全文引用自：Qoder Skills Marketplace
一、TL;DR
- 三层分工很清楚：Skills 是"工作手册"、Plugins 是"工具箱"、Connectors 是"数据线"，各干各的，不打架
- 头部效应很明显：Skills 4.3 万+、Plugins 176 个、Connectors 290 个，热门 Skill 下载量破 3 万，长尾大部分没人用
- 刚需很集中："深度研究"、"数据可视化"、"前端设计"是开发者真正愿意花时间装的东西
- 淘宝系专属能力不少：1688 找商品、百炼 RAG、Quick BI 智能问数等，覆盖了电商和数据分析的垂直场景
- 覆盖范围比阿里云 Skills 更广：阿里云 Skills 以云产品和开发者工具为主，Qoder 则覆盖了设计、内容创作、金融、法律等更广泛的领域
"说白了，这个市场做的不是'让 AI 什么都会'，而是'让 AI 在特定场景下专业一点'。"
二、Marketplace 概览 / 长什么样
打开 qoder.com/en/marketplace，页面结构很清爽：
┌─────────────────────────────────────┐
│ Supercharge your AI Agents │ ← 顶部 Slogan
├─────────────────────────────────────┤
│ [Skills] [Plugins] [Connectors] │ ← 三个 Tab
├─────────────────────────────────────┤
│ 4.3万+ Skills · 176 Plugins │ ← 数量展示
│ 290 Connectors │
├─────────────────────────────────────┤
│ Turn Your Expertise into │ ← 底部 CTA
│ Agent Capabilities │
└─────────────────────────────────────┘
第一印象是"简洁但信息密度不低"。没有花里胡哨的动画，直接告诉你：这里有 4 万多件"商品"，分三类，按需取用。
"Code 和 Document 占了绝对大头，这说明开发者来这主要是为了解决'写代码'和'写文档'两件事。"
三、Skills 拆解：4.3 万个"工作手册"
Skills 是 Marketplace 里数量最多的一类，目前 43,473 个。
它是什么
每个 Skill 本质上是一份"工作手册"：
Skill = Prompt 模板 + 工作流逻辑 + 输出格式要求
给 Agent 装上某个 Skill 后，它遇到对应类型的任务就会自动"按手册操作"，不需要每次重新交代规矩。
打个比方：
- 没有 Skill 的 Agent："帮我写个周报" → AI 瞎写一通，格式不固定
- 装了 weekly-report Skill 的 Agent："帮我写个周报" → AI 按固定模板、固定字段、固定格式输出
Qoder vs 阿里云 Skills：覆盖范围对比
先看一下两个平台的差异：
| 对比维度 | 阿里云 Skills (skills.aliyun.com) | Qoder Skills |
|---|---|---|
| 定位 | 阿里云产品生态的 Agent 扩展 | 通用 AI Agent 能力市场 |
| 核心场景 | 云产品运维、数据库管理、DevOps | 研究、设计、写作、数据分析、办公 |
| 数量级 | 数百个（阿里云官方 + 社区） | 4.3 万+ |
| 电商能力 | 较少 | 1688 找商品、淘宝运营等 |
| 数据分析 | 偏云原生（PolarDB、MaxCompute） | Quick BI、Excel、BI 智能问数 |
| 设计能力 | 几乎没有 | UI 设计、PPT、信息图、前端界面 |
| 内容创作 | 较少 | 深度研究、去 AI 味写作、市场报告 |
阿里云 Skills 更像"云工程师的工具箱"，围绕阿里云产品生态打转。Qoder 的覆盖范围明显更大，从写代码到做 PPT、从数据分析到电商运营，几乎覆盖了一个知识工作者的全部工作流。
通用热门 Skill Top 10
下载量靠前的几个有代表性的：
| 排名 | Skill 名称 | 作者 | 下载量 | 一句话说明 | 亮点 |
|---|---|---|---|---|---|
| 1 | deep-research | @Jose-Luis-Nunez | 34,179 | 系统性深度研究，带溯源和引用 | "逼着 AI 每句话都给出处" |
