# 我拆完宝玉的 21 个 Skills，发现高手用 AI 的方式完全不一样
**作者**: 锦鲤老湿
**日期**: 2026-07-07T10:27:20.000Z
**来源**: [https://x.com/jinlilaoshi/status/2074440119696920710](https://x.com/jinlilaoshi/status/2074440119696920710)
---
我翻完宝玉的 baoyu-skills，第一反应不是“这个仓库好多工具”。
而是：这不像一个内容创作者整理的提示词合集。
更像一个资深工程师，把自己每天反复做的内容生产、视觉生成、跨平台发布、素材处理，拆成了一套可以被 Agent 接管的操作系统。
如果你只把它当成“21 个 AI 小工具”，其实会错过最重要的东西。
真正值得学的不是某一个 Skill 怎么用。
而是宝玉怎么判断：
什么该交给模型。
什么该交给代码。
什么必须留给人确认。
什么应该沉淀成下一次可复用的工作流。
这才是这套仓库厉害的地方。
先说公开信息。
宝玉在 GitHub 上的账号是 JimLiu，主页显示名字是 Jim Liu 宝玉，位置在 Chicago，X 链接是 @dotey。
他的主页置顶了两个很有代表性的仓库：
一个是 baoyu-skills。
一个是 baoyu-design。
前者把内容、图解、封面、发布、素材处理这些日常任务拆成 Agent Skill。
后者把设计稿、页面、原型、幻灯片这些视觉产物放到本地 Agent 里生成，而且产物是自包含 HTML。
这两个仓库放在一起看，味道就出来了。
宝玉不是在追“下一个更炫的 AI 工具”。
他在做的是一件更底层的事：
把 AI 从聊天窗口里拿出来，放进真实工作流。
baoyu-skills 的 README 里有一句看似普通、但特别关键的话：
这个仓库有 20+ 个 Skill，不建议一次性全装，只装你真正需要的，避免给 Agent 增加不必要的上下文负担。
这句话很能体现专业性。
因为很多人对 AI Agent 的理解还停在“塞得越多越强”。
但真正用过复杂 Agent 的人都知道：
上下文不是免费的。
能力也不是越多越好。
你给 Agent 太多工具、太多规则、太多无关说明，它不一定更聪明，反而可能更慢、更犹豫、更容易跑偏。
所以这里真正的判断是：
Skill 不是能力收藏夹。
Skill 是任务现场的最小装备集。
这句话如果你想做自己的 AI 工作流，非常值得记下来。
不要问“我该装多少工具”。
先问“我现在这个任务链路，最少需要哪几个稳定动作”。
我把这个仓库分成五段看。
不是按目录机械分类，而是按真实工作流里的位置：
内容生产。
视觉表达。
平台发布。
素材进入。
底层工具。
这五段连起来，就是一个内容创作者从“外部信息”到“公开发布”的完整生产线。
下面我按 Skill 一个个拆。
# 第一段：内容生产
这一段解决的问题是：
你不是缺 AI 写东西，你缺的是把内容变成不同媒介的稳定方法。
## baoyu-xhs-images，小红书卡片生产线。
这个 Skill 表面上是生成 1-10 张小红书图片卡片。
但它真正值得看的是 Style × Layout 系统。
Style 决定视觉气质：cute、fresh、warm、bold、minimal、notion、chalkboard、study-notes 等。
Layout 决定信息密度：sparse、balanced、dense、list、comparison、flow。
很多人做图，是先问“好不好看”。
宝玉这里先问的是：
这段信息应该被组织成什么结构？
清单、对比、流程、知识卡片，它们不是不同皮肤，而是不同的思考方式。
所以这个 Skill 的重点不是“小红书风格”。
它的重点是：把内容拆成可传播的视觉单元。
## baoyu-comic，把观点变成漫画叙事。
漫画不是为了可爱。
漫画的价值是把抽象观点变成冲突、角色和场景。
一个观点如果只能写成一段话，它可能还只是概念。
但如果能变成几格漫画，说明它已经有了人物、处境、误解、转折和结论。
这就是传播的底层逻辑。
读者不是先理解抽象概念，再决定要不要看。
读者通常是先被一个具体场景抓住，然后才愿意跟着你往下理解。
所以 baoyu-comic 不是“图文包装”。
它是在帮内容找到叙事入口。
