一个开发者的私人 skills 文件夹,怎么干过了 Anthropic 官方库

一个开发者的私人 skills 文件夹,怎么干过了 Anthropic 官方库

数据来源:GitHub API,抓取时间 2026-09-06。文末附完整数据表。

先说一个反直觉的事实:

Anthropic 官方发布的 skills 仓库,star 数被一个开发者的「私人配置文件夹」反超了 8 万。

这个仓库叫 mattpocock/skills,2026 年 2 月才建仓,7 个月涨到 25.3 万 star 。而官方 anthropics/skills 建仓更早(2025 年 9 月),现在是 17.5 万

被超的不只是官方库。整个榜单看下来,你会发现一个明显的规律:star 最高的,往往不是「做得最多」的,而是「最真实的」。


先看真实数据

我直接调 GitHub API 拉的实时数据(:

仓库 Star 建仓时间 它是什么
obra/superpowers 282k 2025-10 Jesse Vincent 的 skill 框架
mattpocock/skills 254k 2026-02 Matt Pocock 的个人 skills 文件夹
affaan-m/ECC 250k --- Claude Code 性能优化套件
multica-ai/andrej-karpathy-skills 211k --- 一个 CLAUDE.md 文件
anthropics/skills 175k 2025-09 官方 skill 库
ui-ux-pro-max-skill 125k --- 给 AI「审美」的 skill
Graphify-Labs/graphify 115k --- 把代码库变成图
caveman 104k --- 压缩 token 的 skill
taste-skill 85k --- 「给 AI 好品味」

两个最扎眼的数据点:

① 一个 21 万 star 的仓库,内容只有一个 CLAUDE.md 文件。

andrej-karpathy-skills 就一个文件,21 万 star。它卖的不是「功能」,是「Karpathy 本人怎么调 AI」这件事本身。

② 私人文件夹跑赢官方库。

mattpocock/skills 本质上就是 Matt Pocock 把自己 .claude/skills/ 目录公开了。没有任何官方背书,反而成了现象级项目。

这两个数据点指向同一个结论,也是这篇文章的核心:

市场真正缺的,从来不是「官方文档」,而是「一个真实的高手到底是怎么配的」。


三个值得记住的转向

看榜单不能只看数字,更要看「数字背后的方向」。这一轮 Claude skills 生态的火爆,有三个明确的信号。

转向一:从「让 AI 干更多」到「让 AI 别瞎干」

早期大家对 AI 编程的期待是「能力越强越好」------能写更多代码、生成更多东西。

但这一轮热门的 skill,主旋律全反过来了:

  • superpowers:强制先规划再动手、TDD、系统性调试
  • caveman:压 token,「少用 token 做更多事」
  • taste-skill:给 AI 审美,别生成丑东西
  • claude-code-best-practice:从 vibe coding 到 agentic engineering

这些 skill 干的事,不是给 AI 加能力,而是给 AI 加约束。 大家终于意识到:AI 的问题从来不是「不会写」,是「瞎写」。

这个转向,比任何一个具体 skill 都值钱。它说明整个行业从「AI 兴奋期」进入了「AI 落地期」------不再追求炫技,开始追求可控。

转向二:skill 正在「垂直化」

通用 skill 卷完了,垂类刚开始。这一轮榜单里已经能看到:

  • 学术研究(academic-research-skillsscientific-agent-skills
  • 市场营销(marketingskills
  • Obsidian 笔记(obsidian-skills
  • CTF 安全(ctf-skills

甚至连中医都出现了------两个基于倪海厦教学资料的 skill 在榜单里。

通用 skill 的红利期已经过了(awesome-claude-skills 这种「收藏夹」有几十个,都在卷同一个东西)。垂类才是下一片蓝海,因为「懂行业 + 会用 AI」的人还很少。

转向三:star 数正在失真,收藏 ≠ 使用

这里说一句可能得罪人的实话:

这一轮生态的 star 数,含金量在快速稀释。

一个 skill 仓库几万、几十万 star,看起来吓人,但你要知道:收藏一个 skill 仓库,和真的把它装进 .claude/skills/ 里用,是两码事。 大部分人是「收藏了 = 我会了」。

所以看 skill,star 只能说明「它火」,不能说明「它好用」。真正要判断一个 skill 值不值得装,唯一的标准是你自己上手用两周

这也是我下一步想做的事:挑几个榜单上的 skill,逐个实测,写一份「哪些是真好用、哪些只是噱头」的报告。感兴趣的可以先关注。


对你来说,现在该做什么

如果你在用 Claude Code(或 Cursor/Codex),看完这篇,我给你三个可以直接上手的建议:

1. 先装 obra/superpowers,但别急着全信。

它是目前生态里最成体系的框架(规划 → TDD → 调试 → 代码审查)。但它也很「重」,会强制改变你的工作流。建议先装,用一周,如果觉得束缚大于收益,果断卸。 别因为 28 万 star 就硬扛。

2. 去看看 mattpocock/skills,学的不是 skill,是「怎么整理」。

它的价值不在那几个 skill 本身,在于「一个高手怎么把自己的经验沉淀成可复用的东西」。这是比装 skill 更重要的能力。

3. 想清楚你要的,是「更多能力」还是「更多约束」。

这个问题不答,你装再多 skill 都是白装。现在的 AI 不缺能力,缺的是你给它划的边界。


附:完整数据表

仓库 Star 类型
obra/superpowers 282,242 skill 框架
mattpocock/skills 253,654 个人 skills 文件夹
affaan-m/ECC 250,499 性能优化套件
multica-ai/andrej-karpathy-skills 210,526 单个 CLAUDE.md
anthropics/skills 174,754 官方库
ui-ux-pro-max-skill 125,405 设计 skill
Graphify-Labs/graphify 115,201 代码可视化
caveman 103,869 token 压缩
taste-skill 84,739 审美 skill

数据抓取自 GitHub Search API,时间 2026-09-06。star 数会随时间波动,以上为抓取时刻的实时值。 **

相关推荐
靠谱者也1 小时前
从“会聊天”到“能交付”:AI Agent 工程化落地的五个关键设计
agent
武子康1 小时前
从声学信号到工具阻断:实时语音安全决策门的系统设计
人工智能·llm·agent
Csvn2 小时前
第 18 章 学习与适应 Learning
人工智能·aigc·agent
tachibana23 小时前
Embedding 有哪几种算法?
人工智能·算法·ai·大模型·llm·embedding·agent
大鹏的NLP博客3 小时前
拆解 Agent Memory:从认知心理学映射到工业级工程落地
人工智能·agent·memory
FanetheDivine11 小时前
学习Agent开发9 OM 与前缀缓存
agent·ai编程
吴佳浩12 小时前
从 OpenClaw、Codex 到 Hermes,看懂 AI Agent 架构为什么正在收敛
人工智能·llm·agent
糖墨夕14 小时前
理解大语言模型:Agent 的“大脑”
前端·agent
冬奇Lab14 小时前
一天一个开源项目(第209篇):holaOS - Agent 原生的本地工作台
人工智能·开源·agent