说句实话我是在一次跟朋友讨论 Claude Code 的时候第一次认真意识到“skills”这个词已经在悄悄改变AI的使用方式。以前我们调教AI靠的是写一大段prompt现在则是直接给它一组“技能包”让它遇到对应任务时自己按流程干活。这个变化比单纯换一个新模型更值得关注。如果你已经在用 Claude Code、Codex、OpenCode 这类编程Agent大概率刷到过GitHub上大量的skills仓库比如 anthropics/skills、obra/superpowers、typesafe 相关的系列。很多人卡在第一步仓库clone下来了却不知道往哪里放或者装了十几个skills发现Agent反而变笨了。这篇文章就是要把这一整条链路讲清楚什么是AI skills、怎么手动装、哪些仓库值得收藏、如何自己写一个、以及技能库什么时候该清理。无论你是前端、建模选手、做AI漫剧还是只是想把日常任务自动化都可以从这里找到能直接落地的部分。1. Skills是什么为什么现在大家都在聊1.1 给AI装“外挂大脑”从prompt到skills的进化要理解skills先回到最朴素的问题你和AI对话的时候是不是经常发现它“学得快忘得也快”同一个项目里你上周告诉它代码风格怎么统一这周它又写歪了你让它按某个模板处理数据每次都要重新贴一遍模板。原因是模型本身没有“跨对话记忆”它的上下文窗口里装得越多反而越容易被无关信息干扰。skills的出现本质上是把“知识流程工具”打包成一个独立模块。它不是一个prompt而是一个包含说明文档、脚本、参考资产、运行规则的完整目录。当Agent判断当前任务匹配某个skill的触发条件时就会主动加载这个目录按照里面的步骤去执行。这相当于给AI装了一个“外挂大脑”不需要每次重复交代背景它自己就知道该调什么工具、按什么顺序处理、输出什么格式。我举个生活化的例子。你让一个实习生做一份周报你每次都要告诉他“先拉数据再做图表最后按模板写结论。”如果这个实习生带了一份SOP手册你只要说“做周报”他就自动去翻手册按步骤执行效率和稳定性都会高很多。Skills就是这个SOP手册而且比人类手册更细致因为它可以直接绑定脚本去跑数据、生成文件不止是“告诉你该怎么做”而是“替你做完”。1.2 一个skill长什么样任何一个符合规范的skill核心都是一个名为 SKILL.md 的文件文件名大写放在以技能命名的目录里。这个文件包含两部分YAML格式的frontmatter声明技能的名称和描述。描述写得越精确Agent越能在合适的时机触发它。正文部分由Human Messages构成用来告诉Agent“这个技能怎么用”包括适用场景、处理步骤、注意事项、输出要求。目录里还可以放辅助内容比如my-skill/ SKILL.md scripts/ run_task.py assets/ template.md reference.pdfscripts 里放的是可执行脚本assets 放的是模板和参考资料。整个目录就是一个“可交付物”可以被Git管理可以被多个Agent共享。这种设计带来的直接好处是技能可以做版本管理可以审核code review也可以多人协作维护。1.3 别被概念绕晕skills vs prompts vs MCP vs plugins很多新手会被这几个词搞混我按自己理解给你理一下。Prompts是最原始的形态本质是一段对话指令。优点是灵活缺点是每次都要重写而且容易受上下文位置影响。Skills是结构化的技能包强调的是“流程固化工具调用”主要用于Agent自主执行任务。MCPModel Context Protocol是一套让AI连接外部工具和数据的标准协议解决的是“AI如何访问你的文件、数据库、浏览器”这类连接问题。你可以把MCP理解为USB接口技能理解为安装在电脑上的软件。Plugins则是更宽泛的概念可以包含MCP工具、命令、Agent配置等多种元素的集合。需要注意的是skills并不是要替代MCP。实际使用中技能里经常引用MCP工具完成某个子步骤。