## baoyu-slide-deck，把文章变成演示结构。
Slide Deck 和文章不一样。
文章靠阅读节奏推进。
幻灯片靠一页一页的注意力切换推进。
这个 Skill 的价值不是简单把 Markdown 分页，而是把内容重新组织成面向观众的表达。
它有 audience、slides、style 等参数，说明它关心的是：
这套内容给谁看。
需要多少页承载。
应该是企业汇报、教学分享，还是产品演示。
很多内容创作者只会写文章，但不会做分享。
这个 Skill 实际上把“写给读者”往“讲给观众”推了一步。
## baoyu-format-markdown，把毛坯稿变成可加工稿。
这个看起来不起眼，但特别重要。
真实写作里，大量输入不是一篇干净文章，而是口述、碎片笔记、聊天记录、粗糙草稿。
如果每次都让 AI 从一团文本里自己猜结构，结果会很不稳定。
baoyu-format-markdown 的作用是先把内容变成有标题、摘要、层级、加粗、列表、代码块的 Markdown。
这一步像什么？
像工厂里的原料预处理。
它不负责最终成品，但没有它，后面的配图、转 HTML、发布都很难稳定。
这也是宝玉工程化思路很明显的地方：
不要让每个后续环节都重新理解一遍混乱输入。
先把输入标准化。
## baoyu-translate，不是简单翻译，而是跨语境迁移。
README 里它有 quick、normal、refined 三种模式，还有 audience、style、glossary。
这说明它并不把翻译当作“把英文变中文”。
它把翻译看成一个出版质量问题。
面向普通读者、工程师、学术读者、商业读者，翻译策略都不一样。
直译、技术风、故事化、正式风，也不是同一个目标。
所以这个 Skill 的真正价值是：
把外部知识迁移到你的表达体系里。
好的翻译不是语言转换。
好的翻译是把别人的知识，变成你的读者能吸收的语言。
# 第二段：视觉表达
这一段是整个仓库最能体现宝玉专业判断的地方。
因为他没有把所有视觉任务都粗暴丢给“AI 画图”。
他在区分：
哪些适合生成。
哪些应该渲染。
哪些需要参数化。
哪些必须服务信息结构。
## baoyu-infographic，把信息变成结构图。
它支持 bridge、funnel、iceberg、journey-path、layers-stack、pyramid、timeline、venn 等很多布局。
这些表面上是图形模板。
但真正重要的是，它们是一组“思考形状”。
你用 iceberg，是在告诉读者：表面现象下面还有隐藏结构。
你用 funnel，是在告诉读者：这件事有筛选、流失和转化。
你用 layers-stack，是在告诉读者：这套系统有分层关系。
你用 bridge，是在告诉读者：我们要从问题的一边走到解决方案的一边。
所以高手做图，不是先问“什么风格好看”。
而是先问：
这段信息本身是什么形状？
这就是我觉得宝玉非常专业的地方。
他把视觉生成从“审美问题”推进到了“认知结构问题”。
## baoyu-diagram，用 SVG 写确定性的图。
这个 Skill 特别值得单独说。
README 明确写，它不是图像生成 Skill，不调用图片模型，而是让 Claude 直接写 SVG，生成自包含图表，并内置样式和暗色模式适配。
这个选择很有工程味。
因为流程图、协议图、架构图、结构图，最重要的不是“看起来像专业图”。
它们最重要的是：
节点准确。
连线准确。
层级准确。
文字准确。
布局可改。
如果这些全部交给生图模型，很容易得到一张第一眼很专业、第二眼全是问题的图片。
所以宝玉这里的判断是：
能用代码确定的，就不要交给随机生成。
这句话对所有 AI 内容创作者都重要。
概念氛围图可以生成。
复杂结构图应该渲染。
中文密集图必须可控排版。
你要的不是“AI 感很强”。
你要的是读者看完真的懂。
## baoyu-cover-image，把封面拆成五个维度。
它不是一个单一风格提示词，而是 Type × Palette × Rendering × Text × Mood 五个维度。
Type 决定封面是 hero、conceptual、typography、metaphor、scene 还是 minimal。
Palette 决定色彩。
Rendering 决定渲染方式。
Text 决定文字密度。
Mood 决定情绪强度。
这套拆法背后有一个很深的内容判断：
封面不是“配一张图”。
封面是文章进入读者注意力的第一道接口。
