几周前我自己也被一个问题折腾得够呛——同样的AI看网上别人用起来像开了外挂既能自动跑测试又能按规范写代码换到自己手里却只会给一堆正确的废话。后来对了几轮日志和数据才发现差距根本不在模型智力差就差在“skills”这个词上。所谓skills就是一组预置好的指令模板加执行流程告诉AI“遇到什么任务先做什么再做什么输出按什么格式来”AI照着这套固定剧本去干活效率和稳定性立刻不一样。这篇文章就把我研究、手写、以及在Claude Code、Codex这类工具里折腾skills的经验全部摊开来讲包括怎么从GitHub手动装技能、哪些开源skills真的值得用、怎么拆解一份好技能的内部结构以及我自己踩过的路径错误和触发失败问题。无论你是在搞前端开发、数学建模还是刚接触AI编程没多久看到最后应该都能拼出自己的第一份技能库。1. Skills到底是什么AI不蠢但它需要一本“标准操作规程”“skills”这个概念的翻译很妙中文里通常叫“技能包”或“技能”但我更喜欢把它理解为给AI入职时发的那本《岗位标准操作规程》。通用对话模型像个聪明但毫无经验的新人你问他什么他都能答得有模有样可一旦让他负责端到端的完整任务他就会犯老油条通病跳过校验、不按统一格式输出、做着做着跑去写不相关的东西。而Skills的作用就是把这个新人的行为约束成一套可靠流程。1.1 不是“提示词”换个名字这么简单很多人会把skills误解成长一点、写得更细的prompt这就大错特错了。我拆解过几份优质技能包发现一份规范的技能通常包含五个层面结构化元信息一个YAML风格的文件头写下技能名、适用场景、触发条件描述。这部分是给AI看的“索引”让它在任务来临时判断要不要启用这个技能。分步执行流程核心正文按“先做什么、后做什么、什么情况下跳到哪一步”的顺序描述整个操作链路。输入输出模板要求AI按格式交付比如生成论文时先给摘要框架生成前端组件时先给props定义。可调用的脚本/工具很多高级技能包会挂载独立脚本AI在流程中主动调用它们执行计算、批处理或文件操作。参考示例一两条完整的输入到输出案例相当于给AI“对着答案模仿”比自己脑补输出格式靠谱得多。换句话说提示词是“说一次要求”技能是“写一份长期生效的岗位说明书”。真正好的技能包能让同一个模型的能力往上拉一个台阶。1.2 三类最常见的适用范围我在实际项目里把skills的用途分成三大类想清楚自己需要哪一类后面配技能的时候就不会盲目堆量流程约束型这类技能管“过程”。比如要求AI收到需求先写测试用例再写实现代码或者写完代码必须跑一遍静态检查。典型如很多团队内部搞的“全栈开发流程”技能包。领域标准型这类技能管“专业度”。比如数学建模的论文排版、数据可视化的图表规范、前端项目的组件设计规范。AI有了技能生成的代码或文档会天然符合领域习惯。效率放大型这类技能管“批量执行”。比如一次处理一百张图片、自动化重构多个文件通过在技能里挂脚本把重复劳动抽成固定流程。建议新手入门第一件事不是疯狂找技能而是先画一张自己的工作流程图问自己“哪一步最耗时、最容易翻车”然后针对这一步去找对应的技能。效率一定比一次性装二十个技能好得多。2. 从哪找Skills常用源站点与分发渠道真正做AI编程的人都知道一个好技能包的价值不亚于一个小型工具库。那么问题来了到底去哪找我平时主要扫五个渠道基本能覆盖九成以上的需求。2.1 官方技能目录与生态市场现在主流的编程智能体都有自己的技能分发站。Claude Code官方维护的Skills市场里有不少精品质量可靠更新也勤Codex这边则有一批社区维护的awesome-codex-skills仓库把各种技能按“代码审查、测试生成、数据处理”等主题做了分类。这里建议养成一个习惯同一个技能如果官方市场里有优先用官方版别急着用个人维护的版本后面我会讲到为什么。2.2 GitHub搜索的“捡漏”技巧GitHub上的skills生态是整个生态里最庞大的但搜索是个技术活。直接搜“skills”出来的结果太杂我推荐按这个模式搜[目标工具] skills 关键词 比如codex skills 数学建模搜到仓库后别急着stars或clone先看三样东西最后更新时间超过半年没更新的项目很可能是旧的格式装了也没用。README里有没有明确写支持的工具版本没写的默认兼容性存疑。仓库里有没有真实的skill.md或类似格式文件而不是只有一张效果截图。2.3 从工程团队博客里“偷师”很多大厂或开源团队会把自己的内部技能包挑一部分公开到博客、技术社区质量往往比散装的高一个档次。比如前端方向搜“React skills mcp”、数学方向搜“数学建模 agent skills”都能找到一些硬货。有个小技巧用“文件名搜索”功能直接搜skill.md或SKILL.md这类文件名能精准定位到存有技能文件的仓库避开口水文。渠道优点缺点适合谁官方市场质量高、及时更新、格式标准数量相对少、某些领域空白新手、生产环境用户GitHub开源仓库数量庞大、场景覆盖广质量参差、需自行甄别有经验、肯花时间踩坑的人技术博客/论坛有实战背景、附带讲解不成体系、寻找成本高想学经验、理解原理的人微信群/社区分享更新快、有真人反馈难以追溯来源、易过期快速尝鲜的玩家官方文档附带的示例与工具兼容性最强通用性偏低刚上手、先跑通流程的人3. 