序言
最近在折腾AI相关的东西时，我发现一个很现实的问题：
信息太散，而且很多内容“看起来很全，实际上没法用”。
比如你想选一个大模型——
能找到各种排行榜，但要么评测维度不统一，要么结论过时，要么根本不贴近实际使用场景。
再比如你想做点更复杂的，比如Agent、Skill、自动化流程——
网上也有不少平台和所谓的“Skill市场”，但很多要么只是Demo级别，要么文档零碎，真正能落地的不多。
结果就是：
你明明知道“模型 + Skill”这套东西很强，但真正上手的时候，第一步就卡在——
去哪找靠谱的模型？去哪找能用的Skill？
所以干脆自己整理了一份：
一边是当前主流的大模型排行榜和评测来源，
一边是我实际看过、用过、或者觉得有价值的Skill/Agent相关网站。
AI大模型排行榜
在整理大模型资料的过程中，我本来以为“排行榜”这件事是最省心的——
毕竟都已经有人帮你测好了，直接参考就行。
但实际看下来，反而是最混乱的一块。
同一个模型，在不同榜单里的排名可以差到离谱。
比如 MiniMax 2.7，在 UC Berkeley 相关团队统计的一些榜单中，常年排在中后段；
但在一些国内维护的中文排行榜里，却能直接进前五。
更离谱的是，这种差异不是“评测维度不同”能解释的。
在我自己做的一些实际测试里，MiniMax 2.7 的整体表现，甚至不如 Qwen 32B 这一档的模型——无论是稳定性、推理能力还是输出质量，都有明显差距。
这就带来一个很现实的问题：
很多排行榜，本质上并不是“评测结果”，而更像是“展示窗口”。
有的榜单评测方法不透明，有的长期不更新，还有的明显带有主观倾向——
如果你只是“扫一眼排名”来选模型，很容易被带偏。
1. LMArena
网址：https://lmarena.ai/leaderboard
简介与特点：
这个榜单是由 UC Berkeley（加州大学伯克利分校）团队主导的。伯克利在AI领域的地位非常高，可以类比国内的清华、北大，甚至在某些方向上更强一点。
它和传统“跑分榜单”最大的区别在于：不测题，而是测人。
具体做法是把两个模型的回答放在一起，让用户盲选哪个更好，最后通过大量投票形成排名（类似Elo评分机制）。
这意味着它衡量的其实是：
- 输出是否自然
- 回答是否有用
- 是否符合人类直觉
而不是单纯的“做题能力”。
怎么用：
如果你是做应用（写代码助手、客服、Agent等），这个榜单的参考价值很高，因为它更接近真实用户体验。
局限性：
- 主观性强，不同用户偏好差异大
- 对“数学推理 / 极限能力”不敏感
- 容易受到提示方式影响
2. SuperCLUE 通用榜
网址：https://superclueai.com/homepage
简介与特点：
这是国内比较成体系的一套评测框架，它把模型能力拆成两大类：
- 推理能力（数学 / 科学 / 代码）
- 应用能力（Agent / 指令遵循 / 幻觉控制）
这种划分其实挺“接地气”的——因为真实场景里，你既需要模型会算，也需要它不胡说、能听话、能干活。
另外一个特点是：它对中文支持比较友好，这点在很多国外榜单里是缺失的。
怎么用：
如果你的主要场景是中文（比如国内业务、中文客服、中文Agent），这个榜单比纯英文评测更有参考价值。
局限性：
- 评测数据和方法透明度有限
- 有些任务设计更偏“考试”，而非真实复杂场景
- 榜单之间横向对比困难（和国外榜单不统一）
3. Vellum LLM Leaderboard
网址：https://vellum.ai/llm-leaderboard
简介与特点：
这个榜单明显是“给工程师看的”。
它不仅关注模型强不强，还把几个关键因素一起放进来：
- 推理能力（用高难题，比如 AIME）
- 成本（调用价格）
- 上下文长度（能处理多长输入）
- 精度与稳定性
也就是说，它试图回答一个更实际的问题：
在真实系统里，这个模型值不值得用？
怎么用：
如果你在做系统设计，比如：
- 要不要换模型
- 是用强模型还是便宜模型
- 长上下文是否值得付费
这个榜单非常有参考意义。
局限性：
- 更偏“理性指标”，缺少用户体验维度
- 对非推理类任务（比如创意写作）覆盖不足
4. Open LLM Leaderboard (Vellum)
网址：https://vellum.ai/open-llm-leaderboard
简介与特点：
这是 Vellum 针对开源模型单独做的榜单。
开源模型和闭源模型（比如GPT、Claude）有一个本质区别：
- 闭源模型：强，但你控制不了
- 开源模型：可以自己部署、微调、改造
所以这个榜单的意义在于：
帮你在“可控范围内”找到最强的方案。
怎么用：
适用于以下场景：
- 企业内网部署（数据不能外传）
- 成本敏感（不想一直付API费用）
- 需要深度定制（微调 / 私有知识）
局限性：
- 开源模型整体上限通常低于顶级闭源模型
- 部署和调优成本不低
5. LLM-Stats
网址：https://lm-stats.com/benchmarks/llm-leaderboard-full
简介与特点：
这个站和传统排行榜不太一样，它不太关心“谁第一”，而是把模型的关键参数全部摊开：
- 推理速度
- 价格（token成本）
- 上下文长度
- 各类基准测试成绩
