據 AlphaMoat 統計,截至 2026-10,Skill 建立與迭代工具，從零建立 Skill、修改現有 Skill、執行評估測試效能。 累計下載 5,971 次、獲 13 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 4,833 位,在「AI 智慧體」分類(1,632 個)中排名第 656 位。
列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。
| 平台 | 累計下載 | 星標 | 評論 |
|---|---|---|---|
| SkillHub ↗ | 5971 | 13 | — |
各平台的計數口徑不同,統計時間不一致。
Skill 建立與迭代工具。從零建立 Skill、修改現有 Skill、執行評估測試效能。 支援 eval 評估體系、描述最佳化、三對話分離架構。 **觸發場景**（滿足任一即觸發）： 1. 使用者說"建立 Skill"、"新建 Skill"、"create skill" 2. 使用者說"修改 Skill"、"改進 Skill"、"最佳化 Skill" 3. 使用者說"測試 Skill"、"評估 Skill"、"跑 eval" 4. 使用者說"從零開始做一個 Skill" 5. 使用者提到 trigger_terms、description 最佳化 6. 使用者想從對話/工作流中提取可複用的 Skill **識別訊號**： - "建立/新建/寫一個 Skill" - "改進/最佳化/修改這個 Skill" - "評估/測試/跑 eval" - "把這段流程變成 Skill" - "從文件/網站/GitHub 生成 Skill"（用 skill-seekers） - "觸發不準確"、"description 要最佳化" **不用於**： - 從文件/GitHub/PDF 自動轉換 Skill → 用 skill-seekers - 安全審計 Skill → 用 skill-vetter - 質量審計 Skill → 用 skill-auditor - 批次掃描最佳化多個 Skill → 用 skill-evolution-engine **核心能力**： 1. 建立 Skill（需求訪談 → 寫 SKILL.md → 測試 → 迭代） 2. 執行 eval 評估（with-skill vs baseline 對比） 3. Description 最佳化（trigger accuracy 最佳化迴圈） 4. 三對話分離架構（Planner/Generator/Evaluator）
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-10 | 5971 | — | 13 |
| 2026-09 | 2313 | — | 13 |
| 2026-08 | 1496 | +41.7% | 11 |
| 2026-07 | 1056 | +133.1% | 10 |
| 2026-06 | 453 | +54.6% | 3 |
| 2026-05 | 293 | — | 2 |
| 2026-03 | 69 | — | - |
將開發過程中的經驗、錯誤與修正記錄為 Markdown 檔案，供日後重用並提升為工作區記憶。
用自然語言描述需求，在本機與遠端技能市場尋找技能並取得推薦。
給 AI agent 用的瀏覽器自動化命令列技能。
將使用者明確糾正與自我檢視整理成分層記憶，並依使用情況升級或封存。
規劃 AI 代理主動跟進、工作記憶與回顧流程的工作區設定指南。
指導如何建立與更新有效 Claude 技能的寫作指南。
在安裝第三方技能之前，按清單審查來源、許可權與危險模式的技能。
把盛唐詩人李白的詩學觀、意象系統與口吻，蒸餾成 AI 可呼叫的角色包。
資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。