文章摘要：本文基于 12 个已安装 skill 的真实 SKILL.md 进行拆解，按 代码开发、AI 内容创作、浏览器与信息获取、前端 UI/UX 设计、创业诊断与工程规范 五大场景分类，帮助你精准了解每个技能的真实能力边界。
12 个实用技能工具详解：按真实能力分类，精准匹配你的工作需求
本文基于 12 个已安装 skill 的真实 SKILL.md 进行拆解，按 代码开发、AI 内容创作、浏览器与信息获取、前端 UI/UX 设计、创业诊断与工程规范 五大场景分类，帮助你精准了解每个技能的真实能力边界。
| 代码开发 Code-Simplifier、Ralph-Loop | AI 内容创作 NotebookLM、Humanizer-Zh | 浏览器与信息获取 BB-Browser、Web-Access、Agent-Reach | 前端 UI/UX Frontend-Design、UI-UX-Pro-Max、UI-Design-Guide | 创业与工程规范 YC-Office-Hours、Superpowers |
|---|
目录
一、代码开发类
章节开场： 本章节聚焦 代码质量与 AI 自动化开发，覆盖代码简化重构与代理驱动开发循环两大核心能力。
| 看点 01 Code-Simplifier 的 47 条规则与行为保留红线。 | 看点 02 Ralph-Loop 的用户故事驱动与验收循环。 |
|---|
1.1 Code-Simplifier：代码简化与重构规范
Code-Simplifier 是一套面向 AI 代理和开发者的 代码简化规范框架，包含 47 条规则，按优先级分为 8 大类别。
四大核心原则：Context First（先理解项目约定）、Behavior Preservation（绝不改变代码行为）、Scope Discipline（只改近期代码，保持 diff 最小）、Clarity Over Brevity（可读性优先于简洁性）。
8 大规则类别（按优先级）：Context Discovery（上下文发现）→ Behavior Preservation（行为保留）→ Scope Management（范围管理）→ Control Flow Simplification（控制流简化）→ Naming and Clarity（命名与清晰）→ Duplication Reduction（去重）→ Dead Code Elimination（死代码消除）→ Language Idioms（语言惯用法）。
强风险： Behavior Preservation 是 CRITICAL 级别约束——简化时绝不能改变返回值、错误类型、副作用或公共 API 签名。任何简化前必须先读取 CLAUDE.md 和 lint 配置。
最佳实践： 适合需要清理近期修改代码、降低嵌套复杂度、改善命名可读性、应用语言惯用模式的场景。不适用于全局重写或架构变更。
1.2 Ralph-Loop：AI 代理驱动开发循环
Ralph-Loop 是一套 自动化 AI 代理驱动开发的工作流。核心思想是：将功能定义为带可测试验收标准的用户故事(user stories) ，然后让 AI 代理在循环中执行，直到所有验收标准通过。
工作流分三步：先配置 AI 编码代理（Cursor/Copilot/Claude Code 的项目级模式与 MCP 服务器）；然后创建结构化的用户故事 JSON（含可验证的验收标准）；最后启动 Ralph Agent Loop，由 AI 代理自动实现功能、验证验收标准并记录进度，供下一个代理接力。
核心结论： 这不是"定时任务自动化"工具，而是软件工程流程自动化——把"写需求→开发→测试"的循环交给 AI 代理自动推进。
二、AI 内容创作与处理类
章节开场： 本章节聚焦 AI 驱动的知识处理与文本去机器化，覆盖 NotebookLM 的完整程序化能力与人文izer 的 AI 痕迹检测修复。
| 看点 01 NotebookLM 的播客/视频/幻灯片/测验生成与多格式下载。 | 看点 02 Humanizer-Zh 基于维基百科 AI 写作特征的去痕迹检测体系。 |
|---|
2.1 NotebookLM：Google NotebookLM 程序化 CLI
NotebookLM 是 Google NotebookLM 的 完整程序化 CLI 工具（notebooklm-py），包含 Web UI 中未暴露的能力。
