人类是很难拒绝榜单的。尤其是那种带一点幸存者偏差、带一点"我替你试过了踩过坑"的榜单。
现在 Agent 的 Skill 生态就像早期的 Chrome 插件市场——所有人都在上传，名字一个比一个猛。问题是信息流太快了，你今天觉得一个工具火，明天可能没人提了。你今天错过一个小 Skill，三天后它可能已经变成很多 Agent 工作流里的基础设施。
人眼追不上这个速度，但 Agent 可以。淘金小镇（Skill Rush Town）做的就是这件事：让 Agent 每天去排行榜拿数据做比较，把值得看的捞上来。
淘金小镇是什么
淘金小镇是一个开源 Skill，每天自动抓取 ClawHub 下载榜 Top100，把当天榜单存下来，生成对比报告。它把每天都会变的公开信息源，变成了一个可以被 Agent 复盘的情报网。
除了 ClawHub，它还能观测 Claude Code 更新日志、AA Index 模型排行榜等信息源，让模型以最少的环境依赖稳定运行多次数据分析。
技术实现：从浏览器自动化到直接查询
淘金小镇最早用 Codex 实现。当时 ClawHub 没有现成公开 API，所以一开始走的是浏览器自动化，让 Agent 像人一样打开网页、看页面、请求数据。
但浏览器自动化很不稳定——浏览器环境没了、登录态变了、页面加载慢了、本地依赖抽风了。就算写了足够复杂的提示语，一周还是有三天失败。
最终方案是推倒重来，用新版 Codex 的无限循环模式（/goal），目标就是找出依赖最少的方案。循环 30 次后，GPT 发现了一条新路。
发现 ClawHub 的 Convex 后端 API
ClawHub 的 clawhub.ai/skills?sort=downloads 页面背后是一个 Convex 服务（云端数据库加后端函数）。对应的 query path 叫 skills:listPublicPageV4。
关键参数：
- 按下载量排序：
sort=downloads - 从高到低：
dir=desc - 只看非可疑 Skill：
nonSuspiciousOnly=true - 每页 25 条：
numItems=25
返回结果里有一个 nextCursor（下一页书签），连续问 4 次，25×4=100，Top100 就出来了。
这个方案不是随便抓页面文本，而是复刻了 ClawHub 页面自己拿数据的方式——网页怎么问，我就怎么问。
时间线：让榜单变成趋势
连续运行两天就能清晰感受到差别了。今天第 17 名是哪个、哪个 Skill 掉排名了、哪个 Skill 突然冲上来、哪个作者做的 Skill 连续几天都在增长——这些网页本身不会告诉你。
当数据连续存在时，榜单就变成了一条时间线。比如 Self-Improving Agent 后来跟 Proactive Agent 融合，新 Skill 很快就冲上前三。但如果只是在 X 上随机刷到，甚至可能因为这名字觉得只是个二创。
智能筛选规则
光看新进榜有误导性——很可能只是刚好被某个大号推荐了。有些 Skill 上榜很久但因为版本更新排名一下子往上窜，反而容易被忽略。
淘金小镇追加了几条筛选规则：
- 前 100 名里最近排名提升 8 名以上的
- 下载量增长排进前 20 的
- 下载和星标都提升了 10 名的
挖出来后与已有的 Skill 体系做差距对比。比如 Polymarket 的 Skill 上榜了——平时光顾着装 UI 设计和 HTML PPT 的 Skill，原来预测市场已经接进 Agent 工作流了。
Agent 上下文管理这类 Skill 每过一段时间就有新神出来。从同一类能力的排名变动可以看出大家最近的偏好。
苏米注：淘金小镇的核心价值不是"找最好的 Skill"，而是在一堆沙子里，先把会发光的东西捞出来。剩下的，再慢慢试。
为什么值得用
现在 Agent Skill 生态发展太快了。你不可能每天把所有新的都试一遍。但 Agent 可以——给它一个固定路线，让它每天去同一个地方拿同一类数据做比较。
今天谁还在、谁是新来的、谁掉下去了、谁突然很多人开始用——看一眼就都知道了。