手动安装GitHub上的Skills五步搞定你现在大概率已经看中了一个GitHub上的skills仓库但网上很多教程写的都是“装好即用”的爽文没人告诉你具体怎么手动安装、放在哪个目录才算生效。这一节以Claude Code和Codex CLI为例手把手拆解安装流程。两种工具路径不同、逻辑相通学会了基本能举一反三。3.1 以Claude Code为例目录结构即安装Claude Code对skills的加载逻辑很简单它会在固定的几个目录里扫描技能子目录然后读取里面的技能说明文件。通常我们要把技能放在全局目录~/.claude/skills/下面。这是全项目生效的适合放日常通用技能。项目级目录.claude/skills/。跟在当前项目里适合放和项目强相关的规范类技能。插件目录通过插件机制安装通常和CLAUDE插件体系绑定适合已有插件管理习惯的用户。手动安装一共就五步第一步创建目录。如果不存在就建一下mkdir -p ~/.claude/skills第二步把GitHub仓库克隆到技能目录下git clone https://github.com/xxx/skill-前端规范.git ~/.claude/skills/前端规范注意一点技能目录结构有讲究。Claude Code在扫描时会去找skill.md或SKILL.md所在的那一层作为技能的根目录所以克隆下来后先看一眼仓库内部结构。如果仓库本来就是按“一个技能一个目录”组织的可以直接丢进去如果仓库里还套着一层文件夹就需要调整一下位置把技能根目录提升到~/.claude/skills/下面。第三步核对技能文件。确保技能目录里有说明文件没有的话自己对格式不熟就先别折腾换个成熟项目。ls ~/.claude/skills/前端规范 # 期望看到类似 skill.md 或 SKILL.md第四步重启CLI会话。这一步很多人会漏。Claude Code在启动和重开会话时扫描技能目录装完技能以后如果当前会话还开着它不会有感知。重启一下就自动加载了。第五步验证激活。随便找个任务试一下比如让它输出一段带规范的代码看它有没有按照技能里的要求约束自己。或者直接问当前会话加载了哪些技能AI如果答得出来说明安装成功。3.2 以Codex CLI为例插件市场与本地加载Codex的skills体系比Claude Code更强调插件化管理早期要通过fork官方仓库再更换源的方式安装现在版本一般支持直接在配置里指向本地路径或远程源。常见做法有两种方式A把技能克隆到本地插件目录mkdir -p ~/.codex/skills git clone https://github.com/xxx/codex-skill-数据清洗.git ~/.codex/skills/数据清洗然后在Codex配置文件里把该目录加入skills搜索路径。方式B使用插件命令添加远程技能源。现在不少Codex版本都集成了plugin add这类的命令可以直接把仓库注册为插件比手动改配置省事得多。我个人的建议是能用命令就用命令少手改配置文件。配置文件的格式一旦和版本不匹配报错信息往往非常隐晦排查起来比安装还痛苦。3.3 细说安装时的目录结构与兼容性这里我要说一个多次踩坑后才明白的细节技能仓库的目录结构决定了安装的成败。我见过一些仓库长这样repo-root/ ├── skills/ │ ├── frontend-gen/ │ │ ├── SKILL.md │ │ └── template/这种包了一层skills目录的仓库如果直接整个clone到技能目录AI是找不到技能的因为技能根目录浅了一级。正确的做法是把frontend-gen这个子目录搬到技能目录根下git clone https://github.com/xxx/repo-front.git mv repo-front/skills/frontend-gen ~/.claude/skills/还要盯紧版本兼容性。不同版本的Claude Code或Codex对技能格式的解析有细微差异。旧版能读的YAML字段在新版里可能被当作非法结构静默忽略。装完以后如果发现AI完全不理会技能内容别急着怀疑技能写得差先检查当前工具的版本号和在官方文档里有没有格式变更说明。3.4 安装多个技能时的优先级与冲突技能装多了之后真正的坑是在“触发冲突”上。比如你装了一个“全栈开发规范”技能又装了一个“写React组件”技能两个技能都声称自己对前端开发任务有处置权AI激活技能的时候就会纠结结果可能两边都沾一点最后输出反而变花。我的实操规则有两条相同领域的技能严格控制在两个以内一个通用的、一个特定于当前项目的。如果发生了冲突优先删掉那个描述写得更泛的技能。因为技能的description写得越宽泛AI越容易误触发它。4. 热门Skills推荐按场景盘点前面讲的是怎么装现在聊点实用的到底哪些skills值得装。市面上的列表看着很长但相当一部分是重复造轮子。我按自己的使用频率和真实效果筛出了下面这个清单。