Skills 生态半年大复盘从 Anthropic 爆火到 OpenAI 下场、腾讯建站标准之战已开打【免费下载链接】skillsSkills Catalog for Codex项目地址: https://gitcode.com/GitHub_Trending/skills4/skills如果你在 2025 年底问一个 AI 开发者MCP 之后下一个火的是什么大概率得到的答案是无所适从而到了 2026 年夏天这个问题已经有了公认的答案Agent Skills。它火到什么程度2026 年 2 月有博主写下热度不亚于去年的 MCP2026 年 7 月的 GitHub 趋势观察直接把Skills 生态爆发写进标题智源推出了首个系统性评测基准 SkillsBench安全厂商则拿出了 SkillAttack 红队框架。更关键的是这场热度背后不是单一厂商的独角戏——Anthropic 以开放标准起跑OpenAI 携 Codex 正面下场并搭建官方技能目录LangChain 在框架层把 Skills 抽象成可插拔能力单元腾讯则直接上线了中国专供的 SkillHub 技能社区。四方同台标准未定。这篇文章不打算重复那些铺天盖地的Skills 是什么教程而是做三件事用时间线还原这场爆火的拐点用仓库源码拆解四大玩家路线的技术分岔最后回答那个最现实的问题——标准未定开发者到底该怎么押注。一、先校准定义一个文件夹如何撬动生态在进入战争叙事之前先精确理解Skill到底是什么。本地仓库 README.md 给出了一个克制而准确的定义Agent Skills are folders of instructions, scripts, and resources that AI agents can discover and use to perform at specific tasks. Write once, use everywhere.写一次处处可用——这是整个生态叙事的核心承诺。一个 Skill 本质上就是一个携带SKILL.md的文件夹SKILL.md的 YAML frontmatter 里只有两个字段对 Agent 始终可见name和description它们是触发器的全部正文则是真正的行动指令仅在技能被触发后才加载。文件夹里还可以捆绑scripts/可执行代码、references/按需加载的文档、assets/输出用模板资源。仓库中 skills/.system/skill-creator/SKILL.md 把这一机制讲得更透。它提出过一个日后被广泛引用的观点The context window is a public good上下文窗口是公共资源——Skill 之所以能在不撑爆上下文的前提下被大量安装靠的是**渐进式披露Progressive Disclosure**三级加载模型元数据层只有name description常驻上下文约百词指令层技能被触发后才加载SKILL.md正文建议 5k 词、500 行以内资源层references/与scripts/按需读取脚本甚至可以不经上下文直接执行。这一设计直接回答了MCP 之后为什么还需要 SkillsMCP 解决连接——AI 怎么访问外部世界Skills 解决方法论——AI 拿到数据后按什么流程做事。前者是协议后者是封装好的过程性知识。二、逐月大事记热度拐点是怎么踩出来的把社区情报按时间轴排列可以看到一场清晰的阶梯式引爆2025 年秋酝酿期Anthropic 为 Claude 引入 Agent Skills 概念并将格式以开放标准形式放出。此时社区讨论仍停留在小圈子——2025 年 9 月已出现对 agent-skills、Superpowers、Matt Pococks skills 三大编码代理技能框架的横向对比说明技能框架的雏形已在 Claude Code 用户群中自发生长。2026 年 1 月认知扩散期中文社区开始成建制地消化这一概念。1 月 6 日出现AI Agents 的 Skills 文件详解讲透 SKILL.md 的 YAML Markdown 双段结构1 月 14 日 Obsidian Skills 项目进入大众视野1 月 21 日Skills 火了一篇带你看懂来龙去脉首次把 Skills、Rules、Commands、MCP Servers、Subagents 等一长串术语系统化梳理1 月底Vue/React/UI 三件套技能开始被前端开发者当作让 AI 代码风格统一的工程手段。2026 年 2 月引爆拐点这是整条曲线的转折月。