Skill 是編碼智能體中可復用的功能單元。它本質上是一個資料夾，裡面有一套指令集，核心檔案為SKILL.md。你只需教智能體一次如何完成某項任務，之後每當需要時，智能體會自動載入相關指令，無需每次都重複解釋。如果你想深入瞭解背景，建議先讀一讀 Anthropic 的 “為現實世界配備 Agent Skill” 和 Claude Code 的 Skill 文件，這兩份資料是本指南的主要參考。
核心觀點：最適合你的 Skill ，往往是你為自己程式碼庫量身定製的。但沒必要從零開始。先安裝一些成熟的框架，瞭解它們的結構，再動手寫自己的 Skill 。以下所有連結都經過實際測試。
簡潔版
如果你只關心安裝流程，建議按以下順序操作：
- 先從官方倉庫入手，看看優秀的
SKILL.md長什麼樣。 - 收藏這些 Skill 市場和精選列表，方便後續發現更多好內容。
- 在收集各種 Skill 前，先裝一個工作流框架。
- 加入與你技術堆疊相關的供應商 Skill 。
- 重複三遍同樣的指令，自己寫一遍 Skill 。
Skill 正變得越來越通用。它們最初誕生於 Claude 生態，但SKILL.md格式正在擴散。OpenAI 現在也在 ChatGPT 和 Codex 中記錄 Skill ，這裡的一些 Skill 集已能在 Claude Code、Codex、Cursor 和 Gemini 等平台運行。選擇 Skill 時，關注其功能，而非供應商。Skill 獲取管道
在學習任何 Skill 前，先瞭解它的源頭。從根源出發，逐步拓展。
- anthropics/skills
https://github.com/anthropics/skills
Claude 官方 Skill 庫，入門首選。包含 Claude 自帶的文件 Skill 、mcp-builder和skill-creator等。閱讀這些 Skill ，是快速掌握優秀SKILL.md寫法的最佳途徑。 - openai/skills
https://github.com/openai/skills
Codex 官方 Skill 目錄，提供現成整合（如 LinearSkill）。它清楚表明，Skill 已成為跨智能體的通用格式，而非 Claude 獨有。 - Claude Skills Marketplace
https://skillsmp.com/
可搜尋的社區 Skill 目錄。當你有具體需求，想先看看現成 Skill 再動手時，可以來這裡。 - Smithery
https://smithery.ai/
Skill 和 MCP 伺服器登錄檔，支援一鍵安裝，省去手動克隆和複製的麻煩。 - Agensi
https://www.agensi.io/
付費 Skill 市場，補全了整個生態。即便你大多用免費內容，也值得瞭解其商業層面的存在。
我收藏的精選合集
以下三個精選列表能幫你高效篩選。當某項新 Skill 開始流行，通常會先出現在這些列表裡。
- ComposioHQ/awesome-claude-skills
https://github.com/ComposioHQ/awesome-claude-skills
內容豐富的 Claude Skill 、資源與工具列表。想瞭解 Claude 生態全貌，首選這裡。 - VoltAgent/awesome-agent-skills
https://github.com/VoltAgent/awesome-agent-skills
收錄官方和社區上千項 Skill ，並按智能體類型分類。如果你不只用 Claude，這裡在跨 CLI 覆蓋上表現更佳。 - Murat Can Koylan 的 “Agent-Skills-for-Context-Engineering”
https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering
專註上下文工程、多智能體架構和生產級智能體系統的 Skill。無論是建構還是使用智能體，都值得參考。
優先安裝框架，而非單一 Skill
最具價值的不是某個單一 Skill ，而是一整套協同工作的 Skill 組合，它能帶來完整的工作流。下面是我常用的 Skill 組合，以及兩個值得關注和研究的熱門組合。
- Jesse Vincent 的 “Superpowers”
https://github.com/obra/superpowers
與其說是零散的技巧合集，不如說是一套智能體 Skill 框架和開發方法論。它讓智能體養成嚴謹的工作習慣：在動手前先頭腦風暴、測試驅動開發、系統化偵錯、制定並執行計畫，並在關鍵節點主動尋求評審。我每天都在用這套方法，因為它改變的是智能體的工作方式，而不僅僅是知識的積累。 - andrej-karpathy-skills
https://github.com/multica-ai/andrej-karpathy-skills
把 Andrej Karpathy 關於大語言模型在程式碼編寫中常見失誤的觀察，提煉成了一個即插即用的防護機制。此外，這裡還整合了另一個小巧但高效的元件，能在常見故障模式影響你的程式碼前就將其扼殺。 - Garry Tan 開發的 gstack
https://github.com/garrytan/gstack
其實就是他 Claude Code 系統的完整打包版，方便所有人直接使用：內含幾十個強力工具，分別代表 CEO、設計師、工程經理、發佈經理和 QA 等角色。如果你想要一套現成、預配置的完整工作流，而不是零散拼裝的工具集，gstack 就是你的理想選擇。 - mattpocock/skills
https://github.com/mattpocock/skills
作者 Matt Pocock，號稱“來自我的 .claude 目錄、面向真正工程師的 Skill ”。實際從業者的配置往往比那些專為分享而設計的配置更實用。
技術堆疊最佳實踐
最有價值的類別之一，就是你現有工具官方提供的 Skill 。這說明廠商交付知識的方式正在發生根本性轉變。現在，越來越多的團隊不再只提供讓你閱讀的文件網站，而是直接提供可由智能體執行的 Skill ：最佳實踐變得規範化、可執行，而不再只是希望大家遵守的紙面指南。
以下是我為適配自己系統技術堆疊而安裝的 Skill ：
- PlanetScale 的 database-skills 外掛