4.1 万能进门款superpower skills在GitHub上star量非常高的一个技能合集名字起得很有商业感内容也确实丰富。它把很多常用工作流都封装成了技能比如写文档、改代码、做计划、代码审查、重构建议等。它的特点是把“任务模板”做得很细致模型读取之后会按步骤输出。适合什么场景如果你是刚转型AI辅助编程、不知道如何约束模型行为的阶段用它当教学素材是不错的。它相当于一本“提问方法论”的实例集读它的技能文件本身就能学到很多引导模型的措辞技巧。但我不建议把它整个卸载或全部无脑加载。实测下来一次性加载全部技能会让每次对话的开销变大响应也会变慢。更好的用法是挑其中三五个和当前工作匹配的技能单独保留其余删掉。4.2 前端开发少而精的组件生成与规范类技能前端方向的优秀skills有一个共性只管“编码规范”不管“业务逻辑”。我比较推荐那种能把AI生成出来的JSX绑定到你团队代码风格上的技能比如强制要求函数式组件、统一state管理方式、自动补齐props类型检查。这比每次在prompt里反复强调“记得写类型”省心得多。动手做过的朋友应该有同感AI写前端页面“形似而神不似”是常态光有UI框架状态管理混乱、事件绑定bind丢失、样式内联写死。好的前端技能包会在流程里加入“先画组件树→再写数据流→最后填充UI”这三步配合组件模板成品率能提高不少。4.3 数学建模与竞赛方向华为杯也能用的实战技能数学建模类skills在今年的热度很高尤其是华为杯和其他建模竞赛期间Q群和论坛里能翻到一堆号称“秒杀级”的技能包。这里提醒一句AI在建模比赛里真正的价值不是替你推导模型而是帮你把论文写作、绘图、公式排版和代码一致性拆成流程。靠谱的建模技能包一般包含这几个子技能论文排版助手按学术论文三线表要求输出表格、公式编号、引用格式。模型选择引导根据问题类型列出可选模型库及其适用条件引导AI自主推理而不是瞎编。数据清洗流水线给出典型的数据预处理步骤比如缺失值、异常值、归一化。可视化规范规定配色、坐标轴标注、图例风格确保图表直接能用又不花哨。我对这类技能包的建议是只装流程类、不装代写类。直接让AI“代写完整建模论文”的技能包大多质量低劣违规风险也高。真正值得投入时间的是让它帮你规范流程和提升文档质量。4.4 其他高频场景AI漫剧、Codex Nature、Typesafe AI搜热词时我注意到AI漫剧相关skills也很火主要功能是指引AI批量生成分镜、角色设定、台词脚本本质上是一套创作流程模板。这类技能对发散创作帮助很大但要注意版权风险。至于Codex Nature和Typesafe AI这两个名字会同时出现在热词里前者是社区里给Codex定制的一批偏底层能力的技能后者是一套带类型约束的AI开发工具链。如果你还没到深度定制阶段这两个可以先收藏、不急着装。技能包名称适用方向实际体验感受推荐程度superpower skills通用工作流提效内容多而全适合拆解学习四星前端工程化技能包React/Vue组件与流程能显著提升规范一致性四星数学建模流程包论文写作与数据处理流程化效果好代写类风险高三星半AI漫剧创作技能集创意写作与分镜生成花样多、质量参差两星半私有项目专属技能一切按需定制最稳、最贴合自身工作流五星5. 手写一个自己的Skills从0到1的编写指南依赖别人维护的开源技能包总有不顺手的地方真正提高效率的时刻是亲手定制一个属于自己的技能。这一节我会用“前端代码生成”这个例子带你走完技能编写全流程。整个过程中最核心的文件是SKILL.md它定义了你希望AI遵循的规则和完成任务的步骤。5.1 Skill.md文件头让AI知道何时用、怎么用任何一个技能文件开头都应该有一段YAML格式的元信息。我用过的最简洁有效版本长这样--- name: frontend-component-gen description: 根据用户需求生成符合团队规范的前端组件包含组件结构、样式、类型定义。 ---这里最关键的字段是description。它决定AI会不会在碰到任务时“想起”这个技能。描述写得越具体AI识别得越准。举两个对比差劲的描述帮助生成前端代码。靠谱的描述当用户要求创建React组件时使用此技能输出组件、样式、类型定义和单元测试骨架。第二句话里包含了“触发场景”React组件创建和“输出内容”组件、样式、类型、测试骨架AI一读到就能对号入座。5.2 分步流程把AI当作一个需要SOP的新人文件头往下就是技能正文。这段文字重点不是“写得华丽”而是“步骤清楚到没有任何歧义”。我第一次写技能就犯了个错太信任模型的推理能力写了一堆目标性的句子比如“设计一个可维护的组件结构”。结果生成的东西五花八门。后来改为强流程的写法## 执行步骤 1. 首先询问组件的需求细节包括输入props、交互行为和视觉要求。如果用户描述已足够清晰可以跳过询问直接开始。 2. 创建组件文件使用function声明默认导出组件。 3. 定义TypeScript接口所有props必须有完整类型禁止使用any。 4. 创建同目录下的style文件使用CSS Modules方案类名统一语义化命名。 5. 在代码中补充基础单元测试至少覆盖默认状态和交互行为。 6. 