2 月 1 日火爆全网的 Skills看这一篇就够了拿下 2.1 万阅读把 Skills 定义为超级进化版的提示词2 月 12 日前后两件事同时发生——程序员鱼皮发布40 个 Agent Skills 精选资源1.8 万阅读把 Skills 从概念普及推进到资源分发阶段同时深度技术文章开始出现CSDN 上出现了对 Anthropic Skills 三层架构L1 索引层 YAML Frontmatter / L2 指令层 SKILL.md / L3 资源层 ScriptsReferences的完整拆解。一个技术概念从被知道到被拆解标志着生态正式进入工程化阶段。2026 年 3 月—5 月应用蔓延期内容从什么是 Skills转向如何用 Skills 做架构。3 月起 CSDN 连续出现 Skills 智能体开发框架实践面向 Phi-3-vision 多模态扩展、LangChain Skills 核心解析、基于 RexUniNLU 的声明式技能注册、OpenCode 的 Skills 系统教程4—5 月甚至出现了 CANNBot Skills 三层自动化测试框架L1 单元测试 / L2 行为测试 / L3 集成测试适配 CI/CD。技能的测试化是生态成熟的关键信号——当人们开始给技能写测试说明它已被当作正经工程制品。2026 年 6 月—7 月平台下场期6 月出现前端领域 30 个值得安装的 Agent SkillsJava 技术栈 Skills 全景指南——注意Redis 官方也开始发布 Agent Skill7 月 GitHub 趋势观察直接标题Skills 生态爆发同期 Anthropic 官方技能库被社区总结为超 5 万个标准化技能包。而媒体端腾讯 SkillHub 上线的消息被财联社等冠以中国专供的 AI Skills 社区标志着这一生态正式进入中国大厂射程。2026 年夏研究期智源发布 SkillsBench——首个系统测评 Agent Skills 框架的基准安全内参报道 SkillAttack 自动化验证红队框架与 Cloudflare 开源的 AI 安全审计技能框架孙立超团队提出 OpenSkill 自进化范式谷歌则抛出 SkillOS 让智能体在运行时自我进化。从装技能到评技能、攻技能、进化技能这半年走完了其他生态可能需要数年的路程。三、四派技术路线同一目标完全不同的押注围绕 SkillsAnthropic、OpenAI、LangChain、腾讯各自的技术选择恰好代表了四条不同的产品哲学。Anthropic开放标准 过程性知识包Anthropic 的路线最原始也最开放Skill 就是文件夹 Markdown无运行时、无依赖注入、无构建步骤。它押注的是过程性知识procedural knowledge的标准化——把领域专家脑子里的 SOP 变成 Agent 可发现、可验证、按需加载的标准作业模块替代冗长 Prompt。这套设计刻意保持简单换来的是跨产品采纳Cursor、VS Code、GitHub Copilot、OpenHands、Gemini CLI 等 30 客户端都通过 agentskills.io 生态接入了同一格式。Anthropic 赌的是格式即标准——只要你用我的格式我的生态就赢了一半。OpenAI目录治理 迁移工具链OpenAI 的入场方式完全不同。它没有另起炉灶而是用工程化治理吃掉 Anthropic 的格式。本仓库skills 官方仓库就是证据它呈现了三个鲜明特征第一目录分层。仓库将技能严格划分为 skills/.system5 个预装系统技能、skills/.curated39 个精选技能与实验技能三级。.system里的skill-creator教你写技能、skill-installer安装技能、plugin-creator、imagegen、openai-docs直接预装进最新版 Codex——OpenAI 从一开始就把技能生产工具和技能分发工具内建到产品里。第二安装体验。skills/.system/skill-installer/SKILL.md 展示了分发策略默认从官方 curated 列表直连下载失败时回退 git sparse checkout支持私有仓库凭据注入多技能可一次安装安装目标是$CODEX_HOME/skills默认~/.codex/skills。把装技能做成一条 CLI 命令是生态冷启动的关键动作。第三也是最狠的一招——迁移工具。仓库中的 skills/.curated/migrate-to-codex/SKILL.md 是一份完整的搬家指南把 Claude Code 的CLAUDE.md指令、.claude/commands斜杠命令、.claude/agents子代理、.mcp.json、hooks 逐项转换成 Codex 的AGENTS.md、.agents/skills/、.codex/config.toml、.codex/hooks.json并配套--plan/--doctor/--dry-run/--validate-target的完整迁移闭环。这不是技术文档这是对存量 Claude 用户的一场系统性争夺。