一份 Agent Skills 收藏与实践指南：少装、精用，最终写出自己的工作流 Skill。
原文标题：20+ 个值得收藏的 Agent Skills、仓库与市场
原文作者：图灵编辑部
冷月清谈：
怜星夜思：
2、Skill 和 MCP 越来越像了，普通开发者应该优先学哪个？
3、文章说“最适合你的 Skill 往往是自己写的”，你认同吗？现成 Skill 够不够用？
4、如果让你只保留 3 个 Agent Skill，你会按什么标准筛选？
原文内容
Skill 是编码智能体中可复用的功能单元。它本质上是一个文件夹，里面有一套指令集，核心文件为SKILL.md。你只需教智能体一次如何完成某项任务，之后每当需要时，智能体会自动加载相关指令，无需每次都重复解释。如果你想深入了解背景，建议先读一读 Anthropic 的 “为现实世界配备 Agent Skill” 和 Claude Code 的 Skill 文档，这两份资料是本指南的主要参考。
核心观点：最适合你的 Skill ，往往是你为自己代码库量身定制的。但没必要从零开始。先安装一些成熟的框架，了解它们的结构，再动手写自己的 Skill 。以下所有链接都经过实际测试。
简洁版
如果你只关心安装流程，建议按以下顺序操作：
-
先从官方仓库入手，看看优秀的
SKILL.md长什么样。 -
收藏这些 Skill 市场和精选列表，方便后续发现更多好内容。
-
在收集各种 Skill 前，先装一个工作流框架。
-
添加与你技术栈相关的供应商 Skill 。
-
重复三遍同样的指令，自己写一遍 Skill 。
“Skill 正变得越来越通用。它们最初诞生于 Claude 生态，但
SKILL.md格式正在扩散。OpenAI 现在也在 ChatGPT 和 Codex 中记录 Skill ，这里的一些 Skill 集已能在 Claude Code、Codex、Cursor 和 Gemini 等平台运行。选择 Skill 时，关注其功能，而非供应商。
Skill 获取渠道
在学习任何 Skill 前，先了解它的源头。从根源出发，逐步拓展。
-
anthropics/skills
https://github.com/anthropics/skills
Claude 官方 Skill 库，入门首选。包含 Claude 自带的文档 Skill 、mcp-builder和skill-creator等。阅读这些 Skill ，是快速掌握优秀SKILL.md写法的最佳途径。 -
openai/skills
https://github.com/openai/skills
Codex 官方 Skill 目录，提供现成集成（如 LinearSkill）。它清楚表明，Skill 已成为跨智能体的通用格式，而非 Claude 独有。 -
Claude Skills Marketplace
https://skillsmp.com/
可搜索的社区 Skill 目录。当你有具体需求，想先看看现成 Skill 再动手时，可以来这里。 -
Smithery
https://smithery.ai/
Skill 和 MCP 服务器注册表，支持一键安装，省去手动克隆和复制的麻烦。 -
Agensi
https://www.agensi.io/
付费 Skill 市场，补全了整个生态。即便你大多用免费内容，也值得了解其商业层面的存在。
我收藏的精选合集
真正有价值的经验不是“装最多的盒子”，而是“研究哪些产品流行以及流行的原因”。
以下三个精选列表能帮你高效筛选。当某项新 Skill 开始流行，通常会先出现在这些列表里。
-
ComposioHQ/awesome-claude-skills
https://github.com/ComposioHQ/awesome-claude-skills
内容丰富的 Claude Skill 、资源与工具列表。想了解 Claude 生态全貌，首选这里。 -
VoltAgent/awesome-agent-skills
https://github.com/VoltAgent/awesome-agent-skills
收录官方和社区上千项 Skill ，并按智能体类型分类。如果你不只用 Claude，这里在跨 CLI 覆盖上表现更佳。 -
Murat Can Koylan 的 “Agent-Skills-for-Context-Engineering”
https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering
专注上下文工程、多智能体架构和生产级智能体系统的 Skill。无论是构建还是使用智能体，都值得参考。
优先安装框架，而非单一 Skill
最具价值的不是某个单一 Skill ，而是一整套协同工作的 Skill 组合，它能带来完整的工作流。下面是我常用的 Skill 组合，以及两个值得关注和研究的热门组合。
-
Jesse Vincent 的 “Superpowers”
https://github.com/obra/superpowers
与其说是零散的技巧合集，不如说是一套智能体 Skill 框架和开发方法论。它让智能体养成严谨的工作习惯：在动手前先头脑风暴、测试驱动开发、系统化调试、制定并执行计划，并在关键节点主动寻求评审。我每天都在用这套方法，因为它改变的是智能体的工作方式，而不仅仅是知识的积累。 -