核心能力：创建笔记本、添加多种来源（URL、YouTube、PDF、音频、视频、图片）、与内容聊天问答、生成全部 Artifact 类型（播客音频、视频讲解、幻灯片、信息图、报告、思维导图、数据表、测验、闪卡），并支持多格式下载（MP3/MP4/PDF/PPTX/CSV/JSON/Markdown）。
特别能力：批量下载、幻灯片导出为可编辑 PPTX、单页修订(revise-slide)、保存聊天为笔记、源全文提取(source fulltext)、深度网络研究(add-research)，支持 80+ 语言输出。
最佳实践： 适合知识工作者批量处理研究资料、内容创作者快速生成多媒体学习材料、研究者自动化文献综述与测验制作。
2.2 Humanizer-Zh：去除 AI 写作痕迹
Humanizer-Zh 的核心定位不是"润色"，而是 「去除 AI 写作痕迹(de-slopping)」。基于维基百科"AI 写作特征"综合指南(WikiProject AI Cleanup)，检测并修复 20+ 种典型 AI 模式。
检测模式包括：夸大象征意义（"标志着……的关键时刻"）、宣传性语言（"充满活力的、拥有丰富的"）、-ing 肤浅分析（"象征着……反映了……"）、模糊归因（"专家认为"）、破折号过度使用、三段式法则、AI 高频词汇（"此外、至关重要、深入探讨、凸显"）、否定式排比（"不仅仅是……而是……"）、通用积极结论等。
核心结论： 不仅是"修正语句通顺"，而是系统性识别并消除机器生成文本的统计特征，让文本听起来像真实人类书写。
三、浏览器自动化与信息获取类
章节开场： 本章节聚焦 浏览器自动化操控与互联网信息采集，覆盖命令行浏览器操控、Chrome CDP 联网、多平台信息聚合三大能力。
| 看点 01 BB-Browser 的 Site 系统(36+平台 CLI 化)与登录态 Fetch。 | 看点 02 Web-Access 的 Chrome CDP 直连四层联网工具链。 | 看点 03 Agent-Reach 的 17 平台信息路由与社交媒体覆盖。 |
|---|
3.1 BB-Browser：浏览器自动化 CLI
BB-Browser 是一款 浏览器自动化 CLI 工具，通过命令行操控真实浏览器。核心价值：复用用户已登录的账号，不触发反爬检测。
核心命令链：open（打开页面）→ snapshot -i（获取可交互元素 @ref）→ click/fill/scroll（操作元素）→ close（关闭 tab）。
三大高阶特性：Site 系统（36+ 平台 adapter 将网站功能 CLI 化，如 bb-browser site twitter/search "query"、site zhihu/hot）；带登录态 fetch（自动携带 Cookie 执行 GET/POST）；网络拦截与 mock（network route "*analytics*" --abort、--body '{}' 模拟响应）。支持 MCP server 与 Claude Code/Cursor 集成。
最佳实践： 适合需要登录态的自动化操作（内部系统、表单填写、批量数据提取）、反爬严格的网站访问、跨平台信息聚合。
3.2 Web-Access：Chrome CDP 联网统一入口
Web-Access 是所有联网操作的 统一处理入口。核心机制：Chrome CDP 直连用户本地浏览器，天然携带登录态，无需启动独立浏览器。
四层工具链按需选择：WebSearch（搜索摘要与关键词发现）、WebFetch（URL 已知时定向提取特定信息）、curl（获取原始 HTML 与结构化字段）、浏览器 CDP（登录态/反爬/交互操作）。可选 Jina Reader 预处理层（r.jina.ai/URL）将网页转 Markdown 节省 token。
子 Agent 并行分治策略：多目标独立调研时，主 Agent 分配任务给多个子 Agent 并行执行 CDP 操作（各建独立 tab），主 Agent 只接收摘要，节省 token 与总耗时。
注意： 操作前需检查 Chrome remote-debugging 是否启用，并提示用户"部分站点对浏览器自动化检测严格，存在账号封禁风险"。
3.3 Agent-Reach：17 平台互联网信息工具集
