skills

一位美术总监的深夜崩溃

想象一个场景：游戏公司要做一批宣传图，美术总监打开 Claude Code，说"帮我生成 4 张风格统一的游戏图标"。AI 回了三张，第一张是赛博朋克霓虹，第二张是扁平卡通，第三张是水彩渲染——三张图放在同一个 UI 网格里，像三个不同的人从三个星球寄来的贺卡。

这不是模型不够强的问题，而是流程知识缺失的问题。模型知道怎么"生成一张图"，但不知道这个团队的美术风格基线、不知道图标需要透明背景、不知道品牌色是 #FF6B35、不知道生成前要先查参考图库。这些知识原本活在资深美术的脑子里，只在口头传承和微信群里流传。

2026 年 8 月，Scenario 公司（一家做生成式 AI 创作平台的商业公司）开源了 scenario-labs/skills，试图把这个"资深美术的隐性知识"编码成 AI Agent 能读懂的东西。

从"提示词"到"可安装的流程知识"

Scenario 的产品定位是创意 AI 平台，聚合 500+ 个图像、视频、3D、音频生成模型，再叠加自研的 LoRA 训练能力。而这个仓库不是模型本身，也不是 SDK——它是教 AI Agent 怎么用 Scenario 的操作手册。

技术上它非常朴素：82 个 SKILL.md Markdown 文件，每个文件开头是 YAML frontmatter（name / description / license），正文是自然语言写的操作流程。Agent 运行时按需加载相关技能文件——这正是 Agent Skills 开放规范的落地形态。

可以把它类比成新员工入职手册：你不会给每个新人配一个大模型微调，而是给他一本写清楚的"做产品海报的 12 步 SOP"，里面写清楚先查风格库、再定尺寸、再选模型、生成后跑质检。区别在于，这本手册是 AI 能直接执行的。

82 个技能，覆盖一条完整流水线

技能目录按职能分组（来自 skills.sh.json 的官方分组）：

• 入门与找方向：scenario（连接 MCP、核心生成循环）、scenario-inspiration（从空白 brief 产出参考与情绪板）
• 图像：scenario-image、scenario-multi-reference（多参考图一致性）、scenario-product-shots、scenario-brand-kit（品牌套件）、scenario-image-editing、scenario-text-overlay（文字排版不糊）、scenario-storyboards、scenario-thumbnails
• 游戏美术与 3D：scenario-game-assets、scenario-sprite-animation（精灵帧动画）、scenario-textures、scenario-skyboxes、scenario-3d、scenario-blender 系列
• 视频与音频：scenario-video、scenario-video-editing、scenario-video-color-grade、scenario-seedance-music-video、scenario-motion-loops（无缝循环）、scenario-audio、scenario-video-assembly、scenario-caption-studio
• 社交内容：scenario-ugc、scenario-fan-cam（从照片生成粉丝反应视频）、scenario-reel-recast（把热门 reel 换成你的角色）、scenario-kinetic-music-video、scenario-chatgpt-pet-create
• 模型适配层：scenario-gpt-image、scenario-seedream、scenario-ideogram、scenario-grok-imagine-image、scenario-veo、scenario-kling、scenario-wan、scenario-luma-video、scenario-minimax-video、scenario-elevenlabs、scenario-meshy（3D）等

其中最见功力的是 scenario-consistency（一致性） 和 scenario-identity-library（身份库）：前者解决"同一个角色跨图不跑脸"，后者把角色特征固化成可复用资产。scenario-quality-gate（质检门禁）则是把"生成完要人眼检查"变成 Agent 可执行的验收步骤——不合格就退回 scenario-refine-loop 重来。这是把"品味"翻译成机器可读规则的成功尝试。

专家工具：另一条腿

仓库底部还有一组"Expert tools"，机制完全不同于 Scenario MCP：它们驱动用户本机已安装的 DCC 软件与游戏引擎——ZBrush、Blender、Maya、Unreal Engine、Unity、Godot、Roblox Studio。每个家族由一个 lead skill 加若干 specialist 组成，知识来自专家教程、会议演讲和官方文档。每个家族目录带独立 README，记录"它是怎么被构建的、验证到什么程度"。