比如一个数据报表技能SKILL.md里可能写着“调用数据库MCP获取数据再用scripts/report.py生成图表”。两者是协作关系不是竞争关系。2. 手动安装GitHub上的skills一篇讲透2.1 先把环境准备好安装目录与Agent配置手动安装skills最常被问到的问题就是“放哪个目录”。不同Agent的默认目录确实不一样而且版本之间可能有差异动手之前先确认你用的版本和文档这个习惯能省掉很多麻烦。社区里比较常用的路径有这样几个Claude Code通常将技能放在~/.claude/skills/下每个技能一个子目录。Codex常见配置目录是~/.codex/技能一般放在~/.codex/skills/。OpenCode配置多在~/.config/opencode/下skill相关目录名称以当前版本文档为准。如果你装了多个Agent也可以考虑建一个统一目录比如~/ai-skills/然后通过软链接把技能分别链到各Agent的目录里。这样维护起来更省心更新一次到处生效。不过用软链接前先确认Agent是否会递归加载整个目录结构如果它会扫描软链接指向的原始目录那没问题如果它把软链接当成普通文件跳过你就得直接用复制的方式。2.2 两种安装方式git clone和手动下载安装方式取决于你下载的是“技能仓库”还是“单个技能目录”。如果你在GitHub上找到一个仓库里面是成名已久的技能合集比如 obra/superpowers那么推荐用git clone完整拉下来。以superpowers为例git clone --recursive https://github.com/obra/superpowers.git这个仓库用了submodule方式组织多个技能所以必须加上--recursive参数否则拉下来一堆空目录。拉下来之后进入仓库目录看一下结构ls superpowers/skills/你会发现里面是成体系的技能列表。接着把skills目录里的内容复制或链接到Agent的skills目录cp -r superpowers/skills/* ~/.claude/skills/如果你只需要其中一个技能不要整个仓库塞进去。技能目录越大Agent扫描和匹配的负担就越重所以按需复制是更推荐的做法mkdir -p ~/.claude/skills cp -r superpowers/skills/brainstorming ~/.claude/skills/如果仓库本身就是一个单技能仓库直接clone到Agent的skills目录即可注意让仓库根目录里的SKILL.md落在技能目录的一级位置。2.3 装完怎么确认真生效装完之后最怕的就是“我以为装好了其实Agent根本没加载”。验证方法其实很简单。在Claude Code中你可以直接开一局对话输入“你有哪些skills”或者用/skill相关的命令查看当前已加载的技能列表。如果在对话中提到了某个技能名但是Agent完全无反应优先检查三件事SKILL.md是否在技能目录的一级位置而不是嵌套在某个子目录里。frontmatter中的name字段是否填了并且没有非法字符。description是否写得足够完整和可检索。Agent是靠这段描述来匹配任务的写得含糊技能就会变成“装了但从不触发”的摆设。在Codex或OpenCode里同样可以先问一句“你当前有哪些可用技能”或者查看各自的/skill命令输出。如果列表里没有大概率是目录路径没对或者Agent配置里没有启用对应的自定义技能加载选项。2.4 手动安装踩坑记录我把自己踩过的坑列一下供你参考。第一个坑是Git clone之后忘记拉submodule。很多合集仓库都用submodule管理外部技能只clone主仓库不拉子模块等Agent运行时就提示找不到文件。解决办法很简单进入仓库目录执行git submodule update --init --recursive第二个坑是权限问题。技能目录里的脚本需要在本地执行如果文件权限不对Agent调用时会报Permission Denied。尤其是.sh脚本记得给执行权限chmod x scripts/*.sh第三个坑是复制的时候把.git目录也复制进去了。