萬字拆解：“prompt之神”李繼剛的13個skills ！
整理版優先睇
李繼剛嘅13個skills：將複雜思考壓成可複用嘅workflow資產
呢篇文章介紹嘅係被譽為「Prompt之神」嘅李繼剛公開嘅ljg-skills倉庫。李繼剛唔係靠一篇爆文突然冒出嚟嘅博主，而係好早已經將Prompt當成結構化寫作對象嚟打磨嘅人。佢嘅GitHub個人簡介得一句：Read → Think → Write → Publish，個人網站在2023年6月就發表過《如何寫好Prompt: 結構化》，將Prompt推向「似編程咁組織」嘅方向。呢個ljg-skills倉庫係一個活倉庫，最近一次提交係2026年3月23日，skills目錄下有13項能力。
成個倉庫嘅主線好清楚：理解 → 寫出 → 壓縮 → 傳播。呢13個skill可以分成四組：內容理解與表達原子（ljg-plain、ljg-word、ljg-learn、ljg-rank、ljg-writes、ljg-invest）、閲讀與研究鏈（ljg-paper、ljg-paper-flow）、傳播與可視化鏈（ljg-card、ljg-word-flow）、系統與外部世界連接層（ljg-skill-map、ljg-x-download、ljg-travel）。整體結論係：呢套skills唔係13個孤島功能，而係三條主線互相咬合——將複雜嘢講成人話、將思考過程沉澱成寫作與判斷、將理解推向交付與傳播。佢最值錢嘅地方唔係功能多，而係展示咗一個人點樣將自己嘅方法拆成可複用嘅workflow資產。
- 結論：ljg-skills係一套以「理解 → 寫出 → 壓縮 → 傳播」為主線嘅結構化知識工作流資產，唔係散亂嘅提示詞模板。
- 方法：每個skill唔止寫目標，仲有具體嘅「負面清單」（紅線），例如ljg-plain要求避開學術腔、機械連詞，令模型執行時唔會得個樣。
- 差異：比起一般提示詞模板，呢套skills更似「可複用嘅腦迴路」——唔係幫AI多做幾件事，而係幫人固定整條認知鏈，從理解到傳播一步到位。
- 啟發：真正高級嘅skill唔係最中立，而係最有判斷框架，例如ljg-invest用「秩序創造機器」框架嚟睇項目，令輸出有鮮明立場。
- 可行動點：建議先裝三個核心skill（ljg-plain、ljg-paper、ljg-card），然後按順序理解原子動作，最後先試workflow，確保每個skill真係跑得通。
ljg-skills倉庫
包含13個結構化skills嘅GitHub倉庫，覆蓋理解、寫作、傳播等知識工作環節，適合想將個人方法論外化成workflow嘅人。
內容結構
📄 ReAct📝 論文解讀核心句：別讓模型只在腦子裏打轉，得讓它出去摸一摸世界。🖼️ 下游卡片：https://blog-img-1258751817.cos.ap-singapore.myqcloud.com/wechat/ljg-skills/2026-03-23/2026-03-23-ljg-paper-card.png作者背景與倉庫骨架
李繼剛係中文Prompt圈嘅代表人物之一，佢唔係靠爆文彈起，而係好早就將Prompt當成結構化寫作對象。GitHub主頁得一句「Read → Think → Write → Publish」，個人網站喺2023年6月已經發表過《如何寫好Prompt: 結構化》，明確將Prompt推向「似編程咁組織」嘅方向。
佢嘅ljg-skills倉庫係一個活倉庫，最近一次提交係2026年3月23日，skills目錄下有13項能力。呢啲能力唔係隨機擺放，而係分咗四組：內容理解與表達原子、閲讀與研究鏈、傳播與可視化鏈、系統與外部世界連接層。主線好清楚：理解 → 寫出 → 壓縮 → 傳播。
呢套skills展示咗一個人點樣將自己嘅方法拆成可複用嘅workflow資產
逐個拆解：13個skill嘅核心價值
下面揀幾個最有代表性嘅skill嚟講，唔係全部，但足以睇到呢套倉庫嘅設計哲學。每個skill都唔係淨係話「想做咩」，而係連「唔準做咩」都寫清楚，呢點好值得學。
- 1 ljg-plain：將任何內容改寫到聰明嘅12歲細路都能明。佢嘅獨特之處係列咗一串負面清單——唔準學術腔、唔準機械連詞、唔準一句塞三件事。呢種寫法令模型執行時唔會得個樣。
- 2 ljg-word：唔係查字典，而係拆「詞嘅骨頭」。佢關心三個層次：原始物理畫面、核心意象公式、點解會演變成今日嘅意思。例如grok唔係「理解」，而係「呢個嘢已經喺腦入面開始自己思考」。
- 3 ljg-learn：從八個維度切開一個概念——歷史、辯證、現象、語言、形式、存在、美感、元反思。最後壓成一句頓悟。適合深挖抽象概念，唔適合快速查API參數。
- 4 ljg-rank：唔係總結，而係「降秩」——問呢個領域背後真正獨立嘅生成器有幾個。佢要求能生成、最小化、相互獨立、有預測力。例如AI skills生態嘅三根生成器：經驗封裝、環境接線、交付標準。
- 5 ljg-writes：寫作姿態係「一個人在諗嘢，碰巧俾你見到」。規定句子要能說出口，同一句式唔可以反覆出現，聽起嚟似金句嘅反而要重寫。呢個skill證明風格都可以係工作流。
ljg-plain嘅負面清單係skill設計示範——唔止寫目標，要寫紅線
- ljg-paper：將論文從術語森林救出來。目標唔係做學術綜述，而係將論文思想提取成普通人能帶走嘅認知。要求做費曼翻譯、提煉洞見、最後落到「對我有咩啟發」。
- ljg-card：最似作品嘅skill。交付係PNG，但作者好在意視覺品味——禁Inter字體、禁純黑、禁三等分卡片、禁AI文案腔。呢個skill本機需要修正node路徑先跑得通，但一旦搞掂，出圖效果好好。
- ljg-paper-flow同ljg-word-flow：將理解直接推到傳播層。前者串起論文解讀同卡片，後者串起詞義拆解同信息圖。呢兩個workflow說明倉庫嘅野心唔係停喺內部消費。
- ljg-skill-map：實用嘅現實檢驗器，一鍵畫出本機裝咗咩skill。本機核查發現，倉庫13個skill當中，原生可見嘅只得ljg-card一個，證明唔好靠感覺判斷安裝狀態。
- ljg-travel：最有野心嘅workflow，將出發前嘅城市研究做成完整流程。但依賴外部鏈路重，更似樣板間級，唔建議用嚟驗證安裝環境。
ljg-card對視覺品質要求好高，唔係求其渲染就算
三條主線與整體價值
睇曬13個skill之後，會發現呢個倉庫唔係功能列表，而係三條主線咬合。第一條主線係「將複雜嘢講成人話」，包括ljg-plain、ljg-word、ljg-learn、ljg-rank、ljg-paper，目標係將理解從「知道定義」推到「腦入面有畫面有結構」。
第二條主線係「將思考過程沉澱成寫作與判斷」，包括ljg-writes同ljg-invest。呢度嘅輸出唔係資訊拼盤，而係帶住清楚判斷同聲音。第三條主線係「將理解推向交付與傳播」，包括ljg-card、ljg-paper-flow、ljg-word-flow，目標係唔好將認知停喺腦內，順手做成交付物。
呢套skills最值錢嘅地方係展示咗點樣將個人方法論外化成可複用嘅workflow資產
- 理解主線：用ljg-plain、ljg-word等將抽象概念轉成畫面同結構，唔再停留喺定義層。
- 寫作主線：風格都可以係工作流，例如ljg-writes規定寫作姿態同節奏感，令輸出有人味。
- 傳播主線：用ljg-card將文字直接鑄成PNG，再由workflow將理解連接到傳播，形成閉環。
上手建議與安裝須知
如果決定裝呢套skills，只需將GitHub repository餵畀Claude，叫佢安裝。安裝完一定要叫Claude對每個skill進行測試並生成交付物，確保真係跑得通。推薦嘅學習順序係先睇ljg-plain、ljg-paper、ljg-card，因為佢哋對應「講明白」「讀進去」「做出來」。
- 1 第一步：將 https://github.com/lijigang/ljg-skills/tree/master 餵畀OpenClaude，叫佢安裝。
- 2 第二步：用ljg-skill-map檢查裝咗啲咩，本機核查發現得ljg-card原生可見。
- 3 第三步：逐個測試，例如用ljg-card生成一張卡片，修正node路徑呢類環境問題。
- 4 第四步：按順序理解原子動作：ljg-plain → ljg-word → ljg-paper → ljg-card → ljg-word-flow → ljg-paper-flow → ljg-travel。
唔好盲裝，要先睇清楚每個skill嘅設計哲學
最後嘅推薦結論係：呢套倉庫唔係適合盲裝嘅skill市場，而係好值得認真拆。佢最值錢嘅地方係展示咗一個人點樣將自己嘅方法拆成可以反覆調用嘅skill——唔止自動化命令，仲有風格、判斷同方法論嘅外化。
先講下作者：點解好多人會當李繼剛係中文 Prompt 圈代表人物之一
要看懂 ljg-skills，最好先睇得明作者。