| 2 | drafter-diagram | @yofine | 25,131 | 工程蓝图风格的技术图表生成 | 画图刚需 |
| 3 | ui-designer | @daymade | 22,256 | 从 UI 截图提取设计系统 | 设计师省时间 |
| 4 | quickbi-smartq-chat | @Alibaba Cloud | 21,137 | Quick BI 智能数据分析 | 阿里官方出品 |
| 5 | frontend-design | @pcaro90 | 18,258 | 生产级前端界面生成 | 前端程序员刚需 |
| 6 | content-research-writer | @ComposioHQ | 15,593 | 内容写作协作助手 | 写作者的效率工具 |
| 7 | market-research-reports | @K-Dense-AI | 14,228 | 咨询风格市场研究报告 | 咨询从业者刚需 |
| 8 | notion-infographic | @lexburner | 12,882 | Notion 风格手绘信息图 | 可视化需求 |
| 9 | excel-analysis | @davila7 | 12,624 | Excel 数据分析与透视表 | 数据分析师刚需 |
| 10 | natural-writing | @creatorrr | 6,050 | 去 AI 味，写得像人写的 | "反 AI 的 AI Skill" |
值得重点说的两个：
deep-research（34K+ 下载）
定位是"系统性深度研究"，要求带溯源和引用。下载量排第一不意外 —— 做技术的都烦 AI 胡说八道，有个 Skill 能逼着它"每一句话都要给出处"，自然就受欢迎。
"说白了，这就是给 AI 加了一个'引用规范'的紧箍咒。"
natural-writing（6K+ 下载）
这个数量不算顶流，但很有意思。唯一目标是"写得像人写的，不要 AI 味"。触发词包括 "sound more natural"、"less AI"、"more human"。
这个 Skill 的存在本身就说明了一个问题：大家越来越能识别出 AI 生成的文字了，所以"去 AI 味"反而成了一种刚需能力。
"AI 自己写了个 Skill 来帮自己不要那么像 AI —— 这算不算一种'自我厌恶'？"
淘宝系专属 Skill
Qoder 里有不少阿里生态的专属能力，这些是阿里云 Skills 里看不到的：
| Skill 名称 | 来源 | 场景 | 说明 |
|---|---|---|---|
| 1688 找商品 | 淘宝生态 | 电商采购 | 在 1688 平台搜索商品、比价、筛选供应商 |
| 百炼 RAG | 阿里云 | 知识问答 | 基于阿里云百炼平台的 RAG（检索增强生成）能力 |
| Quick BI 智能小 Q | 阿里云 | 数据分析 | 用自然语言问数据，自动生成图表和分析结论 |
| 钉钉智能助理 | 阿里生态 | 办公协同 | 连接钉钉，做日程、审批、消息处理 |
| 通义千问对话 | 阿里云 | 大模型交互 | 直接调用通义千问的对话能力 |
这些 Skill 的存在说明 Qoder 不只是"通用的工具箱"，还在打通阿里自家的业务生态。对淘宝卖家、阿里云用户来说，这些垂直能力是刚需。
Quick BI 智能小 Q：文件问数是个什么玩法
地址：https://qoder.com/zh/marketplace/skill?id=official24681357
Quick BI 智能小 Q 这个 Skill 值得单独拿出来讲，因为它的"文件问数"功能设计得很有意思。
传统 BI 工具的分析路径是：先建数据集 → 配维度指标 → 拖拖拽拽做图表。文件问数把这个流程压缩成了两步：
步骤 1 — 上传文件获取 fileId
用户把 Excel/CSV 文件丢给 Agent，Agent 调用 Quick BI 的上传接口，拿到一个 fileId。这个 fileId 是后续所有分析的"钥匙"。
步骤 2 — 基于 fileId 发起流式问数
拿到 fileId 后，用户用自然语言提问：
- "这个文件里销售额最高的是哪个月？"
- "按地区分组，看看订单量的分布"
- "帮我找一下异常值"
Agent 把问题 + fileId 一起发给 Quick BI，返回的是流式结果——不是一次性吐一个答案，而是像 ChatGPT 一样逐字输出分析过程和结论。