最后读一遍生成的代码检查是否有未使用的变量和未处理的边界情况发现问题直接修复。注意到没我用了“首先、然后、最后”这种带顺序的引导词。模型的指示跟随能力在长文本里可靠但前提是顺序足够明确。如果某个步骤是可选的一定要写清楚触发条件比如“如果用户没有提出自定义样式需求则使用默认样式”。把模糊地带全堵上技能才能稳定。5.3 加脚本、模板与示例让技能“活起来”文字描述只是技能的骨架真正的战斗力来自挂载的脚本和模板。比如前端组件生成技能可以在技能目录里内置一个component.template.tsx文件里面写好组件的标准骨架再让AI在步骤里“读取模板文件按模板生成新组件”。这样就算AI那天状态不佳输出的结构也不会偏到哪去。文件目录可以设计成frontend-component-gen/ ├── SKILL.md ├── template/ │ ├── component.tsx.template │ └── component.test.tsx.template └── scripts/ └── generate.js目录弄好之后写完整套内容放到~/.claude/skills/frontend-component-gen/下重启会话测试触发器是否生效。老规矩先拿自己真实项目跑一遍看看AI的输出有没有遵循技能里的步骤。如果没有先查技能描述有没有被正确加载。5.4 技能调试的反馈闭环每次让AI按新技能执行完任务我都建议立刻给它一句反馈“严格按照技能frontend-component-gen里的步骤执行了吗如果没执行请说明原因。”这句话看着简单却能逼着AI复盘自己是否偏离了流程。通过几次迭代技能文件的措辞会越来越准触发率也会越来越高。6. 常见问题与排查技巧实录玩skills到现在我可以说自己在这上面踩过的坑比写过的功能代码都多。这一节整理几个高频问题顺便把排查思路完整给出来。6.1 装了技能但AI完全不理会这是最常见的翻车现场。排查步骤按顺序来先确认技能目录和文件名是否正确。技能根目录下必须有一个可被识别的技能描述文件文件名大小写和不同工具的要求可能不完全一致最好显式查看当前工具的文档确认。确认会话已重启。很多工具只在会话开启时扫描技能目录这一点我前面提过一次但实在太容易被忽略再说一次。用调试指令列出当前已加载的技能看看目标技能是否真的被扫描到。没扫到就去查目录层级是否符合要求。检查技能描述里有没有写加入触发逻辑。描述太泛或关键词不符AI就不会激活它。6.2 多个技能互相打架典型表现是AI回答一个问题时既用了A技能的口吻又混入了B技能的术语输出变得四不像。解决办法是把同方向的技能收敛给每个子领域只保留一个“最高权威”。比如“代码生成”和“代码审查”可以共存但“生成React组件”和“生成前端页面”这两个技能就会在边界处打架。合并它们或者明确说明“React组件任务归A技能页面级任务归B技能”。6.3 响应速度变慢了技能加载多了之后每次请求都要携带大量技能内容模型的上下文消耗自然变大。我自己用了一个礼拜后才感觉到明显变慢那时装了十多个技能。清理方法很简单删除那些“听过但从未激活”的技能。怎么判断看对话历史里有哪些技能从来被AI引用过没引用过的基本可以删。关于“tibo清理skills”那个热词其实就是社区里一个流传比较广的清理方法论核心思想是“先导出技能清单、再按最近激活频率排序、把一个月内没触发过的技能统一归档”。这个思路很朴素但非常实用我也照做了一遍清理完会话明显轻快不少。6.4 同一份技能在Claude Code和Codex里表现不一致相同内容的技能文件在不同工具里表现确实会有差异。主要原因是底层模型对指令的遵循精度不一样以及技能文件的解析规则不同。我在使用中发现的规律是如果一份技能在Claude Code里要“反复强调格式”到Codex里就可以稍微简化一点更注重在描述里给出具象示例。既然工具不同技能也得做微调。迁移技能时别急着原样拷贝先读一遍目标工具的官方技能规范。6.5 技能的“效果”肉眼不可见还有一类问题技能是装了、AI也承认它被加载了但输出效果和没装之前没区别。这种情况八成是因为技能写得还不够“硬”。我见过太多新手写的技能充满了“尽量”“通常”“可以考虑”这类弱约束词。AI的倾向是随性的约束越软它越容易发挥。如果你真想让它强制走某条流程就用“必须”“禁止”“任何时候都”这种强约束句式。7. 最后的经验之谈写到这我把对skills的整体看法再沉淀一下。玩了这么久最大的体会是“技能库”和“工具箱”一样贵精不贵多。最初我以为攒得越多越全能结果库越大家里越乱。后来被迫做减法只留下和工作流强相关的七八个反而每次对话都顺滑许多。另外别指望一个技能解决所有问题技能的粒度要适中——太细的管不住全局太粗的等于没管。还有一点必须强调技能文件是你和AI之间的“契约”它不光是给AI看的也是给你看的你每隔一两周重新读一遍自己的技能文件往往就能发现当初自己手写的业务逻辑已经变了该更新的规则早就该改了。花半小时维护技能能省下后面几十个小时的无效对话。希望这篇长文能帮你把skills这块拼图真正装进自己的开发流程里。 