与此同时README 顶部已标注仓库 deprecated指向 OpenAI Plugins 仓库——说明 OpenAI 正把 Skills 并入更大的插件体系用自己的生态位重新定义标准边界。LangChain把技能抽象为可插拔执行单元LangChain 走的是框架层整合路线。社区拆解显示其 Skills 框架围绕动态工具加载、状态管理与约束系统、渐进式技能披露展开宣称在 Token 效率、推理准确率、响应速度与内存占用上均有优化收益并以 SQL 助手场景作为落地样板。如果说 Anthropic 押注文件格式OpenAI 押注分发与治理那么 LangChain 押注的是运行时抽象——技能作为连接 LLM 与工具的逻辑层强调执行确定性、上下文压缩与错误自愈让技能进入工业级应用编排。这条路线的问题是它的抽象与自家 Agent 框架深度耦合难以像文件格式那样跨产品流动。腾讯建站占领分发入口腾讯的入局信号是 SkillHub 上线——一个面向中国开发者的 AI Skills 社区。这符合中国大厂一贯的打法技术路线之争背后是分发入口之争。Anthropic 与 OpenAI 在 GitHub 生态里卷标准腾讯直接建交易所你有技能来我这上架你要技能来我这下载。叠加此前阿里 AgentScope 对 Skills 的原生支持三层核心架构 五层企业级模块化设计Python/Java 双语言、以及国内大量基于 Skills 框架的智能体应用文章中文生态的 Skills 主线正在快速分化出独立于 GitHub 的本地化基础设施。中国专供四个字恰恰说明地缘生态割裂已经开始在 AI 中间层出现。四、从仓库源码看 OpenAI 的押注细节如果说四派路线是大局那么本仓库的源码就是 OpenAI 押注的最细颗粒证据。几个值得玩味的细节1. 技能结构的强制规范。skills/.system/skill-creator/scripts/quick_validate.py 用不到 50 行代码就定义了什么是合法技能必须有SKILL.md、必须 YAML frontmatter 开头、frontmatter 只允许name、description、license、allowed-tools、metadata五个字段、名字最长 64 字符。标准化的第一步永远不是写文档而是写校验器。2. 上下文是公共资源的具体落地。skills/.system/skill-creator/SKILL.md 要求 SKILL.md 控制在 500 行内详细内容拆进references/并限制引用层级references 只能从 SKILL.md 一级深度链接超 100 行的引用文件必须带目录。这些约束全部服务于渐进式披露——让 Agent 在什么都知道和只加载需要的之间做权衡。3. 技能必须能产生可执行资产。仓库中 39 个精选技能几乎都遵循指令 脚本 参考的骨架。以 skills/.curated/gh-address-comments 为例其scripts/fetch_comments.py直接封装了一段 GraphQL 查询把处理 GitHub PR 评论这个多步骤流程固化成可复用的确定性脚本skills/.curated/playwright/SKILL.md 则把浏览器自动化收敛为open → snapshot → click → type → screenshot的固定循环强调CLI-first不要轻易切换到测试框架。技能的本质是把 Agent 的即兴发挥变成可验证的标准动作。4. 与 MCP 的协同已经写进技能内部。仓库中 Figma、Notion、Sentry 等技能全部是Skills 包装 MCP的形态SKILL.md 提供方法论MCP Server 提供连接。例如 skills/.curated/notion-knowledge-capture/SKILL.md 中技能的第一步就是codex mcp add notion建立连接再用Notion:notion-search检索、Notion:notion-create-pages落库。这印证了社区共识MCP 与 Skills 不是替代关系而是数据从哪来与拿到数据怎么走的分工。五、标准未定四个信号与三个现实约束尽管 OpenAI 用仓库、校验器、安装器和迁移工具把 Anthropic 的格式收编为自己的工程体系标准之战远未结束。当前格局由四个信号定义信号一开放标准的采纳面在扩大但权威在分散。agentskills.io 生态已聚集 Claude、ChatGPT Codex、Gemini CLI、Cursor、VS Code、GitHub Copilot、OpenHands、OpenCode、Spring AI 等 30 客户端格式层面趋同但每家都在加自己的私货——OpenAI 的allowed-tools字段、OpenAI 向 Plugins 体系的演进、Anthropic 在自家平台对技能的深度绑定都预示着同格式、不同实现的长期并存。