你可以把它理解为一个“模型参数对比数据库”，而不是一个简单排名。
怎么用：
当你在做选型时，比如：
- 是选便宜模型跑大规模任务，还是用强模型跑关键路径
- 上下文到底要不要上128k / 1M
这种场景下，它比排行榜更有价值。
局限性：
- 信息多但不做结论，需要你自己判断
- 对非技术用户不太友好
6. Scale AI SEAL
网址：https://scale.com/leaderboard
简介与特点：
由 Scale AI 推出，这家公司本身就是做数据标注起家的，可以理解为“给AI公司打地基的人”。
这个榜单的核心思路不是测“聪明”，而是测：
- 模型在复杂任务中是否稳定
- 是否容易出错
- 在长链路任务中是否会崩
很多评测是通过专家人工评审 + 私有数据集完成的。
怎么用：
如果你的系统是要上线的（比如风控、客服、自动化Agent），这种榜单非常重要，因为现实问题不是“做对一次”，而是“能不能一直做对”。
局限性：
- 数据不公开，透明度相对较低
- 更偏企业视角，不一定适合个人开发者
7. LiveBench
简介与特点：
这个榜单主打一个概念：“无污染（Contamination-free）”。
简单说就是：尽量避免模型在训练时见过测试题，从而减少“背答案”的情况。
评测内容主要集中在：
- 推理
- 编程
- 数学
并且是定期更新的。
怎么用：
当你怀疑某些榜单“被刷分”时，可以参考这个榜单来做一个对照。
局限性：
- 覆盖面相对较窄（偏理科能力）
- 实际应用能力体现不够
8. Hugging Face Open LLM Leaderboard
网址：https://huggingface.co/open-llm-leaderboard
简介与特点：
Hugging Face 可以理解为“AI界的GitHub”，开源模型基本都在这里发布、流通。
这个榜单基于 EleutherAI 的评测框架，对模型进行标准化测试，比如：
- MMLU
- HellaSwag
- ARC 等
最大的优势是：统一标准 + 可复现。
怎么用：
当你需要横向比较开源模型（比如选一个7B / 13B模型部署），这个榜单是最基础的参考。
局限性：
- 和真实用户体验有差距
- 容易被“针对性优化”
9. MTEB
网址：https://huggingface.co/spaces/mteb/leaderboard
简介与特点：
专门评测Embedding模型（文本向量模型），覆盖：
- 检索
- 分类
- 聚类
- 多语言任务
规模很大（几十个数据集，上百种语言）。
怎么用：
如果你在做：
- RAG（检索增强生成）
- 向量数据库搜索
- 推荐系统
这个榜单的重要性，甚至不亚于大模型排行榜。
局限性：
- 和生成模型能力无关
- 实际效果还受数据质量影响很大
10. OpenCompass CompassRank
网址：https://rank.opencompass.org.cn/home
简介与特点：
国内做得比较系统的多语言评测平台之一，支持：
- 中文任务
- 英文任务
- 安全与合规测试
在中文语境下，比很多国外榜单更贴近实际。
怎么用：
适合用来判断：
- 中文能力
- 多语言表现
- 一些本地化需求
局限性：
- 不同榜单之间难以直接对齐
- 仍然偏“评测场景”，不是生产环境
11. EQ-Bench
简介与特点：
专门评估模型的“情商”，包括：
- 情绪理解
- 共情能力
- 对语境的把握
基于大量对话提示构建。
怎么用：
如果你做的是：
- 客服
- 心理陪伴
- 社交类AI
这种能力比“数学推理”更关键。
局限性：
- 主观性强
- 不同文化背景下结果可能不同
12. Berkeley Function-Calling Leaderboard
网址：https://gorilla.cs.berkeley.edu/leaderboard.html
简介与特点：
同样来自伯克利团队，专门评测模型的：
- 函数调用能力
- 工具使用能力
- API理解能力
这是Agent时代的核心能力之一。
怎么用：
如果你在做：
- Agent系统
- 自动化工作流
- Copilot
这个榜单的参考价值非常高。
局限性：
- 偏工程能力，对通用对话意义不大
Skill主流网站
如果说大模型解决的是“能不能理解和生成”，
那 Skill 解决的就是一个更现实的问题：
能不能真的把事情做完。
在当前主流 Agent / 工程体系里，Skill 并不是一个模糊概念，而是已经比较固定的一套结构化方式。你可以把它简单理解成：
Skill = 大模型可以调用的一组“标准能力模块”
它通常包含三部分：
- 做什么（能力描述）
- 怎么做（执行步骤 / prompt / 规则）
- 需要什么（工具 / API / 资源）
换句话说，Skill不是“让模型更聪明”，而是让模型具备可复用的行为能力。
比如同样是“查资料”：
没有 Skill，模型只是靠生成；
有 Skill，它可以调用搜索、过滤结果、再总结输出。
同一个模型，能力差距可能完全不是一个量级。
Skill已经变成“决定系统能不能落地”的关键组件，但它的来源非常分散。
有的在框架里（LangChain / Agent SDK）
有的在平台里（Claude / OpenAI 工具生态）
有的在社区市场里（开源 Skill 仓库）