李繼剛唔係嗰種「靠一篇爆文突然彈出嚟」嘅 Prompt 博主，而係比較早期就將 Prompt 當成結構化寫作對象嚟打磨嘅人。公開資料入面，有幾個點好能夠說明佢嘅辨識度：
• GitHub 主頁嘅個人簡介好短，得一句： Read → Think → Write → Publish。GitHub 主頁• 佢嘅個人網站喺 2023 年 6 月 27 日 就已經出過《如何寫好Prompt: 結構化》，入面清楚將 Prompt 推向「好似編程咁組織」嘅方向。 • 佢另一個公開倉庫《lijigang/prompts》本身就叫做「結構化的 Prompts」，長期被好多中文用戶當成結構化 Prompt 嘅樣板。 • 卡茲克之前嘅文章直頭用咗《專訪「Prompt之神」李繼剛》呢個標題。
如果將呢幾條線連埋一齊睇，會發現李繼剛真正有代表性嘅，唔只係「識寫 Prompt」，而係佢一路做緊同一件事：
將複雜嘅思考結構，壓成少數幾個扛得起重量嘅模塊，再等呢啲模塊去驅動輸出。
這點在 prompts 倉庫入面好明顯，喺 ljg-skills 度就更進一步。前者似結構化 Prompt 樣板，後者更似 Prompt 變咗做 workflow 資產。
下面呢張圖，就係按 ljg-card 嘅思路真實生成嘅作者卡片：
按今次睇 GitHub 頁面時見到嘅信息，呢個倉庫係公開嘅，主頁見到大約 106 stars、23 commits，最近一次提交時間係 2026 年 3 月 23 日。即係話，佢唔係一個過期樣本，而係仲喺度更新嘅活倉庫。
一、倉庫到底有啲咩
直接講結論：
呢個倉庫 skills/ 目錄入面總共有 13 項能力，比 README 主頁第一眼睇落仲要更完整啲。真正有價值嘅，唔係逐個對目錄名，而係睇佢哋點樣分工。
按用途嚟睇，呢13項能力大概可以分做四組：
1. 內容理解與表達原子
呢組係倉庫嘅核心。
• ljg-plain• ljg-word• ljg-learn• ljg-rank• ljg-writes• ljg-invest
佢哋有個共同特點：唔係喺度解決「有冇功能」，而係喺度解決「點樣將一樣嘢諗明、講清楚、壓縮成自己嘅語言」。
2. 閲讀與研究鏈
• ljg-paper• ljg-paper-flow
呢組明顯係面向「輸入複雜材料，再轉成可以消化嘅認知」嘅場景。
3. 傳播與可視化鏈
• ljg-card• ljg-word-flow
呢組係回答一個好現實嘅問題：內容諗明咗之後，點樣整成可以傳播、可以交付、可以發出去嘅嘢。
4. 系統與外部世界連接層
• ljg-skill-map• ljg-x-download• ljg-travel
呢組更偏向對外觸達、掃描、工作流編排。
換句話講，呢套倉庫唔係隨便擺咗13個掣，而係有一條好清晰嘅主線：
理解 -> 寫出 -> 壓縮 -> 傳播。
呢條主線，就係呢個倉庫嘅骨架。
二、逐個拆：呢13個 skill/workflow 到底做啲咩
下面唔單止翻譯功能說明，而係從「佢解決咩問題、寫法有咩特點、適合邊類人、邊度最值得學」嘅角度，逐個睇。
1. ljg-plain：呢套倉庫最容易「即刻睇到水平」嘅 skill
如果只能先睇一個 skill，最推薦由 ljg-plain 開始。
開始。
ljg-plain 原因好簡單：佢最能代表呢套倉庫嘅精神。
嘅目標唔係「簡化表達」咁空泛，而係好明確噉提出咗一條標準：
將任何內容改寫到聰明嘅12歲細路都識。
呢句說話睇落好常見，但呢個 skill 真正得意嘅地方在於，佢唔係剩係話「請你更通俗啲」，而係連一整套負面清單都寫咗出嚟，例如： • 唔好學術腔 • 唔好機械式連接詞 • 唔好一句塞三件事 • 唔好一開波就鋪背景
• 唔好自以為嚴謹噉兜路
呢種寫法好重要。
因為好多 skill 最大嘅問題，就係停留在「願景句」。
例如會寫： • 令內容更清晰 • 令表達更自然
• 令讀者更容易理解
而 ljg-plain 呢啲都冇錯，但太虛。模型執行嘅時候，好易做到「睇落好似好努力」，最後寫出嚟仲係一股 AI 腔。
嘅好處在於，佢將「唔好咩」寫得好具體。
呢個就好似教人打波。
「動作自然啲」係冇得練嘅。
但「膊頭唔好縮、手肘唔好飛、出手唔好拖」就可以練。
所以呢個 skill 值得睇嘅，唔只係佢做唔做到白話化，而係佢展示咗一種 skill 設計方法：
唔好淨係寫目標，要寫紅線。 ljg-skills 今次實測入面，都專登用佢嚟做 demo，將成個
倉庫本身，用「12歲細路都識」嘅方式重新講一次。效果好直觀：一旦按佢嘅標準嚟，整段說話會即刻由「產品介紹」變成「活人講嘢」。
ljg-skills例如 demo 入面有一句就好典型：
唔係更多提示詞，而係幫 AI 裝咗幾種固定工種。
輸入輸出一眼睇明：
• 輸入：一段難明嘅文字、一個 URL、一個檔案路徑，甚至一個概念或書名 • 輸出：一篇「12歲聰明細路都識複述」嘅白話解釋，倉庫默認會寫成 ~/Documents/notes/*.org• 最適合：先將複雜說明轉返人話，再講理解同傳播
Demo 示例：
輸入示例：
ljg-skills 是一個包含多個自定義 Claude Skills 的倉庫，這些 Skills 覆蓋內容重寫、論文分析、旅行研究、視覺卡片生成等多個領域，可以幫助用戶以更結構化的方式完成知識處理與內容生產。輸出示例：
這個倉庫可以理解成一排現成的腦回路。
你不用每次都跟 AI 重複說：先幫我讀，再幫我改寫，再幫我做成圖。這裏已經有人把這些動作提前寫好了。你只要叫對 skill，它就按那套路子開工。2. ljg-word：唔係查字典，而係拆「詞嘅骨頭」
ljg-word 第一眼睇可能會誤會係「英文學習工具」。
但看完 SKILL.md 會發現，佢做嘅根本唔係傳統背單字嗰套。
佢關心嘅係三個層次：
• 呢個詞最原始嘅物理畫面係咩 • 呢個詞嘅核心意象公式係咩 • 呢個詞點解會變成今日呢個意思
例如 demo 入面試咗 grok 呢個詞。
普通辭典會話你知：理解，徹底明。
但 ljg-word 嘅風格唔係停喺翻譯，而係繼續壓落去：
唔係睇明，而係「呢樣嘢已經喺個腦度開始自己諗」。
咁就將詞由一個「標籤」，變咗做一個「動作」。
呢個亦係呢套倉庫好得意嘅一個共通點：
佢唔太鍾意停喺定義層，更鍾意停喺意象層。
定義係俾考試用嘅。
意象先至係會留喺個腦度嘅。
所以，ljg-word 未必適合曬所有英文學習場景，但佢特別適合兩類人：
• 想將語言真正食落肚嘅人 • 想用詞義拆解嚟訓練表達感覺嘅人
如果說 ljg-plain 展示嘅係「點樣將複雜嘢講簡單」，咁 ljg-word 展示嘅係「點樣將抽象詞義講出畫面感」。
今次我都按呢個 skill 嘅思路整咗一張 demo 卡，直接將 grok 呢類詞應該點樣講，壓成一張可以傳播嘅圖：
輸入輸出一眼睇明：
• 輸入：一個英文單詞，例如 grok、serendipity、entropy• 輸出：一份 Markdown 詞義拆解，通常包含標題行、原始畫面、核心意象同埋一句金句 • 最適合：將一個詞由「翻譯」講到「意象、感覺同真正用法」
Demo 示例：
輸入示例：
grok輸出示例：
原始畫面：不是站在外面看一個東西，而是鑽進它裏面，從骨架到脾氣一起摸清。
核心意象：進入 + 共振 + 內化 = 真懂。
一句話：你不是盯着一個東西看久了就懂了，你是真的把它活進腦子裏了。3. ljg-learn：八刀解剖概念，好似幫抽象詞切片
ljg-learn 嘅感覺好強。
佢唔係常規意義上嘅「概念解釋」，而係將一個概念由8個維度切開：
1. 歷史 2. 辯證 3. 現象 4. 語言 5. 形式 6. 存在 7. 美感 8. 元反思
然後最後再壓成一句頓悟。
呢種設計，一睇就知唔係追求「效率最高嘅解釋」，而係追求「解釋呢件事本身都要有審美」。
咁當然會帶嚟兩個結果。
一方面，佢好啱嗰啲值得慢慢諗嘅概念，例如：
• 熵 • Skill • 系統 • 記憶 • 結構
呢類詞，淨靠百科式定義好難真係入個腦。
另一方面，佢亦都天然唔適合所有概念。
如果只係想快啲知道一個 API 參數係咩意思，用 ljg-learn 就太重手。
所以，呢個 skill 最適合「概念解剖」，唔適合「術語速查」。
今次 demo 入面，攞「Skill」本身做一次八刀拆解。結果好得意：一旦由「插件」嗰個隱喻轉咗去「手藝卡片」呢個隱喻，好多關於 skill 嘅誤解會即刻消失。
咁就說明 ljg-learn 最值錢嘅地方，其實唔係八刀本身，而係佢逼個模型去換隱喻。
好多理解卡住，唔係因為知識唔夠，而係因為隱喻唔啱。
輸入輸出一眼睇明：
• 輸入：一個概念、術語或者想搞明嘅抽象詞，例如 Skill、熵、系統• 輸出：一份八維概念解剖報告，最後壓成公式、一句話同 ASCII 結構圖，倉庫默認寫成 ~/Documents/notes/*.org• 最適合：深挖一個概念嘅骨架同隱喻，唔適合查某個 API 參數
Demo 示例：
輸入示例：
/ljg-learn Skill輸出示例：
