最近做了一个帮你挑 AI Skill 的工具 SkillPick，这篇文章聊聊背后的技术实现。

问题背景

SkillHub 上有 29000+ 个 Skill，但没有「筛选」能力——你只能搜，搜出来一大堆，不知道 该装哪个。核心困难就一个：怎么在 29000
个里找出每个赛道最好的 3 个？

数据层：Pipeline 设计

```
  原始数据(SkillHub API)
      ↓
  数据清洗（去重、去死链、补全字段）
      ↓
  58 赛道自动分类（关键词 + 描述语义匹配）
      ↓
  13 维质量打分（评分、下载量、更新频率、依赖健康度…）
      ↓
  赛道内排序 → Top 3000 精品库
```

关键决策：不用传统数据库，全量数据压缩后打包进前端，一个 JSON 文件搞定。好处是零后端成本，部署在 Minimax Space 直接托管。

打分算法

13 个维度每个独立打分，再加权求和。权重不是拍脑袋的——跑了一遍用户 调研数据后调的参。重点：更新频率和下载趋势的权重
远高于评分，因为评分真的太水了。

前端交互

搜索、赛道浏览、相似推荐三个入口。相似推荐用了简单的标签共现矩阵 ，不用模型，效果够用——找到一个好 Skill，能顺藤摸瓜推荐 5
个类似的。

部署

纯静态资源，打包 zip 扔到 Minimax Space，自动 CDN + HTTPS。日活才几十，完全不需要服务器。