theme-factory (Anthropic)
用十套預設主題之一或即時產生的新主題，為簡報、文件與 HTML 頁面設定樣式。
theme-factory：Codex 本來就背得出兩個具名主題（未使用技能即 5.0），但只有技能能「挑選預設主題」：該任務 5.0 對 0.0，而且更省（0.66 倍 Token）
Codex CLI · gpt-6-astra
27.7 / 30
相對未使用技能的提升：+1.67 · 推薦 · 18 次執行
推薦：總分 27.7/30 至少 22，產出品質 5.0 至少 3.5，提升幅度 +1.67 至少 +1.0。
SOTA
透過使用 Codex 測試。
涵蓋 Codex, Claude Code
Codex CLI 0.166（SOTA 等級）：18 次評分執行。依我們的等級規則，在這裡通過也涵蓋 Claude Code；但這不代表第二等級的結果。
分數
每個維度為 0 到 5 分，六個維度相加即為滿分 30 的總分。每個維度都是 5 分最好。成本 5 分代表便宜又快速；安裝 5 分代表容易安裝。
- 觸發可靠性
- 5.0
- 相對未使用技能的提升
- 3.7
- 產出品質
- 5.0
- Token 與時間成本
- 5.0
- 安裝與可攜性
- 4.0
- 安全性
- 5.0
安全審查
安全靜態掃描：0 CRITICAL / 0 HIGH / 0 MEDIUM。人工審查：可在無網路沙箱中安全執行（未發現問題）。掃描結果乾淨，不代表技能一定安全。
安裝
npx skills@latest add anthropics/skills --skill theme-factory
固定 Commit: ca45fc496a3436251f191354091d557da31c15b5
測試日期: 2026-11-02
我們測了什麼
- 套用具名預設主題 — 將「Ocean Depths」主題套用到 deck.html。直接就地編輯檔案。
- 套用另一個預設主題 — 將「Tech Innovation」主題套用到 deck.html。直接就地編輯檔案。
- 挑選合適的預設主題 — 挑選最適合兒童科學展公告的預設主題，說明你選了哪一個，並就地套用到 deck.html。
優點
- 相對未使用技能，平均分數從 3.33 提升到 5.0（+1.67）。
- 技能即使未被點名也會被採用：6/6 次實驗組執行都讀取了技能檔案。
- 沒有 Token 額外負擔：是未使用技能的 0.66 倍。
- 比只用一句話寫出同一條規則的版本高 +1.67。
- 使用技能後的絕對品質很高：5.0 / 5。
缺點
- 測試注意事項：對照組本來就記得具名主題；只有技能能從它的清單中挑選，這說明了與一句話提示組之間的大幅差距。
- 每個任務的每個組別 n=2；約 1 分以內的差異屬於雜訊。
評測
Codex CLI 0.166（gpt-6-astra，低推理）在專用的 Windows 測試電腦上執行，每次執行都使用全新的暫存專案與暫存的 HOME/TMPDIR/快取；技能已安裝（實驗組）、未安裝（對照組），或未安裝但把技能的核心要求濃縮成一句話附在提示詞後（一句話提示組）。每個任務的每個組別執行 2 次，關閉網路，封鎖 /tmp 寫入。提示詞從未提及技能（下方註明的措辭除外）。三個任務都使用同一份純 HTML 簡報 deck.html：套用具名主題「Ocean Depths」、套用具名主題「Tech Innovation」，以及「挑選最適合兒童科學展的預設主題、說明選了哪一個並套用」。一句話提示組多加一句話，告訴代理套用某個預設主題的配色與字型配對並說明是哪一個；這句話不含任何主題資料。
三組對照
| 組別 | 平均分數（0-5） | 每次執行 Token 用量 |
|---|---|---|
| 未使用技能 | 3.33 | 111k |
| 一句話提示 | 3.33 | 126k |
| 使用技能 | 5.0 | 73k |
以 Codex CLI 執行 18 次，採規則式檢查評分，不經 LLM 評審。總分 27.7 / 30，評級為 推薦。
揭露事項： 對照組本來就記得具名主題；只有技能能從它的清單中挑選，這說明了與一句話提示組之間的大幅差距。
評定：推薦（27.7 / 30）。 來源：anthropics/skills，skills/theme-factory，固定於提交 ca45fc4。安裝：npx skills@latest add anthropics/skills --skill theme-factory。授權： Apache-2.0 / Anthropic 條款（見技能中的 LICENSE.txt）。
這是什麼
theme-factory 技能（來自 anthropics/skills）：10 組預設的配色與字型主題（Ocean Depths、Sunset Boulevard、Forest Canopy、Tech Innovation 等），每組都是一份簡短的 markdown 檔案，內含十六進位色票與字型搭配，另附一份主題展示 PDF，可用於簡報、文件或頁面的樣式設計。SKILL.md 會要求代理展示這份展示檔、讓使用者選擇，然後套用主題的顏色與字型。
測試方式
在專用的 Windows 測試電腦上使用 Codex CLI 0.166（gpt-6-astra，低推理），每次執行都建立全新的臨時專案，並使用臨時的 HOME/TMPDIR/快取；分別為安裝技能（技能組）、未安裝（對照組），以及未安裝但把技能核心要求濃縮成一句話附加在提示詞後（一句話組）；每項任務的每組執行 2 次；關閉網路，並封鎖對 /tmp 的寫入。提示詞完全不會提到技能名稱（以下註明的措辭除外）。
三項任務都基於同一份樸素的 HTML 簡報（deck.html）：套用指定主題「Ocean Depths」、套用指定主題「Tech Innovation」，以及「挑選最適合兒童科學展的預設主題、說明你選了哪一個並套用」。一句話組會多一句話，要求代理套用某個預設主題的色票與字型搭配，並說明選了哪一個；這句話不含任何主題資料。