信号二评测基准正在争夺定义权。智源 SkillsBench 的出现意味着谁的技能体系更好即将有可量化的答案SkillAttack 则从安全侧给技能引入红队视角。当技能本身成为攻击面恶意技能注入、prompt 污染安全属性会反过来影响标准取舍。信号三自进化正在模糊技能开发者的边界。OpenSkill孙立超团队、谷歌 SkillOS 都把技能从人工编写推向Agent 自动习得与演化。如果智能体能自己生成、评估、淘汰技能那么今天围绕怎么写技能的一切方法论可能只是过渡形态。信号四地缘生态开始建墙。腾讯 SkillHub 的中国专供、国内厂商对 Skills 的本地化封装意味着技能分发可能走向境内站 境外站双轨制。在这种格局下开发者押注需要承认三个现实约束格式已经赢了别再等大一统。SKILL.md 的文件格式事实上已成为行业公共格式四大玩家都不反对它分歧在分发与治理层。所以写一次处处可用的承诺是可信的——你的技能资产跨客户端流动的成本远低于重新发明格式的成本。押生态位而不是押厂商。如果你在 Anthropic 生态migrate-to-codex 这类迁移工具已经替你铺好了退路且双向迁移迟早成为标配如果你在企业场景LangChain 式的框架抽象和腾讯式的本地分发是更务实的依赖点。不要把自己的技能资产写成任何单一客户端的专属格式。把技能当代码治理而不是当提示词收藏。参考仓库的做法技能要过校验器、要有测试框架如 CANNBot 的三层测试、要版本化、要纳入 CI/CD。标准一天不落定能让你在标准间自由迁移的只有资产的可治理性本身。半年时间Skills 走完了从Anthropic 的一次产品发布到四方同台的标准战场的全过程。接下来真正值得盯的不是哪家发布新技能而是哪家的评测基准被采纳、哪家的分发入口被开发者默认、哪家的技能能跨生态存活——那才是标准之战的终局。输出文章【免费下载链接】skillsSkills Catalog for Codex项目地址: https://gitcode.com/GitHub_Trending/skills4/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/10 21:38:42 · 阅读 1.2k Skills 生态半年大复盘：从 Anthropic 爆火到 OpenAI 下场、腾讯建站，标准之战已开打
Skills 生态半年大复盘从 Anthropic 爆火到 OpenAI 下场、腾讯建站标准之战已开打【免费下载链接】skillsSkills Catalog for Codex项目地址: https://gitcode.com/GitHub_Trending/skills4/skills如果你在 2025 年底问一个 AI 开发者MCP 之后下一个火的是什么大概率得到的答案是无所适从而到了 2026 年夏天这个问题已经有了公认的答案Agent Skills。它火到什么程度2026 年 2 月有博主写下热度不亚于去年的 MCP2026 年 7 月的 GitHub 趋势观察直接把Skills 生态爆发写进标题智源推出了首个系统性评测基准 SkillsBench安全厂商则拿出了 SkillAttack 红队框架。更关键的是这场热度背后不是单一厂商的独角戏——Anthropic 以开放标准起跑OpenAI 携 Codex 正面下场并搭建官方技能目录LangChain 在框架层把 Skills 抽象成可插拔能力单元腾讯则直接上线了中国专供的 SkillHub 技能社区。四方同台标准未定。这篇文章不打算重复那些铺天盖地的Skills 是什么教程而是做三件事用时间线还原这场爆火的拐点用仓库源码拆解四大玩家路线的技术分岔最后回答那个最现实的问题——标准未定开发者到底该怎么押注。一、先校准定义一个文件夹如何撬动生态在进入战争叙事之前先精确理解Skill到底是什么。本地仓库 README.md 给出了一个克制而准确的定义Agent Skills are folders of instructions, scripts, and resources that AI agents can discover and use to perform at specific tasks. Write once, use everywhere.写一次处处可用——这是整个生态叙事的核心承诺。一个 Skill 本质上就是一个携带SKILL.md的文件夹SKILL.md的 YAML frontmatter 里只有两个字段对 Agent 始终可见name和description它们是触发器的全部正文则是真正的行动指令仅在技能被触发后才加载。