这个设计的聪明之处在于：
- 不需要预建数据模型：上传即用，零配置
- 自然语言交互：不用学 SQL，不用拖拖拽拽
- 流式反馈：分析过程透明，用户能看到 AI 是怎么一步步得出结论的
"文件问数本质上做了一件很简单的事：把'分析数据'的门槛从'会写 SQL 或会用 BI 工具'降到了'会说话'。"
四、Plugins 拆解：176 个"能力工具箱"
Plugins 的数量比 Skills 少很多，目前 176 个。但别看数量少，头部 Plugins 的下载量非常惊人。
它是什么
Plugin 是把多个 Skills、Hooks、MCP 配置打包成一个完整的能力集合。
打个比方：
Skill → 一本操作手册
Plugin → 一个装满工具的箱子，开箱即用
Connector → 一根连到外部的数据线
团队里新人来了，装一个 Plugin 就能和全组的工作方式对齐，省去了逐个 Skill 配置的过程。
热门 Plugin Top 10
| 排名 | Plugin 名称 | 作者 | 下载量 | 一句话说明 | 亮点 |
|---|---|---|---|---|---|
| 1 | PPT | @Qoder | 33,188 | 幻灯片创建与编辑 | "用 AI 做 PPT 是真刚需" |
| 2 | Superpowers | @Jesse Vincent | 28,645 | TDD、Debug、Code Review 核心工作流 | "用 Plugin 约束 Agent 行为" |
| 3 | Context7 | @Upstash | 17,525 | 获取最新技术文档，解决训练数据过时 | 解决 AI "知识过期" 问题 |
| 4 | Chrome DevTools | @Google Chrome | 14,474 | 浏览器自动化调试 | 前端调试神器 |
| 5 | Qoder Cloud Agents | @Qoder | 14,387 | 云端 Agent 运维管理 | 官方出品 |
| 6 | Design Review | @Qoder | 12,726 | 前端设计审查与可访问性检查 | 设计质量控制 |
| 7 | Architecture Visualization | @Qoder | 12,389 | 软件架构可视化与演进 | 架构师工具 |
| 8 | QMind Knowledge | @Qoder | 12,120 | RAG 问答与知识管理 | 知识库增强 |
| 9 | Product Design | @QoderWork | 11,534 | 全链路产品设计工具包 | 产品经理刚需 |
| 10 | UI/UX Pro Max Skill | @nextlevelbuilder | 8,936 | UI/UX 设计智能助手 | 设计师辅助 |
重点说两个：
PPT（33K+ 下载，Qoder 官方）
下载量最高的 Plugin，来自官方。说明"用 AI 做 PPT"这个需求真的很刚。能力是内容组织、幻灯片排版、文件输出一条龙。
Superpowers（28K+ 下载，Jesse Vincent）
不是官方的，但下载量仅次于 PPT。强制了一套工作流：
explore → design → plan → TDD → review
本质上是在用 Plugin 的形式"约束" Agent 的行为模式，让它不要瞎写一气。
"好的 Plugin 不只是'提供更多能力'，更是'建立工作规范'。"
Featured 区域前排基本是 Qoder 官方出品：Cloud Agents、Design Review、Architecture Visualization、QMind Knowledge、Hugging Face、Yunxiao DevOps。
官方 Plugin 占了半壁江山，说明核心能力还是平台自己在把控。
五、Connectors 拆解：290 根"数据线"
Connectors 目前 290 个，数量介于 Skills 和 Plugins 之间。
它是什么
Connector 解决的是"连外面"的问题。
没有 Connector，Agent 就是一个"只会聊天的封闭体"；
有了 Connector，它才能和真实世界打交道。
通过 MCP（Model Context Protocol，模型上下文协议）让 Agent 能操作外部系统的真实数据：查数据库、读仓库、写文档、调 API。
热门 Connector Top 10+