这批技能需要对应软件（部分仅 macOS），不依赖 Scenario MCP，是两个独立的能力面。

工程质量：像产品代码库，不像文档仓库

这个仓库的工程化程度明显高于同类"提示词仓库"：

.github、.claude-plugin、.codex、.cursor、.agents、.vscode 多端分发目录齐全，配合 npx skills add scenario-labs/skills 一条命令覆盖 Claude Code、Cursor、Codex、Copilot 等 70+ Agent。

上手门槛：低，但有两个隐藏前提

门槛确实低：Node 环境跑一条 npx skills add，再 claude mcp add --transport http scenario https://mcp.scenario.com/mcp 接上 MCP（推荐 OAuth，密钥不进对话）。之后直接对 Agent 说人话即可。

隐藏前提一：付费额度。所有 Scenario 系技能最终都打到 Scenario 云端 API，生成是有 CU 消耗的。仓库特意做了"先定价再花钱"（price before spending）和额度查询（consumption_limit_get）这类技能，说明成本控制不是附带功能而是刚需。

隐藏前提二：DCC 软件。专家工具那一族需要本机装 Blender/Maya/Unity/Unreal，且仓库明确标注部分流程仅在 macOS 上验证过。

争议与局限

坦白说，几个问题不容忽视：

1. 生态同质化严重。2026 年 Agent Skills 规范落地后，"给 Agent 装一堆技能包"已经是主流玩法，通用技能（网页搜索、文档处理、代码审查）几乎每个团队都在自研。Scenario 技能包的护城河高度依赖后端商业平台——一旦 Scenario 定价上调或接口变更，整套技能的价值就要重估。
2. 82 个技能的选择成本。npx skills add 全量安装是一条超长命令（README 里那一行长得像火车），虽然提供了 INSTALL.md 按角色分组和交互式菜单，但用户第一次上手仍需要理解"我到底该装哪几个"。好在 CLI 支持 --skill 单装，多数人最终会只挑 5-10 个。
3. AI 生成的"品味"仍是黑盒。scenario-quality-gate 试图把审图标准自动化，但审美判断本质上难以完全规则化。这类技能在实操中仍有相当比例需要人工把关。
4. 对 Agent 的要求不低。SKILL.md 里有大量"先确认 team_id/project_id 再调用""绝不能让 Agent 收集或回显密钥"这类防御性指令，说明作者踩过 Agent 乱调工具、串项目、泄密的坑。使用者如果只是随手装上而不理解这些约束，反而容易踩坑。
5. 版本节奏快。0.60.x 的迭代频率意味着技能内容几乎每周都在变，好处是跟得上模型能力，坏处是稳定性依赖 release-please 的版本锁定——README 也因此专门教用户如何 pin 到某个已审版本。

行业意义：一个更大的信号

Scenario 本身未必是那个赢家，但这套仓库指向的方向值得留意：生成式 AI 的竞争焦点正从"模型能力"转向"流程知识"。

当所有主流模型都能生成像样的图时，差异就落到"谁能稳定产出可用的成品"。而这个仓库的答案是：把资深从业者的隐性知识（怎么选模型、怎么保持一致、怎么设质检门禁）写进 Markdown，让 Agent 按需加载。这套做法不训练模型、不微调、不做 RAG，门槛极低、见效极快。

它也代表生成式内容工业化的一种务实路径：与其追求一次生成完美（依然不现实），不如建立"生成 → 质检 → 修正"的闭环，让 Agent 在闭环里收敛。对游戏、广告、电商这些需要批量视觉资产且风格统一的行业，这比"单张神图"更有商业价值。

3.2k star、300+ 提交、MIT 协议、10 位贡献者——在三个月内做到这个体量，说明AI 技能包已经成为一种被市场验证的交付形态：不再只是"提示词模板"，而是带版本、带测试、带 CI、带安全审计的工程化资产。

适合谁

• 游戏/广告/电商美术团队：需要批量、风格统一的视觉资产，且已有一定流程规范
• 独立创作者：想用 Agent 做内容生产，但没有踩坑经验，愿意让流程接管
• 正在搭建自家 Skill 库的团队：这份仓库的 skills.sh.json 分组模型、AGENTS.md 仓库规范、validate 12 项校验链，本身就是极好的参考范式

不适合：只想要一次性生成一张图的普通用户——直接用 Scenario 网页版或 Midjourney 更省事；以及预算敏感、无法承担云端 CU 消耗的团队。