1. web-video-presentation：將文章變成可以錄屏嘅「偽影片」

做咩：將你寫好嘅劇本、文章或者產品介紹拆成一段段 narration，每段對應一版 16:9 嘅畫面，㩒一下鍵盤就推前，錄屏出嚟就係影片。

適合場景：技術分享、產品發佈、知識付費、唔想掂 Premiere 但又想要「影片感」嘅人。

硬賣點：

1920×1080 固定舞台——錄屏唔會跳尺寸，自動適應任何屏幕；

23 個內置主題，editorial、terminal、engineering、Swiss International 每個風格都唔同；

5 個硬協作 checkpoint——劇本、主題、大綱、實現模式、音頻，每一步都卡住等你確認；TTS 引擎可以換，內置 MiniMax 同 OpenAI，亦預留咗 ElevenLabs、edge-tts、Azure、Google Cloud、macOS say 嘅接口。

邊啲人值得先裝：以錄屏出片為目標嘅創作者。

2. web-design-engineer：叫 AI 寫出冇 AI 味嘅網頁

做咩：將 Agent 從「生成行得鬱嘅 Code」拉到「做出有品味嘅前端」。Landing 頁、Dashboard、原型、幻燈片、動畫——前端見到嘅佢基本都管。

適合場景：被人話「一眼就知係 AI 砌嘅網頁」嘅開發者、做獨立產品嘅 Full Stack、需要快速出 v0 嘅前端。

硬賣點：6 步工作流程——需求→上下文→設計系統→v0→完整構建→驗證，每一步都有明確嘅產出；6 大設計流派 + 25 個風格菜譜，Linear、Aesop、Pentagram、Bloomberg、Stripe Press、Mid-Century 都有，每個菜譜直接俾咗配色、字體、簽名手法同反例清單；仲帶咗一個反 AI 套路嘅 blocklist，通用 AI UI 習氣喺 v0 階段就會被攔落嚟。

邊啲人值得先裝：要做產品頁、SaaS Landing、Dashboard 嘅人。

3. gpt-image-2：我用嚟寫 prompt，快過自己諗三倍

老實講，呢個 Skill 我裝嘅時候以為只係一個提示詞收藏夾——80 幾個模板放喺 references/ 裏面，邊個唔識揭啊？

用咗一個禮拜發現我諗錯咗。佢真正值錢嘅地方唔係模板多，而係佢知幾時用邊個模板。你掉低一句「幫我出一張 InfoGraphic」，佢會先判斷你有冇圖像 API、再揀分類、再套結構——而唔係一口氣將 80 個模板全部塞入上下文。

我上次整技術架構圖，自己寫 prompt 諗咗十分鐘，出嚟嘅嘢仲係似「科技峯會背景板」。換佢行一次流程，出嚟嘅圖直接用得。

三個小問題都要講：

· 一定要有 API key。Mode C（純文字顧問）可以幫你寫 prompt，但係拎唔到圖。

· 模板太多反而難揾。80 個模板放喺 references/ 裏面，如果你唔知自己想要咩，就要一個一個揭目錄。

· 圖像編輯嗰條 pipeline 我仲未行得通，成功率比生成低好多。

實際測試：

- 叫佢生成一張微信公眾號 16:9 封面提示詞，同一張 3:4 小紅書風格 InfoGraphic 描述詞

睇嚇實際文生圖嘅效果：

再嚟一張小紅書風格 InfoGraphic：

邊啲人值得先裝：手頭有 OpenAI 兼容圖像 API、而且好憎同 Midjourney 來回鬥 prompt 嘅人。

4. kb-retriever：喺本地知識庫入面做問答

做咩：俾你本地嘅 knowledge/ 目錄加一個問答入口。可以讀 Markdown、純文字、PDF、Excel，唔使靠將成個檔案塞入上下文。

適合場景：本地有結構化文件庫、要由 PDF 或 Excel 抽證據、唔想被大檔案撐爆上下文窗口。

硬賣點：先用 data_structure.md 索引檔案導航，揾到目標先搜，避免一開始就載入成個檔案；碰到 PDF 同 Excel 會先學處理方法再動手抽數據；檢索最多行 5 輪，唔會無限試落去；工具鏈用咗 grep、pdftotext、pdfplumber 加 pandas，答案會標明來源。不過我冇喺超大知識庫上面行過，過千個檔案唔知會唔會 Lag。

