AI 腔和真人文字都拿 83 分？實測 2.8 萬星 Claude Code 技能包 claude-skills
重點摘要
- claude-skills 實際有 846 個 SKILL.md，其中 458 個是 .gemini 資料夾的複本；扣掉後 388 個，與 README 開頭一致，依名稱去重為 374 個。
- 附帶的 745 支 Python 小程式逐支執行 --help，12 秒跑完，699 支正常、46 支失敗，其中 23 支來自 skillopt-sleep 套件的 types.py 撞名。
- 去 AI 味評分 humanizer_scorer 對英文有效（AI 腔 47 分、真人 79 分），但中文 AI 腔與中文真人文字都拿 83 分，分不出來。
- 文案標題評分 headline_scorer 用空格數字數：中文標題「Sherlock 工具介紹」20 分，低於只打「123」的 38 分。
- 結論： 說明書數量大致誠實、附帶程式九成以上能啟動，但評分工具只懂英文，中文內容別信它的分數。
- 適合： 用英文寫行銷內容、或想找現成流程範本的軟體團隊，挑需要的技能裝。
- 不適合： 想檢查中文文案或中文標題的人，以及想整包全裝的人。
| 實測項目 | 結果 |
|---|---|
| README／簡介宣稱技能數 | 388、345、380 |
| SKILL.md 總數／.gemini 複本 | 846／458 |
| 扣掉複本／名稱去重 | 388／374 |
| 小程式 --help 測試 | 745 支，699 正常、46 失敗，12.2 秒 |
| humanizer_scorer 英文 AI 腔／真人 | 47／79 |
| humanizer_scorer 中文 AI 腔／真人 | 83／83 |
| headline_scorer「Sherlock 工具介紹」／「123」 | 20／38 |
你想叫 AI 幫忙寫粉專貼文、廣告文案，網路上剛好有人在傳：「裝這一包，Claude Code 一次多三百多個專家技能，行銷、財務、法遵、執行長顧問全包。」這個叫 claude-skills 的專案在 GitHub 上有 2.8 萬顆星，最近一週就多了九百多顆。
聽起來很省事，但「三百多個專家」到底是什麼？裝了真的有用嗎？我們把它整包抓下來，數了一遍，再挑幾個一般人用得到的附帶工具實際跑跑看。
測試設備：Mac mini M4 Pro（12 核、64GB），Python 3.12，專案版本為 2026-08-26 的 commit 19392f7。
先搞清楚：「技能」是什麼
Claude Code 的「技能（skill）」本質上是一份 SKILL.md 說明書，告訴 AI 遇到某類工作時該照什麼步驟做，有些技能另外附了 Python 小程式當輔助。所以這個專案的主體是一大堆說明書，真正會「跑」的是那些附帶小程式。
這次我們沒有把技能裝進 Claude Code 讓 AI 實際使用，只測了兩件事：數量是否和宣稱一致、附帶的小程式能不能用。這點先講清楚。
宣稱幾個？實際幾個？
同一個專案裡出現了三個數字：README 開頭寫 388 個，另一段寫「All 345 skills」，GitHub 簡介又寫 380 個。我們直接數檔案：
grep -o '[0-9]* production-ready skills' README.md
grep -o 'all [0-9]* skills' README.md | head -1
find . -name SKILL.md | wc -l
find .gemini -name SKILL.md | wc -l
find . -name SKILL.md -not -path './.gemini/*' | wc -l
| 項目 | 數量 |
|---|---|
| SKILL.md 總數 | 846 |
放在 .gemini 資料夾的複本 |
458 |
| 扣掉複本 | 388 |
依 name: 欄位去重後 |
374 |
扣掉給 Gemini CLI 用的複本，剛好是 388 個，和 README 開頭一致，這點值得肯定。不過其中有 14 個名字重複（例如 chaos-engineering、slo-architect 在兩個資料夾各有一份），真正不重複的技能是 374 個。另外 .gemini 那份裡有 61 個名字在主目錄找不到，看起來是沒同步的舊版。
技能分布也很能說明它是給誰用的：工程類（engineering 93 個、engineering-team 53 個）最多，其次是行銷 49 個、執行長顧問 46 個。一般人日常會用到的生產力類只有 12 個。
