gstack
纯粹的垃圾
每个 SKILL.md 的开头都有一段重复的“安装指南”、 “遥测评价指令”（明显是用 scripts 生成的）。 每个 SKILL.md 中不是精炼的内容， 而是占了很多上下文的巨长文本（一篇就能占 1w+ tokens）。 毫无疑问， 这些内容也是 AI 流出的“中水”。 这个作者似乎以为， 用 AI 把自己的一些材料， 扩写成非常事无巨细的长度， 能具有很高价值。
抛开内容中的冗余部分不说， 小于5%的非冗余内容看着像那么回事， 但实际感觉价值有限。 就是那种看上去花里胡哨， 但其实 LLM 早就知道的东西。
结论： 一坨狗屎， 上下文污染源， 千万别安装它污染你的 agent 上下文。
#gbrain
和 gstack 一样
在 gstack 的基础上， 这家伙这次开发了一堆 CLI， 想要像 skills 一样植入每个使用者的电脑。 一眼看上去， 这些 CLI 和脚本的质量都是非常差的。 整个工程的整体感觉就是那种很粗糙的， 非常缺少 HITL 的 AI 设计、 AI 实现的 Shit。 就不说这些代码看上去很乱， 它的执行成功率也很低。 如果在 AI 时代之前， 一个普通的程序仓库是这样的质量， 在 GitHub 上是绝对要被人在 issue 中喷的。
结论： 让这些 shit 存在于我的电脑中， 我感觉我的 computer 脏了。
#last30days skills
有点意思， 但非必备
首先， 相比 gstack / gbrain， 它不是把能想到的任何东西都塞到一起的垃圾桶， 它有单一的目的。 并且它也不是那种仅仅用文本指导 LLM 已经知道的事情， 它聚焦的任务有明确的预备条件列表（一堆数据来源）， 它有清晰的执行路径。
它的问题可能就是：
- 强依赖于几个 SCRAPE 渠道。
- 大部分人不太需要这种花费大量 token 成本获取的不稳定信息， 大部分人只需要一个 search tool。
结论： 一个不错的 Skill， 但不是人人必备。
#mattpocock/skills
夯
Matt Pocock 将自己的经验总结出的精炼的、 良好分类的 SKILL。 其中 grill-me 甚至在很短时间内成为了一些 agent 产品的内置标配。 这些 SKILL 内容都很短， 短小精悍且有用， 不会像 AI 生成的“中水”一样浪费 token 或者污染上下文。
结论： 我直接用 npx skills add -g mattpocock/skills， 给它全局安装， 常驻。
#superpowers
Good
没有像 mattpocock/skills 那么精炼、 底层、 基础。 有些内容可能适用性不广， 比如说 Subagent-Driven Development 、 Dispatching Parallel Agents。 我不确定 Claude 是否真的需要这些指引， 不确定这些指导是否会造成负面作用。 整体上感觉内容比较常规、 基础、 可有可无。 就是说我不必特意引用这些 skill 给 agent。 如果真的需要某个内容， 我应该直接按自己的意图告诉 AI 几句话， 比如说“这个任务 4 个子 agent 并行执行”。