邊啲人值得先裝：本地有知識庫、需要連溯源回答問題嘅人。

倉庫支援 5 種裝法，按情況對號入座：

三個常用 Flag：-s <skill-name> 單裝某一個；--global 裝到 ~/.skills 而非當前項目；-a claude-code 指定目標 Agent（預設自動識別）。

行一次最小可復現路徑：

1 終端執行安裝指令

CLI 會自動識別你而家嘅 Agent 環境，將 Skill 放到對應目錄。不過第一次行會慢啲，因為要由 GitHub 拉 Package。

2 確認落點

唔同 Agent 目錄唔一樣：

Claude Code → .claude/skills/web-design-engineer/

Cursor → .agents/skills/web-design-engineer/

Codex CLI → .codex/skills/web-design-engineer/

3 驗證 Skill 已經啟動

喺 AI 度講一句：

如果 AI 主動列出六步流程、開始列 design tokens（顏色、字體、間距、動效），即係 Skill 已被載入。

4 生產環境鎖定 tag

唔好用 main Branch，用 tag 鎖版本：

咁樣每次拉到嘅字節永遠一致。

實際上可以用自然語言安裝

根據倉庫文件，以下環境已測試通過：

Skill 格式本身係通用嘅——你嘅 Agent 只要支援 Skills 規範，將資料夾抄過去就用得。

倉庫地址：github.com/ConardLi/garden-skills，MIT，可以商用、可以 Fork。（注意：公眾號會剝除外鏈，建議直接去倉庫睇。）

按你手頭嘅工作對號入座：

▸ 做技術分享 / 課程 / 產品 Demo 影片 → web-video-presentation

▸ 做產品頁 / Landing / Dashboard → web-design-engineer

▸ 量產配圖 / UI 稿 / InfoGraphic → gpt-image-2

▸ 本地有知識庫要帶溯源問答 → kb-retriever

如果仲唔肯定，直接去倉庫 README 確認：github.com/ConardLi/garden-skills。

1. web-video-presentation：把文章變成可錄屏的"偽視頻"

做什麼：把你寫好的腳本、文章或者產品介紹拆成一小段一小段的 narration，每段對應一屏 16:9 的畫面，鍵盤點一下就往前推，錄屏出來就是視頻。

適用場景：技術分享、產品發佈、知識付費、不想碰 Premiere 但又想要"視頻感"的人。

硬賣點：

1920×1080 固定舞台——錄屏不會跳尺寸，自動適配任意屏幕；

23 個內置主題，editorial、terminal、engineering、Swiss International 每個風格都不一樣；

5 個硬協作 checkpoint——腳本、主題、大綱、實現模式、音頻，每一步都卡住等你確認；TTS 引擎可以換，內置 MiniMax 和 OpenAI，也預留了 ElevenLabs、edge-tts、Azure、Google Cloud、macOS say 的接口。

先裝的人：以錄屏出片為目標的創作者。

2. web-design-engineer：讓 AI 寫出去掉 AI 味的網頁

做什麼：把 Agent 從"生成能跑的代碼"拉到"做出有品味的前端"。落地頁、Dashboard、原型、幻燈片、動畫——前端能見的它基本都管。

適用場景：被吐槽"一眼 AI 拼的網頁"的開發者、做獨立產品的全棧、需要快速出 v0 的前端。

硬賣點：6 步工作流——需求→上下文→設計系統→v0→完整構建→驗證，每一步有明確的產出；6 大設計流派 + 25 個風格菜譜，Linear、Aesop、Pentagram、Bloomberg、Stripe Press、Mid-Century 都有，每個菜譜直接給了配色、字體、簽名手法和反例清單；還帶了一個反 AI 套路的 blocklist，通用 AI UI 習氣在 v0 階段就會被攔下來。

