夜雨聆风大家好，我是豆腐哥。
「AI Skills 推荐系列」第四期。
本期主题：效率工具。
说"效率工具"，不是指让你打字更快或者自动回复消息的那种。这期4个Skills解决的是更深层的问题：
- AI不懂你，因为你最核心的判断标准你自己也没整理过
- 你的知识库堆了几年，AI不会用
- 你有一堆数据要处理，但你不懂Excel
- 你需要读整本英文书，但一句一句贴翻译工具太慢
每个Skill解决一个独立的问题，但都指向同一个方向：让AI真正为你所用，而不是你去适应AI。
1.小互 · tacit-mining — 挖出你自己都说不清楚的判断标准
🔗 github.com/xiaohuailabs/tacit-mining
npx skills add xiaohuailabs/tacit-mining这个Skill的出发点需要先解释一下，因为它解决的问题大多数人平时不会意识到。
我们在让AI做内容的时候，经常遇到一种情况：生成的东西质量不差，但"不是自己想要的"。标题不够吸引人、角度不是自己会选的、语气和账号调性对不上……
你去描述哪里不对，却很难说清楚——因为你的判断标准本身就没有被系统化。你觉得这篇写得好那篇不行，是凭直觉，不是凭规则。
这就是这个Skill要解决的问题。
理论基础是Polanyi的隐性知识理论：人类最有价值的知识往往是说不出口的，藏在行为和判断里，而不是语言里。tacit-mining的方法是用结构化对话，从你实际做过的选择和判断中，把这些隐性标准反推出来。
覆盖五个维度：
- 写作品味：你觉得什么样的文章写得好，好在哪里
- 选题直觉：什么样的选题值得做，你根据什么做判断
- 产品判断：评估一个产品或功能好不好，你在意什么
- 视觉审美：什么样的设计让你觉得对，什么让你觉得不对
- 读者感知：你预设的读者是谁，他们需要什么
挖完之后，把结果存成你的"创作DNA"，之后让AI工作时调用这套标准。这样AI才算是真正在按你的习惯干活，而不是按它默认的方式干。
做内容时间越长，越需要这个——不然你攒下来的只是文章，不是方法论。把方法论外化出来，才能被传承、被调用、被复用。
适合谁用：已经做了一段时间内容创作，积累了自己的审美和判断标准，但没有系统化整理过的人；想让AI真正理解自己风格偏好的创作者。
2.kepano · obsidian-skills — 给Obsidian知识库装上AI驱动程序
🔗 github.com/kepano/obsidian-skills
npx skills add kepano/obsidian-skillsObsidian用户必看这个。
先说背景：这个Skill是Obsidian CEO kepano亲自做的，不是第三方用户写的，所以对Obsidian格式的支持是权威级别的。
问题是什么：普通AI处理Obsidian笔记时，会把很多东西搞错。[[笔记名]] 这种wiki链接格式，AI不认识，可能当成死链接或者语法错误处理掉。frontmatter元数据可能读错或者写乱。Canvas画布里的节点和连线，AI不知道是什么结构。
装了这个之后：AI能正确识别和处理Obsidian的全部特有格式，包括：
- [[wiki链接]] 正确解析，不报错、不删除
- frontmatter元数据正确读取和写入
- Obsidian Bases（数据库功能）的结构和视图
- Canvas画布的节点和连接关系
- Obsidian Flavored Markdown完整语法：callout块、标签嵌套、嵌入块
实际能做什么：装了之后，AI可以直接在你的知识库里执行操作——读写笔记、搜索关联内容、批量整理分类、梳理笔记之间的连接关系。
对把Obsidian当第二大脑的人来说，这相当于给AI装上了专用驱动程序，让它真正能"进入"你的知识体系工作，而不是在外面隔着玻璃看。
适合谁用：用Obsidian做知识管理的人；笔记积累了大量内容，想让AI帮忙检索、整理、梳理关联的人。
3.coffee · csv-data-summarizer — 一行命令，让数据替你说话
🔗 github.com/coffeefuelbump/csv-data-summarizer-claude-skill
npx skills add coffeefuelbump/csv-data-summarizer-claude-skill做内容的人绕不开数据——公众号后台的阅读量和转发数、广告投放的点击和转化、用户调研的问卷结果……
这些数据通常以CSV或者Excel格式导出，然后大部分创作者的处理方式是：打开文件，看一眼，大概感受一下，然后凭印象写结论。
这很低效，也容易出错。
这个Skill的使用方式极简：给它文件路径，剩下的全包了。
它会自动做这些事：
识别数据类型：判断每一列是数值、日期还是文本，不需要你手动声明。
统计分析：均值、中位数、标准差、分布区间，一套基础统计指标全出来。
异常检测：自动找出数据里的异常值和缺失值，告诉你哪里有问题。
可视化：生成图表，让数据有直观的视觉呈现。
直接给结论：分析完之后不是甩一堆数字给你，而是告诉你"这组数据的核心问题/发现是……"
对数字头疼的文科生来说，这个Skill是比Excel更友好的数据处理入口——你不需要知道怎么做透视表，不需要会写公式，只需要知道数据文件在哪里。
适合谁用：需要处理运营数据、用户数据、投放数据的内容从业者；对Excel不熟但需要定期复盘数据的人。
4.deusyu · translate-book — 整本书的完整翻译，术语全程一致
🔗 github.com/deusyu/translate-book
npx skills add deusyu/translate-book做深度内容的人很难回避一件事：大量有价值的资料在英文世界，论文、行业报告、专业书籍，基本都要啃英文。
一句一句贴进翻译工具太慢；扔给通用AI有一个致命问题——它处理长文本会丢失上下文，翻到第三章可能忘了第一章某个专业术语怎么处理的，全书的翻译前后不一致。
translate-book专门解决这个场景。
核心能力一：并行处理，不丢上下文。 用多个并行子代理（默认8个并发）分工处理不同章节，每个子代理有独立的上下文窗口，整本书同时推进，不会因为太长而截断或失忆。
核心能力二：术语表前置构建。 翻译开始之前，先从书中自动抽取关键术语，建立一个glossary.json（术语对照表）。翻译过程中全程参照这个表，确保同一个术语在全书里译法一致——专有名词、人名、品牌名不会出现前后矛盾。
支持格式：PDF、DOCX、EPUB三种输入格式。
输出格式：可选PDF、DOCX或EPUB，拿到手就是一本完整翻译好的书，不是零散段落。
适合谁用：需要定期读英文专业书、学术论文、海外行业报告的内容创作者；研究外国产品或公司的分析类账号。
本期小结
这4个Skills分别对应4个效率盲区：
这4个Skills有一个共同特点：它们补的都是"AI能力"之外的短板，帮你真正接上AI和你的工作之间的缝隙。
装了之前和装了之后，用AI的体验差距比你想象的大。
下期预告：开发与创业篇——写给想用AI做独立产品、想创业、想把编程效率翻倍的人。4个工具，覆盖从需求验证到代码工程化的完整链路。
「AI Skills 实战系列」共5期，每期4个Skills，按使用场景分类，找自己需要的那期就行。
推荐阅读：
AI Skills 推荐系列 ③【配图设计】：配图一直是我的死穴，直到我用了这4个Skills
AI Skills 推荐系列 ②【内容生产】：从选题到发布，我把内容生产流程标准化的完整工具链