教程文、观点文、产品拆解、人物分析、认知框架，封面的任务都不一样。
所以封面不能只靠风格词。
它必须被拆成可选择的决策维度。
这就是工程师做内容工具和普通提示词玩家最大的差别：
他不只给答案。
他把答案背后的选择空间也建出来。
## baoyu-article-illustrator，文章正文配图系统。
这个 Skill 和 baoyu-cover-image 的分工很清楚。
封面负责第一眼。
正文配图负责帮读者在阅读过程中理解、停顿、重组信息。
一篇长文如果全是文字，读者很容易失去节奏。
但配图如果只是装饰，又会打断思考。
真正好的正文配图应该承担三个任务：
解释抽象概念。
补充结构关系。
制造阅读节奏。
所以这个 Skill 的意义，不是“让文章更好看”。
它是把配图变成文章结构的一部分。
## baoyu-image-gen，统一图像生成入口。
这个 Skill 的专业性在于它不是只绑一个模型。
README 里能看到，它支持多种 provider 和模型配置，并且有自动选择逻辑。
这说明宝玉很清楚一个事实：
图像生成不是单模型问题。
不同模型适合不同场景。
有的适合参考图。
有的适合中文文字。
有的适合海报。
有的适合低延迟。
如果你的工作流只写死一个模型，一旦模型不稳定、价格变化、区域不可用，整个链路就断了。
所以 baoyu-image-gen 更像底层图像网关。
它不是为了炫模型。
它是为了让上层视觉 Skill 有稳定出口。
# 第三段：平台发布
这一段最容易被低估。
因为大多数 AI 工具做到“生成草稿”就结束了。
但真正做内容的人都知道，草稿不是终点。
你还要配图。
你还要封面。
你还要转格式。
你还要进后台。
你还要预览。
你还要适配平台。
这些动作都不性感，但它们每天吃掉大量注意力。
## baoyu-post-to-x，把内容送进 X。
它支持普通 X 帖，也支持 X Article 长文。
这点很重要。
因为 X 的短帖和长文不是同一种内容。
短帖要快、尖、可转发。
长文要有主线、有分段、有持续阅读的理由。
如果一个工具只会“发布文字”，它只是剪贴板替代品。
但如果它理解普通帖和长文的区别，它就开始接近平台工作流。
对我来说，这个 Skill 暗示了一个方向：
未来内容创作者不是写完再想发哪里。
而是从写作阶段就开始考虑平台形态。
## baoyu-post-to-wechat，公众号发布链路。
这个 Skill 支持公众号文章、贴图、Markdown 到微信可用 HTML 的转换，还区分不同发布方式。
这就不是简单“帮我发一下”。
公众号最麻烦的地方，从来不是把文字生成出来。
而是排版、图片、链接、预览、发布后台这些细碎动作。
宝玉把这些放进 Skill，说明他很懂真实内容生产的痛点：
一个流程越靠近发布，越容易暴露细节摩擦。
很多工具只做前半段，因为前半段好展示。
真正有价值的工具要碰后半段，因为后半段才决定你能不能每天稳定交付。
## baoyu-post-to-weibo，微博发布出口。
微博和 X、公众号都不一样。
它有普通帖，也有头条文章。
它更偏公共讨论场，节奏更快，情绪密度也更高。
把微博单独做成 Skill，说明宝玉不是把“发布”当成一个抽象动作。
他承认每个平台都有自己的格式和语境。
这点很关键。
AI 内容工作流如果不理解平台差异，最后只会生成一堆“哪里都能发，但哪里都不像”的内容。
平台适配不是格式转换。
平台适配是表达策略的一部分。
## baoyu-markdown-to-html，把 Markdown 变成微信可用 HTML。
这个 Skill 看起来像工具链里的中间件。
但中间件往往最值钱。
因为它把“写作格式”和“发布格式”解耦了。
创作者可以继续用 Markdown 写。
发布时再转成微信兼容 HTML。
这件事的价值在于：
你不用为了平台后台牺牲自己的创作环境。
一个成熟工作流，应该让人用最顺手的方式生产，再把结果适配到平台。
而不是让平台反过来塑造你的写作方式。
# 第四段：素材进入
这一段解决的是另一个经常被忽略的问题：
AI 工作流不是只从“我脑子里的想法”开始。
它经常从网页、X、YouTube、公众号、群聊开始。
如果入口不稳定，后面的生成都会歪。
## baoyu-url-to-markdown，把网页变成干净 Markdown。
它通过 Chrome CDP 抓取网页，再转成干净 Markdown，还会保存 HTML 快照。
