大部分人用 skill还停留在下载别人写好的
文章指出当前大部分人对 Skill 的使用仅停留在下载现成工具层面，而更先进的项目已开始将方法论、思维方式及商业经验转化为可运行、可复用的 Skill。文中列举了女娲、dbskill、ljg-skills 等典型案例，并分析了中英文社区在 Skill 生态上的不同侧重，强调“造 Skill 的 Skill”才是生产力杠杆。
🏷️ dbskill
8 篇用NewMax抖音连接器和dontbesilent对标法拆解分析
文章介绍了使用NewMax的抖音连接器和dontbesilent对标法对爆款内容进行拆解分析的方法。作者通过将各类社交媒体数据源封装成工具供NewMax调用，实现了自然语言获取数据并进行分析或改写。作者还计划通过缝合dbskill工作流来进一步强化Agent的能力。
dbskill 教程：没有教程也能学会
文章探讨了在 Agent 时代如何设计新工具 dbskill 的入门体验。作者反对传统的 PDF 教程模式，认为这要求用户先分类问题再调用工具，不符合直觉。 dbskill 通过 /dbs 命令让 Agent 自动读取上下文、判断步骤并调用 Skill，实现‘没有教程也能学会’的即用即学体验。
dbskill 更新 | 新增传播心理解码与文稿共鸣诊断工具
文章作者 dontbesilent 分享了 dbskill 工具集的更新，重点解决了内容“有深度但没流量”的问题。作者指出，知识密度过高往往会牺牲传播性。为此，他新增了 /dbs-spread 和 /dbs-resonate 两个独立工具：前者用于利用传播学理论（如沉默的螺旋）分析爆火内容的心理机制，指导聊天室讨论方向；后者用于诊断文稿共鸣，删减冗余信息。这两个工具可配合聊天室或单独使用，帮助创作者在保持知识深度的同时提升传播效率。
dontbesilent 内容资产工程系统开源：用 Agent 处理 2 亿 Token 构建个人知识库
文章介绍了 Codex 为 dontbesilent 构建的一套内容结构化工程系统。该系统利用 Agent 处理了本地 143 个目录、2330 个文件（约 2 亿 Token），将散落的文稿拆解为问题、概念、观点、案例、方案五类核心单元，并构建了包含主题地图和选题装配稿的关系网络。目前该系统已封装为 Skill 开源，用户可以通过调用 `/dbs-content-system` 将自己的本地内容转化为可被 Agent 持续调用的结构化资产，实现从“存文件”到“建系统”的转变，极大提升内容复用效率。
dbskill v2.9.0 更新：新增交互式学习功能
dbskill v2.9.0 发布了新的 skill /dbs-learning，旨在解决 Benjamin Bloom 提出的 2 Sigma Problem。该功能通过将 AI 学习过程转化为可持久化的文件，利用持续的用户反馈来动态调整后续内容，从而在低成本下模拟一对一辅导的学习效果。
dontbesilent 的底层工作流与 Skill 体系拆解
文章深入拆解了 dontbesilent（dbskill）背后的工作方法论。其核心在于将解决问题的过程沉淀为可复用的 Skill 系统，通过“生产-质检-迭代”的闭环实现知识复利。作者详细阐述了 Skill 的生成场景、迭代机制、多 Agent 协作原则（如生产与评判分离），以及如何通过跨学科思维（管理学、哲学）构建底层能力。文章指出，真正的价值不在于工具本身，而在于将隐性思维显性化、系统化的能力。
dbskill v2.4：更新了检测 AI 味的工具，但我反对「去 AI 味」
作者发布了 dbskill v2.4 版本，新增了 /dbs-ai-check 功能用于识别文本的 AI 写作特征。然而，作者明确反对简单的“一键去 AI 味”做法。他认为有 AI 味的文字本质上是“烂文字”，该工具旨在指出文本逻辑问题（如替读者说话、高密度翻转、无效结尾祝福），并通过对话引导用户思考如何修改，从而培养用户自己的写作审美，而非机械地消除 AI 痕迹。