美团DeepSkill两月收录37万Skill

据ChainCatcher 2026年10月20日援引《读佳》报道，美团AI团队已推出AI Agent技能平台DeepSkill，平台目前收录超过37万个经过真实任务跑通验证的Skill工具，较9月初的约13万个在一个多月内近乎翻倍。与传统插件商店“目录翻找”不同，DeepSkill让用户直接描述任务需求，由平台自动拆解并匹配候选技能，同时扫描技能全文、输出能力边界与数据安全审查报告，并引入“点评官”用户回流机制。在腾讯、字节跳动、阿里巴巴等大厂均已布局同类Skill商店的背景下，美团以低调、务实的姿态切入这一AI Agent生态的关键入口。

一、不做目录翻做“点评”：DeepSkill的产品逻辑

（一）自动匹配替代人工检索

市面上可用的Skill数量庞大，但用户仅靠开发者撰写的简介，很难判断某项技能是否适配自己的具体任务；第三方技能鱼龙混杂，处理简历、个人信息等敏感内容时，用户还会担心隐私数据被悄悄上传。DeepSkill的整套产品流程正是针对这两个痛点设计。

据产品页面信息，DeepSkill不采用传统的目录翻找模式，用户无需在分类栏中逐层筛选，只需把完整任务需求描述给自己的Agent，平台即自动拆解任务诉求，从技能库中匹配适配的候选Skill。其首页引导语为“真测真评价，找到真好用技能”，并提供“搭建自动化测试”“完成上线代码审查”“搭建商品数据采集”“开展专题文献调研”等示例任务描述入口。

（二）内容扫描与安全审查报告

平台并不只采信上传者的自述，而是会扫描解析Skill的全部内容，输出一份完整分析报告，将能力边界、调用工具、潜在风险逐项列出。其中包含数据安全审查模块，明确标注该技能是否会上传用户输入的简历等隐私材料，以降低信息泄露顾虑。

在榜单设计上，DeepSkill设有三大榜单：GitHub趋势榜（聚合近30天GitHub上值得跟进的开源Skill，按累计高星与近期飙升两个维度排序）、权威来源榜（企业、高校与认证创作者出品）以及Market热搜榜（展示用户高频检索的技能）。页面截图显示，GitHub趋势榜前列包括“超能力诊断”（v0.0.1，Star约29.77万）与“路径规划师”（v0.0.4，Star约28.62万）等热门开源项目。

（三）“点评官”数据回流闭环

DeepSkill最具差异化的设计是“点评官”数据回流机制。每一个实际使用Skill的用户都可以成为点评官：系统自动整理本次任务的运行结果，用户简单确认即可提交评价，无需大段手写。评分、真实任务案例、实际运行效果全部公开，后续使用者可参考同类场景下的真实反馈做决策。

以面试准备场景为例，使用者可以翻看他人用同一套Skill完成简历与JD匹配、整理面试题库的真实运行记录，据此判断是否适合自己，减少试错成本。每一次真实使用都反过来丰富社区公共数据，形成“使用—点评—参考”的闭环。据产品页面，目前该平台已积累数十万条真实使用点评，评分区间为1至10分。

二、37万与13万：两个月的翻倍增长

根据《读佳》报道，DeepSkill当前收录量超过37万个经过真实任务跑通验证的Skill工具；而9月初这一数字约为13万。在约一个月的时间内，收录量增长近两倍。

需要说明的是，37万与13万两组数据目前均来自《读佳》单一信源，经ChainCatcher、ZAKER、搜狐、人人都是产品经理等多平台转载，但截至发稿未见美团官方新闻稿独立披露该口径，亦未说明“经真实任务跑通验证”的具体判定标准、统计截止时点以及去重规则。本文在引用时保留原报道口径，读者宜将其视为媒体披露数据而非官方审计数据。

从行业背景看，Skill供给正在经历爆发式增长。arXiv上一项2026年的研究监测了2024年11月至2026年2月间公开的Model Context Protocol（MCP）服务器仓库，累计记录了177436个Agent工具；另一项2026年10月的生态统计显示，MCP服务器与Agent Skill仓库总数已超过12534个。DeepSkill收录量的快速攀升，与整个Skill生态的供给爆发处于同一时间窗口。

