Agent Skills 全面解析：是什么、怎么用、适合谁

一、它是什么

Agent Skills是由 Google Cloud AI 总监、前端社区知名大牛Addy Osmani所开源的项目，GitHub 地址为 addyosmani/agent-skills，上线还不到三周就斩获了 27,000+ Stars。

它并非模型，也不是工具，而是一套用来给 AI 编码代理注入"资深工程师工作方法"的生产级工程技能框架。

你可以把它理解成：给 AI 请了一个严厉的 Staff Engineer 来担任监工，手里拿着《Google 软件工程规范》，强制 AI 按照标准作业流程一步一步地开展工作，不能偷懒、不能跳步、也不能找任何借口。

它解决的核心痛点

你是否经历过这样的场景：让 AI 去写个功能，它噼里啪啦生成了一堆代码，乍一看好像能用，但仔细一瞧——没有写技术方案、没有写测试、代码结构混乱、安全风险也没有考虑。结果你花的时间比它写代码的时间还要长，全都在收拾烂摊子。

这就是典型的Vibe Coding（氛围编程）：感觉对了就行，质量随缘。Agent Skills 的目的就是终结这种模式，让 AI 从"又快又烂"变成"又快又稳"。

它和普通 Prompt 的根本区别

二、它的设计架构

2.1 六阶段开发生命周期

Agent Skills 把软件开发拆分为六个阶段，AI 必须严格按照顺序来执行，不可以跳步：

DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP 定义 → 规划 → 构建 → 验证 → 审查 → 发布

2.2 七个斜杠命令

每个命令对应着开发流程当中的一个环节，并且会自动把相关技能给激活：

2.3 20 个核心技能

按照开发生命周期来进行组织，每个技能都包含有明确的步骤、验证关卡以及"反借口表"。

定义阶段（2 个）

• idea-refine：结构化的发散与收敛思维，把模糊的想法转变成具体的提案
• spec-driven-development：先撰写 PRD，覆盖目标、接口、结构、代码风格、测试以及边界等内容，之后才可以去编写代码

规划阶段（1 个）

• planning-and-task-breakdown：把规格进行分解，得到小的、可验证的任务，同时带上验收标准以及依赖排序

构建阶段（7 个）

• incremental-development：增量开发，一次只完成一块内容
• test-driven-development：测试驱动开发
• api-and-interface-design：API 与接口设计（内含 Hyrum 定律）
• frontend-ui-engineering：前端 UI 工程
• context-engineering：上下文工程
• source-driven-development：源码驱动开发
• database-schema-and-migration：数据库 Schema 与迁移

验证阶段（2 个）

• debugging-and-error-recovery：调试与错误恢复
• browser-testing：浏览器测试

审查阶段（5 个）

• code-review：代码审查（包含 Change Size 和 Review Speed 规范）
• code-simplification：代码简化（包含 Chesterton’s Fence 原则）
• security-hardening：安全加固（包含 OWASP 检查清单）
• performance-optimization：性能优化
• dependency-management：依赖管理

发布阶段（3 个）

• git-workflow：Git 工作流（主干开发模式）
• ci-cd：CI/CD（左移原则、功能开关）
• deprecation-and-migration：废弃与迁移

2.4 三大核心设计哲学

1. 流程大于文本（Workflow > Text）

并不是告诉 AI “你要注意质量”，而是给它一套必须要执行的流程。流程本身就带有质量门禁，AI 想要不守规矩都没办法做到。

2. 反合理化机制（Anti-rationalization）

这可以说是最为巧妙的一招了。AI 很擅长找寻借口，比如：

• “这个功能很简单，不用写测试了吧？”
• “安全审查先跳过，后续再补？”
• “这个改动太小了，不需要 Code Review。”

Agent Skills 在每一个 Skill 当中都内置了Rationalizations 表，用来记录 AI 常见的偷懒借口以及对应的反驳理由。只要 AI 想要跳步，系统就会自动触发反驳，强制让它回到正轨当中。

3. 渐进式信息披露（Progressive Disclosure）

为了避免 AI 出现"消化不良"（上下文窗口溢出）的情况，Agent Skills 不会一次性把所有规则塞给 AI，而是按需进行加载：

• 到了"审查"阶段，才加载代码审查清单
• 到了"测试"阶段，才加载测试模式参考
• 到了"安全"阶段，才加载 OWASP 检查清单

既可以节省 Token，同时也能保证 AI 的注意力保持集中。

三、怎么用

3.1 一键安装（最简单的方式）

npx skillsaddaddyosmani/agent-skills

只需要运行一条命令就可以完成集成工作。它会自动把技能文件安装到你的 AI 编码工具的 skills 目录当中。

3.2 手动安装（Claude Code）

要是你使用的是 Claude Code，那么 Skill 会以文件夹的形式来存放，并且存在两种放置的位置：

手动安装的步骤如下：

1. 从 GitHub 仓库 addyosmani/agent-skills 下载对应 Skill 的SKILL.md文件
2. 在skills目录当中新建文件夹，比如spec-driven-development
3. 把SKILL.md文件移入到这个文件夹当中
4. 打开 Claude Code，输入/skills来验证安装是否成功

