第 11 章 · 咨询撮合 + 企业目录:Service-on-Open 怎么跑

第 9 章给了 Distribution 的概念框架(商业化三角的第四条边)。第 10 章给了 Verified Creator 的信誉机制。这一章把这两个能力转换成**真实的现金流**——具体两个产品怎么跑、定价怎么推、第一年的诚实预测。

11.0 一句话定位

AgentSkillsHub 不卖 Skill。Skill 是你的——或者作者的。
Hub 卖**两件事**:让用户找到对的 Skill、让 Skill 作者找到付费用户。

第一件事是**目录服务**——已经在做(每天免费)。

第二件事是**撮合服务**——现在要做(一部分免费、一部分收费)。

这一章只讲第二件事的 2 个具体产品:

  1. **Skill 咨询撮合**(C2C,Hub 抽 10%)
  2. **企业订阅目录**(B2B,三档定价 ¥9,999 / ¥29,999 / 定制)

每一项都讲清楚:**为什么要做、定价怎么推、第一个客户怎么找、半年之后会长什么样、可能怎么死**。


11.1 产品 1 · Skill 咨询撮合

11.1.1 问题它在解决

第 9 章已经讲过 54.1% 的 Skill 拿 0 star——根本问题不是质量差,是**没有 distribution**。

但 distribution 不只是「让 Skill 被看到」,**还包括「让作者直接被联系到」**。

很多 Skill 作者其实做过两年多 Agent / Skill 项目——他们的真实产出**不是这个 Skill 本身**,是「这两年踩过的坑 + 各种工程方法论」。这是企业最缺的。

但今天的现状:

Skill 咨询撮合就是补这个缺口——**Hub 已经索引了所有作者的 Skill 作品 + 质量分 + 活跃度,是天然的「能力背书」**,可以直接对接成咨询撮合。

11.1.2 产品形态

每个作者主页(`/author/{username}/`)增加一栏「咨询服务」:

✓ Available for hire (Y/N)
✓ Hourly rate (¥/hour or $/hour)
✓ Minimum engagement (e.g., 1 hour / half-day / 1 week)
✓ Areas of expertise (multi-select from 9 Skill 类型)
✓ Time zones available
✓ Languages spoken
✓ "Book a call" button → 30-min 免费 intro call

用户流程:

  1. 用户浏览 Hub 找到合适的 Skill → 想跟作者聊
  2. 点 "Book a call" → 填一份简短 brief(项目类型、预算 range、希望解决什么问题)
  3. Hub 帮你 match 这个 brief 给合适的作者(可能 1 个、可能 3-5 个候选)
  4. 作者回应 → 30 min intro call
  5. 双方 OK 后签合同(Hub 提供模板)→ 走 Hub 的支付通道
  6. Hub 抽 **10%**

11.1.3 定价为什么是 10%

参考定价:

10% 的逻辑:

11.1.4 给作者的收入路径模拟

假设一个 Verified Creator:

月收入估算:

1000 月浏览 × 2% = 20 个有意向用户
20 × 50% = 10 个 intro call
10 × 30% = 3 单成交
3 × ¥2,000 = ¥6,000/月(作者拿 ¥5,400,Hub 抽 ¥600)

年化:约 ¥72,000(作者)+ ¥7,200(Hub)

这是**保守估算**。如果作者作品出圈了(Hub 里有几个排名 Top 100 的 Skill),月浏览能到 5,000-10,000,年化收入能上 ¥30 万 - ¥80 万。

11.1.5 第一个客户怎么找

不会等用户自己来。**主动做 3 件事**:

  1. **找 5 位有公开影响力的 Verified Creator 谈**——给他们免费试用 + 共建 launch story
  2. **联系 3-5 家正在做 Agent / Skill 项目的中小公司**——告诉他们 Hub 上有这种作者可联系
  3. **第一个 case 完整公开**:整个流程公开记录(双方同意),作为 case study 推广