公式：Skill = 可複用的方法 + 可觸發的上下文 + 可交付的標準
一句話：Skill 不是讓 AI 更像神，而是讓工作流終於像工作流。
結構圖：
skill
+-- 觸發條件
+-- 動作順序
+-- 外部資源
+-- 交付標準4. ljg-rank：唔係總結，而係降秩
ljg-rank 係呢套倉庫最「有方法論野心」嘅一個。
佢唔滿足於總結一堆重點，而係要繼續追問：
呢個領域背後真正獨立嘅生成器有幾個？
留意，呢個同常見嘅「3個核心原則」「5個關鍵要素」唔係同一回事。
總結型內容嘅問題在於，佢通常只係將現象分門別類。
而 ljg-rank 要求嘅係：
• 能生成 • 最小化 • 相互獨立 • 仲要有預測力
其實已經好接近建模思維。
唔係問「呢個領域睇落似咩」，而係問「呢個領域到底由邊幾條線牽住行」。
呢類 skill 嘅風險都好明顯：
寫得唔好，就會好扮高深。
一旦只係換幾個抽象詞，最後又唔生成，又唔最小，又唔預測，咁就變咗一種「高級空話製造器」。
但從指令本身嚟睇，ljg-rank 至少喺度努力避開呢個坑。佢明確提出四個判據，呢點好加分。
今次 demo 入面攞「AI skills 生態」做咗降秩，最後壓出三條生成器：
• 經驗封裝 • 環境接線 • 交付標準
呢個結論唔一定唯一，但好能夠說明呢個 skill 嘅用法：
佢唔係幫人做總結，而係幫人「斬走表面熱鬧，留低骨架」。
輸入輸出一眼睇明：
• 輸入：一個領域、賽道、系統或現象堆，例如 AI skills 生態• 輸出：一篇「降秩」報告，揾出最少但真正獨立嘅生成器，倉庫默認寫成 ~/Documents/notes/*.org• 最適合：由一堆熱鬧表象入面揾出背後嘅幾條牽引線
Demo 示例：
輸入示例：
AI skills 生態輸出示例：
這個領域真正獨立的生成器只有三根：
1. 經驗封裝
2. 環境接線
3. 交付標準
沒有經驗封裝，只剩散亂提示詞；
沒有環境接線，只剩紙面方法論；
沒有交付標準，只剩看似努力的過程。5. ljg-writes：寫作唔係輸出，而係思考過程本身
ljg-writes 可能係成個倉庫「人格感」最強嘅一個 skill。
因為佢唔係教模型「點樣好似作者咁輸出」，而係直接規定咗一種寫作姿態：
一個人在度諗緊嘢，碰巧俾你見到。
呢個定位好狠。
佢直接將大量常見 AI 寫作習慣排除咗：
• 唔好演講腔 • 唔好教學腔 • 唔好「跟住我哋嚟討論」 • 唔好一次過列曬結構標籤
而且，佢仲規定咗一整套節奏感標準，例如：
• 句子要講得出聲 • 同一種句式唔可以重複出現 • 聽落似可引用金句嘅，反而要重寫
呢套嘢用嚟做「普通寫稿」未必個個啱。
但佢有一個好大嘅價值：
佢證明咗一件事：skill 唔一定要圍繞功能，都可以圍繞聲音。
好多人整 skill 嘅時候，天然淨係會寫流程：
• 第一步做咩 • 第二步做咩 • 第三步做咩
但 ljg-writes 喺度話俾人聽另一件事：
風格本身，都可以係工作流。
或者話，寫作入面嘅「氣口」，都係可以封裝嘅。
今次 demo 用佢寫咗一個題目：點解 Skill 唔係提示詞模板。
成品最大嘅特點，唔係結構有幾完整，而係讀落真係有一種「唔係喺度講書，而係當場諗明」嘅感覺。
呢樣好難，亦都好有辨識度。
比如用 ljg-writes 嘅口吻去寫「Skill 唔係提示詞模板」，出嚟嘅味道就唔係功能說明，而係咁：
提示詞模板係幫緊一輪對話。skill 係幫一個人整理自己嘅手藝。
前者更似寫喺手板上面嘅提詞器，後者更似一個已經排練過好多次嘅小劇組。
輸入輸出一眼睇明：
• 輸入：一個觀點、一個判斷句、一個題目，或者一個自己仲未完全諗透嘅問題 • 輸出：一篇帶明顯思考軌跡嘅 org-mode 成稿，倉庫默認寫到 ~/Documents/notes/*.org• 最適合：唔係「湊字數」，而係喺寫嘅過程中將一個觀點真正諗透
Demo 示例：
輸入示例：
Skill 不是提示詞模板輸出示例：
提示詞模板解決的是“這一輪怎麼說”。skill 解決的是“這一類事情以後怎麼做”。
前者更像臨場發揮時寫在手心裏的提詞器，後者更像一個已經排練過很多次的小劇組。6. ljg-invest：將項目睇成「秩序創造機器」
ljg-invest 係今次最意外嘅一個 skill。
因為佢冇出現喺 README 嘅核心列表入面，但倉庫入面確實有。
而且佢唔係傳統投資分析框架。
佢最核心嘅一句話係：
唔問呢間公司值幾多錢，問呢部機器轉唔轉得起。
呢種寫法，好明顯已經唔係標準商業分析口徑，而係一套作者自己嘅判斷語言。
呢種 skill 有兩面性。
優點係，好有辨識度。
缺點都好明顯：如果用戶唔係食呢套語感嘅人，可能會覺得「好似好勁，但有啲玄」。
不過，企喺研究 skill 設計嘅角度，呢個 skill 反而好值得睇。
因為佢說明咗另一個問題：
skill 唔一定要中性。
好多人整 skill，總係害怕「太主觀」，於是將嘢寫得越來越平，最後雖然通用，但完全冇鋒芒。
ljg-invest 行嘅係相反方向。
佢直接將自己嘅判斷框架寫成一個世界觀，然後等模型跟住呢套世界觀出報告。
今次 demo 攞 ljg-skills 倉庫本身做咗一個「投資分析」式拆解。結論好得意：佢唔係穩定嘅秩序創造機器，但佢已經有明顯嘅「方法論品牌資產」雛形。
即使唔打算做投資分析，呢個 skill 都值得睇一次。因為佢會令人意識到：
真正高級嘅 skill，往往唔係最中立嘅 skill，而係最有判斷框架嘅 skill。
輸入輸出一眼睇明：
• 輸入：公司名、項目介紹、BP、會議紀要、創辦人訪問記錄，或者其他可以說明項目嘅材料 • 輸出：一份深度投資分析報告，核心唔係估值表，而係「呢個係咪一部秩序創造機器」 • 最適合：對項目做判斷，而唔係再俾一份平庸嘅商業分析模板
Demo 示例：
輸入示例：
項目：ljg-skills輸出示例：
判斷：有潛力，但還不是穩定的秩序創造機器。
原因：方法論密度很高，作者辨識度強，但飛輪更多依賴個人，安裝鏈路還不夠順。
最後一句：它的本質不是工具倉庫，而是一種個人知識工作姿勢的商品化雛形。7. ljg-paper：將論文由「術語森林」入面救返出嚟
如果話前面嗰幾個 skill 似內容原子，咁 ljg-paper 就係呢套倉庫入面好成熟嘅一條主幹。
佢嘅定位講得好清楚：
唔係做學術，唔係做綜述，唔係為批判而批判。
而係將論文入面嘅思想，提取成普通人都可以拎走嘅認知。
呢個 skill 有幾個好值得學習嘅點。
第一，佢對語言質量嘅要求好具體。
比如：
• 要似活人講嘢 • 要有錨點 • 要有一步步諗明嘅推理過程 • 唔好疊術語 • 唔好學術腔填充
第二，佢唔係剩係要求「解釋方法」，仲強制要求：
• 揾問題錨點 • 做費曼翻譯 • 提煉洞見 • 做「博導式審稿」 • 最後落到「對我有咩啟發」
即係話，佢唔係淨係做摘要，而係做一套「由外部論文吸收可遷移認知」嘅pipeline。
呢樣好高級。
因為好多人讀論文，最大嘅痛苦唔係睇唔明公式，而係睇完之後唔知自己到底拎走咗啲咩。
ljg-paper 其實係幫人解決呢個問題。
今次 demo 揀咗 ReAct 論文。跟住呢個 skill 嘅口吻，一下就可以將嗰篇經典論文嘅核心壓到一句人話：
唔好讓模型只喺個腦度打轉，要等佢出去摸下個世界。
這就是 ljg-paper 嘅價值。
唔係更學術，而係更可帶走。
為咗令呢點更直觀，今次都將呢段解讀鑄成一張卡片：
輸入輸出一眼睇明：
• 輸入：論文標題、arXiv 連結、論文 URL，或者 PDF 檔案 • 輸出：一份 org-mode 論文解讀文檔，核心係將論文翻成普通人可以帶走嘅認知，倉庫默認寫到 ~/Documents/notes/*.org• 最適合：想讀論文，但更關心「我到底可以從入面拎走啲咩」
Demo 示例：
輸入示例：
ReAct: Synergizing Reasoning and Acting in Language Models輸出示例：
它真正想解決的問題很樸素：模型會想，也會做，但以前大家總把這兩件事分開研究。
一句話總結：別讓模型只在腦子裏打轉，得讓它出去摸一摸世界。8. ljg-paper-flow：將「讀完」直接駁到「發出去」
呢個 workflow 好得意。
佢唔係獨立一個新能力，而係將 ljg-paper 和 ljg-card 串埋一齊：
先讀論文，
再做卡片。
呢件事嘅意義，唔在於「慳返一步操作」。
而在於佢說明咗呢套倉庫嘅真正野心：
唔係剩係幫人諗明，而係幫人將諗明呢件事直接推到傳播層。
呢點好關鍵。
好多 skill 倉庫做做下，會停喺「內容內部消費」。
比如：
• 解釋完 • 總結完 • 存檔
就完咗。
但 paper-flow 嘅諗法係：既然已經花咗力氣將論文消化咗，點解唔順手將佢變成可傳播資產？
其實已經好接近內容生產者嘅真實流程。
只不過，workflow 呢樣嘢天生更依賴環境。
佢唔係單一 skill 好唔好，而係鏈路入面每個節點都要通。