三、美团AI暗线：从LongCat大模型到CatPaw再到DeepSkill

（一）模型底座：LongCat-2.0与LongCat-2.5-Preview

DeepSkill并非孤立产品，而是美团AI基础设施布局的一环。2026年7月，美团正式开源万亿参数大模型LongCat-2.0，总参数1.6T，平均激活约48B，动态范围33B至56B，原生支持100万token超长上下文。据美团技术团队介绍，这是业界首个在五万张国产算力卡上完成全流程训练与推理的万亿参数模型。

2026年9月25日，LongCat API开放平台上线LongCat-2.5-Preview，延续MoE路线，总参数量约1.6万亿，每次推理激活参数约480亿，原生支持100万token上下文窗口，主打长程任务与多模态理解，新增图片理解能力，并深度适配Claude Code等主流开发环境。模型底座与技能平台的组合，构成了美团在AI基础设施层面的完整布局。

（二）产品落地：CatPaw与“不做Token工厂”

2026年7月28日，美团正式发布全场景AI Agent产品CatPaw，定位从个人提效到企业智能化，并融合美团本地生活全链路认知，面向商家提供数字化经营伙伴能力。在此之前，美团已推出首款AI IDE产品CatPaw（AI IDE版本），以Agent与人协作为核心驱动编程。

美团CEO王兴曾公开表示：“我们不会成为Token工厂，我们的模型和AI产品将用于支持主业。”这一思路决定了美团AI的整体风格——相较字节、阿里、腾讯高频对外宣传大模型与AI产品，美团的AI工具大多优先服务骑手、商家等内部主业场景，较少推出面向大众、热度极高的C端AI产品。DeepSkill没有大规模营销，直接交由市场检验，被外界视为这一务实路线的延续。

（三）Skill布局演进：从xia345、觅游到DeepSkill

据钛媒体AIX财经2026年6月梳理，美团在Skill分发领域的布局早于DeepSkill：2026年4月推出xia345，定位AI Agent生态导航，收录20多个Agent和7000多个Skill；5月公测AI社区“觅游”，入驻Agent超3000个，Skill总数超4万。用户在觅游上看到分享，去xia345下载使用，形成“社区—导航”双入口。

DeepSkill可视作这一路线的升级与收敛：不再满足于导航与社区，而是直接做技能的实测、评价与分发平台，把美团内部在本地生活、外卖、到店、商家运营等场景中积累的Agent落地经验，转化为对外可输出的生态能力。对内，社区沉淀的优质技能可反哺美团自身业务；对外，开放社区是Agent大规模落地的可行路径——单靠企业自研，难以覆盖长尾且分散的技能需求。

四、行业混战：三类玩家抢滩Skill商店

DeepSkill并非孤例。据钛媒体统计，2026年3月腾讯、阿里、字节先后在自家Agent平台上线Skill商店；此后两个月，智谱、美团、小红书接连入场。互联网大厂、大模型公司、本地生活巨头甚至内容平台，都在争夺这一AI时代的分发入口。从商业模式看，当前入局者大致可分为三类。

（一）互联网大厂：用商店引流，在生态赚钱

阿里巴巴在JVS Claw Agent助手中内置“虾小宝”Skill市场，用户挑选的Skill可一键同步到工具中使用；Skill市场本身不收费，但用户调用Skill消耗的算力对应阿里云业务收入。在2026年9月的云栖大会上，阿里千问宣布加速打造Personal Agent，在用户授权下接入健康、运动、个人持仓等数据。字节跳动则双线并行：火山引擎推出Find Skill面向企业客户，整合ClawHub、GitHub等多源Skill；扣子（Coze）搭载的Skill商店面向普通开发者，支持零代码搭建Agent，并已上线Skill付费交易与“虾评”第三方评测社区。