第一个 case 大概率是**亏的**——撮合成本高、抽成不够覆盖。但它是后续所有 case 的 reference point。

11.1.6 半年后什么样

诚实预测(保守版):

| 指标 | 6 个月目标 | 9 个月目标 |

|------|---:|---:|

| Available for hire 作者数 | 30-50 | 80-120 |

| 月活跃 brief 提交数 | 15-30 | 40-60 |

| 月成交单数 | 3-8 | 10-20 |

| 月 GMV | ¥15K-40K | ¥50K-100K |

| Hub 月收入(10% 抽成)| ¥1.5K-4K | ¥5K-10K |

**6 个月内不会成为 Hub 的主要收入**。它的价值是**为企业目录铺路**——企业看到 Hub 已经有真实交易了,才会信「Hub 上的人是真专业」。

11.1.7 可能怎么死

3 个 risk:

如果 6 个月 GMV < ¥10K/月,**就要考虑收摊**——这个产品不对所有 Hub 适合,需要诚实退出。


11.2 产品 2 · 企业订阅目录

11.2.1 问题它在解决

中大型企业用 Skill / MCP 时面临的真实问题:

  1. **合规审查不过关**:开源 Skill 没有明确 license / 没经过安全审计 / 没人 own 维护
  2. **找不到「企业级」选型**:所有评分系统都给个人开发者用,企业要的是「有 SOC2 / ISO 27001 / SBOM 的 Skill」
  3. **on-prem 部署需求**:互联网公司外的传统行业(金融、医疗、政府、央企)需要私有化
  4. **法务咨询**:CC BY-NC-SA、AGPL 这些 license 在企业 IT 里能不能用,需要专业判断

这些问题**单个 Skill 作者解决不了**——是 Hub 该做的事。

11.2.2 产品形态

3 档定价 + 1 档定制:

**Starter · ¥9,999/年**

适合 50-200 人的初创公司、AI 实验室、研究机构。包含:

**Business · ¥29,999/年**

适合 200-2000 人的中型公司、传统行业的数字化部门。包含 Starter 全部 + :

**Enterprise · 定制**

适合 2000+ 人的大型公司、央国企、政府机构。所有 Business 内容 + :

11.2.3 定价为什么这样推

不是拍脑袋。3 个 anchor:

  1. **GitHub Enterprise**:$21/seat/月 = 50 人 ¥80K+/年起。Skills 是补充功能,定价应**远低于** GitHub Enterprise。Starter ¥10K = GitHub Enterprise 50 人的 12%。
  2. **JFrog Artifactory**:企业级 ¥30K-150K/年,定位是「依赖目录 + 安全」。Hub 的 Business ¥30K 跟它同量级——同样是「目录 + 合规」。
  3. **国内 SaaS 平均**:中型公司 IT budget 里「专业目录服务」一般 ¥10-50K/年是合理 range。Hub 的三档刚好覆盖。

11.2.4 第一个企业客户怎么找

**不会发广告 cold outreach**——会做 3 件事:

  1. **找 1-2 家已经在用 Hub 的中型公司谈**——他们已经在用,让他们升级到付费版
  2. **走 Verified Creator 的关系**——很多 Verified Creator 自己就是大厂员工,他们能内部推荐
  3. **写一篇深度 case study**:「某某公司是怎么用 Hub 解决 Skill 合规问题的」——发到行业 Substack / 公众号

第一个企业客户预计要 **3-6 个月**才能 close。这是 SaaS 企业销售的正常周期。

11.2.5 第一年收入预测

| 等级 | 第 6 个月 | 第 9 个月 | 第 12 个月 |

|------|:----:|:----:|:----:|

| Starter | 0-1 | 1-3 | 3-8 |

| Business | 0 | 0-1 | 1-3 |

| Enterprise | 0 | 0 | 0-1 |

| **年化收入** | ¥0-10K | ¥10K-50K | ¥50K-200K |

**第一年企业目录撑不起 Hub 的全部成本**。但它是**未来 3 年的主要支柱**——Hub 不会一直靠咨询撮合的 10% 抽成活。

11.2.6 一个直白的承认

我没做过 SaaS 企业销售。这章的所有定价 / 客户预测都是基于**对 GitHub Enterprise / JFrog / Snyk 的观察**推出来的,不是亲身经验。

**所以这章会比其他章节错得更多**。一年后的实际数据会跟预测有 ±50% 的偏差。这本书的下一版(2027 蓝皮书)会重写这一章,用真实数据 replace 预测。


11.3 两个产品的协同效应

为什么咨询撮合 + 企业目录是**互补**的,不是竞争的?