这不会立刻报错但会让你在技能目录里做git操作时产生混乱。复制时排除隐藏的.git目录更稳妥rsync -av --exclude.git superpowers/skills/ ~/.claude/skills/第四个坑是自己改乱了目录结构。有些仓库把skills放在子目录里复制时没注意层级导致SKILL.md变成了三重嵌套。建议复制完手动find ~/.claude/skills -name SKILL.md检查一遍确认每个技能的SKILL.md都在对应的技能主目录下。3. 值得收藏的skills源和推荐清单3.1 官方与社区高星仓库先列几个我常看的仓库和站点覆盖“官方出品的标准技能”和“社区高频更新的实操技能”这两类。anthropics/skills 是官方仓库里面收录了docx、pdf、pptx、xlsx文档生成与处理技能还有HTML、视频分析等实用性很强的模块。特点是标准化程度高、维护活跃新手可以从这个仓库开始。只要clone下来把需要的技能复制到本地skills目录即可里面的SKILL.md写得很规范适合当作“学习如何写技能”的范例。obra/superpowers 则是社区里口碑很好的技能合集包含系统思考、头脑风暴、项目规划、执行跟踪等一整套面向复杂任务的技能。它解决的问题是把Agent从“被动回答”变成“主动执行”。如果你经常让Agent帮你做多步骤的任务这个仓库一定要看。typesafe系列是工程化气息更浓的技能库。这类仓库的脚本通常用TypeScript编写依赖比较多安装时需要先看README执行npm install或bun install装好依赖再让Agent调用。好处是类型安全、可测试性强适合对稳定性要求高的场景。除了GitHub仓库还有一些web端的技能目录网站比如AI技能聚合站、Glama这类服务可以在浏览器里按分类浏览技能。网站上看到的技能很多也提供了Git仓库地址和安装说明本质上还是clone或下载目录。3.2 按场景选前端开发skills做前端开发的人日常大量重复劳动集中在项目初始化、组件生成、样式调整、Bug调试和代码审查。以Tailwind CSS为例一个对应的skill可以内置项目的设计Token、常用类名组合、响应式断点规范甚至自动检查不符合设计系统的样式。这样Agent在写界面时就不会再“自由发挥”出和项目风格完全不一致的代码。React/Vue项目里组件生成类技能也很实用。这类技能通常会在SKILL.md里规定组件文件结构、props定义方式、状态管理写法、测试文件是否需要一并生成。你只需要告诉它“给这个页面生成一个列表组件”它就会按项目约定输出完整代码而不是每次都写一套不同的风格。我还推荐装一个“代码审查技能”直接把团队的代码规范、检查清单、常见反模式写进去。每次提交代码前让Agent按这个技能过一遍比自己肉眼review稳得多。技能里还可以加上“只检查不直接改代码”的限制避免它热心过度把无关文件改乱。3.3 按场景选数学建模skills数学建模比赛场景下时间和节奏极关键。这里说的“建模skills”不是指装一个技能就能拿奖而是说技能可以把整个比赛流程中大量重复的工程工作自动化让你和队友把精力集中在模型思路上。我见过比较好用的建模技能一般包含这些内容赛题文本解析、数据A初探与清洗、常规模型模板预测、分类、优化、评价、论文LaTeX排版骨架、图表导出规范。比如你可以让它“读取附件数据先做描述性统计输出相关性热力图和初步结论”它会自动跑Python脚本生成图表再按建模论文的写作要求整理文字。华为杯这类比赛时间紧很多队伍最后都死在论文排版和图表一致性上。一个论文排版技能可以绑定LaTeX模板统一字体、公式、参考文献格式。不管谁写哪一部分最终拼接时都能保持一致这部分省下的时间非常可观。装建模技能时注意不要贪多。选一个比赛全流程合集顶多再配一两个你常用的算法专项技能就足够了。技能装太多Agent反而不知道选哪个容易来回横跳。3.4 按场景选AI漫剧与创意内容skills“AI漫剧”是最近在短视频平台快速走红的一种创作形态靠AI生成漫画风格的分镜头画面再配上配音和字幕做成连续短剧。