#%E6%8B%86%E8%A7%A3

把 Vercel Labs 这个 17k star 的项目从 0 到 1 读了一遍：它用一棵扁平元素树加 RFC 6902 流式 patch，把「AI 生成界面」这件不可控的事变成可校验、可剪枝、可导出代码的工程问题。真正的取舍不在生图不在模型，而在数据结构。

这是我拆的第六个技能仓库，也是唯一一个「私人工作流」型——微信解密、剪映无头生成、火山 ASR、X 切片、公众号批量导出，19 个技能。但最让我意外的是它的 fork 率：41.5%，是前五个仓库的 4 到 6 倍。原因不复杂——这些技能必须被改才能用（你自己的微信、你的 Obsidian 路径、你的账号），而每个 fork 出去的人第一件事就是改路径和配置。它的许可证也因此不是开源的，是「源可用 + 商用需授权」。另外有一个细节我觉得前五个仓库都该学：它的 CI 里装着一个隐私扫描器，会拦截私人路径、私钥和六种凭据形态——把「别提交敏感信息」从 README 里的一句请求，变成了会挂红的门禁。

这是我拆的第四个 Skill 仓库，也是 star 最多的一个（95,125）。前三个都在解决「怎么让 agent 做对一件事」，它解决的是另一个问题：「当你有 25 条规则，你怎么知道它们还在生效」。答案是一套三层评测框架——其中第二层用词法近似把「路由」变成了可确定、免费、能进 CI 的检查。另外两个我觉得该抄的是：每个技能都附一张「agent 的借口 vs 现实」反合理化表，以及一句关于训练与架构腐坏的洞察——「架构腐坏要几个月才显现，永远进不了权重，棘轮就是那个缺失的惩罚项」。

这是我拆的第五个仓库，也是第一个「会动手打东西」的——AI 自主渗透测试工具，6.3 万 star。但真正让我停下来的是一个不到 300 行的技能文件：反证与结案纪律。它规定每个候选漏洞只能以三种状态之一结束，没有第四种，「我往下看了」不算其中一种。而要判一个候选「安全」，你必须能说完一句话：因为某个具体位置的某个具体控制，在攻击者可达的每一条路径上、在危险动作之前生效。说不出这句话，你就不能标 ruled_out——那是把「我没证明出来」伪装成「我证明了没有」，而真实漏洞就是这样被漏掉的。

上一篇拆的封面 Skill 只有 300 行提示词。这一篇拆的 diagram-design 有 554 个文件、11 份 ADR、58 条本地关卡命令，4 万 star。读完我最强的感受是：Skill 的工程质量不取决于提示词写得多好，取决于有多少条规则被写成了 checker。它的每一句审美判断背后都有一道几何验证；更狠的是，每个 checker 还配了反向对抗测试——因为作者发现，一条只活在散文里的规则，真的会发出一堆坏例子。

前两篇拆的是 Skill 本身。这一篇拆的仓库，是给 AI agent 配了一门语言、一个编译器和一套运行时来做视频——112 个包、2026 个文件、一个半月做到 2315 star。它最关键的设计决策只有一句：把时间轴锚定在「词」上，而不是「秒」上。作者源码里根本没有秒和帧，时间是从语音证据里长出来的。这一句决定了它后面所有的能力：改一句台词时间轴自己重排、第二条视频几乎不花钱、以及一条完全零模型调用、成本精确为 0 的渲染路径。