745 支小程式，逐支試跑
附帶的 Python 小程式（不算 .gemini 複本）有 745 支。我們沒有安裝任何額外套件，逐支執行 python3 腳本 --help，每支限時 15 秒：
python3 /tmp/helpcheck.py
# scripts 745 ok 699 bad 46 sec 12.2
12 秒跑完，699 支正常顯示說明（約 94%），46 支失敗。失敗原因分類：
- 23 支來自同一個
skillopt-sleep套件：套件裡有個自己的types.py，單獨執行時蓋掉 Python 內建的types模組，造成循環匯入。這些檔案原本是套件模組，不是設計來單獨執行的，所以這個數字對作者不完全公平。 - 14 支找不到
book_to_skill、skillopt_sleep套件，要先安裝對應套件。 - 5 支找不到需要的檔案或指令（例如
dist/main.js、content/titles.md、pytest）。 - 其餘 4 支是其他原因，例如找不到
src/module.py、npm 找不到package.json。
要注意：「能顯示說明」只代表程式能啟動，不代表功能正確。所以接下來挑兩個實際跑。
去 AI 味評分：英文分得出來，中文分不出來
content-humanizer 技能附了一支 humanizer_scorer.py，宣稱能替文章打 0–100 的「人味分數」。我們自己寫了四段內容相同、口吻不同的文字：英文 AI 腔、英文真人口吻、中文 AI 腔（「在當今快速變化的數位時代，善用數據洞察至關重要。此外……總而言之……」）、中文真人口吻（「上個月我們的客人一直跑掉，我原本以為是價錢太貴」）。
S=marketing-skill/skills/content-humanizer/scripts/humanizer_scorer.py
python3 $S en_ai.txt | grep -E 'SCORE|Verdict'
python3 $S zh_ai.txt | grep -E 'SCORE|Verdict'
| 測試文字 | 人味分數 | 判定 |
|---|---|---|
| 英文 AI 腔 | 47 | Robotic |
| 英文真人口吻 | 79 | Mostly human |
| 中文 AI 腔 | 83 | Mostly human |
| 中文真人口吻 | 83 | Mostly human |
英文兩段差了 32 分，確實分得出來。中文兩段卻同分，而且 AI 腔的中文還比英文真人文字高分。原因翻程式碼就看得到：它的「AI 詞彙」清單全是英文（delve、leverage、robust、furthermore……）。中文 AI 腔那段在「AI 詞彙」「避險語氣」兩項都拿滿分，等於最能抓 AI 腔的兩項對中文完全沒作用。
標題評分：中文標題輸給「123」
copywriting 技能附的 headline_scorer.py 會從力量詞、情緒詞、數字、長度、具體度、清晰度六個面向打分。
H=marketing-skill/skills/copywriting/scripts/headline_scorer.py
python3 $H 'Sherlock 工具介紹'
python3 $H '123'
python3 $H '亂打的帳號也說「找到」？實測 9 萬星找帳號神器'
| 標題 | 分數 |
|---|---|
| Sherlock 工具介紹 | 20（F） |
| 123 | 38（F） |
| 亂打的帳號也說「找到」？實測 9 萬星找帳號神器 | 48（D） |
| I Typed a Fake Username and It Still Said Found 8 Times | 50（D） |
只打三個數字的「123」比正常的中文標題高分。我們實際用過的中文標題被判定成「5 words — too short」，因為它用空格切字，一整串中文只算一個字。
結論：適合誰、不適合誰
這包的說明書數量大致誠實，附帶程式九成以上能啟動，品質比很多「大全」型專案好。但它是寫給英文行銷與軟體工程團隊的：評分類工具的規則全建立在英文上，拿中文內容去跑，分數沒有參考價值。
- 適合：用英文寫行銷內容、或在軟體團隊想找現成流程範本的人；挑幾個需要的技能複製進去就好。
- 不適合：想用它檢查中文文案、中文標題的人；也不建議整包 388 個全裝，大部分你用不到，只會讓 AI 多讀一堆說明。
專案連結：https://github.com/alirezarezvani/claude-skills（MIT 授權）