文件夹里还可以捆绑scripts/可执行代码、references/按需加载的文档、assets/输出用模板资源。仓库中 skills/.system/skill-creator/SKILL.md 把这一机制讲得更透。它提出过一个日后被广泛引用的观点The context window is a public good上下文窗口是公共资源——Skill 之所以能在不撑爆上下文的前提下被大量安装靠的是**渐进式披露Progressive Disclosure**三级加载模型元数据层只有name description常驻上下文约百词指令层技能被触发后才加载SKILL.md正文建议 5k 词、500 行以内资源层references/与scripts/按需读取脚本甚至可以不经上下文直接执行。这一设计直接回答了MCP 之后为什么还需要 SkillsMCP 解决连接——AI 怎么访问外部世界Skills 解决方法论——AI 拿到数据后按什么流程做事。前者是协议后者是封装好的过程性知识。二、逐月大事记热度拐点是怎么踩出来的把社区情报按时间轴排列可以看到一场清晰的阶梯式引爆2025 年秋酝酿期Anthropic 为 Claude 引入 Agent Skills 概念并将格式以开放标准形式放出。此时社区讨论仍停留在小圈子——2025 年 9 月已出现对 agent-skills、Superpowers、Matt Pococks skills 三大编码代理技能框架的横向对比说明技能框架的雏形已在 Claude Code 用户群中自发生长。2026 年 1 月认知扩散期中文社区开始成建制地消化这一概念。1 月 6 日出现AI Agents 的 Skills 文件详解讲透 SKILL.md 的 YAML Markdown 双段结构1 月 14 日 Obsidian Skills 项目进入大众视野1 月 21 日Skills 火了一篇带你看懂来龙去脉首次把 Skills、Rules、Commands、MCP Servers、Subagents 等一长串术语系统化梳理1 月底Vue/React/UI 三件套技能开始被前端开发者当作让 AI 代码风格统一的工程手段。2026 年 2 月引爆拐点这是整条曲线的转折月。2 月 1 日火爆全网的 Skills看这一篇就够了拿下 2.1 万阅读把 Skills 定义为超级进化版的提示词2 月 12 日前后两件事同时发生——程序员鱼皮发布40 个 Agent Skills 精选资源1.8 万阅读把 Skills 从概念普及推进到资源分发阶段同时深度技术文章开始出现CSDN 上出现了对 Anthropic Skills 三层架构L1 索引层 YAML Frontmatter / L2 指令层 SKILL.md / L3 资源层 ScriptsReferences的完整拆解。一个技术概念从被知道到被拆解标志着生态正式进入工程化阶段。2026 年 3 月—5 月应用蔓延期内容从什么是 Skills转向如何用 Skills 做架构。3 月起 CSDN 连续出现 Skills 智能体开发框架实践面向 Phi-3-vision 多模态扩展、LangChain Skills 核心解析、基于 RexUniNLU 的声明式技能注册、OpenCode 的 Skills 系统教程4—5 月甚至出现了 CANNBot Skills 三层自动化测试框架L1 单元测试 / L2 行为测试 / L3 集成测试适配 CI/CD。技能的测试化是生态成熟的关键信号——当人们开始给技能写测试说明它已被当作正经工程制品。2026 年 6 月—7 月平台下场期6 月出现前端领域 30 个值得安装的 Agent SkillsJava 技术栈 Skills 全景指南——注意Redis 官方也开始发布 Agent Skill7 月 GitHub 趋势观察直接标题Skills 生态爆发同期 Anthropic 官方技能库被社区总结为超 5 万个标准化技能包。而媒体端腾讯 SkillHub 上线的消息被财联社等冠以中国专供的 AI Skills 社区标志着这一生态正式进入中国大厂射程。2026 年夏研究期智源发布 SkillsBench——首个系统测评 Agent Skills 框架的基准安全内参报道 SkillAttack 自动化验证红队框架与 Cloudflare 开源的 AI 安全审计技能框架孙立超团队提出 OpenSkill 自进化范式谷歌则抛出 SkillOS 让智能体在运行时自我进化。从装技能到评技能、攻技能、进化技能这半年走完了其他生态可能需要数年的路程。三、四派技术路线同一目标完全不同的押注围绕 SkillsAnthropic、OpenAI、LangChain、腾讯各自的技术选择恰好代表了四条不同的产品哲学。Anthropic开放标准 过程性知识包Anthropic 的路线最原始也最开放Skill 就是文件夹 Markdown无运行时、无依赖注入、无构建步骤。