- 套用指定的預設主題 — 請將「Ocean Depths」主題套用到 deck.html。直接就地編輯檔案。
- 套用另一個預設主題 — 請將「Tech Innovation」主題套用到 deck.html。直接就地編輯檔案。
- 挑選合適的預設主題 — 請挑選最適合兒童科學展公告的預設主題，說明你選了哪一個，並就地套用到 deck.html。
計分採程式化方式（隱藏測試／預埋問題召回／限制條件檢查／視情況搭配渲染與 OCR），每次執行 0–5 分。分數並非由任何 LLM 評審決定。
結果
提供給第三組的一句話版本：「將所選預設主題的色票（背景、文字、強調色）及其標題／內文字型搭配，一致地套用到每一個元素，並說明你套用了哪個主題。」
| 任務 | 對照組分數 | 一句話版本 | 技能組 | 對照組 token 數 | 一句話版本 token 數 | 技能組 token 數 | 技能讀取 |
|---|---|---|---|---|---|---|---|
| t1-ocean | 5.0 | 5.0 | 5.0 | 70k | 103k | 69k | 2/2 |
| t2-tech | 5.0 | 5.0 | 5.0 | 73k | 102k | 79k | 2/2 |
| t3-choose | 0.0 | 0.0 | 5.0 | 187k | 171k | 71k | 2/2 |
平均分數：無技能 3.33，技能組 5.0（差異 +1.67）。每次執行 token 數：111k 對 73k（0.66 倍）；時間 53 秒對 44 秒。一句話組：3.33（技能相較一句話版本的增益：+1.67；一句話版本相較無技能的增益：+0.0）；一句話版本每次執行 126k token，因此技能的 token 成本是一句話版本的 0.58 倍。
實際表現
- 在兩項指定主題任務中，三組都拿到 5.0：對照組（沒有技能，資料夾裡也沒有主題檔案）憑記憶套用了完全正確的 Ocean Depths 十六進位色碼（#1a2332、#2d8b8b、#a8dadc、#f1faee）與 Tech Innovation 色票。這些預設主題的公開程度足以讓模型早已記住；在明確指定主題的要求下，技能沒有帶來額外幫助。
- 技能真正發揮作用的地方，是需要主題清單本身的時候：在「挑選最佳預設」任務中，對照組拿到 0/2（一次執行說它選了名為 'Sky' 的預設主題，但這不在十組之內；另一次花了 247k token），一句話版本拿到 0/2（一次執行回覆工作區中沒有預設清單，並向使用者索取），技能組則拿到 2/2（選了 'Sunset Boulevard' 並套用其色票）。
- 平均：對照組 3.33、一句話版本 3.33、技能組 5.00。一句話版本無法取代，因為價值在於技能主題檔案中的資料，而不是指示。
- Token：技能組每次執行 73k，對照組 111k、一句話版本 126k（0.66 倍與 0.58 倍），因為在開放式任務中，對照組與一句話版本會搜尋與猜測，而技能只讀取一個小型主題檔案。
- 技能組的執行會把技能的主題資料夾與展示 PDF 複製到專案中（平均每次執行新增 14 個檔案），因而弄亂工作資料夾。
各面向分數
| 面向 | 分數 | 原因 |
|---|---|---|
| 1_output_quality | 5.0 | 技能組平均分數 5.00/5（程式化檢查，詳見各任務 表格）。 |
| 2_lift_vs_no_skill | 3.67 | 相較無技能的 3.33 高出 +1.67 分（每項任務 n=2；約 1 分 以下的差異屬於雜訊）。 |
| 3_trigger | 5.0 | 技能組 6/6 次執行都讀取了技能檔案。 |
| 4_instructions_portability | 4 | 43 行的 SKILL.md、10 個主題檔案、一份 PDF 展示檔；沒有腳本。 |
| 5_efficiency | 5 | token 為 0.66 倍（每次執行 73k 對 111k），時間為 0.83 倍（44 秒對 53 秒）。 |
| 6_safety_hygiene | 5 | 僅文字、資料與一份 PDF。 |
本測試的限制
- 規則式色票檢查（是否使用預設的十六進位顏色、是否說出主題名稱）；並不評判重新設計後的簡報好不好看。
- 任務 3 的檢查只有在執行使用十組主題之一的十六進位色碼並說出其中一個名稱時才會算正確，因此對任何能看到清單的組有利。
- 每格 n=2；技能的展示步驟（向使用者顯示 PDF 並等待選擇）是互動式的，無法在無介面的測試中執行。
- 每項任務的每組 n = 2：約 1 分以下的差異屬於雜訊。
- 規則式計分只能衡量檢查項目看得見的部分，無法評判品味，也無法判斷結果是否為最佳解。
安全性
詳見 security.md。掃描：0 CRITICAL / 0 HIGH / 0 MEDIUM。評定：可在無網路沙箱中安全執行。掃描結果乾淨並不代表技能一定安全。
總結
當你需要從這十組特定預設中挑選或列出其中一組時很有用：它能消除猜測並節省 token。如果你只是指定某個預設主題，單純的 Codex 已經做得到，因此那種情況不需要這個技能。
完整紀錄