这个设计很实用。
因为网页不是纯文本。
它有广告、按钮、推荐、脚本、懒加载、登录状态、动态渲染。
如果入口抓得不干净，后面总结、翻译、配图、发布都会被污染。
所以这个 Skill 的价值不是“下载网页”。
它是在帮你把外部网页变成可处理的知识原料。
## baoyu-danger-x-to-markdown，把 X 内容拿进本地。
名字里带 danger，不是装酷。
它是在提醒：这类能力涉及非官方接口、登录状态、平台变动风险。
这个命名本身就很专业。
它没有假装一切都安全稳定。
它把风险写进工具名。
对 AI 工具来说，这种边界感很重要。
能做，不等于应该无提示地做。
一个好的 Skill 不只封装能力，也应该暴露风险。
## baoyu-youtube-transcript，把视频变成可分析文本。
很多高质量内容藏在视频里。
但视频对 AI 工作流不友好。
你不能稳定引用，不能快速搜索，也很难二次组织。
这个 Skill 的意义是把 YouTube 视频转成带时间戳、语言、章节、说话人信息的文本。
一旦视频变成文本，它就能进入后续链路：
总结。
翻译。
提纲。
配图。
改写。
这就是素材工程化。
不是所有素材一进来就写文章。
先把素材变成可操作对象。
## baoyu-wechat-summary，微信群聊摘要。
这个 Skill 很有现实感。
大量知识并不在正式文章里，而在群聊里。
问题是群聊太碎、太快、太难回看。
它支持提取话题、引用、统计、用户画像、群组事实记忆，还支持增量模式和毒舌版。
这背后有一个非常实际的判断：
知识不是只来自出版物。
知识也来自社群现场。
如果你能把群聊里的碎片沉淀下来，就等于给自己的内容系统多了一条信息源。
# 第五段：底层工具和高风险工具
这一段不一定每个内容创作者都会用，但它能看出宝玉对真实工作环境的理解。
## baoyu-compress-image，图片压缩。
这个 Skill 很小，但很必要。
真正发过公众号、网页、社交平台的人都知道，图片不是生成完就结束。
尺寸、体积、清晰度、加载速度，都影响发布体验。
这类小工具看起来没有 AI 味，但它恰恰说明宝玉不是只做“演示型 AI”。
他在补生产链路里的实际缝隙。
大多数工作流崩掉，不是因为宏大能力不够。
而是因为这些小摩擦没人处理。
## baoyu-electron-extract，拆 Electron 应用。
这个 Skill 和内容生产关系不大，但很能体现工程师背景。
它能从 Electron 应用的 app.asar 里提取资源和 JavaScript，遇到 sourcemap 还能恢复原始 source tree，否则格式化压缩后的代码。
这类工具不是给普通内容创作者准备的。
它更像工程师的分析刀。
当你想研究一个桌面应用的结构、资源、前端实现时，它能把黑盒拆成可读材料。
从这个 Skill 可以看出，宝玉的 Skill 体系不是只围绕内容创作。
它也保留了工程师对系统内部结构的好奇心。
## baoyu-danger-gemini-web，调用 Gemini Web。
这个 Skill 也带 danger。
它使用 Gemini Web 的非官方方式，可以生成文本和图片。
我觉得它值得看的地方，不是“能不能用 Gemini”。
而是它把危险边界放在名字里，并在 README 里明确风险。
这反映了一种成熟的工具观：
工具不是只要可用就行。
工具还要告诉使用者，它靠什么工作，哪里可能不稳定，哪里需要自己承担风险。
AI 时代，很多人只关心“能不能跑”。
但专业的人会多问一句：
这个能力的依赖是否可靠？
这个接口是否官方？
这个结果是否可持续？
如果把这 21 个 Skill 连起来，你会发现它们不是平铺的。
它们是一条线。
素材进入：
baoyu-url-to-markdown、baoyu-danger-x-to-markdown、baoyu-youtube-transcript、baoyu-wechat-summary。
内容整理：
baoyu-format-markdown、baoyu-translate、baoyu-comic、baoyu-slide-deck。
视觉表达：
baoyu-xhs-images、baoyu-infographic、baoyu-diagram、baoyu-cover-image、baoyu-article-illustrator、baoyu-image-gen。