paper-flow 正因為咁更加暴露安裝質量：只要 ljg-paper 或 ljg-card 是但一個環節唔通，成個 workflow 就會斷。
輸入輸出一眼睇明：
• 輸入：一個或多個論文來源，可以係論文名、arXiv 連結、普通 URL 或 PDF • 輸出：每篇論文有兩份嘢，一份 ljg-paper解讀 org 文件，加一張ljg-card生成嘅 PNG 卡片• 最適合：將「讀完論文」直接駁到「形成可傳播資產」
Demo 示例：
輸入示例：
/ljg-paper-flow https://arxiv.org/abs/2210.03629輸出示例：
📄 ReAct
📝 論文解讀核心句：別讓模型只在腦子裏打轉，得讓它出去摸一摸世界。
🖼️ 下游卡片：https://blog-img-1258751817.cos.ap-singapore.myqcloud.com/wechat/ljg-skills/2026-03-23/2026-03-23-ljg-paper-card.png呢條 workflow 嘅價值好直白：佢將「讀完論文」直接推向「整成可轉發資產」嗰一步。
9. ljg-card：呢套倉庫最似「作品」嘅一個 skill
ljg-card 好可能係成個倉庫入面最容易俾人轉發，亦最容易被誤解嘅 skill。
容易俾人轉發，係因為佢嘅交付結果最直觀：PNG。
容易俾人誤解，係因為好多人會將佢理解成「卡片模板生成器」。
但係真正去睇佢嘅 SKILL.md 和 references/，會發現作者其實好在意另一件事：
唔好有 AI 生成痕跡。
呢個 skill 喺視覺品味上寫得好細：
• 禁用 Inter • 禁用純黑 • 禁用三等分卡片 • 禁用置中 Hero • 禁用 AI 文案腔 • 禁用假數據
老實講，呢啲嘢唔一定人人認同。
但佢至少說明一件事：作者係將視覺輸出當作品，唔係當截圖。
咁就比大量「只要渲染到出嚟就算成功」嘅 skill 高一級。
今次實測入面，ljg-card 其實係最關鍵嘅一關。
因為本機核查時發現：
• ljg-card確實裝咗入~/.claude/skills/• 模板都在 • playwright依賴目錄都在• 但預設 shell 入面 node不在PATH
即係話，如果完全跟文件入面嘅預設指令去打，大機會會失敗。
但繼續追落去會發現，node 其實唔係冇裝，而係匿咗喺 /opt/homebrew/bin/node。
一旦改做絕對路徑，capture.js 就真係可以行得通。
今次唔只係「證明行到」，而係真係按 ljg-card 邏輯生咗多張圖，其中呢張「實測結論卡」就係最直接嘅例子：
輸入輸出一眼睇明：
• 輸入：一段文字、一個 URL、一個檔案路徑，或者上游 skill 產出嘅 org 內容 • 輸出：PNG 視覺成品，可以揀長圖、信息圖、多卡、視覺筆記或漫畫，預設落到 ~/Downloads/• 最適合：將文字直接鑄成可轉發、可展示、可重用嘅視覺交付物
呢個結果好有代表性：
ljg-card 唔係壞嘅，而係預設環境假設太樂觀。
呢個都係好多 skill 倉庫常見嘅問題。作者自己部機行到，唔代表人哋部機跟住做就實行到。
Demo 示例：
輸入示例：
這不是一套“大而全”的技能市場倉庫，而是一套作者風格非常強的知識工作流資產。
本機只發現 ljg-card 已安裝，但修正 node 路徑後可成功出圖。輸出示例：
HTML: 2026-03-23-ljg-skills-long-card-demo.html
PNG: https://blog-img-1258751817.cos.ap-singapore.myqcloud.com/wechat/ljg-skills/2026-03-23/2026-03-23-ljg-skills-long-card-demo.png10. ljg-word-flow：一個好合理嘅內容鏈式 workflow
呢個 workflow 嘅諗法好順：
先用 ljg-word 將一個詞拆透，
再用 ljg-card -i 將佢鑄成信息圖。
咁就將原本好個人化、好內在嘅「詞義理解」，轉咗做一種可以對外展示嘅內容形態。
佢適合邊類人？
特別適合嗰啲本來就喺度做：
• 英文表達積累 • 詞源內容 • 小紅書/公眾號知識卡片 • 語言感覺訓練
的人。
但和 paper-flow 一樣，佢對運行鏈依賴更高。
佢嘅價值在於 workflow 設計本身好順，而唔係當前部機天然就可以一鍵行通。
輸入輸出一眼睇明：
• 輸入：一個或多個英文單詞 • 輸出：每個詞先得到一份 ljg-word解析，再得到一張ljg-card -i生成嘅信息圖 PNG• 最適合：將語言理解直接推到內容傳播層
Demo 示例：
輸入示例：
/ljg-word-flow grok輸出示例：
📖 grok
📝 拆解結果：不是看懂，是把一個東西活進腦子裏
🖼️ 下游卡片：https://blog-img-1258751817.cos.ap-singapore.myqcloud.com/wechat/ljg-skills/2026-03-23/2026-03-23-ljg-word-card.png佢最適合用嚟做「語言理解 -> 視覺傳播」呢一跳。
11. ljg-skill-map：一個好實用嘅「現實檢驗器」
ljg-skill-map 表面睇似一個輔助小工具，實際上好有代表性。
因為佢解決咗 skill 生態入面一個好實際嘅問題：
到底裝咗啲咩？
好多人而家本地 skills 越裝越多，幾十個、上百個，最後最難答嘅唔係「有冇」，而係：
• 邊啲係原生可以叫嘅 • 邊啲只係目錄仲喺度 • 邊啲係舊版本 • 邊啲同名但路徑衝突
ljg-skill-map 做嘅，就係將呢件事一眼畫出嚟。
今次實測入面，佢都直接幫手照出咗最重要嘅結論：
當前主機上，倉庫入面同名可見嘅 ljg-* skill，實際上得 ljg-card 一個。
唔好睇小呢個結論。
即係話，如果剩係靠感覺話「本機已經裝咗」，咁十成九會估錯。
所以呢個 skill 好適合做裝庫之後嘅第一步自檢工具。
輸入輸出一眼睇明：
• 輸入：本機已安裝嘅 skills 目錄，本質上唔需要用戶再餵內容 • 輸出：一張直接顯示喺對話入面嘅 ASCII 技能地圖，唔寫檔案 • 最適合：裝完 skill 之後先做一輪現實核查，睇下「到底裝咗啲咩」
Demo 示例：
輸入示例：
/ljg-skill-map輸出示例：
倉庫 13 項能力中，當前主機原生可見的 ljg-* 只有 ljg-card。12. ljg-x-download：好實用，但都最容易受環境制約
ljg-x-download 做嘅嘢好直接：由 X/Twitter 連結下載圖片或影片到 ~/Downloads。
它依賴 yt-dlp。
呢類 skill 嘅特點係，一旦環境齊，就好實用；一旦環境未齊，就會特別似「明明寫咗但點解唔 work」。
今次檢查都出現咗類似情況：
• yt-dlp喺預設 PATH 入面揾唔到• 但絕對路徑 /opt/homebrew/bin/yt-dlp實際存在
呢次再次說明，呢個倉庫喺「方法論層」好強，但喺「跨機器環境穩健性」上仲可以繼續補。
如果之後真係要將呢套倉庫推薦俾更多普通用戶，x-download 呢類依賴外部指令嘅 skill，最好都補返一層更穩定嘅安裝檢測同 fallback。
輸入輸出一眼睇明：
• 輸入：一個 X/Twitter 帖子連結 • 輸出：下載到 ~/Downloads/嘅圖片或影片檔案，並回報檔案名、大小同路徑• 最適合：將推文入面嘅媒體素材直接儲存到本地
Demo 示例：
輸入示例：
https://x.com/.../status/...輸出示例：
若推文裏有媒體，目標結果應該是把圖片或視頻下載到 ~/Downloads/，
並在對話裏回報文件名、大小和保存路徑。環境核查示例：
默認 PATH 下找不到 yt-dlp
絕對路徑 /opt/homebrew/bin/yt-dlp 存在即係話，呢個 skill 唔係完全冇條件行，而係同 ljg-card 一樣，預設環境假設偏樂觀。
13. ljg-travel：最有野心，亦最重嘅一條 workflow
ljg-travel 係好有諗法嘅一條 workflow。
佢唔係普通旅遊攻略，而係將「出發前做案頭研究」呢件事，做成一條完整工作流：
• 先做城市研究 • 再做內容提煉 • 最後生成 org 文件同卡片
而且佢特別強調：
• 歷史分層 • 博物館重點 • 古建遺存 • 考古發現 • 人文脈絡 • 深度內容推薦
老實講，呢條 workflow 如果真係可以穩定行到，價值好大。
因為佢解決嘅唔係「去邊度玩」，而係「去之前點樣將呢個城市真正讀入個腦」。
但佢嘅重量都擺喺度：
佢依賴嘅唔係單點 skill，而係一整套外部研究鏈。
所以由實操角度睇，佢更似一個「示範單位級 workflow」。
好有啟發性，但亦最唔適合一開波就用嚟驗證安裝環境。
輸入輸出一眼睇明：