甚至还有一些是实验性项目，质量差异很大。
结果就是一个很现实的问题：
你知道 Skill 很重要，但不知道去哪找“靠谱的 Skill”。
1. SkillsMP
简介与特点：
SkillsMP 是目前规模最大的 Skill 聚合平台之一，收录超过 8 万个 Skill。它的内容主要来自 GitHub 等开源仓库，通过自动抓取 + 分类索引的方式形成数据库。
SkillsMP 做的事情，本质是：
把全世界散落在 GitHub 上的 Skill “汇总成搜索引擎”
它支持按分类、热度、标签检索，并且每天同步更新。
2. skills.homes
简介与特点：
skills.homes 是一个偏“Agent生态整合”的 Skill 平台，收录约 7 万+ Skill，特点是支持多种 Agent 系统（例如部分基于 Eloquen / Claude Code / Cursor 的扩展生态）。
这里有个关键背景：
所谓“多 Agent 适配”，意思是这些 Skill 不绑定某一个模型，而是遵循通用接口规范，可以在不同 AI Agent 系统中复用。
它的另一个特点是提供中文界面，并且整体稳定性比纯 GitHub 聚合更好一些。
3. skills.sh
简介与特点：
skills.sh 是目前更偏“官方工程风格”的 Skill 平台，整体生态与 Vercel 相关开发体系关系较强。
这里需要解释一个背景：
Vercel 是一个主打前端部署的平台，最出名的是“上传代码即可自动部署 Web 应用”，被广泛用于 Next.js 等现代前端框架。
skills.sh 的设计思路延续了这种风格：
👉 减少选择成本 + 提供高质量默认方案
它的 Skill 数量不多（几千级），但强调：
- 一键安装
- 工程可用性
- 质量控制（而不是数量堆积）
可以理解为：
不是“所有Skill都收集”，而是“筛过一轮再给你”。
4. skillhub.club
简介与特点：
SkillHub Club 更像一个“带评分系统的 Skill 市场”，核心特点是引入了 AI 评分机制，对 Skill 做排序和筛选。
这里可以补一个理解背景：
在 Skill 生态里，一个最大问题是——没有统一质量标准。
同样叫“代码助手 Skill”，可能一个是生产级工具，一个只是 prompt demo。
SkillHub Club 的做法是：
- 给 Skill 打分（质量 / 实用性 / 热度）
- 提供排序机制
- 帮用户做初筛
本质上是在尝试解决一个问题：
“如何从海量 Skill 里快速找到可用的那一小部分”
5. Awesome Claude Skills
网址：https://github.com/ComposioHQ/awesome-claude-skills
简介与特点：
这是目前 GitHub 上规模最大、最系统的 Claude Skills 汇总仓库之一，目前 Star 数已经超过 2.6 万。
它收集的不是某一个平台的 Skill，而是整个社区生态的集合，覆盖从文档处理、代码开发、数据分析，到营销、创意、系统安全等几乎所有方向。
📌 文档处理
| Skill | 作用 | 地址 |
|---|---|---|
| docx | 用追踪修改、批注和格式化功能，轻松创建、编辑和分析 Word 文档。 | https://github.com/anthropics/skills/tree/main/skills/docx |
| 提取文本、表格、元数据，合并与标注 PDF 文件。 | https://github.com/anthropics/skills/tree/main/skills/pdf | |
| pptx | 读取、生成和调整幻灯片、布局与模板。 | https://github.com/anthropics/skills/tree/main/skills/pptx |
| xlsx | 电子表格操作：公式、图表、数据转换。 | https://github.com/anthropics/skills/tree/main/skills/xlsx |
| Markdown to EPUB Converter | 将 Markdown 文档和聊天摘要转换为专业的 EPUB 电子书文件。 | https://github.com/smerchek/claude-epub-skill |
📌 开发与代码工具
📌 数据与分析
| Skill | 作用 | 地址 |
|---|---|---|
| CSV Data Summarizer | 无需用户提示，自动分析 CSV 文件并生成包含可视化图表的全面洞察。 | https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill |
| deep-research | 使用 Gemini 深度研究代理执行自主的多步骤研究，适用于市场分析、竞争格局分析和文献综述。 | https://github.com/sanjay3290/ai-skills/tree/main/skills/deep-research |
| postgres | 支持多连接的 PostgreSQL 数据库安全只读 SQL 查询，具备纵深防御安全机制。 | https://github.com/sanjay3290/ai-skills/tree/main/skills/postgres |