執行日誌：theme-factory (Codex CLI, network off, per-run temp HOME/TMPDIR, one row per graded run.) 欄位：任務、組-輪次、得分（0-5）、token、秒、通過的檢查、代理開啟的 skill 檔案。 t1-ocean control-1: 得分 5.0, token 74123, 秒 43.0, 檢查 2/2, 未開啟 t1-ocean control-2: 得分 5.0, token 66741, 秒 48.1, 檢查 2/2, 未開啟 t1-ocean oneliner-1: 得分 5.0, token 112572, 秒 60.5, 檢查 2/2, 未開啟 t1-ocean oneliner-2: 得分 5.0, token 94515, 秒 51.3, 檢查 2/2, 未開啟 t1-ocean treatment-1: 得分 5.0, token 69081, 秒 47.0, 檢查 2/2, 開啟 theme-factory t1-ocean treatment-2: 得分 5.0, token 70216, 秒 33.6, 檢查 2/2, 開啟 theme-factory t2-tech control-1: 得分 5.0, token 77803, 秒 56.7, 檢查 1/1, 未開啟 t2-tech control-2: 得分 5.0, token 69182, 秒 57.9, 檢查 1/1, 未開啟 t2-tech oneliner-1: 得分 5.0, token 119920, 秒 57.6, 檢查 1/1, 未開啟
18 次執行、3 個產出檔案
範例產出
SOTA · 装了 skill：deck.html（t1-ocean，第 1 次，Codex）
<!DOCTYPE html> <html lang="en"><head><meta charset="utf-8"><meta name="viewport" content="width=device-width, initial-scale=1"><title>Q3 Update</title> <style> :root { color-scheme: dark; --navy: #1a2332; --teal: #2d8b8b; --seafoam: #a8dadc; --cream: #f1faee; } * { box-sizing: border-box; } body { margin: 0; background: var(--navy); color: var(--cream); font-family: "DejaVu Sans", sans-serif; font-size: clamp(18px, 2.2vw, 28px); line-height: 1.6; } section { max-width: 1200px; min-height: 100vh; margin: 0 auto; padding: clamp(32px, 7vw, 96px); display: flex; flex-direction: column; justify-content: center; border-top: 6px solid var(--teal); } h1, h2 { font-family: "DejaVu Sans", sans-serif; font-weight: 700; line-height: 1.15; margin: 0 0 0.6em; } h1 { font-size: clamp(48px, 7vw, 88px); } h2 { color: var(--seafoam); font-size: clamp(36px, 5vw, 60px); } p { margin: 0 0 1em; } section:first-child p { color: var(--seafoam); } ul { margin: 0; padding-left: 1.3em; } li { padding: 0.25em 0; } li::marker { color: var(--seafoam); } table { width: 100%; border-collapse: collapse; border: 2px solid var(--teal); margin-top: 1em; } th, td { padding: 0.65em 1em; text-align: left; border: 1px solid var(--teal); } th { background: var(--seafoam); color: var(--navy); font-weight: 700; } @media print { section { min-height: 0; height: 100vh; break-after: page; } section:last-child { break-after: auto; } body { print-color-adjust: exact; -webkit-print-color-adjust: exact; } } </style> </head> <body> <section><h1>Q3 Update</h1><p>Prepared for the leadership team</p></section> <section><h2>Highlights</h2><ul><li>Revenue up 12%</li><li>Two launches shipped</li><li>Support backlog cleared</li></ul></section> <section><h2>Next quarter</h2><p>Focus: reliability, onboarding, pricing review.</p><table border="1"><tr><th>Metric</th><th>Q3</th></tr><tr><td>Revenue</td><td>$1.2M</td></tr><tr><td>Churn</td><td>2.1%</td></tr></table></section> </body></html>