长河君 · 2026/10/9 7:23:42 · 阅读 1.2k AI Skills实战指南：从安装到手写技能包，提升模型编程效率
几周前我自己也被一个问题折腾得够呛——同样的AI看网上别人用起来像开了外挂既能自动跑测试又能按规范写代码换到自己手里却只会给一堆正确的废话。后来对了几轮日志和数据才发现差距根本不在模型智力差就差在“skills”这个词上。所谓skills就是一组预置好的指令模板加执行流程告诉AI“遇到什么任务先做什么再做什么输出按什么格式来”AI照着这套固定剧本去干活效率和稳定性立刻不一样。这篇文章就把我研究、手写、以及在Claude Code、Codex这类工具里折腾skills的经验全部摊开来讲包括怎么从GitHub手动装技能、哪些开源skills真的值得用、怎么拆解一份好技能的内部结构以及我自己踩过的路径错误和触发失败问题。无论你是在搞前端开发、数学建模还是刚接触AI编程没多久看到最后应该都能拼出自己的第一份技能库。1. Skills到底是什么AI不蠢但它需要一本“标准操作规程”“skills”这个概念的翻译很妙中文里通常叫“技能包”或“技能”但我更喜欢把它理解为给AI入职时发的那本《岗位标准操作规程》。通用对话模型像个聪明但毫无经验的新人你问他什么他都能答得有模有样可一旦让他负责端到端的完整任务他就会犯老油条通病跳过校验、不按统一格式输出、做着做着跑去写不相关的东西。而Skills的作用就是把这个新人的行为约束成一套可靠流程。1.1 不是“提示词”换个名字这么简单很多人会把skills误解成长一点、写得更细的prompt这就大错特错了。我拆解过几份优质技能包发现一份规范的技能通常包含五个层面结构化元信息一个YAML风格的文件头写下技能名、适用场景、触发条件描述。这部分是给AI看的“索引”让它在任务来临时判断要不要启用这个技能。分步执行流程核心正文按“先做什么、后做什么、什么情况下跳到哪一步”的顺序描述整个操作链路。输入输出模板要求AI按格式交付比如生成论文时先给摘要框架生成前端组件时先给props定义。可调用的脚本/工具很多高级技能包会挂载独立脚本AI在流程中主动调用它们执行计算、批处理或文件操作。参考示例一两条完整的输入到输出案例相当于给AI“对着答案模仿”比自己脑补输出格式靠谱得多。换句话说提示词是“说一次要求”技能是“写一份长期生效的岗位说明书”。真正好的技能包能让同一个模型的能力往上拉一个台阶。1.2 三类最常见的适用范围我在实际项目里把skills的用途分成三大类想清楚自己需要哪一类后面配技能的时候就不会盲目堆量流程约束型这类技能管“过程”。比如要求AI收到需求先写测试用例再写实现代码或者写完代码必须跑一遍静态检查。典型如很多团队内部搞的“全栈开发流程”技能包。领域标准型这类技能管“专业度”。比如数学建模的论文排版、数据可视化的图表规范、前端项目的组件设计规范。AI有了技能生成的代码或文档会天然符合领域习惯。效率放大型这类技能管“批量执行”。比如一次处理一百张图片、自动化重构多个文件通过在技能里挂脚本把重复劳动抽成固定流程。建议新手入门第一件事不是疯狂找技能而是先画一张自己的工作流程图问自己“哪一步最耗时、最容易翻车”然后针对这一步去找对应的技能。效率一定比一次性装二十个技能好得多。2. 从哪找Skills常用源站点与分发渠道真正做AI编程的人都知道一个好技能包的价值不亚于一个小型工具库。那么问题来了到底去哪找我平时主要扫五个渠道基本能覆盖九成以上的需求。2.1 官方技能目录与生态市场现在主流的编程智能体都有自己的技能分发站。Claude Code官方维护的Skills市场里有不少精品质量可靠更新也勤Codex这边则有一批社区维护的awesome-codex-skills仓库把各种技能按“代码审查、测试生成、数据处理”等主题做了分类。这里建议养成一个习惯同一个技能如果官方市场里有优先用官方版别急着用个人维护的版本后面我会讲到为什么。2.2 GitHub搜索的“捡漏”技巧GitHub上的skills生态是整个生态里最庞大的但搜索是个技术活。直接搜“skills”出来的结果太杂我推荐按这个模式搜[目标工具] skills 关键词 比如codex skills 数学建模搜到仓库后别急着stars或clone先看三样东西最后更新时间超过半年没更新的项目很可能是旧的格式装了也没用。README里有没有明确写支持的工具版本没写的默认兼容性存疑。仓库里有没有真实的skill.md或类似格式文件而不是只有一张效果截图。2.3 从工程团队博客里“偷师”很多大厂或开源团队会把自己的内部技能包挑一部分公开到博客、技术社区质量往往比散装的高一个档次。比如前端方向搜“React skills mcp”、数学方向搜“数学建模 agent skills”都能找到一些硬货。有个小技巧用“文件名搜索”功能直接搜skill.md或SKILL.md这类文件名能精准定位到存有技能文件的仓库避开口水文。渠道优点缺点适合谁官方市场质量高、及时更新、格式标准数量相对少、某些领域空白新手、生产环境用户GitHub开源仓库数量庞大、场景覆盖广质量参差、需自行甄别有经验、肯花时间踩坑的人技术博客/论坛有实战背景、附带讲解不成体系、寻找成本高想学经验、理解原理的人微信群/社区分享更新快、有真人反馈难以追溯来源、易过期快速尝鲜的玩家官方文档附带的示例与工具兼容性最强通用性偏低刚上手、先跑通流程的人3. 