做这个赛道的朋友最头疼的往往是角色一致性、分镜稳定性和批量产出效率。角色一致性技能可以内置角色的外貌描述、关键词、负面提示词以及不同角度、不同表情下的prompt模板。每生成一帧画面之前Agent先把角色描述拼进去再配合文生图工具出图就能大幅减少换脸跑偏的问题。分镜脚本技能则更偏流程化输入一段剧情大纲按镜头语言生成分镜表其中包括景别、运镜、台词、画面描述、时长。这个分镜表可以直接喂给视频生成工具也能作为人工制作时的执行清单。如果你在做批量内容可以再配一个“素材管理技能”把生成过的角色图、场景图、背景素材统一命名并归档方便后续复用。很多AI漫剧团队做不下去不是画质问题而是素材混乱导致的效率崩塌。3.5 快速上手的技能组合建议如果你是第一次尝试不建议一上来就装几十个技能。我给你一个最小组合一个文档输出技能比如docx或pdf用于日常报告和方案产出。一个代码相关技能比如代码审查或者项目初始化解决日常开发痛点。一个流程型技能比如superpowers里的规划类技能帮你用Agent管理复杂任务。先用这三类把日常工作跑顺跑顺之后再看具体场景需要补充什么。技能不是收藏得越多越好而是用得越顺越好。4. 不会写从0到1开发自己的skill4.1 写之前先想清楚很多人问我“skills怎么写”我通常先反问一句你身边哪个任务最烦、重复率最高答案往往就是你的第一个skill。写skill之前先完整记录你平时手动处理这个任务的全部步骤。比如你要做一个“周报生成”技能就想想你先从哪里拿数据拿完之后怎么处理输出给谁看格式上有什么约定哪些步骤是稳定的哪些内容每次都不一样稳定的部分就是技能要固化的“流程骨架”每次不一样的部分就是Agent需要根据实际输入去填充的“变量”。我建议在SKILL.md的正文里明确写上“适合使用的情况”和“不适合使用的情况”。这个动作不是为了凑字数而是帮助Agent做触发判断。触发判断错了比不触发更糟糕。4.2 SKILL.md的骨架与写法一个标准的SKILL.md骨架大概是这样的--- name: weekly-report description: 适用于生成周报场景当用户提供工作内容、项目进度或数据文件时生成结构化周报。不适合当用户要求写日报或月报时使用。 ---正文部分用清晰的分段结构组织任务目标一句话说明这个技能完成什么。前置条件需要哪些输入要不要准备数据文件需要安装哪些依赖。执行步骤按编号列出每一步写清楚怎么做、输出什么。输出规范成品长什么样用模板还是用脚本生成。注意事项哪些情况容易出错如何避免。正文不要写成长篇大论式的说明而要写成Agent可以直接执行的指令。比如“读取data.csv缺失值按行业惯例处理并在结果末尾注明处理方式”就比“请对数据做预处理”有效得多。因为技能是给机器读的精确比文采更重要。4.3 给skill配上脚本和资产SKILL.md负责“告诉Agent该做什么”scripts和assets则负责“让Agent真的有工具可用”。以文档生成为例。如果你的技能要生成docx报告你可以写一个Python脚本用python-docx库按模板生成文档。SKILL.md里这样描述步骤根据用户输入整理标题和正文段落调用scripts/generate_docx.py传入整理后的JSON数据脚本输出一个临时目录下的docx文件将文件移动到当前工作目录并告知用户。写脚本时建议加一层参数校验。因为Agent调用脚本时传的参数格式和你预期的不一定完全一致脚本里做好异常处理能少很多幺蛾子。assets目录里放模板文件时也要在SKILL.md里说明具体用哪个文件、怎么用。不要只放文件不写说明否则Agent不会主动去读。4.4 在多个Agent间复用技能写完之后天然可以在不同Agent间复用。前提是你严格按照标准目录结构来组织不写死某个Agent专属的工具调用方式。比如你的脚本里如果直接调用shell命令或者调用某个MCP工具就要在SKILL.md的前置条件里写清楚让Agent知道调用前需要检查什么。如果脚本依赖特定的Python包最好在目录里加一个requirements.txt并在SKILL.md里注明安装方式。