本週最熱門 Agent Skills：三個工具把 Agent 從聊天推向工作現場

本集摘要 18 min read

片頭音樂落下來之前，先講結論：本週最熱門的 agent skill，不是在展示模型多聰明，而是在修補人類工作的三個高頻破口。訊息寫不清楚、遠端協作失焦、資料分析要在一堆檔案和資料源之間跳來跳去。Agent 真正有用的地方，正在從「回答問題」移向「替工作流程補上結構」。

1,995

本地資料庫收集 skills

1,385

被評為 include

252

最新可觀測週入選 skills

35,484

本週入選 stars 合計

排名	Skill	Stars	品質分數	一句話用途
1	professional-email-drafting	3,389	8.43	把粗略想法整理成可發出的專業訊息。
2	async-communication-etiquette	3,389	8.14	讓 Slack、Issue、Email 這類非同步訊息有足夠上下文。
3	chdb-sql	2,685	9.29	讓 coding agent 正確使用本地 in-process ClickHouse SQL。

排名依本地 skill scanner 中「2026-05-18 至 2026-05-24 更新且 verdict=include」的 stars 排序；品質分數來自本地評估欄位 overall_score。

professional-email-drafting editorial image

#1 Communication3,389 starsMetaClaw

Professional Email Drafting：真正熱門的第一名，是幫人把話說完整

如果 agent 是一台錄音機，這個 skill 做的事情很簡單：它把人腦裡未剪輯的音軌，剪成一段可以播出的片頭。不是加花字，而是把目的、對象、語氣、下一步整理出來。

它的來源指向 aiming-lab/MetaClaw 的 memory_data skill bank。MetaClaw 的核心敘事是「只要和 agent 說話，它就會從真實互動中學習並演化」；官方 README 說明它會把模型放在代理層後面、在每一輪互動中注入相關 skills，並在會話後自動摘要出新 skills。這讓 professional-email-drafting 看起來不像一個孤立 prompt，更像 MetaClaw 在真實工作對話中沉澱出的行為模組。

創作者發想可以從 MetaClaw 論文與專案定位讀出來：部署中的 agent 不應停在靜態能力，而要從失敗軌跡、使用者修正、任務分布漂移中萃取可重用技能。寫信就是最典型的「反覆發生、容易出錯、可被格式化」場景。

使用者回饋訊號

單一 skill 的公開評論不多，但可驗證訊號很強：本地掃描給它 3,389 stars，MetaClaw GitHub 頁面顯示約 3.4k stars、四百多 forks，Hugging Face paper page 也有 140 upvotes。社群討論更關注一件事：skill evolver 要如何避免把少數失敗案例背成規則，這正是工作型 skills 會遇到的核心問題。

對 agent 的真正用途

它不是「幫我寫漂亮一點」而已，而是讓 agent 成為溝通前的結構化編輯器：先判斷對象，再選 tone，再補齊背景、請求、期限與下一步。對銷售、客服、主管、工程協作都有效，因為最貴的不是打字，是反覆澄清。

「第一名不是寫程式，而是寫信。這提醒我們：Agent 的第一個殺手級用途，也許不是替你完成工作，而是讓你的工作不再被含糊的訊息拖慢。」Podcast note

async-communication-etiquette editorial image

#2 Async Work3,389 starsMetaClaw

Async Communication Etiquette：遠端工作裡，Agent 最該學會的是別讓人追問

第二名和第一名同源，也同樣落在 communication。但它更精準：它不是寫一封信，而是寫一則「對方醒來後也能直接處理」的非同步訊息。

這個 skill 的使用條件很清楚：Slack、GitHub issues、Email threads 這類場景裡，讀者可能沒有上下文，也不能立刻問你。換句話說，它處理的是遠端團隊最常見的隱性成本：訊息看似送出，實際上把思考成本丟給下一個人。

MetaClaw 論文把問題放得更大：agent 在真實部署中會遇到不斷變化的任務分布，靜態 skill library 不夠，單純保存 raw trajectories 也不夠；它提出用 skill-driven fast adaptation 從 failure trajectories 合成新 skills，而且立即生效、零停機。async-communication-etiquette 正是這種「失敗一次就該記住」的日常規則：下次不要只說「這個壞了」，要說背景、影響範圍、已試過什麼、需要誰做什麼。