先裝的人：要做產品頁、SaaS Landing、Dashboard 的。

3. gpt-image-2：我拿來寫 prompt，比自己憋的快三倍

實話實說，這 Skill 我裝的時候以為就是個提示詞收藏夾——80 多個模板塞在 references/ 裏，誰不會翻啊？

用了一週發現我想錯了。它真正值錢的地方不是模板多，是它知道什麼時候用哪個模板。你扔一句「幫我出張信息圖」，它會先判斷你有沒有圖像 API、再選分類、再套結構——而不是一股腦把 80 個模板全塞進上下文。

我上次做技術架構圖，自己寫 prompt 憋了十分鐘出來的東西還是像「科技峯會背景板」。換它走了一遍流程，出來的圖直接能用。

三個小毛病也得說：

· 必須有 API key。Mode C（純文字顧問）能幫你寫 prompt，但拿不到圖。

· 模板太多反而不好翻。80 個模板放在 references/ 裏，你如果不知道自己要什麼，得一個個翻目錄。

· 圖像編輯那條流水線我還沒跑通，成功率比生成低不少。

實際測試：

- 讓它生成一張微信公眾號16：9封面提示詞，以及一張3：4小紅書風格信息圖描述詞

來看看實際文生圖的效果：

再來一張小紅書風格信息圖：

先裝的人：手頭有 OpenAI 兼容圖像 API、而且煩透了跟 Midjourney 反覆鬥 prompt 的人。

4. kb-retriever：在本地知識庫裏做問答

做什麼：給你本地的 knowledge/ 目錄加一個問答入口。能讀 Markdown、純文本、PDF、Excel，不靠把整份文件塞進上下文。

適用場景：本地有結構化文檔庫、要從 PDF 或 Excel 裏抽證據、不想被大文件撐爆上下文窗口。

硬賣點：先用 data_structure.md 索引文件導航，找到目標再搜，避免一上來就加載整份文件；碰到 PDF 和 Excel 會先學處理方法再動手抽數據；檢索最多跑 5 輪，不會無限試探下去；工具鏈用了 grep、pdftotext、pdfplumber 加 pandas，答案會標註來源。不過我沒在超大型知識庫上跑過，上千個文件不知道會不會卡。

先裝的人：本地有知識庫、需要帶溯源回答問題的人。

倉庫支持 5 種裝法，按場景對號入座：

三個常用 flag：-s <skill-name> 單裝某一個；--global 裝到 ~/.skills 而非當前項目；-a claude-code 指定目標 Agent（默認自動識別）。

走一遍最小可復現路徑：

1 終端運行安裝命令

CLI 會自動識別你當前的 Agent 環境，把 Skill 放到對應目錄。不過第一次跑會慢一些，它要從 GitHub 拉包。

2 確認落點

不同 Agent 目錄不一樣：

Claude Code → .claude/skills/web-design-engineer/

Cursor → .agents/skills/web-design-engineer/

Codex CLI → .codex/skills/web-design-engineer/

3 驗證 Skill 已激活

在 AI 裏說一句話：

如果 AI 主動列出六步流程、開始列 design tokens（顏色、字體、間距、動效），說明 Skill 已被加載。

4 生產環境固定到 tag

別用 main 分支，用 tag 鎖版本：

這樣每次拉到的字節永遠一致。

實際可以使用自然語言安裝

據倉庫文檔，以下環境已測試通過：

Skill 格式本身是通用的——你的 Agent 只要支持 Skills 規範，把文件夾拷過去就能用。

倉庫地址：github.com/ConardLi/garden-skills，MIT，可商用、可 fork。（注意：公眾號會剝除外鏈，建議訪問倉庫查看。）

按你手頭的活兒對號入座：

▸ 做技術分享 / 課程 / 產品 demo 視頻 → web-video-presentation

▸ 做產品頁 / Landing / Dashboard → web-design-engineer

▸ 量產配圖 / UI 稿 / 信息圖 → gpt-image-2

▸ 本地有知識庫要帶溯源問答 → kb-retriever

如果還拿不準，直接去倉庫 README 確認：github.com/ConardLi/garden-skills。