| root-cause-tracing | 当执行过程中出现深层错误时，用于回溯查找最初的触发点。 | https://github.com/obra/superpowers/tree/main/skills/root-cause-tracing |
📌 商业与营销
| Skill | 作用 | 地址 |
|---|---|---|
| Brand Guidelines | 将 Anthropic 官方的品牌配色和字体应用到各类设计素材中，确保视觉形象统一，达到专业级的设计标准。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/brand-guidelines |
| Competitive Ads Extractor | 从广告库中抓取并分析竞争对手的广告内容，帮你搞清楚哪些传播话术和创意形式真正能打动人。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/competitive-ads-extractor |
| Domain Name Brainstormer | 生成创意十足的域名想法，并一键检查 .com、.io、.dev、.ai 等多个顶级域名的可用性。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/domain-name-brainstormer |
| Internal Comms | 帮你撰写内部沟通内容，比如第三方更新、公司通讯、常见问题解答、状态报告和项目更新，还能根据公司特定格式来排版。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/internal-comms |
| Lead Research Assistant | 通过分析你的产品、搜索目标公司，帮你识别和筛选高质量的潜在客户，并提供可执行的 outreach 策略。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/lead-research-assistant |
📌 沟通与写作
| Skill | 作用 | 地址 |
|---|---|---|
| article-extractor | 从网页中提取完整文章内容和元数据。 | https://github.com/michalparkola/tapestry-skills-for-claude-code/tree/main/article-extractor |
| brainstorming | 通过结构化提问和多角度探索，把零散的点子打磨成完整的设计方案。 | https://github.com/obra/superpowers/tree/main/skills/brainstorming |
| Content Research Writer | 帮你搞定高质量内容创作，从调研、引用、优化开头，到逐段反馈。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/content-research-writer |
| family-history-research | 协助规划家族历史和家谱研究项目，帮你挖出那些被遗忘的家族故事。 | https://github.com/emaynard/claude-family-history-research-skill |
| Meeting Insights Analyzer | 分析会议录音，扒出行为模式，比如回避冲突、发言比例、口头禅，还有领导风格，一目了然。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/meeting-insights-analyzer |
| NotebookLM Integration | 让 Claude Code 直接与 NotebookLM 对话，基于上传的文档提供有据可依的答案。 | https://github.com/PleasePrompto/notebooklm-skill |
| Twitter Algorithm Optimizer | 利用推特开源的算法洞察，分析并优化推文，实现最大传播效果。重写和编辑推文，提升互动率和曝光度 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/twitter-algorithm-optimizer |
📌 创意与媒体
| Skill | 作用 | 地址 |
|---|---|---|
| Canvas Design | 通过设计哲学和美学原则，为海报、设计和静态作品创作精美的 PNG 和 PDF 视觉艺术。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/canvas-design |
| imagen | 利用 Google Gemini 的图像生成 API，生成 UI 原型、图标、插图和视觉资产。 | https://github.com/sanjay3290/ai-skills/tree/main/skills/imagen |
