32000 tokens。其中**31800都是噪音**——和"写标题"无关，但占着上下文空间。

现在换成139个小Skill，每个平均250 tokens：
- 用户说"帮我写个标题" → 加载 `title-writing` Skill（约250 tokens）
- **精准匹配，精准加载**

**Token节省率：99.2%**

这不是10%的优化，是**两个数量级的差距**。

---

### 我逐行读完了这个Skill生态，为你总结了5个炸裂💥的技巧

#### 技巧1：8大分类体系——从生产到战略的知识图谱

**原文引用**：

```
xiaohongshu-skills/
├── skills/
│   ├── 01-内容创作/           ← 23个Skill
│   ├── 02-账号运营/           ← 20个Skill
│   ├── 03-互动运营/           ← 8个Skill
│   ├── 03-数据分析/           ← 12个Skill
│   ├── 04-电商转化/           ← 17个Skill
│   ├── 05-平台规则/           ← 14个Skill
│   ├── 06-工具生态/           ← 14个Skill
│   ├── 07-营销推广/           ← 16个Skill
│   └── 08-增长策略/           ← 15个Skill
```

**炸裂💥在哪？**

8大分类的命名不是随便定的：

| 分类 | 定位 | 用户场景 |
|------|------|---------|
| 01-内容创作 | 生产端 | "怎么写出好内容" |
| 02-账号运营 | 运营端 | "怎么涨粉、怎么定位" |
| 03-数据分析 | 诊断端 | "数据怎么看、怎么优化" |
| 04-电商转化 | 变现端 | "怎么带货、怎么做直播" |
| 05-平台规则 | 合规端 | "算法机制、审核规则" |
| 06-工具生态 | 工具端 | "用什么工具提效" |
| 07-营销推广 | 推广端 | "怎么投流、怎么合作" |
| 08-增长策略 | 战略端 | "长期规划、矩阵打法" |

**这可太高明了！** 从"生产"到"变现"到"战略"，是一个**完整的小红书运营知识图谱**。

---

#### 技巧2：每个子Skill的description精准定义触发边界

**原文引用**（以title-writing为例）：

```yaml
---
name: title-writing
description: Use when writing Xiaohongshu post titles, creating headlines for content, 
  improving click-through rates, or optimizing titles for search and discovery
---

## When to Use

**Use when**:
- Writing titles for new posts
- Optimizing low-performing content
- A/B testing headline variants

**Do NOT use when**:
- Writing full content body (use copywriting-skills)
- Creating cover text (use cover-design)
```

**信息量不少！**

注意它的description设计：
1. **正面触发**：4种明确的使用场景
2. **反面排除**：2种容易混淆的情况，并指明应该用什么Skill

**值得借鉴**：这种"正面+反面"的描述方式，大幅减少了Skill之间的冲突和误触发。

---

#### 技巧3：渐进式加载的三层架构

**原文引用**（skills-guide.md）：

```markdown
## 渐进式加载

**第一层（启动时）**：AI扫描139个Skill的name + description，
约139 × 80 = 11120 tokens。这是固定开销，每次对话都要加载。

**第二层（匹配时）**：用户说"帮我写个标题"，AI从139个
description中匹配到 `title-writing`，只加载这一个Skill的正文（约250 tokens）。

**第三层（执行时）**：如果AI需要参考更多案例，可以读取
references/下的模板文件（但title-writing本身不需要）。
```

**高明之处在哪？**

它把加载过程拆成了**三层**：
1. **启动层**：只加载元数据（name + description）
2. **匹配层**：只加载匹配到的Skill正文
3. **执行层**：按需加载references

**对比单一大型Skill**：
- 大Skill：每次加载32000 tokens
- 小Skill集合：启动时11120 tokens + 匹配时250 tokens
- **实际使用成本低70%**

---

#### 技巧4：子Skill之间的关联标注——不依赖但相关

**原文引用**（title-writing SKILL.md末尾）：

```markdown
## Related Skills

- **REQUIRED**: cover-design (cover text = title)
- **REQUIRED**: content-planning (title matches content type)
- copywriting-skills (write compelling body)
- hashtag-optimization (add tags for discovery)
```

**这设计太精妙了！**

它用 **REQUIRED** 和 **普通关联** 区分了两种关系：
- REQUIRED：这个Skill必须一起用（标题和封面设计强相关）
- 普通：相关但可选（文案技巧、标签优化）

**聪明做法**：既不强行耦合（每个Skill能独立工作），又提供了**推荐组合**（让用户知道哪些Skill搭配用效果更好）。

---

#### 技巧5：Skill的评分体系——Tier 1/2/3/4 优先级

**原文引用**：

```markdown
## 技能层次

| 层次 | 说明 | 占比 |
|------|------|------|
| **Tier 1 核心** | 必备基础技能 | ~30% |
| **Tier 2 进阶** | 重要提升技能 | ~40% |
| **Tier 3 高级** | 专项深度技能 | ~20% |
| **Tier 4 专家** | 战略级技能 | ~10% |
```

