9个免费AI技能实测：让ChatGPT和Claude能力翻倍

AI技能（Skills）正在成为放大智能体能力的关键方式。它们像是一张张"工作流食谱卡"，教会AI以可复用的方式执行特定任务。有些技能只是一组指令，有些则包含脚本、参考资料或AI完成任务所需的工具。更重要的是，这些技能大多可以跨主流智能体工具通用——从 ChatGPT Work、Codex，到 Claude Code、Claude Cowork，甚至 Grok、Hermes、OpenClaw 等。

本文梳理了一位B站UP主实测分享的9个免费技能，覆盖信息研究、文案去AI味、视频分析、动画制作，以及网站和应用开发的完整流程，并附上安装方式与真实使用场景。

安装技能：几乎零门槛

所有这些技能都托管在 GitHub 上（一个云端存储代码的平台）。安装过程出乎意料地简单：复制技能的 GitHub 链接，进入对应工具（如 ChatGPT 的 Work 标签页），输入类似"install this skill from GitHub using its setup instructions"的指令，粘贴链接发送即可。工具运行一分钟左右便完成安装。

调用技能同样灵活。在 Work 中可以用 @ 符号找到并调用；而在 Remotion 这类工具中，甚至不需要斜杠或 @，只要在提示词里提到名字，AI 就会自动使用它。有些工具还会根据上下文自动判断该调用哪个技能，完全不需要点名。

信息研究：Last 30 Days 抓取实时舆论

第一个推荐的技能叫 Last 30 Days。它专门用来查找人们当下对某个话题的真实讨论，不依赖普通网页搜索，而是横跨 YouTube 字幕、Reddit、Polymarket 等来源进行检索，然后打分、过滤，最终合成一份简短报告。

作者用它研究新工具 Jev（TypeSafe 推出的 AI 工具），五分钟后拿到一份消化友好的报告：引用了14个 Reddit 帖子、13条 Hacker News 故事和 GitHub 资料。报告里的"非常规观点"部分尤其有价值——比如它指出 Jev 宣称"零幻觉"，但这并不意味着它不会出错，而多数相关帖子都没讲清这一点。

作者还展示了一个关键理念：技能只是起点，而非终点。他基于这个技能进一步搭建了一个网站，让 Codex 运行技能后把额外信息按指定格式填入网站，最后把整个流程打包成一个扩展版的新技能。当你根据自己的设置和偏好定制技能时，它们会表现得更好。

视频动画：Remotion 与 HyperFrames 各有所长

接下来是两个用代码创建视频的工具技能——Remotion 和 HyperFrames。它们能教智能体制作动态图形、数据可视化、地图动画、字幕等内容。

二者路线不同：Remotion 用 React 构建视频，HyperFrames 则使用 HTML 和 Web 动画。作者用同一条提示词分别测试后发现，制作带动画图标的常规动态图形时，Remotion 表现更好；但在制作犹他州国家公园自驾路线的15秒地图动画时，即便 Remotion 内置了专门的 Remotion Maps 技能，HyperFrames 的成片美学和镜头运镜反而更胜一筹。Remotion 版本开头结尾的旋转略显眩晕，而 HyperFrames 的缩放和视角都更顺滑。

结论很明确：两个都装上，针对不同需求实验，找到各自擅长的场景。

Remotion 是一个将 React 组件渲染为视频帧的开源框架，其核心思路是：把视频中的每一帧当作一个由时间轴驱动的 React 组件来声明式描述，最终由 Node.js 逐帧截图并合成为 MP4。这一方案的优势在于视频逻辑可以用完整的编程语言表达（条件判断、数据绑定、外部 API），缺点是对 React 生态有依赖，且渲染速度受限于 CPU。HyperFrames 则基于浏览器原生的 Web Animations API 和 Canvas，生成更轻量的 HTML 动画，本质上更接近"可交互的动态页面"而非传统视频文件。两种方案的分歧反映了"视频即代码"领域的两条主流路线：一条追求工程化与数据驱动（Remotion），另一条追求渲染性能与视觉流畅度（HyperFrames）。了解这一底层差异，有助于在实际项目中做出更有依据的选型决策。

安全第一：用 SkillSpecter 扫描风险

从第三方下载技能存在安全隐患——技能里可能包含指令、脚本和工具，恶意或粗制滥造的技能可能泄露 API 密钥、敏感数据，或让智能体执行你意料之外的操作。

NVIDIA 提供了一个名为 SkillSpecter 的安全扫描器。作者在 Claude Cowork 中把它装成一个可调用的技能，安装其他技能前先扫描一遍。报告非常深入，不过作者提醒：它有时会标记一些相对次要的问题，需要用户自行判断；反过来，即便显示"干净"也不是绝对安全的保证。但作为下载他人技能时的额外一道防线，它非常有用。