3.3 在 Claude Code 当中使用

安装完成之后，直接运用斜杠命令就可以开展操作了：

/spec → 先让 AI 撰写需求文档，之后再开始编码工作 /plan → 让 AI 把需求拆分成一个个小任务 /build → 以增量式的方式来实现，一次只完成一块内容 /test → 强制 AI 编写测试并进行验证 /review → 开展代码审查、安全检查以及性能优化 /code-simplify → 简化代码，做到清晰胜过聪明 /ship → 完成 Git 提交、CI/CD 以及发布上线

你也可以在描述需求的时候加上"你需要运用 Skill 来开展开发工作"，AI 就会自动激活对应的技能。

3.4 在 Gemini CLI 当中使用

当前项目已经支持 Gemini CLI 的斜杠命令格式，在完成安装之后，同样可以借助/spec、/plan这类命令来进行触发。

3.5 在 Cursor 以及其他 IDE 当中使用

对于 Cursor 等工具，可以把 Skill 的内容作为项目级规则（.cursorrules）来进行集成，以此确保 AI 在编码的时候能够遵循对应的工作流以及检查清单。

3.6 实际使用流程示例

要是你打算开发一个"用户登录功能"，那么完整的 Agent Skills 工作流如下：

第1步：/spec AI 输出：需求文档（目标、接口设计、测试策略以及边界条件） 第2步：/plan AI 输出：任务拆解（1.创建数据模型 2.实现认证逻辑 3.编写单元测试 4.开展集成测试） 第3步：/build AI 按照 /plan 的顺序，把各个任务逐个进行增量式的实现 第4步：/test AI 运行测试，验证每个功能点，不通过则修复后重新测试 第5步：/review AI 对代码质量、安全性以及性能开展审查，并且输出相关的改进建议 第6步：/ship AI 执行 Git 提交、CI/CD 流程以及发布上线的工作

每一个步骤都有明确的完成标准，AI 不能够跳步去开展工作。

四、适合谁用

强烈推荐

1. 重度运用 AI 编码工具的开发者

要是你每天都在使用 Claude Code、Cursor、Copilot 这类工具，并且时常碰到"AI 生成的代码质量不稳定"的问题，那么 Agent Skills 几乎是必须安装的项目。它可以把 AI 从"聪明的实习生"升级为"有纪律的协作工程师"。

2. 团队技术负责人（Tech Lead）

要是你在带领团队，并且团队已经开始运用 AI 辅助开发的话，Agent Skills 就可以作为团队的"AI 编码规范"来使用。它可以确保所有成员在使用 AI 的时候，输出的内容都遵循统一的工程标准，而不是各自写出风格各异的"Vibe Code"。

3. 开展 AI Agent 平台以及开发助手产品相关工作的人员

要是你正在开发 Agent 平台、编程助手或是自动化研发工具，那么这个仓库 addyosmani/agent-skills 几乎是必看的参考实现。它的技能组织方式、反偷懒机制以及渐进式加载设计，都是可以直接借鉴的架构模式。

4. 后端 / DevOps / 基础设施工程师

这类岗位对于流程的准确性、安全性以及可验证性的要求都极高。Agent Skills 所内置的测试驱动开发、安全加固以及 CI/CD 规范，恰好就是这类场景当中最需要的约束条件。

可以关注，但并非刚需

5. 前端开发者 / 全栈开发者

要是你主要从事前端相关工作的话，Agent Skills 当中的frontend-ui-engineering、browser-testing等技能会带来直接的帮助，但该整体框架更偏向工程流程，可能需要根据实际需求来选用，而不是全量进行安装。

6. AI / LLM 研究者

要是你研究 Prompt Engineering、Tool Use 以及 Agent Workflow 的话，Agent Skills 是一个非常好的案例，它展示了如何从"提示词工程"升级到"技能工程"。但要是你只做模型研究而不开展应用落地工作，它的直接价值就比较有限。

不太适宜

7. 偶尔用 AI 写代码的轻度用户

要是你只是偶尔让 AI 帮忙写个脚本或者生成一段代码的话，安装一整套工程技能框架可能有点"杀鸡用牛刀"。你更需要做的是把 AI 生成的内容自己审查一遍，而不是引入一整套流程约束。

8. 期望"一键产出成品"的人

Agent Skills 并不是魔法按钮，它不会让 AI 自动替你完成所有的工作。它更像是一套规范以及流程，需要你去理解并且配合着来使用。要是你希望安装之后 AI 就能独立交付生产级别的代码，大概率会感到失望。

五、总结