Agent-Reach 是一套 17 平台互联网信息获取工具集，通过路由表根据用户意图自动选择对应分类与工具。
六大分类覆盖： Search（Exa AI 搜索）、 Social（小红书/抖音/微博/推特/B站/V2EX/Reddit）、 Career（LinkedIn 招聘）、 Dev（GitHub CLI 搜索仓库/issue/PR）、 Web（Jina Reader 网页阅读/微信公众号/RSS）、 Video（YouTube/B站/播客字幕提取）。
零配置快速命令：mcporter call 'exa.web_search_exa(...)'、curl r.jina.ai/URL、gh search repos、twitter search、yt-dlp --write-sub、rdt search/read、v2ex API 热榜。
风险提示： 这是信息获取与搜索工具集，不是"智能运营与客户触达"CRM 工具。不包含微信/短信/邮件推送、用户标签、自动回复客服等功能。
四、前端设计与 UI/UX 类
章节开场： 本章节聚焦 生产级前端实现与 UI/UX 设计体系，覆盖大胆审美前端构建、设计智能数据库、全链路设计指南。
| 看点 01 Frontend-Design 的反 AI-Slop 审美与大胆视觉方向。 | 看点 02 UI-UX-Pro-Max 的 161 调色板/57 字体/99 条 UX 指南数据库。 | 看点 03 UI-Design-Guide 从入门基础到 GenUI/零 UI 的三层知识体系。 |
|---|
4.1 Frontend-Design：生产级前端界面构建
Frontend-Design 的核心使命是 创建具有辨识度的生产级前端界面，主动避免"AI slop"平庸审美。
设计哲学：编码前先确定大胆的审美方向（brutally minimal、maximalist chaos、retro-futuristic、organic/natural、luxury/refined、playful/toy-like、editorial/magazine、brutalist/raw、art deco/geometric 等），然后以意图性(intentionality)贯穿实现。关注字体（拒绝 Arial/Inter，选择独特且有性格的字体）、色彩主题（主导色+锐利点缀）、动效（CSS-only 或 Motion 库，编排良好的页面加载比零散微交互更有冲击力）、空间构图（非对称、重叠、对角线、破格网格）、背景纹理（渐变网格、噪点、几何图案、层叠透明）。
最佳实践： 适合需要产出令人难忘、拒绝千篇一律"AI 感"网页/组件/海报/应用的创意前端场景。
4.2 UI-UX-Pro-Max：UI/UX 设计智能数据库
UI-UX-Pro-Max 不是一个设计工具，而是一个 UI/UX 设计智能数据库与决策系统。
数据规模：50+ 样式、161 调色板、57 字体搭配、161 产品类型（含推理规则）、99 条 UX 指南、25 种图表类型，覆盖 10 个技术栈（React/Next.js/Vue/Svelte/SwiftUI/React Native/Flutter/Tailwind/shadcn/ui/HTML+CSS）。
使用方式：通过 python3 scripts/search.py "query" --design-system 输出完整设计系统（样式+色彩+字体+动效+反模式），支持 --persist 持久化到 design-system/MASTER.md 与页面级覆盖文件。规则按 10 大优先级排列：无障碍(CRITICAL) → 触摸交互(CRITICAL) → 性能(HIGH) → 样式选择(HIGH) → 布局响应(HIGH) → 字体色彩(MEDIUM) → 动效(MEDIUM) → 表单反馈(MEDIUM) → 导航(HIGH) → 图表(LOW)。
风险提示： 这是设计指南数据库，不是 Figma/Sketch 类的设计工具，没有"实时预览""交互原型制作""多人协作"等功能。
4.3 UI-Design-Guide：UI/UX 全链路设计指南
UI-Design-Guide 是 UI/UX 设计全链路知识体系，从入门基础 → 进阶能力 → 2026 AI 新趋势的三层结构。