使用者回饋訊號

它與 professional-email-drafting 共享 MetaClaw repo 的高關注度與 forks 訊號；在本地資料庫中，同樣拿到 3,389 stars。Hugging Face 討論區裡，使用者對 MetaClaw 的問題不是「這有沒有用」，而是「怎麼讓 skill evolver 不被稀疏或偏差的失敗訊號帶歪」。這代表社群已經把討論推進到 production 行為治理層。

對 agent 的真正用途

它讓 agent 成為遠端協作的「上下文守門員」。寫 issue 前先補 reproduction、expected behavior、owner；發 Slack 前先補決策點、deadline、需要回覆的格式；寫 handoff 前先補當前狀態與風險。這不是禮貌問題，是吞吐量問題。

如果第一名解決的是「說得專業」，第二名解決的是「說得可執行」。對 agent 來說，這比生成更多文字重要得多。

#3 Data2,685 starsClickHouse ecosystem

chdb-sql：把 ClickHouse 的分析引擎縮進 Agent 的工作桌

第三名開始轉向硬技術。chdb-sql 不是要 agent「知道」SQL，而是要它在本地檔案、雲端儲存、遠端資料庫之間，正確使用 chDB 這個 in-process ClickHouse SQL 引擎。

chDB 的起源比一般 skill 更清楚。創作者 Auxten Wang 在個人頁寫到，chDB 最初來自一個很實際的需求：在 Jupyter Notebook 裡為 ML model training 跑 ClickHouse，而不是等慢速 Hive cluster。chDB 後來在 2024 年被 ClickHouse 收購；GitHub README 也把它定位成「in-process SQL OLAP Engine powered by ClickHouse」，特色包括不需安裝 ClickHouse、支援 Parquet/CSV/JSON/Arrow/ORC 等多種格式。

到了 agent skills 層，chDB 官方 README 直接把使用者講明：它提供兩個 AI Coding Agent Skills，讓 Cursor、Claude Code、Codex 等 coding agents 學會使用 chDB。其中 chdb-sql 的任務是教 agent 寫 `chdb.query()`、使用 Session 建立 stateful pipelines，並用 SQL 查詢檔案或資料庫。

使用者回饋訊號

本地榜單中 chdb-sql 有 2,685 stars、品質分數 9.29，是前三名裡品質分數最高者。公開 GitHub 上，chDB repo 約 2.7k stars、上百 forks、數十個 issues；官方文件還列出 DataStore benchmark，在 10M rows 測試中 groupby count 與複雜 pipeline 都顯示明顯速度差距。這些不是留言式好評，但足以構成工程社群的採用訊號。

對 agent 的真正用途

它讓 agent 從「幫你寫一段 SQL」升級成「知道該用哪個本地分析引擎、怎麼接資料源、怎麼避免把 pandas 當萬用槌」。當 agent 面對 CSV、Parquet、S3、PostgreSQL、ClickHouse 函式時，skill 提供的是上下文壓縮：少踩 API、Session、格式輸出的坑。

「chdb-sql 的迷人之處，是它把 agent 從聊天框拖到資料桌前：不是描述資料，而是直接查、直接 join、直接產生可重跑的分析流程。」Podcast note

三個熱門 skill 的共同訊號：Agent 正在從模型能力變成流程能力

把前三名放在一起看，會發現它們幾乎沒有重疊：一個寫 email，一個寫非同步訊息，一個跑 SQL。但它們共享同一個底層邏輯：把人類工作中可重複、可檢查、容易因上下文不足而失敗的流程，封裝成 agent 可取用的行為規則。

這也是 agent skills 真正的用途。它們不是魔法，也不是把所有工具都塞進 prompt。好的 skill 更像錄音室裡的導播：在正確時間提醒 agent 該收音、該降噪、該把下一句話接到哪裡。未來的競爭不會只在模型參數，而會在誰能把組織裡反覆發生的好判斷，變成可搜尋、可注入、可更新的技能庫。

所以本週熱榜的故事很明確：Agent 正在學會工作現場的禮貌、節奏與資料肌肉。第一階段是能說；第二階段是說清楚；第三階段，是說完就能動手。