Agent Skills：GitHub 25万Star的工程师技能库，AI编程从写提示词到装技能包

2026年9月8日
| 没有评论

🧰 Agent Skills：GitHub 25万Star的工程师技能库，AI编程从写提示词到装技能包

如果你用Cursor、Claude Code或Codex写代码，你大概经历过这种时刻：

你让AI帮你重构一个模块，它改了三个文件，格式乱了，测试没跑，然后信心满满地说”已完成”。你打开diff一看，血压开始升高。

问题不是模型不够聪明。问题是它不知道你项目的规范、你的代码风格、你的测试约定。每次对话你都得重新解释一遍。

Agent Skills就是解决这个问题的。

GitHub上mattpocock/skills仓库25万Star，openai/skills官方技能目录同台竞技，9月第一周GitHub Trending被AI Agent工具链霸榜，15个Trending仓库中12个与AI Agent相关。

这篇文章讲清楚：Agent Skills是什么、怎么用、为什么它正在改变AI编程的工作方式。

从提示词到技能包：范式的转变

2024年，我们写提示词。”你是一个资深Python工程师，请遵循PEP8……”然后AI照做，下一轮对话又忘了。

2025年，我们写AGENTS.md。在项目根目录放一个文件，告诉AI”这个项目用pnpm不用npm，测试用vitally不用jest”。AI每次对话都会读它。好多了，但还不够。

2026年，我们装技能包。Skills是可复用、可分享、可组合的AI能力模块。你把”写测试””重构””安全审计””文档生成”各做成一个Skill，AI按需调用。

区别在哪？提示词是你每次重复说的话，AGENTS.md是项目级的静态配置，Skills是按需加载的能力插件。它有输入输出约定、有执行步骤、有质量校验，像一个给AI用的函数。

Skills vs MCP vs AGENTS.md：三层是什么关系

很多人把这三个概念搞混。一句话讲清楚：

AGENTS.md是”项目说明书”。告诉AI这个项目的规则、约定、目录结构。静态的，每次都读。

MCP是”工具接口”。让AI能调用外部工具——查数据库、读文件、调API。解决的是”AI怎么跟外部世界通信”。

Skills是”操作手册”。告诉AI”遇到某类任务该怎么做”。有步骤、有校验、有输出规范。解决的是”AI知道怎么做得更好”。

举例：你的项目有AGENTS.md说”用pnpm”。MCP让AI能执行pnpm命令。Skills教AI”重构一个模块时，先跑测试确保绿色，再改代码，改完再跑一遍”。

三者互补，不替代。

实战：写一个最小的Skill

Skills的本质是一个结构化的Markdown文件，描述任务类型、执行步骤和质量标准。

一个”代码审查”Skill长这样：

---
name: code-review
description: 审查代码变更，检查风格、安全、逻辑问题
triggers:
  - "review this code"
  - "代码审查"
  - "check my changes"
---

## 执行步骤

1. 获取当前git diff
2. 逐文件分析变更内容
3. 按以下维度检查：
   - 代码风格是否符合项目规范
   - 是否有安全风险（硬编码密钥、SQL注入、XSS）
   - 是否有逻辑错误
   - 测试覆盖是否充分
4. 输出格式化的审查报告

## 输出格式

### 审查报告
- 总体评价：通过/需修改/需重写
- 问题列表：按严重程度排序（Critical/Warning/Suggestion）
- 每个问题：文件位置、描述、建议修复方案

把这个文件放在项目的.skills/目录下，或者放在全局技能库里。AI遇到”review this code”或”代码审查”时，自动加载这个Skill，按步骤执行。

关键点：Skill的核心价值不在于”告诉AI做什么”（模型本身就会审查代码），而在于”规范AI怎么做的标准和流程”。没有Skill，AI每次审查的标准都不一样；有了Skill，每次都按同样维度检查、同样格式输出。

为什么GitHub Trending被Skills霸榜

9月7日GitHub Trending数据显示，15个Trending仓库中12个与AI Agent相关。排前三的：

ECC（251k Star，+1485）——Agent harness优化工具。不是让Agent更聪明，而是让Agent跑得更稳、更可审计。

mattpocock/skills（255k Star，+2207）——工程师技能库。预置了几十个常用Skill，覆盖代码审查、测试生成、重构、文档、安全审计等场景。

openai/skills——OpenAI官方技能目录。Codex原生支持，Cursor和Cline也在跟进。

还有本地推理服务magnitude单日+604，反映社区焦点从”能跑的Agent”转向”跑得稳、可审计的harness”。

趋势信号：2026年下半年，AI编程的竞争焦点不再是”谁的模型更强”，而是”谁的工作流更可靠”。Skills正在成为这个焦点的载体。

怎么开始用Skills

第一步，选一个平台。 Cursor、Claude Code、Codex都支持Skills。如果你用Cursor，在设置里找到Skills配置目录。

第二步，从别人的Skill开始。 不要从零写。去mattpocock/skills仓库里挑几个适合你技术栈的Skill，放进项目里用。用熟了再定制。

第三步，写自己的Skill。 回顾你重复做最多的三件事——可能是写测试、做代码审查、写技术文档。把每件事的步骤和标准写成一个Skill。你会发现自己手写的质量标准比AI自己猜的要靠谱得多。

第四步，分享出去。 Skills是Markdown文件，天然适合分享。把你在团队里验证过的Skill开源，别人也能受益。

谁该关注Skills

AI应用开发者：Skills是让Agent从”能跑”到”跑得稳”的关键一环。如果你的Agent在工作中标准不一致、输出质量波动大，Skills是目前最轻量的解法。

技术团队负责人：把团队的代码规范、审查标准、测试约定沉淀成Skills，新人用AI辅助开发时自动遵循团队标准，减少code review的来回。

独立开发者：你不需要写一堆AGENTS.md来管理不同项目。把通用的最佳实践做成Skills，跨项目复用。

DevOps/SRE：把巡检流程、部署检查、故障排查做成Skills，让AI帮你做运维时遵循正确的SOP。

本文要点回顾

  1. Agent Skills是可复用、可分享的AI能力模块，从”每次对话重复提示”进化到”按需加载技能插件”
  2. Skills与AGENTS.md（项目配置）和MCP（工具接口）三层互补：AGENTS.md管规则，MCP管通信，Skills管执行流程
  3. 一个最小Skill是结构化Markdown，定义触发词、执行步骤、输出格式，核心价值是规范化AI的执行标准
  4. GitHub Trending被Skills霸榜：ECC(251k Star)、mattpocock/skills(255k Star)、openai/skills同台竞技，焦点从”模型更强”转向”工作流更可靠”
  5. 开始用Skills的路径：选平台→用别人的Skill→写自己的→分享出去，门槛极低

文章摘自：https://www.cnblogs.com/badhope/p/22883151/agent-skills-guide-25k-stars

flask, python, tornado, 人工智能AI