AI Agent 时代来了，OpenClaw、Claude Code、Cursor 等平台的 Skill 生态爆发式增长。SkillHub 上已有 29000+ 个
Skill，但质量参差不齐。本文分享一套「选 Skill 方法论」+ 一个效率工具 SkillPick，帮你告别选择困难。

────────────────────────────────────────────────────────────────────────────────

过去三个月我在 OpenClaw、Claude Code 上装了 50 多个 AI Skill。结果呢？常年用的就 3 个。

剩下的 47 个，一半功能重复，三分之一评分虚高，还有些装完就没打开过第二次。

踩坑踩够了之后，我开始琢磨一个问题：29000 多个 Skill，到底怎么判断哪个值得装？

先说几个反常识的结论：

① 别看评分

SkillHub 上的 4 星、5 星，参考价值约等于零。很多 Skill 只有个位数评价，一个五星就能拉满。真正该看的是赛道排名——同一赛 道里的 Top 3
才有意义。

② 别看功能列表

Skill 的功能描述都是开发者自己写的，谁不往好了写？要看实际数据——下载 量趋势、更新频率、依赖质量。一个半年没更新的
Skill，再牛也不敢用。

③ "跟风装"是最低效的策略

看到别人推荐就装，最后就是收藏夹吃灰。应该先定义自己的工作流，再 反向找 Skill 来补位。