• 輸入：一個城市名，可選聚焦主題，例如 西安 -f 唐代• 輸出：一份 org-mode 旅行研究文件，再加兩張 PNG 卡片，一張講文明骨架，一張講參觀路線 • 最適合：出發前做深度文化功課，而唔係臨時整一個打卡攻略
Demo 示例：
輸入示例：
/ljg-travel 西安輸出示例：
* 城市概覽
西安不是“景點多”，而是中國文明分層最清楚的城市之一。
* 博物館指南
陝西曆史博物館：看唐代系統
秦始皇帝陵博物院：看帝國如何把秩序做成規模
* 古建遺存
大雁塔：看佛教傳播後的本地化結構
* 參觀路線
第一天：陝歷博 -> 大雁塔
第二天：兵馬俑 -> 秦始皇陵如果之後真係將成套依賴補齊，呢個會係倉庫入面最有機會出「爆款知識服務感」嘅 workflow 之一。
三、呢套倉庫真正強嘅，唔係13個名，而係3條主線
將呢啲 skill 全部睇曬之後，會發現一個好清楚嘅事實：
呢個倉庫唔係「13個孤島功能」。
其實係三條主線互相咬合。
第一條主線：將複雜嘢講成人話
呢條線包括：
• ljg-plain• ljg-word• ljg-learn• ljg-rank• ljg-paper
共同目標係：將理解呢件事，由「知道定義」推到「個腦入面有畫面、有結構、有自己嘅說話」。
第二條主線：將思考過程沉澱成寫作與判斷
呢條線包括：
• ljg-writes• ljg-invest
共同目標係：令輸出唔係信息拼盤，而係帶住清楚判斷同聲音。
第三條主線：將理解直接推向交付與傳播
呢條線包括：
• ljg-card• ljg-paper-flow• ljg-word-flow
共同目標係：唔好將認知停喺個腦度，順手做成交付物。
呢三條線加埋一齊，就構成咗呢個倉庫最有價值嘅地方：
佢唔係幫 AI 做多幾件事，而係幫一個人將「理解 -> 判斷 -> 表達 -> 傳播」成條鏈路固定落嚟。
呢個亦係點解佢會令人覺得「有作者感」。
因為佢本質上就係某種個人方法論嘅外化。
但如果從真正「點樣用」嘅角度睇，更適合按輸入輸出關係嚟理解佢（本文最重要嘅一張圖！！！）：
呢張圖想講嘅其實就一句說話：
先睇輸入係咩，再睇先過邊個 skill、會產出啲咩、下一步仲可以接邊個。
四、開始之前只需要知道嘅一件事
如果睇咗以上嘅內容，你判斷需要呢套skills，只需要將「https://github.com/lijigang/ljg-skills/tree/master「 呢個Github嘅repository餵俾OpenClaw，然後等佢進行安裝就得，請喺安裝結束之後，叫佢對每個skill都做測試並生成相應嘅交付物，以確保skill真係行得通。
呢度唔再重複。
五、呢套倉庫適合邊類人，又應該點樣開始
講到呢度，其實已經可以俾到一個比較清楚嘅判斷。
呢套倉庫最適合三類人：
• 內容創作者：特別係嗰啲想將「讀材料 -> 消化 -> 改寫 -> 做卡片 -> 發出去」串成一條線嘅人 • 知識工作者：長期做論文消化、概念拆解、方法論整理、私人知識庫寫作嘅人 • 想研究 skill 設計嘅人：就算最後一個都唔裝，光係當佢做 skill 寫法樣板嚟睇，都好值得
唔太適合嘅人亦都好明確：
• 只追求功能數量、唔在意作者風格嘅人 • 希望每個 skill 都保持企業腔、好中立、模板化輸出嘅人
如果而家就想開始，更推薦嘅順序都好簡單：
先睇明呢三個：
• ljg-plain• ljg-paper• ljg-card
因為佢哋啱啱好對應「講明白」「讀入去」「做出嚟」。
再之後，跟呢條線去理解就好順：
1. ljg-plain2. ljg-word3. ljg-paper4. ljg-card5. ljg-word-flow6. ljg-paper-flow7. ljg-travel
呢個順序嘅關鍵，唔係先裝邊個，而係先睇明每個原子動作到底做啲咩，再睇 workflow 點解順。
最後嘅推薦結論都可以壓成一句話：
呢套唔係適合盲裝嘅 skill 倉庫，但佢好值得認真拆。
佢最值錢嘅地方，唔係「功能多」，而係好真實噉展示咗：
• 一個人點樣將自己嘅腦迴路寫成可重用嘅 workflow 資產 • skill 唔單止係自動化指令，都可以係風格、判斷同方法論嘅外化
所以更好嘅打開方式，唔係問「有冇一鍵神技」，而係去睇：
一個人到底點樣將自己嘅方法，拆成可以反覆調用嘅 skill。
先聊作者：為什麼很多人會把李繼剛當作中文 Prompt 圈代表人物之一
要看懂 ljg-skills，最好先看懂作者。
李繼剛不是那種“靠一篇爆文突然冒出來”的 Prompt 博主，而是比較早一批把 Prompt 當成結構化寫作對象來打磨的人。公開資料裏，有幾個點很能說明他的辨識度：
• GitHub 主頁的個人簡介很短，只有一句： Read → Think → Write → Publish。GitHub 主頁• 他的個人網站在 2023 年 6 月 27 日 就發佈過《如何寫好Prompt: 結構化》，裏面明確把 Prompt 往“像編程一樣組織”的方向推進。 • 他的另一個公開倉庫《lijigang/prompts》本身就叫“結構化的 Prompts”，長期被很多中文用戶當成結構化 Prompt 的樣板。 • 卡茲克在之前的文章中甚至直接用了《專訪“Prompt之神”李繼剛》這樣的標題。
如果把這幾條線連起來看，會發現李繼剛真正有代表性的，不只是“會寫 Prompt”，而是他一直在做同一件事：
把複雜的思考結構，壓成少數幾個能扛重量的模塊，再讓這些模塊去驅動輸出。
這點在 prompts 倉庫裏很明顯，在 ljg-skills 裏則更進一步。前者像結構化 Prompt 樣板，後者更像 Prompt 長成了 workflow 資產。
下面這張圖，就是這次按 ljg-card 的思路真實生成的作者卡片：
按這次查看 GitHub 頁面時的可見信息，這個倉庫是公開倉庫，首頁能看到大約 106 stars、23 commits，最近一次提交時間是 2026 年 3 月 23 日。也就是說，它不是一個過期樣本，而是還在更新的活倉庫。
一、倉庫裏到底有什麼
直接說結論：
這個倉庫 skills/ 目錄裏一共是 13 項能力，比 README 首頁第一眼看上去還要更完整一點。真正有價值的，不是逐個核對目錄名，而是看它們怎麼分工。
按用途看，這 13 項能力大概可以歸成四組：
1. 內容理解與表達原子
這組是倉庫的核心。
• ljg-plain• ljg-word• ljg-learn• ljg-rank• ljg-writes• ljg-invest
它們有一個共同特點：不是在解決“有沒有功能”，而是在解決“如何把一個東西想明白、說清楚、壓縮成自己的語言”。
2. 閲讀與研究鏈
• ljg-paper• ljg-paper-flow
這組明顯面向“輸入複雜材料，再轉成可消化認知”的場景。
3. 傳播與可視化鏈
• ljg-card• ljg-word-flow
這組是在回答一個很現實的問題：內容想明白了以後，怎麼做成能傳播、能交付、能發出去的東西。
4. 系統與外部世界連接層
• ljg-skill-map• ljg-x-download• ljg-travel
這組更偏外部觸達、掃描、工作流編排。
換句話說，這套倉庫不是隨便擺了 13 個按鈕，而是有一條很清晰的主線：
理解 -> 寫出 -> 壓縮 -> 傳播。
這條主線，就是這個倉庫的骨架。
二、逐個拆：這 13 個 skill/workflow 到底在幹什麼
下面不只是翻譯功能說明，而是從“它解決什麼問題、寫法有什麼特點、適合什麼人、哪裏最值得學”的角度，一個個看。
1. ljg-plain：這套倉庫裏最容易“立刻見水平”的 skill
如果只能先看一個 skill，最推薦從 ljg-plain 開始。
原因很簡單：它最能代表這套倉庫的精神。
ljg-plain 的目標不是“簡化表達”這麼空的話，而是非常明確地提出了一條標準：
把任何內容改寫到聰明的 12 歲孩子也能懂。
這句話看起來很常見，但這個 skill 真正有意思的地方在於，它不是隻說“請你更通俗一點”，而是連一整套負面清單都寫了出來，比如：
• 不要學術腔 • 不要機械連詞 • 不要一句塞三件事 • 不要一上來先鋪背景 • 不要自以為很嚴謹地繞遠路
這種寫法很重要。
因為很多 skill 最大的問題，就是停留在“願景句”。
比如會寫：
• 讓內容更清晰 • 讓表達更自然 • 讓讀者更容易理解
這些都沒錯，但太空了。模型執行的時候，很容易只做到“看起來像在努力”，最後寫出來還是一股 AI 腔。
而 ljg-plain 的好處在於，它把“不要什麼”寫得非常具體。
這就像教人打球。
“動作自然一點”是沒法練的。
但“肩別聳、肘別飛、出手別拖”是能練的。
所以這個 skill 值得看的，不只是它能不能白話化，而是它展示了一種 skill 設計方法：
別隻寫目標，要寫紅線。
這次實測裏，也專門拿它做了 demo，把整個 ljg-skills 倉庫本身，用“12 歲孩子也能懂”的方式重講了一遍。效果很直觀：一旦按它的標準來，整段話會立刻從“產品介紹”變成“活人在說話”。
