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 的根本区别维度普通 PromptAgent Skills本质告诉 AI你要做个好孩子告诉 AI你先迈左脚再迈右脚最后举手示意形式零散的提示词结构化的可执行工作流执行方式AI 可以忽略或跳步强制完成当前阶段、通过检查才能进入下一步信息加载一次性全塞进去容易上下文溢出按需加载到了哪个阶段才加载哪个阶段的规则反偷懒机制无内置借口-反驳表AI 想跳步就自动触发反驳二、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你要做什么命令核心理念定义要构建什么/spec先写需求再写代码规划如何构建/plan小的原子化任务增量式构建/build一次只做一块证明它能工作/test测试就是证明合并前评审/review提高代码健康度简化代码/code-simplify清晰胜过聪明发布到生产/ship越快越安全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-designAPI 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-workflowGit 工作流主干开发模式ci-cdCI/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类型路径全局 Skill~/.claude/skills/skill-name/项目 Skill项目路径/.claude/skills/skill-name/手动安装的步骤如下从 GitHub 仓库 addyosmani/agent-skills 下载对应 Skill 的SKILL.md文件在skills目录当中新建文件夹比如spec-driven-development把SKILL.md文件移入到这个文件夹当中打开 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、总结维度内容是什么给 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谁做的Google Cloud AI 总监 Addy Osmani项目地址github.com/addyosmani/agent-skills核心价值让 AI 从又快又烂变成又快又稳终结 Vibe Coding怎么装npx skills add addyosmani/agent-skills怎么用7 个斜杠命令覆盖开发全生命周期/spec→/plan→/build→/test→/review→/code-simplify→/ship最推荐谁用重度 AI 编码用户、技术负责人、Agent 平台开发者、后端/DevOps 工程师最独特的点反合理化机制——AI 想偷懒就自动反驳强制走完全流程