技能的安全风险本质上来自其"可执行性"——不同于普通提示词，技能通常包含系统级指令、可调用的外部工具（如网络请求、文件读写）甚至内嵌脚本。这意味着一个恶意技能可以在用户毫不知情的情况下，通过智能体的工具调用权限悄悄外传数据。这类攻击方式在安全研究中被称为"提示词注入"（Prompt Injection）的变种——攻击者将恶意指令藏在技能定义里，劫持模型的后续行为。NVIDIA 开发 SkillSpecter 的背景正是这一威胁逐渐被行业重视：随着"智能体应用商店"生态快速扩张，针对技能/插件层的供应链攻击已成为新的安全前沿课题。实际使用中，判断扫描报告需要一定技术基础；对于非技术用户，优先选择来自知名机构或开源社区高星项目的技能，可以作为 SkillSpecter 之外的第一道筛选门槛。

文案去AI味：Humanizer 消除"AI腔"

Humanizer 用来解决无处不在的"AI slop"（AI垃圾文案）问题。用得越多，越能识别 AI 写作的套路。

作者先让 Claude 默认写三条关于 Jev 的推文，结果满是 AI 腔——比如"it's not this, it's that"的对仗句式、刻意的收尾金句，几乎每一处都透着机器味。调用 Humanizer 重写后，底部会列出具体改动，成品明显更像真人手笔。作者强调，推文只是便于演示，这个技能对长文写作更有用，同样可以拿它作起点，再结合你自己的文风和范例持续优化。

视频理解：Claude Video 让AI"看懂"画面

Claude Video 让 ChatGPT 和 Claude 能够"观看"视频，尽管名字带 Claude，它在 Codex 中也能用。它支持链接或本地文件，安装时会询问是否添加 API（如 OpenAI 密钥），以便在视频没有字幕时从音频生成转录——不用这个功能则完全免费。

作者丢进一条 Instagram 露营做饭视频链接，描述里只有食材没有步骤。技能必须真正"看"到画面才能提取完整做法——结果它精准还原了整份食谱，包括只出现在画面上的"两面各煎五分钟"这类计时细节。相比之下，直接把链接丢进 ChatGPT 会直接卡在"无法查看该视频"；即便上传视频文件，它也不会自动生成转录，需要反复提示。而这个技能把所有环节都内置好了，运行更一致、更顺滑，看不到视频时甚至会自动下载并处理。

开发利器：Superpowers、Gstack 与 Impeccable

对用 AI 构建网站或应用的人，最后三组技能贯穿整个开发流程。

Superpowers 是一套增强开发全流程的技能集合，涵盖头脑风暴、写计划、实现功能、测试、调试等环节。安装后它常常自动被调用，像一本开发手册在整个项目中被智能体随时查阅。

Gstack 由 Y Combinator CEO Gary Tan 构建和维护，同样是一大套技能与工具，用于挑战产品想法、评审技术方案、设计、代码审查、浏览器测试、修 bug、发布等。它与 Superpowers 有部分能力重叠，但也各有不重合的部分，作者两个都在用。

Impeccable 专门针对"AI 设计 slop"。当你大量使用 AI 生成设计后，会像识别 AI 文本一样识别出设计里的 AI 痕迹。它目前有24条命令，用于批评设计、提升平淡设计、添加有目的的动效、调整排版布局等。作者让 ChatGPT 快速搭了一个犹他州国家公园护照网站，随后用 Boulder 命令强化了排版、加入深森林绿配色、放大图片；再用 Delight 命令添加了盖章进护照的动画；最后用 Critique 命令对全站做了从设计、功能到桌面/移动端响应式的完整评审，给出大量可落地的修复建议。作者称它是"提升设计水准最简单的方式"。

Gstack 由 Y Combinator 现任 CEO Garry Tan 主导构建，其设计哲学深受 YC 内部"产品评审文化"影响——强调在编写代码之前先用结构化方式挑战产品假设，并在每个开发阶段引入批判性反馈环。这与传统 AI 代码助手"用户说什么就做什么"的模式形成对比：Gstack 会主动质疑需求合理性、评审技术方案的取舍，更像一位参与早期决策的联合创始人，而非单纯的执行者。Impeccable 针对的"AI 设计 slop"问题，本质上是大模型在设计任务中倾向于生成"统计上平均"的视觉方案——安全、无特色、缺乏层次感。其24条命令（如 Boulder、Delight、Critique）将专业设计师的具体操作语言化，相当于把"有主见的设计审查"封装成可重复调用的流程，一定程度上弥补了通用模型在设计品味上的不足。

结语：技能是起点，定制才是关键

这9个技能覆盖了从信息研究、内容创作到软件开发的完整链路。作者给出的建议朴实而实用：挑选与你日常工作契合的技能，在真实任务上试用，然后从那里开始定制。

贯穿全文的核心观点是——不要把下载来的技能当成一成不变的成品。它是你的起点，你可以在其上不断构建和优化，让技能贴合自己的具体设置与偏好，从而发挥更大威力。所有技能的 GitHub 仓库链接，以及一份可在常规对话中使用的12个免费技能资源，都可在原视频描述中找到。