| Image Enhancer | 通过提升分辨率、清晰度和锐度，优化图像和截图质量。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/image-enhancer |
| Slack GIF Creator | 专为 Slack 优化的动画 GIF 生成工具，内置尺寸限制校验和可组合的动画基础组件。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/slack-gif-creator |
| Theme Factory | 一键为幻灯片、文档、报告和 HTML 首页等文件应用专业字体和配色主题，提供 10 种预设风格。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/theme-factory |
| Video Downloader | 支持从 YouTube 及其他平台下载视频，方便离线观看、剪辑或存档，兼容多种格式和清晰度。 | https://github.com/ComposioHQ/awesome-claude-skills/blob/master/video-downloader |
| youtube-transcript | 自动抓取 YouTube 视频字幕并生成摘要。 | https://github.com/michalparkola/tapestry-skills-for-claude-code/tree/main/youtube-transcript |
📌 效率与组织
📌 协作与项目管理
| Skill | 作用 | 地址 |
|---|---|---|
| git-pushing | 自动化 Git 操作和仓库交互，省心又高效，再也不用手动推代码了。 | https://github.com/mhattingpete/claude-skills-marketplace/tree/main/engineering-workflow-plugin/skills/git-pushing |
| google-workspace-skills | 一套 Google Workspace 集成工具：Gmail、日历、聊天、文档、表格、幻灯片和云端硬盘，支持跨平台 OAuth 登录。 | https://github.com/sanjay3290/ai-skills/tree/main/skills |
| outline | 在 Outline 维基实例（云端或自托管）中搜索、阅读、创建和管理文档。 | https://github.com/sanjay3290/ai-skills/tree/main/skills/outline |
| review-implementing | 评估代码实现方案，并确保与需求 specs 对齐。 | https://github.com/mhattingpete/claude-skills-marketplace/tree/main/engineering-workflow-plugin/skills/review-implementing |
| test-fixing | 检测失败的测试用例，并提出补丁或修复方案。 | https://github.com/mhattingpete/claude-skills-marketplace/tree/main/engineering-workflow-plugin/skills/test-fixing |
📌 安全与系统
| Skill | 作用 | 地址 |
|---|---|---|
| computer-forensics | 数字取证分析与调查技术。 | https://github.com/mhattingpete/claude-skills-marketplace/tree/main/computer-forensics-skills/skills/computer-forensics |
| file-deletion | 安全删除文件和数据清理方法。 | https://github.com/mhattingpete/claude-skills-marketplace/tree/main/computer-forensics-skills/skills/file-deletion |
| metadata-extraction | 提取并分析文件元数据，用于取证目的。 | https://github.com/mhattingpete/claude-skills-marketplace/tree/main/computer-forensics-skills/skills/metadata-extraction |
| threat-hunting-with-sigma-rules | 利用 Sigma 检测规则来追踪威胁并分析安全事件。 | https://github.com/jthack/threat-hunting-with-sigma-rules-skill |
4133
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