手动安装GitHub上的Skills五步搞定你现在大概率已经看中了一个GitHub上的skills仓库但网上很多教程写的都是“装好即用”的爽文没人告诉你具体怎么手动安装、放在哪个目录才算生效。这一节以Claude Code和Codex CLI为例手把手拆解安装流程。两种工具路径不同、逻辑相通学会了基本能举一反三。3.1 以Claude Code为例目录结构即安装Claude Code对skills的加载逻辑很简单它会在固定的几个目录里扫描技能子目录然后读取里面的技能说明文件。通常我们要把技能放在全局目录~/.claude/skills/下面。这是全项目生效的适合放日常通用技能。项目级目录.claude/skills/。跟在当前项目里适合放和项目强相关的规范类技能。插件目录通过插件机制安装通常和CLAUDE插件体系绑定适合已有插件管理习惯的用户。手动安装一共就五步第一步创建目录。如果不存在就建一下mkdir -p ~/.claude/skills第二步把GitHub仓库克隆到技能目录下git clone https://github.com/xxx/skill-前端规范.git ~/.claude/skills/前端规范注意一点技能目录结构有讲究。Claude Code在扫描时会去找skill.md或SKILL.md所在的那一层作为技能的根目录所以克隆下来后先看一眼仓库内部结构。如果仓库本来就是按“一个技能一个目录”组织的可以直接丢进去如果仓库里还套着一层文件夹就需要调整一下位置把技能根目录提升到~/.claude/skills/下面。第三步核对技能文件。确保技能目录里有说明文件没有的话自己对格式不熟就先别折腾换个成熟项目。ls ~/.claude/skills/前端规范 # 期望看到类似 skill.md 或 SKILL.md第四步重启CLI会话。这一步很多人会漏。Claude Code在启动和重开会话时扫描技能目录装完技能以后如果当前会话还开着它不会有感知。重启一下就自动加载了。第五步验证激活。随便找个任务试一下比如让它输出一段带规范的代码看它有没有按照技能里的要求约束自己。或者直接问当前会话加载了哪些技能AI如果答得出来说明安装成功。3.2 以Codex CLI为例插件市场与本地加载Codex的skills体系比Claude Code更强调插件化管理早期要通过fork官方仓库再更换源的方式安装现在版本一般支持直接在配置里指向本地路径或远程源。常见做法有两种方式A把技能克隆到本地插件目录mkdir -p ~/.codex/skills git clone https://github.com/xxx/codex-skill-数据清洗.git ~/.codex/skills/数据清洗然后在Codex配置文件里把该目录加入skills搜索路径。方式B使用插件命令添加远程技能源。现在不少Codex版本都集成了plugin add这类的命令可以直接把仓库注册为插件比手动改配置省事得多。我个人的建议是能用命令就用命令少手改配置文件。配置文件的格式一旦和版本不匹配报错信息往往非常隐晦排查起来比安装还痛苦。3.3 细说安装时的目录结构与兼容性这里我要说一个多次踩坑后才明白的细节技能仓库的目录结构决定了安装的成败。我见过一些仓库长这样repo-root/ ├── skills/ │ ├── frontend-gen/ │ │ ├── SKILL.md │ │ └── template/这种包了一层skills目录的仓库如果直接整个clone到技能目录AI是找不到技能的因为技能根目录浅了一级。正确的做法是把frontend-gen这个子目录搬到技能目录根下git clone https://github.com/xxx/repo-front.git mv repo-front/skills/frontend-gen ~/.claude/skills/还要盯紧版本兼容性。不同版本的Claude Code或Codex对技能格式的解析有细微差异。旧版能读的YAML字段在新版里可能被当作非法结构静默忽略。装完以后如果发现AI完全不理会技能内容别急着怀疑技能写得差先检查当前工具的版本号和在官方文档里有没有格式变更说明。3.4 安装多个技能时的优先级与冲突技能装多了之后真正的坑是在“触发冲突”上。比如你装了一个“全栈开发规范”技能又装了一个“写React组件”技能两个技能都声称自己对前端开发任务有处置权AI激活技能的时候就会纠结结果可能两边都沾一点最后输出反而变花。我的实操规则有两条相同领域的技能严格控制在两个以内一个通用的、一个特定于当前项目的。如果发生了冲突优先删掉那个描述写得更泛的技能。因为技能的description写得越宽泛AI越容易误触发它。4. 热门Skills推荐按场景盘点前面讲的是怎么装现在聊点实用的到底哪些skills值得装。市面上的列表看着很长但相当一部分是重复造轮子。