平台发布：
baoyu-post-to-x、baoyu-post-to-wechat、baoyu-post-to-weibo、baoyu-markdown-to-html。
底层辅助：
baoyu-compress-image、baoyu-electron-extract、baoyu-danger-gemini-web。
这条线很清楚：
把外部世界拿进来。
把混乱素材变成结构。
把结构变成可读内容。
把内容变成视觉表达。
把视觉和文字送到平台。
再用底层工具处理那些不体面但真实存在的生产摩擦。
如果再把 baoyu-design 放进来，这条线会更完整。
baoyu-design 的思路，是把 Claude Design 这类能力放到本地 Agent 里，让它产出 UI mockup、prototype、deck、wireframe，而且输出是自包含 HTML，能留在你的 repo 里继续改。
这件事背后的判断非常关键：
AI 生成不应该只是一次性的网页体验。
它应该进入你的项目目录，成为可版本管理、可迭代、可交接的资产。
这和 baoyu-skills 是同一条线。
一个管内容生产。
一个管视觉和设计生产。
共同点是：
不把 AI 当聊天对象。
而是把 AI 当本地工作系统的一部分。
这就是为什么我觉得宝玉这套东西值得认真拆。
它不是“我写了很多 prompt”。
它是在回答一个更大的问题：
当 AI Agent 真的进入日常工作，我们应该怎样重新组织任务、文件、视觉、平台和交付？
对普通内容创作者来说，最值得抄的也不是具体命令。
而是三个问题。
第一个问题：
我每天重复解释给 AI 的东西，能不能变成 Skill？
第二个问题：
我现在靠运气抽卡的环节，能不能拆成参数？
第三个问题：
我每次生成完还要手工收尾的地方，能不能接进工作流？
你只要沿着这三个问题去看自己的工作，就会发现很多可以改造的地方。
比如写公众号。
不要只做“写文章提示词”。
你应该拆成选题、资料、提纲、草稿、封面、正文配图、微信排版、发布记录。
比如做 X 长文。
不要只做“生成一篇长文”。
你应该拆成资料核查、观点钩子、主线判断、可转发金句、评论区追问、二次拆条。
比如做教程。
不要只做“解释一个工具”。
你应该拆成概念图、流程图、错误案例、最小可用路径、延伸阅读。
这就是从提示词思维变成工作流思维。
我越来越觉得，AI 时代真正拉开差距的，不是“谁知道更多工具”。
而是谁能把自己的判断封装成流程。
宝玉的 baoyu-skills 给了一个很好的样本。
它告诉你：
Skill 不是魔法。
Skill 是把一个人反复做事时积累的判断，沉淀成下一次可以直接启动的动作。
真正专业的人，不会幻想一次性全自动。
他会把工作拆开。
把重复的地方固化。
把不稳定的地方留给确认。
把结构化的东西交给代码。
把平台相关的脏活接进流程。
最后你得到的，不是一个更会聊天的 AI。
而是一条越来越清楚的个人生产线。
这才是 baoyu-skills 最值得拆的地方。
也许下一阶段的个人竞争力，就是看你能不能把自己的经验，做成一组可以被 Agent 调用的 Skill。
这篇先拆到这里。
下一篇我想继续拆：
宝玉这套 Skill 仓库里，哪些设计最适合内容创作者直接复制，哪些反而不该一上来就学。
因为真正重要的不是“全装”。
而是学会建立自己的最小工作流。
## 相关链接
- [锦鲤老湿](https://x.com/jinlilaoshi)
- [@jinlilaoshi](https://x.com/jinlilaoshi)
- [1.6K](https://x.com/jinlilaoshi/status/2074440119696920710/analytics)
- [@dotey](https://x.com/@dotey)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [6:27 PM · Jul 7, 2026](https://x.com/jinlilaoshi/status/2074440119696920710)
- [1,619 Views](https://x.com/jinlilaoshi/status/2074440119696920710/analytics)
---
*导出时间: 2026/7/8 09:34:54*