**值得借鉴**：给每个Skill打上优先级标签，用户知道"先学哪些、后学哪些"，AI也知道"优先推荐哪些"。

---

### xiaohongshu-skills 小结

| 技巧 | 核心方法 | 可复用性 |
|------|----------|----------|
| 分类体系 | 8大领域知识图谱 | 大型知识库必备 |
| 触发边界 | description正面+反面定义 | 所有Skill通用 |
| 三层加载 | 元数据→Skill→references | 大型Skill必备 |
| 关联标注 | REQUIRED/普通关联区分 | Skill组合推荐 |
| 优先级标签 | Tier 1/2/3/4 分级 | 知识库导航必备 |

---

## 【三个Skill对比分析】

| 维度 | avoid-ai-writing | content-pipeline | xiaohongshu-skills |
|------|------------------|------------------|-------------------|
| **文件数** | 1个SKILL.md | 1+7+8=16个文件 | 139个Skill目录 |
| **总代码量** | 481行 | 673行+约2000行脚本 | 约8000行 |
| **核心能力** | 知识应用 | 工作流编排 | 生态组织 |
| **复杂度** | 低（单文件） | 中（多文件协作） | 高（架构设计） |
| **触发精准度** | 关键词匹配 | 意图识别+路径选择 | 场景感知+按需加载 |
| **Stars** | **887** | 111 | **1k** |
| **适合学习** | 单文件Skill写法 | 工作流设计 | 模块化架构 |

**关键洞察**：
- **Stars不是衡量Skill好坏的唯一标准**。avoid-ai-writing有**887**星是因为它解决了一个普世痛点（去AI痕迹），而xiaohongshu-skills有**1k**星是因为它解决的是一个垂直领域问题（小红书运营）。
- **级别不是优劣之分，是需求匹配之分**。适合你的需求的，就是最好的级别。

---

## 【共通的12条最佳实践】

从这三个Skill中，我提炼出了12条可复用的设计原则：

### 单文件Skill（L1）

1. **description用引号标注具体触发短语**，提高匹配精度
2. **知识型任务不需要scripts/**，规则写清楚就够了
3. **用分级分类处理复杂规则**（Tier 1/2/3、P0/P1/P2）
4. **用Markdown表格组织替换词对**，AI读起来更清晰
5. **添加Context Profiles**，让Skill适应不同场景

### 多文件Skill（L2）

6. **SKILL.md当指挥官，scripts/当士兵**，分工明确
7. **references/按场景拆分**，按需加载省tokens
8. **工作流用步骤编号+条件分支**，让AI知道怎么决策
9. **不可逆操作必须有确认步骤**，安全永远第一位
10. **使用`${SKILL_DIR}`变量**，确保脚本路径可移植

### Skill合集（L3）

11. **按主题分类，编号命名**（01-内容创作、02-账号运营）
12. **每个子Skill完全独立**，不能互相依赖

---

## 【资源提供】优质Skill检查清单

在你开始写下一个Skill之前，对照这份清单检查一遍：

### 基础检查项

- [ ] description里是否穷举了3+种用户可能的说法？
- [ ] 是否用引号标注了具体触发短语？
- [ ] 是否明确了"什么时候用"和"什么时候不用"？

### 结构检查项

- [ ] 正文是否用了清晰的Markdown标题层级？
- [ ] 复杂的规则是否用了表格展示？
- [ ] 输出格式是否被明确定义？

### 进阶检查项（L2+）

- [ ] 是否拆分了references/按需加载？
- [ ] scripts/的职责是否单一（一个脚本只做一件事）？
- [ ] 是否设计了降级策略（自动化失败时怎么办）？

### 架构检查项（L3）

- [ ] 分类是否符合MECE原则（相互独立，完全穷尽）？
- [ ] 每个子Skill是否能独立工作？
- [ ] 是否计算了token预算（启动开销+匹配开销）？

---

## 【更多推荐】

如果你想继续深入学习：

**推荐阅读**：
- 模块5A：ui-ux-pro-max 的完整拆解（优先级分层、Do/Don't表格）
- 模块6：Skill的测试与迭代方法
- `.claude/skills/avoid-ai-writing/README.md` —— 社区最佳文档范例

**推荐实践**：
```bash
# 查看 avoid-ai-writing 的完整规则
cat .claude/skills/avoid-ai-writing/SKILL.md

# 查看 content-pipeline 的工作流编排
cat .claude/skills/content-pipeline/SKILL.md | head -100

# 查看 xiaohongshu-skills 的分类结构
ls .claude/skills/xiaohongshu-skills/skills/

# 查看单个子Skill的设计
cat .claude/skills/xiaohongshu-skills/skills/01-内容创作/title-writing/SKILL.md
```

---

**学习建议**：
- 如果你是Skill新手 → 从 avoid-ai-writing 学 description 写法
- 如果你要做工作流 → 从 content-pipeline 学编排思路  
- 如果你要做领域知识库 → 从 xiaohongshu-skills 学模块化架构

**记住**：级别不是好坏之分，是需求匹配之分。适合你的需求的，就是最好的级别。

---

*下一模块预告：模块6《Skill的测试与迭代——怎么让你的Skill越用越好用》*

---
*Source: https://learnagent.wiki/skills/cards/M05B-爆款拆解-实战Skill精选*
*Markdown mirror of https://learnagent.wiki, served as text/markdown for LLM ingestion.*