我按自己的使用频率和真实效果筛出了下面这个清单。4.1 万能进门款superpower skills在GitHub上star量非常高的一个技能合集名字起得很有商业感内容也确实丰富。它把很多常用工作流都封装成了技能比如写文档、改代码、做计划、代码审查、重构建议等。它的特点是把“任务模板”做得很细致模型读取之后会按步骤输出。适合什么场景如果你是刚转型AI辅助编程、不知道如何约束模型行为的阶段用它当教学素材是不错的。它相当于一本“提问方法论”的实例集读它的技能文件本身就能学到很多引导模型的措辞技巧。但我不建议把它整个卸载或全部无脑加载。实测下来一次性加载全部技能会让每次对话的开销变大响应也会变慢。更好的用法是挑其中三五个和当前工作匹配的技能单独保留其余删掉。4.2 前端开发少而精的组件生成与规范类技能前端方向的优秀skills有一个共性只管“编码规范”不管“业务逻辑”。我比较推荐那种能把AI生成出来的JSX绑定到你团队代码风格上的技能比如强制要求函数式组件、统一state管理方式、自动补齐props类型检查。这比每次在prompt里反复强调“记得写类型”省心得多。动手做过的朋友应该有同感AI写前端页面“形似而神不似”是常态光有UI框架状态管理混乱、事件绑定bind丢失、样式内联写死。好的前端技能包会在流程里加入“先画组件树→再写数据流→最后填充UI”这三步配合组件模板成品率能提高不少。4.3 数学建模与竞赛方向华为杯也能用的实战技能数学建模类skills在今年的热度很高尤其是华为杯和其他建模竞赛期间Q群和论坛里能翻到一堆号称“秒杀级”的技能包。这里提醒一句AI在建模比赛里真正的价值不是替你推导模型而是帮你把论文写作、绘图、公式排版和代码一致性拆成流程。靠谱的建模技能包一般包含这几个子技能论文排版助手按学术论文三线表要求输出表格、公式编号、引用格式。模型选择引导根据问题类型列出可选模型库及其适用条件引导AI自主推理而不是瞎编。数据清洗流水线给出典型的数据预处理步骤比如缺失值、异常值、归一化。可视化规范规定配色、坐标轴标注、图例风格确保图表直接能用又不花哨。我对这类技能包的建议是只装流程类、不装代写类。直接让AI“代写完整建模论文”的技能包大多质量低劣违规风险也高。真正值得投入时间的是让它帮你规范流程和提升文档质量。4.4 其他高频场景AI漫剧、Codex Nature、Typesafe AI搜热词时我注意到AI漫剧相关skills也很火主要功能是指引AI批量生成分镜、角色设定、台词脚本本质上是一套创作流程模板。这类技能对发散创作帮助很大但要注意版权风险。至于Codex Nature和Typesafe AI这两个名字会同时出现在热词里前者是社区里给Codex定制的一批偏底层能力的技能后者是一套带类型约束的AI开发工具链。如果你还没到深度定制阶段这两个可以先收藏、不急着装。技能包名称适用方向实际体验感受推荐程度superpower skills通用工作流提效内容多而全适合拆解学习四星前端工程化技能包React/Vue组件与流程能显著提升规范一致性四星数学建模流程包论文写作与数据处理流程化效果好代写类风险高三星半AI漫剧创作技能集创意写作与分镜生成花样多、质量参差两星半私有项目专属技能一切按需定制最稳、最贴合自身工作流五星5. 手写一个自己的Skills从0到1的编写指南依赖别人维护的开源技能包总有不顺手的地方真正提高效率的时刻是亲手定制一个属于自己的技能。这一节我会用“前端代码生成”这个例子带你走完技能编写全流程。整个过程中最核心的文件是SKILL.md它定义了你希望AI遵循的规则和完成任务的步骤。5.1 Skill.md文件头让AI知道何时用、怎么用任何一个技能文件开头都应该有一段YAML格式的元信息。我用过的最简洁有效版本长这样--- name: frontend-component-gen description: 根据用户需求生成符合团队规范的前端组件包含组件结构、样式、类型定义。 ---这里最关键的字段是description。它决定AI会不会在碰到任务时“想起”这个技能。描述写得越具体AI识别得越准。举两个对比差劲的描述帮助生成前端代码。靠谱的描述当用户要求创建React组件时使用此技能输出组件、样式、类型定义和单元测试骨架。第二句话里包含了“触发场景”React组件创建和“输出内容”组件、样式、类型、测试骨架AI一读到就能对号入座。5.2 分步流程把AI当作一个需要SOP的新人文件头往下就是技能正文。这段文字重点不是“写得华丽”而是“步骤清楚到没有任何歧义”。我第一次写技能就犯了个错太信任模型的推理能力写了一堆目标性的句子比如“设计一个可维护的组件结构”。结果生成的东西五花八门。后来改为强流程的写法## 执行步骤 1. 首先询问组件的需求细节包括输入props、交互行为和视觉要求。如果用户描述已足够清晰可以跳过询问直接开始。 2. 创建组件文件使用function声明默认导出组件。 3. 定义TypeScript接口所有props必须有完整类型禁止使用any。 4. 创建同目录下的style文件使用CSS Modules方案类名统一语义化命名。 5. 