| 排名 | Connector 名称 | 作者 | 下载量 | 一句话说明 |
|---|---|---|---|---|
| 1 | GitHub | @Github | 1,605 | 仓库、Issue、PR 管理 |
| 2 | Today Investment Financial Data | @今日投资 | 1,463 | 金融市场与上市公司数据 |
| 3 | PolarDB | @PolarDB | 1,057 | 阿里云数据库 SQL 执行 |
| 4 | Alibaba Cloud DevOps | @云效 | 810 | 流水线、代码、工作项管理 |
| 5 | Qoder Cloud Agents | @Qoder | 588 | 云端 Agent 环境管理 |
| 6 | Microsoft Excel | @Microsoft | 511 | 云端 Excel 查看编辑 |
| 7 | Context7 | @Context7 | 454 | 版本匹配的技术文档查询 |
| 8 | Notion | @Notion | 302 | 知识库与文档协作 |
| 9 | Postman | @Postman | 275 | API 生命周期管理 |
| 10 | Hugging Face | @Hugging Face | 242 | 模型、数据集、Spaces 搜索 |
| 11 | GitLab | @GitLab | 242 | 项目、Issue、MR 管理 |
| 12 | Supabase | @Supabase | 179 | 开源 BaaS 数据库与 Edge Functions |
| 13 | Linear | @Linear | 131 | issue、项目、里程碑管理 |
| 14 | Cloudflare | @Cloudflare | 123 | 文档查询与 API 调用 |
Context7 Connector（454 下载） 值得提一下。
它和 Context7 Plugin 是同一个品牌，但 Connector 侧重点是"实时文档查询"。训练数据有截止日期，但技术文档每天都在更新，Context7 的作用就是帮 Agent "查最新版文档"而不是靠记忆里的旧知识回答问题。
"这个设计思路很务实：不指望 AI 什么都记得住，而是给它一条'查资料'的通道。"
六、体系与类目梳理
整个 Marketplace 不管 Skills、Plugins 还是 Connectors，都共用同一套分类体系：
| 类目 | 典型 Skill/Plugin 场景 | 定位 |
|---|---|---|
| Productivity | 周报、日程、任务管理 | 办公效率 |
| Content Creation | 文章、PPT、视频脚本 | 内容生产 |
| Marketing & Sales | 竞品分析、用户画像 | 市场运营 |
| E-commerce & Retail | 1688 找商品、库存分析 | 电商垂直 |
| Finance | 财报分析、数据可视化 | 金融分析 |
| Legal | 合同审查、合规检查 | 法务辅助 |
| HR & Recruiting | 简历筛选、面试辅助 | 人力资源 |
| Coding | 代码生成、代码审查 | 开发核心 |
| Code Review | PR 审查、Bug 定位 | 代码质量 |
| Security & Testing | 漏洞扫描、测试用例 | 安全测试 |
| Database & Analytics | SQL 生成、Quick BI 问数 | 数据分析 |
| DevOps | 部署脚本、监控告警 | 运维部署 |
| Developer Tools | Git 操作、文档生成 | 开发辅助 |
| Design | UI/UX、原型、图标 | 设计生产 |
| Product Management | 需求文档、路线图 | 产品规划 |
| Knowledge | 知识库、百炼 RAG、笔记 | 知识管理 |
| Workflow | 流程自动化、审批 | 流程自动化 |
| Agent Evolution | Agent 训练、优化 | 高阶玩法 |
| IM | 飞书、钉钉、Slack 集成 | 办公协同 |
| Other | 不好归类的 | 长尾 |
每个列表页都支持两种排序：
Hot（热门） → 头部固化，看大家都在用什么
Latest（最新） → 社区新提交，看有什么新东西