三层内容：入门基础（布局/色彩/字体/图标/触摸交互/导航/无障碍/原型/品牌一致性）→ 进阶能力（用户研究/信息架构/交互设计/视觉差异化/全链路思维/多视角）→ AI 新趋势（AI 6 大技能/2026 七大趋势/生成式界面 GenUI/液态玻璃美学/多模态交互/超个性化/零 UI/伦理规范）。
附带快速设计检查清单（基础合规 5 项 + 进阶质量 4 项 + AI 时代 3 项），以及从 0 到 1 的 8 步界面构建流程（用户研究 → 信息架构 → 交互设计 → 低保真原型 → 视觉设计 → 高保真原型 → 交付开发 → 上线迭代）。
最佳实践： 适合需要系统学习 UI/UX 设计知识体系的初学者，以及需要查询特定设计规范（如无障碍标准、触摸目标尺寸、动效时长）的开发者与设计师。
五、创业诊断与 AI 工程规范类
章节开场： 本章节聚焦 创业产品诊断与 AI 代理的工程化行为规范，覆盖 YC 式创业拷问与技能调用元规则。
| 看点 01 YC-Office-Hours 的 6 个强制性问题与前提挑战流程。 | 看点 02 Superpowers 的"1% 可能即调用"技能自动发现与路由机制。 |
|---|
5.1 YC-Office-Hours：YC 创业导师产品诊断
YC-Office-Hours 模拟 YC 创业导师的诊断流程。硬约束：不输出任何代码，只产出设计文档。
六步流程：Phase 1 上下文收集 → Phase 2 六个强制性问题（Q1 需求现实"谁会因为产品消失而痛苦"/Q2 现状"用户现在用什么 workaround"/Q3 具体用户"名字+职位+升职/开除因素"/Q4 最小切入"这周能卖的最小版本"/Q5 观察惊喜"你 watch 用户时有什么意外发现"/Q6 未来适配"3 年后世界变化让你的产品更必需还是更无用"）→ Phase 2.5 景观意识（三层合成：常识→ discourse→ 我们的洞察）→ Phase 3 前提挑战 → Phase 4 强制生成 2-3 个替代方案 → Phase 5 设计文档 → Phase 6 创始人诊断收尾。
核心原则：具体性是唯一货币（"healthcare enterprises"不是客户，要名字）、兴趣不等于需求（waitlist 不算数，付钱才算）、现状是你真正的竞争对手（Excel+Slack 的拼凑方案）、窄比宽好（最小可付费版本优先）。
风险提示： 这是创业产品诊断方法论，不是"办公时间管理"工具。与日历/任务管理/效率统计完全无关。
5.2 Superpowers：AI 技能智能调度框架
Superpowers 是 AI 代理的 技能智能调度框架，确保每次对话都能自动发现并使用最合适的专业技能，提升输出的专业性与一致性。
核心机制：1% 触发原则——只要某个 skill 有 1% 的可能性适用，就必须调用它。执行流程：收到用户消息 → 评估是否有 skill 适用 → 调用 Skill 工具加载专业指南 → 宣布 "Using [skill] to [purpose]" → 按 skill 规范执行 → 输出高质量响应。
优先级策略：当多个 skill 同时适用时，先调用 流程 skill（如 brainstorming、debugging）确定工作方法，再调用 实现 skill（如 frontend-design、test-driven-development）指导具体执行。覆盖 Claude Code、Copilot CLI、Gemini CLI 等平台，自动适配对应工具名称。
最佳实践： 这是 AI 代理的"能力放大器"——让简单问题也能被专业技能覆盖，避免遗漏关键流程。适合所有 AI 辅助工作场景，确保输出符合领域最佳实践。
六、全景速查：按场景选工具
flowchart TD
A[工作场景] --> B[代码开发]
A --> C[AI 内容创作]
A --> D[浏览器与信息获取]
A --> E[前端 UI/UX]
A --> F[创业与规范]
B --> B1[Code-Simplifier<br/>代码简化规范]
B --> B2[Ralph-Loop<br/>代理开发循环]
C --> C1[NotebookLM<br/>程序化 CLI]
C --> C2[Humanizer-Zh<br/>去 AI 痕迹]
D --> D1[BB-Browser<br/>浏览器自动化]
D --> D2[Web-Access<br/>CDP 联网入口]