协同 1 · 企业客户带来咨询需求

企业付费订阅 Hub 后,他们看到一些专业作者,会想「能不能直接请这个作者帮我们做项目」——咨询撮合接住这个需求。

协同 2 · 咨询案例反哺企业销售

每个咨询撮合案例都是 case study——告诉潜在企业客户「Hub 上的人是真能做事的」。比单纯 marketing material 可信 10 倍。

协同 3 · 双向选择缓解风险

如果某个咨询作者反复被企业投诉,Hub 可以**同时**降他在企业目录的排名 + 移除他的 Available for hire 标签——双向制衡。

这是 Hub 跟单纯 freelance 平台(Upwork / Fiverr)最大的不同——**它有更长的信誉链条**。


11.4 我不会做的事(明示)

为了避免 scope creep + 保持 Hub 的核心使命:

不做 · Skill 转售

不会成为 Skill 的二级市场——不撮合「我有一个 skill 想卖给你」的交易。Skill 是开源的,它的价值在于**作者的服务**。

不做 · 自有 Skill 产品

Hub 不会自己写 Skill 然后卖。这会跟生态作者形成利益冲突。

不做 · "Premium Skills"

不会推「付费 Skill」这种 SKU。Skill 应该保持免费 + 开源。我们卖的是**关于 Skill 的服务**,不是 Skill 本身。

不做 · 取代 GitHub

Hub 不会变成 git hosting。不会让作者直接在 Hub 上托管代码——只索引 GitHub 上的内容。


11.5 给 Skill 作者的现实建议

如果你是一位想从 Skill 创作中赚钱的作者:

建议 1 · 先成为 Verified Creator

第 10 章讲过流程。这是**所有商业化路径的入口**——没有 Verified 标签,你在咨询撮合 + 企业目录里都不会被推荐。

建议 2 · 设定合理的咨询时薪

不要一开始就报 ¥2,000/小时。**初期目标是积累 10-20 个真实成交 case**,时薪可以从 ¥200-500 起步。每完成 5 单累积一次评价,慢慢往上调。

建议 3 · 1 个深度 Skill > 5 个表面 Skill

第 6 章数据已经讲过这个原则。在咨询场景里这条更明显——客户找你,是因为你**深耕过某个领域**。深耕过 mcp-database 一年的作者比同时玩 9 个 Skill 类型的人值钱 10 倍。

建议 4 · 把咨询服务当 marketing channel,不是主收入

咨询的边际成本是「你的时间」。如果时薪 ¥500,一周 20 小时咨询 = ¥40K/月——已经足够生活但**没有 scale 空间**。

把咨询当作**漏斗顶部**——通过咨询接触企业客户,部分能转化成长期合作,进而成为「外包项目」「驻场顾问」「fractional CTO」等更高单价的服务形式。


11.6 一个更长的视角 · 为什么这两个产品现在做

蓝皮书写到这里,必须承认一个**主观判断**:

Skill 生态从「实验」到「日常工具」的拐点,会在 **2026-2027 年**发生。Hub 现在如果不做商业化基础设施,这个拐点来的时候我们没赶上。

具体信号:

**这些信号意味着市场要起来——但谁先建好基础设施谁占位**。Hub 的咨询撮合 + 企业目录,是为这个拐点做准备。

如果拐点没来——Hub 会损失 12 个月的研发投入,但不会破产。

如果拐点来了——Hub 是这个市场上**唯一**已经准备好的基础设施。

这是一个**asymmetric bet**。值得做。


11.7 本章要记住的一句话

**Hub 不卖 Skill,卖的是关于 Skill 的服务——给个人作者一条赚咨询费的路径,给企业一个可信任的目录入口。前者帮 Bottom 99% 的 Skill 作者活下来,后者帮 Hub 自己活下来。两个产品是互补的——咨询案例是企业销售的素材,企业客户是咨询作者的潜在 demand。这是 Service-on-Open 在 Skill 生态里最务实的跑法。**

下一章(第 12 章)讲一个更远的话题——**当 Claude 自己开始创建 Skills 的时候,人类作者还有什么位置?**这是 Skill 生态的终极问题。


数据说明

本章所有定价 / 收入预测均为推测,基于对 GitHub Enterprise / JFrog / Snyk / Upwork / AngelList Talent 等同类产品的公开数据观察。第一年实际数据会跟预测有显著偏差,明年蓝皮书会用真实数据修正。