它押注的是过程性知识procedural knowledge的标准化——把领域专家脑子里的 SOP 变成 Agent 可发现、可验证、按需加载的标准作业模块替代冗长 Prompt。这套设计刻意保持简单换来的是跨产品采纳Cursor、VS Code、GitHub Copilot、OpenHands、Gemini CLI 等 30 客户端都通过 agentskills.io 生态接入了同一格式。Anthropic 赌的是格式即标准——只要你用我的格式我的生态就赢了一半。OpenAI目录治理 迁移工具链OpenAI 的入场方式完全不同。它没有另起炉灶而是用工程化治理吃掉 Anthropic 的格式。本仓库skills 官方仓库就是证据它呈现了三个鲜明特征第一目录分层。仓库将技能严格划分为 skills/.system5 个预装系统技能、skills/.curated39 个精选技能与实验技能三级。.system里的skill-creator教你写技能、skill-installer安装技能、plugin-creator、imagegen、openai-docs直接预装进最新版 Codex——OpenAI 从一开始就把技能生产工具和技能分发工具内建到产品里。第二安装体验。skills/.system/skill-installer/SKILL.md 展示了分发策略默认从官方 curated 列表直连下载失败时回退 git sparse checkout支持私有仓库凭据注入多技能可一次安装安装目标是$CODEX_HOME/skills默认~/.codex/skills。把装技能做成一条 CLI 命令是生态冷启动的关键动作。第三也是最狠的一招——迁移工具。仓库中的 skills/.curated/migrate-to-codex/SKILL.md 是一份完整的搬家指南把 Claude Code 的CLAUDE.md指令、.claude/commands斜杠命令、.claude/agents子代理、.mcp.json、hooks 逐项转换成 Codex 的AGENTS.md、.agents/skills/、.codex/config.toml、.codex/hooks.json并配套--plan/--doctor/--dry-run/--validate-target的完整迁移闭环。这不是技术文档这是对存量 Claude 用户的一场系统性争夺。与此同时README 顶部已标注仓库 deprecated指向 OpenAI Plugins 仓库——说明 OpenAI 正把 Skills 并入更大的插件体系用自己的生态位重新定义标准边界。LangChain把技能抽象为可插拔执行单元LangChain 走的是框架层整合路线。社区拆解显示其 Skills 框架围绕动态工具加载、状态管理与约束系统、渐进式技能披露展开宣称在 Token 效率、推理准确率、响应速度与内存占用上均有优化收益并以 SQL 助手场景作为落地样板。如果说 Anthropic 押注文件格式OpenAI 押注分发与治理那么 LangChain 押注的是运行时抽象——技能作为连接 LLM 与工具的逻辑层强调执行确定性、上下文压缩与错误自愈让技能进入工业级应用编排。这条路线的问题是它的抽象与自家 Agent 框架深度耦合难以像文件格式那样跨产品流动。腾讯建站占领分发入口腾讯的入局信号是 SkillHub 上线——一个面向中国开发者的 AI Skills 社区。这符合中国大厂一贯的打法技术路线之争背后是分发入口之争。Anthropic 与 OpenAI 在 GitHub 生态里卷标准腾讯直接建交易所你有技能来我这上架你要技能来我这下载。叠加此前阿里 AgentScope 对 Skills 的原生支持三层核心架构 五层企业级模块化设计Python/Java 双语言、以及国内大量基于 Skills 框架的智能体应用文章中文生态的 Skills 主线正在快速分化出独立于 GitHub 的本地化基础设施。中国专供四个字恰恰说明地缘生态割裂已经开始在 AI 中间层出现。四、从仓库源码看 OpenAI 的押注细节如果说四派路线是大局那么本仓库的源码就是 OpenAI 押注的最细颗粒证据。几个值得玩味的细节1. 技能结构的强制规范。skills/.system/skill-creator/scripts/quick_validate.py 用不到 50 行代码就定义了什么是合法技能必须有SKILL.md、必须 YAML frontmatter 开头、frontmatter 只允许name、description、license、allowed-tools、metadata五个字段、名字最长 64 字符。标准化的第一步永远不是写文档而是写校验器。