从写提示词到装技能包：Skills重塑AI编程

文章配图

🧰 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

如果你平时用 Cursor、Claude Code 或 Codex 写代码，大概率经历过这样的瞬间：

你让 AI 重构某个模块，它一口气改了三个文件，格式乱了、测试没跑，最后还信心十足地汇报“已完成”。等你打开 diff，血压当场就上来了。

症结其实不在模型不够聪明，而在于它压根不了解你项目的规范、代码风格和测试约定，于是每一轮对话你都得从头解释一遍。

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，大家的办法是写提示词：“你是一位资深 Python 工程师，请遵循 PEP8……”AI 照做了，可下一轮对话又忘得一干二净。

2025 年，开始流行在项目根目录放一份 AGENTS.md，告诉 AI“本项目用 pnpm 不用 npm，测试用 vitally 不用 jest”。AI 每轮对话都会读它，情况好多了，但仍然不够。

到了 2026 年，玩法变成了装技能包。Skills 是可复用、可分享、可组合的 AI 能力单元：你把“写测试”“重构”“安全审计”“文档生成”各自做成一个 Skill，让 AI 按需调用。

三者差别在哪？提示词是你要反复念叨的话，AGENTS.md 是项目级的静态配置，而 Skills 则是按需加载的能力插件——它有输入输出约定、有执行步骤、也有质量校验，本质上像一个写给 AI 用的函数。

📍 Skills vs MCP vs AGENTS.md：三层是什么关系

这三个概念经常被混为一谈，其实一句话就能说清：

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 的本质是一份结构化的 Markdown 文件，用来描述任务类型、执行步骤与质量标准。

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

文章配图

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

把这份文件丢进项目的 .skills/ 目录，或者放进全局技能库，之后 AI 一旦遇到“review this code”或“代码审查”，就会自动加载并照着步骤执行。

这里的关键是：Skill 的价值并不在于“告诉 AI 做什么”（审查代码模型本来就会），而在于“把 AI 怎么做这件事的标准和流程固定下来”。没有 Skill，AI 每次审查的尺子都不一样；有了 Skill，每次都按同样的维度检查、用同样的格式输出。

📍 为什么GitHub Trending被Skills霸榜

9 月 7 日的 GitHub Trending 显示，15 个上榜仓库里有 12 个与 AI Agent 相关，其中排在前三的是：

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，先挑一个平台。Cursor、Claude Code、Codex 都已经支持 Skills；如果你用 Cursor，在设置里找到 Skills 的配置目录即可。

第二步，从别人的 Skill 起步，别一上来就从零写。去 mattpocock/skills 仓库挑几个契合你技术栈的放进项目先用，用顺手了再做定制。

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

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"
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
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
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"
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