腾讯的SkillHub本质是海外ClawHub的本土化镜像，承担引流与适配功能，其真正底牌被认为是微信小程序生态——依托数百万成熟服务链路，将线上线下服务封装为标准化Skill，未来商业模式类似小程序的交易抽成与广告收入。此外，腾讯云CodeBuddy团队推出的全场景职场AI智能体桌面工作台WorkBuddy，也在扩展Agent能力入口。

（二）大模型公司：用Skill留人，靠模型调用赚钱

智谱于2026年4月在Auto Claw平台上线AgentMore Skills广场，整合官方严选、Skill Hub与开源社区模块，支持一键零Token安装；月之暗面更早，2月即上线Kimi Claw，用户可在网页端一键部署Open Claw并配置技能库。大模型公司做Skill分发的逻辑顺理成章：模型是Skill运行的底座，Skill是“饵”，模型调用量才是“鱼”。

（三）内容平台：把Skill当新品类

小红书推出Red Skill并在内测，用户可在帖子下方挂Skill链接，点击即可复制安装指令，走内容推荐路线，把Skill变成可被浏览、被推荐的内容形态。内容平台赚的不是Skill本身的钱，而是这部分内容带来的流量与广告收入。

表1  国内主要玩家Skill商店布局对比（据公开信息整理）

五、DeepSkill的差异化与待解之困

（一）差异化：把“大众点评”逻辑搬到Skill分发

在行业普遍停留在“上架—收纳”阶段时，DeepSkill押注的是“经过真实任务验证并公开可查”这一能力。其判断依据是：很多Skill仅在演示场景效果尚可，落地到实际任务中就容易失效；同类平台若只负责上架而缺少大规模实测与统一安全校验，用户很难判断技能的实用性与风险。通过自动整理运行结果、降低评价门槛，DeepSkill试图让社区数据真正滚动起来。

从竞争维度看，Skill平台的竞争点正从“收录数量”转向“验证深度”。37万的数量本身并不构成壁垒——GitHub与MCP生态上的开源Skill总量同样庞大；真正稀缺的是经过真实任务跑通、能力边界清晰、安全风险透明、并有其他用户背书的可信技能池。

（二）四道坎：定价、成本透明、安全与标准化

不过，整个Skill商店赛道距离真正的“AI时代App Store”仍有明显距离。综合钛媒体AIX财经对开发者与工程师的访谈，当前行业至少面临四道坎。

其一，Skill难以定价。换一个模型、换一个上下文环境，同一Skill的产出效果可能差异很大；通用Skill多为开放式输出，缺乏统一效果评判标准，优质Skill难以被有效识别。其二，成本不透明。完成同一任务，不同Skill消耗的Token量可能相差数倍，用户在安装前无从比较。其三，安全风险。2026年以来已出现Skill投毒事件，恶意开发者仿冒热门Skill名称上架以窃取用户数据；审查机制与开发者体验之间尚未找到平衡点。其四，标准化协议缺失。不同开发者对同一任务的描述方式不同，权限边界不统一，“一次开发、多平台分发”的理想尚未落地。

对DeepSkill而言，其安全审查报告与点评官机制正是冲着第二、第三道坎而来，但报道并未披露审查强度、追责机制以及“经真实任务验证”的算法判定细节。这些机制能否真正建立起跨平台可信的Skill评价体系，仍需时间与更大规模的使用数据来检验。

结语

IDC与浪潮信息在AICC2026上发布的报告预测，全球活跃AI Agent数量将从2026年的7940万个增至2030年的22.16亿个；同期全球Token消耗复合年增长率高达4822.6%。当Agent从“能对话”走向“能办事”，Skill作为Agent执行复杂任务的基础组件，其分发、验证与安全将成为AI生态的关键基础设施。

美团DeepSkill以“真测真评价”为切入口，在两个月内将收录量从13万推至37万，既是美团“不做Token工厂、AI支持主业”路线下的一次生态输出，也是国内大厂Skill商店混战的最新注脚。这场暗战的终局，不取决于谁收录的数量最多，而取决于谁能最先解决Skill的可信度、可定价与可复用问题——毕竟，用户真正愿意为“确定性”买单，而当前的Skill商店，多数还停留在展示货架阶段。