2. 上下文是公共资源的具体落地。skills/.system/skill-creator/SKILL.md 要求 SKILL.md 控制在 500 行内详细内容拆进references/并限制引用层级references 只能从 SKILL.md 一级深度链接超 100 行的引用文件必须带目录。这些约束全部服务于渐进式披露——让 Agent 在什么都知道和只加载需要的之间做权衡。3. 技能必须能产生可执行资产。仓库中 39 个精选技能几乎都遵循指令 脚本 参考的骨架。以 skills/.curated/gh-address-comments 为例其scripts/fetch_comments.py直接封装了一段 GraphQL 查询把处理 GitHub PR 评论这个多步骤流程固化成可复用的确定性脚本skills/.curated/playwright/SKILL.md 则把浏览器自动化收敛为open → snapshot → click → type → screenshot的固定循环强调CLI-first不要轻易切换到测试框架。技能的本质是把 Agent 的即兴发挥变成可验证的标准动作。4. 与 MCP 的协同已经写进技能内部。仓库中 Figma、Notion、Sentry 等技能全部是Skills 包装 MCP的形态SKILL.md 提供方法论MCP Server 提供连接。例如 skills/.curated/notion-knowledge-capture/SKILL.md 中技能的第一步就是codex mcp add notion建立连接再用Notion:notion-search检索、Notion:notion-create-pages落库。这印证了社区共识MCP 与 Skills 不是替代关系而是数据从哪来与拿到数据怎么走的分工。五、标准未定四个信号与三个现实约束尽管 OpenAI 用仓库、校验器、安装器和迁移工具把 Anthropic 的格式收编为自己的工程体系标准之战远未结束。当前格局由四个信号定义信号一开放标准的采纳面在扩大但权威在分散。agentskills.io 生态已聚集 Claude、ChatGPT Codex、Gemini CLI、Cursor、VS Code、GitHub Copilot、OpenHands、OpenCode、Spring AI 等 30 客户端格式层面趋同但每家都在加自己的私货——OpenAI 的allowed-tools字段、OpenAI 向 Plugins 体系的演进、Anthropic 在自家平台对技能的深度绑定都预示着同格式、不同实现的长期并存。信号二评测基准正在争夺定义权。智源 SkillsBench 的出现意味着谁的技能体系更好即将有可量化的答案SkillAttack 则从安全侧给技能引入红队视角。当技能本身成为攻击面恶意技能注入、prompt 污染安全属性会反过来影响标准取舍。信号三自进化正在模糊技能开发者的边界。OpenSkill孙立超团队、谷歌 SkillOS 都把技能从人工编写推向Agent 自动习得与演化。如果智能体能自己生成、评估、淘汰技能那么今天围绕怎么写技能的一切方法论可能只是过渡形态。信号四地缘生态开始建墙。腾讯 SkillHub 的中国专供、国内厂商对 Skills 的本地化封装意味着技能分发可能走向境内站 境外站双轨制。在这种格局下开发者押注需要承认三个现实约束格式已经赢了别再等大一统。SKILL.md 的文件格式事实上已成为行业公共格式四大玩家都不反对它分歧在分发与治理层。所以写一次处处可用的承诺是可信的——你的技能资产跨客户端流动的成本远低于重新发明格式的成本。押生态位而不是押厂商。如果你在 Anthropic 生态migrate-to-codex 这类迁移工具已经替你铺好了退路且双向迁移迟早成为标配如果你在企业场景LangChain 式的框架抽象和腾讯式的本地分发是更务实的依赖点。不要把自己的技能资产写成任何单一客户端的专属格式。把技能当代码治理而不是当提示词收藏。参考仓库的做法技能要过校验器、要有测试框架如 CANNBot 的三层测试、要版本化、要纳入 CI/CD。标准一天不落定能让你在标准间自由迁移的只有资产的可治理性本身。半年时间Skills 走完了从Anthropic 的一次产品发布到四方同台的标准战场的全过程。接下来真正值得盯的不是哪家发布新技能而是哪家的评测基准被采纳、哪家的分发入口被开发者默认、哪家的技能能跨生态存活——那才是标准之战的终局。输出文章【免费下载链接】skillsSkills Catalog for Codex项目地址: https://gitcode.com/GitHub_Trending/skills4/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考