比如 demo 裏有一句就很典型：
ljg-skills不是更多提示詞，而是給 AI 裝了幾種固定工種。
以前 AI 只是一個會說話的人，現在它開始像一個小團隊：有人負責解釋，有人負責寫，有人負責讀論文，有人負責出圖。
輸入輸出一眼看懂：
• 輸入：一段難懂文字、一個 URL、一個文件路徑，甚至一個概念或書名 • 輸出：一篇“12 歲聰明孩子也能複述”的白話解釋，倉庫默認會寫成 ~/Documents/notes/*.org• 最適合：先把複雜說明翻成人話，再談理解和傳播
Demo 示例：
輸入示例：
ljg-skills 是一個包含多個自定義 Claude Skills 的倉庫，這些 Skills 覆蓋內容重寫、論文分析、旅行研究、視覺卡片生成等多個領域，可以幫助用戶以更結構化的方式完成知識處理與內容生產。輸出示例：
這個倉庫可以理解成一排現成的腦回路。
你不用每次都跟 AI 重複說：先幫我讀，再幫我改寫，再幫我做成圖。這裏已經有人把這些動作提前寫好了。你只要叫對 skill，它就按那套路子開工。2. ljg-word：不是查詞典，而是拆“詞的骨頭”
ljg-word 乍一看會讓人誤會成“英語學習工具”。
但看完 SKILL.md 會發現，它做的根本不是傳統背單詞那套。
它關心的是三個層次：
• 這個詞最原始的物理畫面是什麼 • 這個詞的核心意象公式是什麼 • 這個詞為什麼會長成今天這個意思
比如 demo 裏試了 grok 這個詞。
普通詞典會告訴你：理解，徹底懂。
但 ljg-word 的風格不是停在翻譯，而是繼續往下壓：
不是看懂，而是“這個東西已經在腦子裏開始自己思考”。
這就把詞從一個“標籤”，變成了一個“動作”。
這也是這套倉庫很有意思的一個共同點：
它不太喜歡停在定義層，更喜歡停在意象層。
定義是給考試用的。
意象才是會留在腦子裏的。
所以，ljg-word 未必適合所有英語學習場景，但它特別適合兩類人：
• 想把語言真正吃進去的人 • 想用詞義拆解來訓練表達感覺的人
如果說 ljg-plain 展示的是“怎麼把複雜東西說簡單”，那 ljg-word 展示的是“怎麼把抽象詞義說出畫面感”。
這次我也按這個 skill 的思路做了一張 demo 卡，直接把 grok 這類詞該怎麼講，壓成了一張可傳播的圖：
輸入輸出一眼看懂：
• 輸入：一個英文單詞，比如 grok、serendipity、entropy• 輸出：一份 Markdown 詞義拆解，通常包含標題行、原始畫面、核心意象和一句金句 • 最適合：把一個詞從“翻譯”講到“意象、感覺和真實用法”
Demo 示例：
輸入示例：
grok輸出示例：
原始畫面：不是站在外面看一個東西，而是鑽進它裏面，從骨架到脾氣一起摸清。
核心意象：進入 + 共振 + 內化 = 真懂。
一句話：你不是盯着一個東西看久了就懂了，你是真的把它活進腦子裏了。3. ljg-learn：八刀解剖概念，像給抽象詞做切片
ljg-learn 的氣質很強。
它不是常規意義上的“概念解釋”，而是把一個概念從 8 個維度切開：
1. 歷史 2. 辯證 3. 現象 4. 語言 5. 形式 6. 存在 7. 美感 8. 元反思
然後最後再壓成一句頓悟。
這種設計，一看就不是在追求“效率最高的解釋”，而是在追求“解釋這件事本身也要有審美”。
這當然會帶來兩個結果。
一方面，它非常適合那些值得慢慢想的概念，比如：
• 熵 • Skill • 系統 • 記憶 • 結構
這類詞，單靠百科式定義很難真正進腦子。
另一方面，它也天然不適合所有概念。
如果只是想快速知道一個 API 參數是什麼意思，用 ljg-learn 就太重了。
所以，這個 skill 最適合“概念解剖”，不適合“術語速查”。
這次 demo 裏，拿“Skill”本身做了一次八刀拆解。結果很有意思：一旦從“插件”那個隱喻切換到“手藝卡片”這個隱喻，很多關於 skill 的誤解會立刻消失。
這就說明 ljg-learn 最值錢的地方，其實不是八刀本身，而是它強迫模型去換隱喻。
很多理解卡住，不是因為知識不夠，而是因為隱喻不對。
輸入輸出一眼看懂：
• 輸入：一個概念、術語或想搞懂的抽象詞，比如 Skill、熵、系統• 輸出：一份八維概念解剖報告，最後壓成公式、一句話和 ASCII 結構圖，倉庫默認寫成 ~/Documents/notes/*.org• 最適合：深挖一個概念的骨架和隱喻，不適合查某個 API 參數
Demo 示例：
輸入示例：
/ljg-learn Skill輸出示例：
公式：Skill = 可複用的方法 + 可觸發的上下文 + 可交付的標準
一句話：Skill 不是讓 AI 更像神，而是讓工作流終於像工作流。
結構圖：
skill
+-- 觸發條件
+-- 動作順序
+-- 外部資源
+-- 交付標準4. ljg-rank：不是總結，而是降秩
ljg-rank 是這套倉庫裏最“有方法論野心”的一個。
它不滿足於總結一堆關鍵點，而是要繼續追問：
這個領域背後真正獨立的生成器有幾個？
注意，這跟常見的“3 個核心原則”“5 個關鍵要素”不是一回事。
總結型內容的問題在於，它常常只是把現象分門別類。
而 ljg-rank 要求的是：
• 能生成 • 最小化 • 相互獨立 • 還要有預測力
這其實已經非常接近建模思維了。
不是在問“這個領域看起來像什麼”，而是在問“這個領域到底由哪幾根線牽着走”。
這類 skill 的風險也很明顯：
寫不好，就會非常裝。
一旦只是換幾個抽象詞，最後既不生成，也不最小，也不預測，那就變成一種“高階空話製造器”。
但從指令本身看，ljg-rank 至少在努力避開這個坑。它明確提出四個判據，這一點很加分。
這次 demo 裏拿“AI skills 生態”做了降秩，最後壓出三根生成器：
• 經驗封裝 • 環境接線 • 交付標準
這個結論不一定唯一，但很能說明這個 skill 的用法：
它不是幫人做總結，而是幫人“砍掉表面熱鬧，留下骨架”。
輸入輸出一眼看懂：
• 輸入：一個領域、賽道、系統或現象堆，比如 AI skills 生態• 輸出：一篇“降秩”報告，找出最少但真正獨立的生成器，倉庫默認寫成 ~/Documents/notes/*.org• 最適合：從一堆熱鬧錶象裏找出背後的幾根牽引線
Demo 示例：
輸入示例：
AI skills 生態輸出示例：
這個領域真正獨立的生成器只有三根：
1. 經驗封裝
2. 環境接線
3. 交付標準
沒有經驗封裝，只剩散亂提示詞；
沒有環境接線，只剩紙面方法論；
沒有交付標準，只剩看似努力的過程。5. ljg-writes：寫作不是輸出，是思考過程本身
ljg-writes 可能是整套倉庫裏“人格感”最強的一個 skill。
因為它不是教模型“如何像寫作者那樣輸出”，而是直接規定了一種寫作姿態：
一個人在想事情，碰巧被你看見。
這個定位非常狠。
它直接把大量常見 AI 寫作習慣排除掉了：
• 不要演講腔 • 不要教學腔 • 不要“接下來我們來討論” • 不要一股腦列結構標籤
而且，它還規定了一整套節奏感標準，比如：
• 句子要能說出口 • 同一種句式不能反覆出現 • 聽起來像可引用金句的，反而要重寫
這套東西拿來做“普通寫稿”未必人人都適合。
但它有一個特別大的價值：
它證明了一件事：skill 不一定非得圍繞功能，也可以圍繞聲音。
很多人做 skill 時，天然只會寫流程：
• 第一步幹嘛 • 第二步幹嘛 • 第三步幹嘛
但 ljg-writes 在告訴人另一件事：
風格本身，也可以是工作流。
或者說，寫作裏的“氣口”，也是可以封裝的。
這次 demo 用它寫了一個題目：為什麼 Skill 不是提示詞模板。
成品最大的特點，不是結構多完整，而是讀起來真的有一種“不是在講課，而是在當場想明白”的感覺。
這很難，也很有辨識度。
比如用 ljg-writes 的口吻去寫“Skill 不是提示詞模板”，出來的味道就不是功能說明，而是這種：
提示詞模板是在幫一輪對話。skill 是在幫一個人整理自己的手藝。
前者更像寫在手心裏的提詞器，後者更像一個已經排練過很多次的小劇組。
輸入輸出一眼看懂：
• 輸入：一個觀點、一個判斷句、一個題目，或者一個自己還沒完全想透的問題 • 輸出：一篇帶明顯思考軌跡的 org-mode 成稿，倉庫默認寫到 ~/Documents/notes/*.org• 最適合：不是“湊字數”，而是在寫的過程中把一個觀點真正想透
Demo 示例：
輸入示例：
Skill 不是提示詞模板輸出示例：
提示詞模板解決的是“這一輪怎麼說”。skill 解決的是“這一類事情以後怎麼做”。
前者更像臨場發揮時寫在手心裏的提詞器，後者更像一個已經排練過很多次的小劇組。6. ljg-invest：把項目看成“秩序創造機器”
ljg-invest 是這次最意外的一個 skill。
因為它沒有出現在 README 的核心列表裏，但倉庫裏確實有。