https://github.com/planetscale/database-skills
教會智能體如何正確使用資料庫，包括模式設計、查詢和遷移，而不是隨意寫出看似正確、實則易出錯的 SQL。你還可以搭配neondatabase/agent-skills外掛（https://github.com/neondatabase/agent-skills)，為 Neon 的無伺服器 Postgres 資料庫提供支援，其中包含一個可認領的 PostgresSkill ，能為智能體分配真實資料庫；還可以搭配redis/agent-skills外掛 (https://github.com/redis/agent-skills)，實現規範的快取操作。 - Vercel 工程團隊的 next-skills（https://github.com/vercel-labs/next-skills) 負責前端部分，提供了最佳實踐 Skill，確保智能體始終遵循框架預設的模式。Supabase 的 **/agent-skills** 則為平台提供了同樣的能力。
- 現在的廠商名單幾乎就是一張技術堆疊圖：Stripe 負責支付，Cloudflare負責邊緣計算，HashiCorp 負責 Terraform，Hugging Face負責模型建構，Trail of Bits負責安全防護，此外還有 etlify、Sanity、WordPress 和 Expo。你可以查查自己依賴的工具是否也提供了技術堆疊圖。越來越多的工具都在這樣做。
選擇與你工作匹配的 Skill
除了框架類 Skill ，其他 Skill 都與具體角色密切相關。你需要根據自己的工作內容，掌握與之匹配的 Skill。Skill 遠不止這些，但下面這四種 Skill ，基本對應了四類典型工作。繼續深入，你最終會想要一種尚不存在的 Skill ，這正是下一節要講的內容。
- 軟體工程師需要智能體 Skill | https://github.com/addyosmani/agent-skills。正如 Addy Osmani 所說：這是一套生產級工程 Skill ，與其說是技巧，不如說是一個編寫高品質、可維護程式碼的框架。
- 設計師會喜歡 Nexu 的open-design | https://github.com/nexu-io/open-design，這是 Claude 設計工具的本地優先、開源替代品，讓智能體能跨多個 CLI 生成介面、原型和簡報。
- 寫作者會需要humanizer｜https://github.com/blader/humanizer，它能消除 AI 生成文字中的機械痕跡，去除那些暴露作者意圖的措辭和節奏，讓草稿讀起來不再像機器寫的。
- 研究人員和求知慾強的人會喜歡 Matt Van Horn 開發的last30days-skill | https://github.com/mvanhorn/last30days-skill，它能自動搜尋 Reddit、X、YouTube、Hacker News、Polymarket 和開放網路上的任何主題，並給出客觀總結。無需寫程式碼，就能在動手前收集到最新資訊。
如果上面都不適用，那就自己做一個 Skill 吧
繼續往下看，你會發現總有一項本該存在卻還沒有的 Skill 。一旦你有了優秀 Skill 的雛形SKILL.md，接下來要做的，就是捕捉你反覆發出的指令，這需要掌握兩項 Skill 。
- Skill 建立器
https://github.com/anthropics/skills/tree/main/skills/skill-creator
是 Anthropic 開發的 Skill 建構工具。它會幫你搭好新 Skill 的框架，並且本著方法論精神，要求你在信任它前，先用幾個測試用例跑一遍，看看結果。 - Yusuf Karaaslan 開發的 Skill_Seekers
https://github.com/yusufkaraaslan/Skill_Seekers
則另闢蹊徑：它能自動把文件網站、GitHub 程式碼庫和 PDF 檔案轉化為 Skill ，並具備衝突檢測功能。如果你需要的知識已經有文件，只是想打包成 Skill ，Skill_Seekers 就是最快捷的選擇。
Skill 與 MCP 的界限日益模糊
並不是所有有用的東西都被定義成 Skill ，而且 Skill 和 MCP 伺服器之間的界限也越來越模糊。下面這兩個工具，比任何定義都更能說明這一點。
- Upstash 出品的 context7
https://github.com/upstash/context7
能將庫的最新、最準確的文件和程式碼示例直接注入到模型的上下文中，這樣智能體在程式設計時就不必再依賴訓練時記憶模糊的 API。context7 也是這種變革最直觀的例子：它以 MCP 伺服器、CLI 和 Skill 三種形態提供。三種打包方式，功能一致，可根據你的環境靈活安裝。我個人一直保持啟用。 - Playwright
https://github.com/microsoft/playwright-mcp
則是對現有機制的即時捕捉。這是一款被廣泛採用的工具，它讓智能體真正擁有瀏覽器的控制權，適用於自動化和測試，同時本身也是一個 MCP 伺服器。而 Jordan Lackey 開發的 playwright-skill(https://github.com/lackeyjb/playwright-skill) 則把這項能力重構成模型呼叫 Skill ，允許模型編寫並運行自己的瀏覽器自動化指令碼。這兩個工具你都可以試試：如果你需要成熟穩定的方案，選 MCP；如果你想體驗 context7 推崇的“按需載入”模式，可以用 Skill 。
寫在最後
各種 Skill 平台會用成千上萬的 Skill 來吸引你。但 Skill 數量其實是個陷阱。真正能幫到你的，是那些你理解透徹、信得過的少數 Skill ，而不是你從未點開的 Skill 目錄。就像一份精選的、反覆閱讀的書單，遠勝於無窮無盡的資訊流。
把這些 Skill 集合加入書籤，運行一個能改變智能體工作方式的框架，加入與你技術堆疊契合的供應商 Skill ，挑選最適合你的 Skill ，然後自己動手寫一個還不存在的 Skill 。最後這一步，才是前面所有努力的真正意義。 (圖靈編輯部)