在代码中补充基础单元测试至少覆盖默认状态和交互行为。 6. 最后读一遍生成的代码检查是否有未使用的变量和未处理的边界情况发现问题直接修复。注意到没我用了“首先、然后、最后”这种带顺序的引导词。模型的指示跟随能力在长文本里可靠但前提是顺序足够明确。如果某个步骤是可选的一定要写清楚触发条件比如“如果用户没有提出自定义样式需求则使用默认样式”。把模糊地带全堵上技能才能稳定。5.3 加脚本、模板与示例让技能“活起来”文字描述只是技能的骨架真正的战斗力来自挂载的脚本和模板。比如前端组件生成技能可以在技能目录里内置一个component.template.tsx文件里面写好组件的标准骨架再让AI在步骤里“读取模板文件按模板生成新组件”。这样就算AI那天状态不佳输出的结构也不会偏到哪去。文件目录可以设计成frontend-component-gen/ ├── SKILL.md ├── template/ │ ├── component.tsx.template │ └── component.test.tsx.template └── scripts/ └── generate.js目录弄好之后写完整套内容放到~/.claude/skills/frontend-component-gen/下重启会话测试触发器是否生效。老规矩先拿自己真实项目跑一遍看看AI的输出有没有遵循技能里的步骤。如果没有先查技能描述有没有被正确加载。5.4 技能调试的反馈闭环每次让AI按新技能执行完任务我都建议立刻给它一句反馈“严格按照技能frontend-component-gen里的步骤执行了吗如果没执行请说明原因。”这句话看着简单却能逼着AI复盘自己是否偏离了流程。通过几次迭代技能文件的措辞会越来越准触发率也会越来越高。6. 常见问题与排查技巧实录玩skills到现在我可以说自己在这上面踩过的坑比写过的功能代码都多。这一节整理几个高频问题顺便把排查思路完整给出来。6.1 装了技能但AI完全不理会这是最常见的翻车现场。排查步骤按顺序来先确认技能目录和文件名是否正确。技能根目录下必须有一个可被识别的技能描述文件文件名大小写和不同工具的要求可能不完全一致最好显式查看当前工具的文档确认。确认会话已重启。很多工具只在会话开启时扫描技能目录这一点我前面提过一次但实在太容易被忽略再说一次。用调试指令列出当前已加载的技能看看目标技能是否真的被扫描到。没扫到就去查目录层级是否符合要求。检查技能描述里有没有写加入触发逻辑。描述太泛或关键词不符AI就不会激活它。6.2 多个技能互相打架典型表现是AI回答一个问题时既用了A技能的口吻又混入了B技能的术语输出变得四不像。解决办法是把同方向的技能收敛给每个子领域只保留一个“最高权威”。比如“代码生成”和“代码审查”可以共存但“生成React组件”和“生成前端页面”这两个技能就会在边界处打架。合并它们或者明确说明“React组件任务归A技能页面级任务归B技能”。6.3 响应速度变慢了技能加载多了之后每次请求都要携带大量技能内容模型的上下文消耗自然变大。我自己用了一个礼拜后才感觉到明显变慢那时装了十多个技能。清理方法很简单删除那些“听过但从未激活”的技能。怎么判断看对话历史里有哪些技能从来被AI引用过没引用过的基本可以删。关于“tibo清理skills”那个热词其实就是社区里一个流传比较广的清理方法论核心思想是“先导出技能清单、再按最近激活频率排序、把一个月内没触发过的技能统一归档”。这个思路很朴素但非常实用我也照做了一遍清理完会话明显轻快不少。6.4 同一份技能在Claude Code和Codex里表现不一致相同内容的技能文件在不同工具里表现确实会有差异。主要原因是底层模型对指令的遵循精度不一样以及技能文件的解析规则不同。我在使用中发现的规律是如果一份技能在Claude Code里要“反复强调格式”到Codex里就可以稍微简化一点更注重在描述里给出具象示例。既然工具不同技能也得做微调。迁移技能时别急着原样拷贝先读一遍目标工具的官方技能规范。6.5 技能的“效果”肉眼不可见还有一类问题技能是装了、AI也承认它被加载了但输出效果和没装之前没区别。这种情况八成是因为技能写得还不够“硬”。我见过太多新手写的技能充满了“尽量”“通常”“可以考虑”这类弱约束词。AI的倾向是随性的约束越软它越容易发挥。如果你真想让它强制走某条流程就用“必须”“禁止”“任何时候都”这种强约束句式。7. 最后的经验之谈写到这我把对skills的整体看法再沉淀一下。玩了这么久最大的体会是“技能库”和“工具箱”一样贵精不贵多。最初我以为攒得越多越全能结果库越大家里越乱。后来被迫做减法只留下和工作流强相关的七八个反而每次对话都顺滑许多。另外别指望一个技能解决所有问题技能的粒度要适中——太细的管不住全局太粗的等于没管。还有一点必须强调技能文件是你和AI之间的“契约”它不光是给AI看的也是给你看的你每隔一两周重新读一遍自己的技能文件往往就能发现当初自己手写的业务逻辑已经变了该更新的规则早就该改了。花半小时维护技能能省下后面几十个小时的无效对话。希望这篇长文能帮你把skills这块拼图真正装进自己的开发流程里。