而且它不是傳統投資分析框架。
它最核心的一句話是：
不問這個公司值多少錢，問這台機器轉不轉得起來。
這種寫法，很明顯已經不是標準商業分析口徑，而是一套作者自己的判斷語言。
這種 skill 有兩面性。
優點是，非常有辨識度。
缺點也很明顯：如果用戶不是吃這一套語感的人，可能會覺得“好像挺厲害，但有點玄”。
不過，站在研究 skill 設計的角度，這個 skill 反而很值得看。
因為它說明了另一個問題：
skill 不一定非得中性。
很多人做 skill，總害怕“太主觀”，於是把東西寫得越來越平，最後雖然通用，但完全沒有鋒芒。
ljg-invest 走的是反方向。
它直接把自己的判斷框架寫成一個世界觀，然後讓模型沿着這套世界觀出報告。
這次 demo 拿 ljg-skills 倉庫本身做了一個“投資分析”式拆解。結論很有意思：它不是穩定的秩序創造機器，但它已經有明顯的“方法論品牌資產”雛形。
即便不打算做投資分析，這個 skill 也值得看一遍。因為它能讓人意識到：
真正高級的 skill，往往不是最中立的 skill，而是最有判斷框架的 skill。
輸入輸出一眼看懂：
• 輸入：公司名、項目介紹、BP、會議紀要、創始人訪談記錄，或其他能說明項目的材料 • 輸出：一份深度投資分析報告，核心不是估值表，而是“這是不是一台秩序創造機器” • 最適合：對項目做判斷，而不是再堆一份平庸的商業分析模板
Demo 示例：
輸入示例：
項目：ljg-skills輸出示例：
判斷：有潛力，但還不是穩定的秩序創造機器。
原因：方法論密度很高，作者辨識度強，但飛輪更多依賴個人，安裝鏈路還不夠順。
最後一句：它的本質不是工具倉庫，而是一種個人知識工作姿勢的商品化雛形。7. ljg-paper：把論文從“術語森林”裏救出來
如果說前面那幾個 skill 更像內容原子，那 ljg-paper 就是這套倉庫裏非常成熟的一條主幹。
它的定位說得很清楚：
不是做學術，不是做綜述，不是為了批判而批判。
而是把論文裏的思想，提取成普通人也能拿走的認知。
這個 skill 有幾個很值得學習的點。
第一，它對語言質量的要求非常具體。
比如：
• 要像活人在說話 • 要有錨點 • 要有一步步想明白的推理過程 • 不要堆術語 • 不要學術腔填充
第二，它不是隻要求“解釋方法”，還強制要求：
• 找問題錨點 • 做費曼翻譯 • 提煉洞見 • 做“博導式審稿” • 最後落到“對我有什麼啓發”
也就是說，它不是隻在做摘要，而是在做一套“從外部論文吸收可遷移認知”的 pipeline。
這很高級。
因為很多人讀論文，最大的痛苦不是看不懂公式，而是看完以後不知道自己到底拿走了什麼。
ljg-paper 其實是在替人解決這個問題。
這次 demo 選的是 ReAct 論文。按照這個 skill 的口吻，一下就能把那篇經典論文的核心壓到一句人話裏：
別讓模型只在腦子裏打轉，得讓它出去摸一摸世界。
這就是 ljg-paper 的價值。
不是更學術，而是更可帶走。
為了讓這一點更直觀，這次也把這段解讀鑄成了一張卡片：
輸入輸出一眼看懂：
• 輸入：論文標題、arXiv 連結、論文 URL，或者 PDF 文件 • 輸出：一份 org-mode 論文解讀文檔，核心是把論文翻成普通人能帶走的認知，倉庫默認寫到 ~/Documents/notes/*.org• 最適合：想讀論文，但更關心“我到底能從裏面拿走什麼”
Demo 示例：
輸入示例：
ReAct: Synergizing Reasoning and Acting in Language Models輸出示例：
它真正想解決的問題很樸素：模型會想，也會做，但以前大家總把這兩件事分開研究。
一句話總結：別讓模型只在腦子裏打轉，得讓它出去摸一摸世界。8. ljg-paper-flow：把“讀完”直接接到“發出去”
這個 workflow 很有意思。
它不是單獨一個新能力，而是把 ljg-paper 和 ljg-card 串起來：
先讀論文，
再做卡片。
這件事的意義，不在於“省一步操作”。
而在於它說明了這套倉庫的真正野心：
不是隻幫人想明白，而是幫人把想明白這件事直接推到傳播層。
這點很關鍵。
很多 skill 倉庫做着做着，會停在“內容內部消費”。
比如：
• 解釋完了 • 總結完了 • 存文件了
就結束了。
但 paper-flow 的思路是：既然已經花力氣把論文消化掉了，為什麼不順手把它變成可傳播資產？
這其實已經很接近內容生產者的真實流程了。
只不過，workflow 這種東西天生更依賴環境。
它不是單個 skill 好不好，而是鏈路裏每個節點都得通。
paper-flow 也正因此更能暴露安裝質量：只要 ljg-paper 或 ljg-card 任意一個環節不通，整個 workflow 就會斷。
輸入輸出一眼看懂：
• 輸入：一個或多個論文來源，可以是論文名、arXiv 連結、普通 URL 或 PDF • 輸出：每篇論文兩份東西，一份 ljg-paper解讀 org 文檔，加一張ljg-card生成的 PNG 卡片• 最適合：把“讀完論文”直接接到“形成可傳播資產”
Demo 示例：
輸入示例：
/ljg-paper-flow https://arxiv.org/abs/2210.03629輸出示例：
📄 ReAct
📝 論文解讀核心句：別讓模型只在腦子裏打轉，得讓它出去摸一摸世界。
🖼️ 下游卡片：https://blog-img-1258751817.cos.ap-singapore.myqcloud.com/wechat/ljg-skills/2026-03-23/2026-03-23-ljg-paper-card.png這條 workflow 的價值很直白：它把“讀完論文”直接往“做成可轉發資產”上推了一步。
9. ljg-card：這套倉庫裏最像“作品”的一個 skill
ljg-card 很可能是整個倉庫裏最容易被轉發、也最容易被誤解的 skill。
容易被轉發，是因為它的交付結果最直觀：PNG。
容易被誤解，是因為很多人會把它理解成“卡片模板生成器”。
但真正去讀它的 SKILL.md 和 references/，會發現作者其實很在意另一件事：
不要有 AI 生成痕跡。
這個 skill 在視覺品味上寫得非常細：
• 禁 Inter • 禁純黑 • 禁三等分卡片 • 禁居中 Hero • 禁 AI 文案腔 • 禁假數據
說實話，這種東西不一定人人都認同。
但它至少說明一件事：作者是把視覺輸出當作品，不是當截圖。
這就比大量“只要能渲染出來就算成功”的 skill 高一個層級。
這次實測裏，ljg-card 其實是最關鍵的一關。
因為本機核查時發現：
• ljg-card確實裝進了~/.claude/skills/• 模板也在 • playwright依賴目錄也在• 但默認 shell 裏 node不在PATH
這意味着，如果完全按文檔裏的默認命令去敲，大概率會失敗。
但繼續追下去會發現，node 其實不是沒裝，而是藏在 /opt/homebrew/bin/node。
一旦改成絕對路徑，capture.js 就真的能跑通。
這次不只是“證明能跑”，而是真的按 ljg-card 邏輯生成了多張圖，其中這張“實測結論卡”就是最直接的例子：
輸入輸出一眼看懂：
• 輸入：一段文字、一個 URL、一個文件路徑，或者上游 skill 產出的 org 內容 • 輸出：PNG 視覺成品，可選長圖、信息圖、多卡、視覺筆記或漫畫，默認落到 ~/Downloads/• 最適合：把文字直接鑄成可轉發、可展示、可複用的視覺交付物
這個結果非常有代表性：
ljg-card 不是壞的，而是默認環境假設太樂觀。
這也是很多 skill 倉庫常見的問題。作者機器上能跑，不等於別人機器上直接照着就能跑。
Demo 示例：
輸入示例：
這不是一套“大而全”的技能市場倉庫，而是一套作者風格非常強的知識工作流資產。
本機只發現 ljg-card 已安裝，但修正 node 路徑後可成功出圖。輸出示例：
HTML: 2026-03-23-ljg-skills-long-card-demo.html
PNG: https://blog-img-1258751817.cos.ap-singapore.myqcloud.com/wechat/ljg-skills/2026-03-23/2026-03-23-ljg-skills-long-card-demo.png10. ljg-word-flow：一個很合理的內容鏈式 workflow
這個 workflow 的想法非常順：
先用 ljg-word 把一個詞拆透，
再用 ljg-card -i 把它鑄成信息圖。
這就把原本很個人化、很內在的“詞義理解”，轉成了一種可以對外展示的內容形態。
它適合什麼人？
特別適合那些本來就在做：
• 英語表達積累 • 詞源內容 • 小紅書/公眾號知識卡片 • 語言感覺訓練
的人。