D --> D3[Agent-Reach<br/>17 平台信息]
E --> E1[Frontend-Design<br/>反 AI-Slop 前端]
E --> E2[UI-UX-Pro-Max<br/>设计智能数据库]
E --> E3[UI-Design-Guide<br/>全链路设计指南]
F --> F1[YC-Office-Hours<br/>创业导师诊断]
F --> F2[Superpowers<br/>技能智能调度]
classDef scene fill:#F8FAFC,stroke:#94A3B8,color:#0F172A,stroke-width:1.5px;
classDef dev fill:#EFF6FF,stroke:#2563EB,color:#0F172A,stroke-width:1.5px;
classDef ai fill:#ECFDF5,stroke:#16A34A,color:#0F172A,stroke-width:1.5px;
classDef browser fill:#FFF7ED,stroke:#EA580C,color:#0F172A,stroke-width:1.5px;
classDef design fill:#F5F3FF,stroke:#7C3AED,color:#0F172A,stroke-width:1.5px;
classDef ops fill:#FEF2F2,stroke:#DC2626,color:#0F172A,stroke-width:1.5px;
class A scene;
class B1,B2 dev;
class C1,C2 ai;
class D1,D2,D3 browser;
class E1,E2,E3 design;
class F1,F2 ops;
linkStyle default stroke:#94A3B8,stroke-width:1.5px;
图 1：12 款技能按五大场景分类的全景关系图。
| 技能名称 | 所属场景 | 真实核心能力 | 常见误读 |
|---|---|---|---|
| Code-Simplifier | 代码开发 | 47 条代码简化规则，8 大类别，行为保留红线 | 不是"自动精简工具"，而是约束框架 |
| Ralph-Loop | 代码开发 | 用户故事 + 验收标准，AI 代理循环开发 | 不是"定时任务自动化" |
| NotebookLM | AI 内容创作 | NotebookLM 程序化 CLI，生成播客/视频/测验等全部 Artifact | 不只是"AI 笔记"，是多格式内容生成管道 |
| Humanizer-Zh | AI 内容创作 | 检测修复 20+ 种 AI 写作痕迹，去机器味 | 不是"润色工具"，是"反 AI 检测"编辑指南 |
| BB-Browser | 浏览器自动化 | 命令行操控真实浏览器，Site 系统 36+ 平台，登录态 Fetch | 不是"轻量浏览器"，是浏览器自动化 CLI |
| Web-Access | 浏览器自动化 | Chrome CDP 直连本地浏览器，四层联网工具链 | 不是"网页抓取工具"，是联网操作统一入口 |
| Agent-Reach | 浏览器自动化 | 17 平台信息工具集，覆盖社交媒体/开发/视频/播客 | 不是"客户触达 CRM"，是信息聚合搜索工具 |
| Frontend-Design | 前端设计 | 生产级前端界面构建，反 AI-Slop 审美 | 方向基本正确 |
| UI-UX-Pro-Max | 前端设计 | UI/UX 设计智能数据库，161 调色板/99 条 UX 指南 | 不是"设计工具"(无实时预览/协作)，是数据库+查询系统 |
| UI-Design-Guide | 前端设计 | UI/UX 全链路知识体系，入门→进阶→AI 新趋势 | 原文章未提及 |
| YC-Office-Hours | 创业诊断 | YC 创业导师 6 问诊断流程，产出设计文档而非代码 | 不是"办公时间管理"，与日历/效率统计无关 |
| Superpowers | AI 工程规范 | AI 技能智能调度框架，1% 可能即调用 | 不是"办公瑞士军刀"，是能力放大器 |
表 1：12 个技能真实能力与常见误读对照。帮助快速纠偏，避免按名称脑补功能。
