爆款拆解:UI UX Pro Max
拆解高质量热门 Skill 的结构和写法,理解优秀 Skill 为什么容易触发、容易复用。
通过多个实战案例观察不同类型 Skill 的写法差异,帮助你形成更稳定的写作判断。
内容摘要
> 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
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。
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:
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。
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。
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。
.claude/skills/avoid-ai-writing/SKILL.md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。
原文引用:
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:
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。
原文引用:
## 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。
原文引用:
## 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。
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"。
原文引用:
## 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:
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。
原文引用:
## 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:
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。
| 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 |
.claude/skills/content-pipeline/SKILL.md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。
原文引用:
## 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:
这可太高明了! 不强迫用户改变习惯,而是提供双入口。
原文引用:
## 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。
manual-framework.mdxiaohongshu-format.md原文引用:
## 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。
原文引用:
## 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:
PUA说不上,但把"工程鲁棒性"做成Skill设计原则是没跑了。
| 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 |
.claude/skills/xiaohongshu-skills/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?
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:
title-writing Skill(约250 tokens)Token节省率:99.2%
这不是10%的优化,是两个数量级的差距。
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。
原文引用(以title-writing为例):
---
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:
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。
原文引用(skills-guide.md):
## 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:
对比单一大型Skill:
原文引用(title-writing SKILL.md末尾):
## 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:
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)。
原文引用:
## 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"。
| 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 |
| 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:
从这三个Skill中,我提炼出了12条可复用的设计原则:
${SKILL_DIR}变量,确保脚本路径可移植在你开始写下一个Skill之前,对照这份清单检查一遍:
如果你想继续深入学习:
推荐阅读:
.claude/skills/avoid-ai-writing/README.md —— 社区最佳文档范例推荐实践:
# 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:
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》
优先展示同分类且标签更接近的内容,方便继续串联学习。
拆解高质量热门 Skill 的结构和写法,理解优秀 Skill 为什么容易触发、容易复用。
按不同用户群体整理 Skill 模板,帮助你快速找到更适合自己场景的起步方式。