但和 paper-flow 一樣，它對運行鏈依賴更高。
它的價值在於 workflow 設計本身很順，而不是當前機器上天然就能一鍵跑通。
輸入輸出一眼看懂：
• 輸入：一個或多個英文單詞 • 輸出：每個詞先得到一份 ljg-word解析，再得到一張ljg-card -i生成的信息圖 PNG• 最適合：把語言理解直接推到內容傳播層
Demo 示例：
輸入示例：
/ljg-word-flow grok輸出示例：
📖 grok
📝 拆解結果：不是看懂，是把一個東西活進腦子裏
🖼️ 下游卡片：https://blog-img-1258751817.cos.ap-singapore.myqcloud.com/wechat/ljg-skills/2026-03-23/2026-03-23-ljg-word-card.png它最適合拿來做“語言理解 -> 視覺傳播”這一跳。
11. ljg-skill-map：一個很實用的“現實檢驗器”
ljg-skill-map 表面看像一個輔助小工具，實際上很有代表性。
因為它解決的是 skill 生態裏一個特別實際的問題：
到底裝了什麼？
很多人現在本地 skills 越裝越多，幾十個、上百個，最後最難回答的不是“有沒有”，而是：
• 哪些是原生可調用的 • 哪些只是目錄還在 • 哪些是舊版本 • 哪些同名但路徑衝突
ljg-skill-map 做的，就是把這件事一眼畫出來。
這次實測裏，它也直接幫忙把最重要的結論照出來了：
當前主機上，倉庫裏同名可見的 ljg-* skill，實際上只有 ljg-card 一個。
別小看這個結論。
這意味着，如果只是憑感覺說“本機已經安裝過了”，那十有八九會誤判。
所以這個 skill 很適合作為裝庫之後的第一步自檢工具。
輸入輸出一眼看懂：
• 輸入：本機已安裝的 skills 目錄，本質上不需要用戶再喂內容 • 輸出：一張直接顯示在對話裏的 ASCII 技能地圖，不寫文件 • 最適合：裝完 skill 之後先做一輪現實核查，看看“到底裝了什麼”
Demo 示例：
輸入示例：
/ljg-skill-map輸出示例：
倉庫 13 項能力中，當前主機原生可見的 ljg-* 只有 ljg-card。12. ljg-x-download：很實用，但也最容易受環境制約
ljg-x-download 做的事很直接：從 X/Twitter 連結下載圖片或視頻到 ~/Downloads。
它依賴 yt-dlp。
這類 skill 的特點是，一旦環境齊，就非常實用；一旦環境沒齊，就會特別像“明明寫了但為什麼就是不工作”。
這次檢查裏也出現了類似情況：
• yt-dlp在默認 PATH 裏找不到• 但絕對路徑 /opt/homebrew/bin/yt-dlp實際存在
這再次說明，這個倉庫在“方法論層”很強，但在“跨機器環境穩健性”上還可以繼續補。
如果後續真的要把這套倉庫推薦給更多普通用戶，x-download 這種依賴外部命令的 skill，最好都得補一層更穩的安裝檢測和 fallback。
輸入輸出一眼看懂：
• 輸入：一個 X/Twitter 帖子連結 • 輸出：下載到 ~/Downloads/的圖片或視頻文件，並回報文件名、大小和路徑• 最適合：把推文裏的媒體素材直接保存到本地
Demo 示例：
輸入示例：
https://x.com/.../status/...輸出示例：
若推文裏有媒體，目標結果應該是把圖片或視頻下載到 ~/Downloads/，
並在對話裏回報文件名、大小和保存路徑。環境核查示例：
默認 PATH 下找不到 yt-dlp
絕對路徑 /opt/homebrew/bin/yt-dlp 存在也就是說，這個 skill 不是完全沒條件運行，而是和 ljg-card 一樣，默認環境假設偏樂觀。
13. ljg-travel：最有野心，也最重的一條 workflow
ljg-travel 是很有想法的一條 workflow。
它不是普通旅遊攻略，而是把“出發前做案頭研究”這件事，做成了一條完整工作流：
• 先做城市研究 • 再做內容提煉 • 最後生成 org 文檔和卡片
而且它特別強調：
• 歷史分層 • 博物館重點 • 古建遺存 • 考古發現 • 人文脈絡 • 深度內容推薦
說實話，這條 workflow 如果真能穩定跑通，價值很大。
因為它解決的不是“去哪兒玩”，而是“去之前怎麼把這座城市真正讀進腦子裏”。
但它的重量也擺在那兒：
它依賴的不是單點 skill，而是一整套外部研究鏈。
所以從實操角度看，它更像一個“樣板間級 workflow”。
非常有啓發，但也最不適合一上來就拿它驗證安裝環境。
輸入輸出一眼看懂：
• 輸入：一個城市名，可選聚焦主題，比如 西安 -f 唐代• 輸出：一份 org-mode 旅行研究文檔，再加兩張 PNG 卡片，一張講文明骨架，一張講參觀路線 • 最適合：出發前做深度文化功課，而不是臨時拼一個打卡攻略
Demo 示例：
輸入示例：
/ljg-travel 西安輸出示例：
* 城市概覽
西安不是“景點多”，而是中國文明分層最清楚的城市之一。
* 博物館指南
陝西曆史博物館：看唐代系統
秦始皇帝陵博物院：看帝國如何把秩序做成規模
* 古建遺存
大雁塔：看佛教傳播後的本地化結構
* 參觀路線
第一天：陝歷博 -> 大雁塔
第二天：兵馬俑 -> 秦始皇陵如果後面真把整套依賴補齊，這會是倉庫裏最有機會出“爆款知識服務感”的 workflow 之一。
三、這套倉庫真正強的，不是 13 個名字，而是 3 條主線
把這些 skill 全部看完之後，會發現一個特別清楚的事實：
這個倉庫不是“13 個孤島功能”。
它其實是三條主線互相咬合。
第一條主線：把複雜東西說成人話
這條線包括：
• ljg-plain• ljg-word• ljg-learn• ljg-rank• ljg-paper
共同目標是：把理解這件事，從“知道定義”推進到“腦子裏有畫面、有結構、有自己的話”。
第二條主線：把思考過程沉澱成寫作與判斷
這條線包括：
• ljg-writes• ljg-invest
共同目標是：讓輸出不是信息拼盤，而是帶着清楚判斷和聲音。
第三條主線：把理解直接推向交付與傳播
這條線包括：
• ljg-card• ljg-paper-flow• ljg-word-flow
共同目標是：別把認知停在腦內，順手做成交付物。
這三條線合在一起，就構成了這個倉庫最有價值的地方：
它不是在幫 AI 多做幾件事，而是在幫一個人把“理解 -> 判斷 -> 表達 -> 傳播”整條鏈路固定下來。
這也是為什麼它會讓人覺得“有作者感”。
因為它本質上就是某種個人方法論的外化。
但如果從真正“怎麼用”的角度看，更適合按輸入輸出關係來理解它（本文最重要的一張圖！！！）：
這張圖想說的其實就一句話：
先看輸入是什麼，再看先過哪個 skill、會產出什麼、下一步還能接誰。
四、上手前只需要知道的一件事
如果讀了以上的內容，你判斷需要這套skills，只需要將“https://github.com/lijigang/ljg-skills/tree/master“ 這個Github的repository餵給OpenClaw，然後讓它進行安裝即可，請在安裝結束之後，讓它對每個skill都進行測試並生成相應的交付物以確保skill真的跑通了。
這裏不再贅述。
五、這套倉庫適合誰，又該怎麼上手
講到這裏，其實已經能給出一個比較清楚的判斷了。
這套倉庫最適合三類人：
• 內容創作者：尤其是那種想把“讀材料 -> 消化 -> 改寫 -> 做卡片 -> 發出去”串成一條線的人 • 知識工作者：長期做論文消化、概念拆解、方法論整理、私人知識庫寫作的人 • 想研究 skill 設計的人：哪怕最後一個都不裝，光把它當成 skill 寫法樣板來看，也很值
不太適合的人也很明確：
• 只追求功能數量、不在乎作者風格的人 • 希望每個 skill 都保持企業腔、強中立、模板化輸出的人
如果現在就想開始上手，更推薦的順序也很簡單：
先看懂這三個：
• ljg-plain• ljg-paper• ljg-card
因為它們剛好對應“講明白”“讀進去”“做出來”。
再往後，按這條線去理解就很順：
1. ljg-plain2. ljg-word3. ljg-paper4. ljg-card5. ljg-word-flow6. ljg-paper-flow7. ljg-travel
這個順序的關鍵，不是先裝哪個，而是先看懂每個原子動作到底在幹什麼，再看 workflow 為什麼順。
最後的推薦結論也可以壓成一句話：
這不是一套適合盲裝的 skill 倉庫，但它非常值得認真拆。
它最值錢的地方，不是“功能多”，而是很真實地展示了：
• 一個人怎麼把自己的腦回路寫成可複用的 workflow 資產 • skill 不只是自動化命令，也可以是風格、判斷和方法論的外化
所以更好的打開方式，不是問“有沒有一鍵神技”，而是去看：
一個人到底怎麼把自己的方法，拆成可以反覆調用的 skill。