我自己习惯在技能目录里加一个install.sh专门负责安装依赖、设置权限、检查外部命令。这样无论哪个Agent加载只要第一步先执行install.sh整个技能环境就准备完毕。这个习惯帮我少踩了很多“换个环境就失效”的坑。5. 技能库的日常维护与清理5.1 什么时候该清理技能装得多了一定要清理这件事不是在你有空的时候才做而是当你发现Agent开始“迟钝”的时候就必须做。具体信号我总结成三条。第一Agent经常答非所问。你让它做A任务它却突然调用了一个不太相干的技能路径说明有技能的description写得过于宽泛产生了误触发。第二技能目录越来越大克隆新仓库的速度变慢启动时扫描耗时明显。第三你自己已经忘了大部分技能是干嘛用的。如果一个技能你超过一个月没用过它大概率也该被清理了。社区里有一批喜欢折腾技能库的老玩家比如tibo关于清理的思路就很有参考价值。核心理念很简单技能库是给Agent用的不是给收藏夹用的。你装技能的目的是让Agent更精准地工作而不是让目录列表更好看。5.2 清理的判断标准清理技能时我按三层标准来判断。第一层看是否高频使用。如果过去一个月里这个技能从未被触发过先把它的文件从技能目录移除放到一个名为skills_disabled/的备份目录里。这样就算误删也能随时找回。第二层看触发关键词是否重叠。你装了三个技能description里都写了“数据分析”这四个字Agent在选择时就很容易纠结。保留那个描述最精确、流程最成熟的其余两个或者调整描述或者直接归档。第三层看依赖是否健康。有些技能依赖的外部库已经停止维护或者需要联网下载资源这类技能在网络不佳或离线环境下就会坏掉。如果它本身不是核心技能清理掉反而省心。5.3 我的维护习惯和注意事项我自己的维护节奏是每两周一次时间不长就十分钟。先看一眼技能目录里有没有新的未识别文件再翻一下GitHub上收藏的项目有没有更新版本。更新技能包时我强烈建议先备份现有版本。比如你更新superpowers之前cp -r ~/.claude/skills ~/ai-skills-backup-$(date %Y%m%d)这样如果新版技能的行为不符合预期你可以快速回滚。备份这一步看似简单但真能救你一次我就遇到过技能更新后原有的触发逻辑被改坏导致Agent完全不认这个技能的情况。另外版本固定也是一个好习惯。如果你从GitHub上clone了一个技能仓库可以记录当前提交的commit编号放在技能目录下的README里。这样之后有问题时可以快速查到这个技能是从哪个版本来的避免“明明代码一样行为却不一样”的诡异问题。还有一点注意技能目录里的临时文件。Agent运行技能时可能在目录里生成中间文件或缓存文件。时间长了这些文件越积越多会干扰git操作和备份。建议熟悉每个技能会产生的临时文件类型并把它们加入.gitignore或是定期清理。6. 关于Skills学习路线的一点个人建议技能这个方向说实话还在快速演进里今天流行的写法过半年可能就成了旧规范。但底层的思路不会变把复杂的任务流程拆解成可复用的模块用工具去固化经验。我自己重新走一遍的话会采用三条原则。第一条先手动再做技能。你没法把自己都没做明白的事情写清楚给Agent。任何一个技能需求产生后先手动执行三次以上把流程里每个拐点摸清再开始写SKILL.md。第二条先本地再云端。技能尽量在本机测试稳定后再考虑推给团队使用或发布到社区避免把半成品包装成成品坑了别人也消耗自己的信任。第三条先一个再一串。不要试图一次写完一个全流程大技能而是把它拆成三四个小技能分别测试通过后再用顶层技能去串联它们。技能化这件事最大的价值不是让你从此不用动脑而是把你从重复劳动里解放出来把注意力放到真正需要判断力和创造力的地方。我见过有人靠一堆精心维护的skills把每周十小时的重复事务压到两小时内也见过有人装了两百个技能最后连Agent的正常问答都被干扰。差距不在数量就在你有没有认真思考过“这个任务到底是怎么完成的”。如果你看完这篇文章想做的第一件事是去把收藏夹里的技能清一清或者坐在电脑前开始写自己的第一个SKILL.md那就对了。