andrej-karpathy-skills
https://github.com/multica-ai/andrej-karpathy-skills
把 Andrej Karpathy 关于大语言模型在代码编写中常见失误的观察，提炼成了一个即插即用的防护机制。此外，这里还集成了另一个小巧但高效的组件，能在常见故障模式影响你的代码前就将其扼杀。 -
Garry Tan 开发的 gstack
https://github.com/garrytan/gstack
其实就是他 Claude Code 系统的完整打包版，方便所有人直接使用：内含几十个强力工具，分别代表 CEO、设计师、工程经理、发布经理和 QA 等角色。如果你想要一套现成、预配置的完整工作流，而不是零散拼装的工具集，gstack 就是你的理想选择。 -
mattpocock/skills
https://github.com/mattpocock/skills
作者 Matt Pocock，号称“来自我的 .claude 目录、面向真正工程师的 Skill ”。实际从业者的配置往往比那些专为分享而设计的配置更实用。
技术栈最佳实践
最有价值的类别之一，就是你现有工具官方提供的 Skill 。这说明厂商交付知识的方式正在发生根本性转变。现在，越来越多的团队不再只提供让你阅读的文档网站，而是直接提供可由智能体执行的 Skill ：最佳实践变得规范化、可执行，而不再只是希望大家遵守的纸面指南。
以下是我为适配自己系统技术栈而安装的 Skill ：
-
PlanetScale 的 database-skills 插件
https://github.com/planetscale/database-skills
教会智能体如何正确使用数据库，包括模式设计、查询和迁移，而不是随意写出看似正确、实则易出错的 SQL。你还可以搭配neondatabase/agent-skills插件（https://github.com/neondatabase/agent-skills)，为 Neon 的无服务器 Postgres 数据库提供支持，其中包含一个可认领的 PostgresSkill ，能为智能体分配真实数据库；还可以搭配 redis/agent-skills 插件 (https://github.com/redis/agent-skills)，实现规范的缓存操作。 -
Vercel 工程团队的 next-skills（https://github.com/vercel-labs/next-skills) 负责前端部分，提供了最佳实践 Skill，确保智能体始终遵循框架预设的模式。Supabase 的 **/agent-skills** 则为平台提供了同样的能力。
-
现在的厂商名单几乎就是一张技术栈图：Stripe 负责支付，Cloudflare 负责边缘计算，HashiCorp 负责 Terraform，Hugging Face 负责模型构建，Trail of Bits 负责安全防护，此外还有 etlify、Sanity、WordPress 和 Expo。你可以查查自己依赖的工具是否也提供了技术栈图。越来越多的工具都在这样做。
选择与你工作匹配的 Skill
除了框架类 Skill ，其他 Skill 都与具体角色密切相关。你需要根据自己的工作内容，掌握与之匹配的 Skill。Skill 远不止这些，但下面这四种 Skill ，基本对应了四类典型工作。继续深入，你最终会想要一种尚不存在的 Skill ，这正是下一节要讲的内容。
-
软件工程师需要智能体 Skill | https://github.com/addyosmani/agent-skills。正如 Addy Osmani 所说：这是一套生产级工程 Skill ，与其说是技巧，不如说是一个编写高质量、可维护代码的框架。
-
设计师会喜欢 Nexu 的open-design | https://github.com/nexu-io/open-design，这是 Claude 设计工具的本地优先、开源替代品，让智能体能跨多个 CLI 生成界面、原型和演示文稿。
-
写作者会需要humanizer｜https://github.com/blader/humanizer，它能消除 AI 生成文本中的机械痕迹，去除那些暴露作者意图的措辞和节奏，让草稿读起来不再像机器写的。
-
研究人员和求知欲强的人会喜欢 Matt Van Horn 开发的last30days-skill | https://github.com/mvanhorn/last30days-skill，它能自动搜索 Reddit、X、YouTube、Hacker News、Polymarket 和开放网络上的任何主题，并给出客观总结。无需写代码，就能在动手前收集到最新信息。
如果上面都不适用，那就自己做一个 Skill 吧
继续往下看，你会发现总有一项本该存在却还没有的 Skill 。一旦你有了优秀 Skill 的雏形 SKILL.md，接下来要做的，就是捕捉你反复发出的指令，这需要掌握两项 Skill 。
-
Skill 创建器
https://github.com/anthropics/skills/tree/main/skills/skill-creator
是 Anthropic 开发的 Skill 构建工具。它会帮你搭好新 Skill 的框架，并且本着方法论精神，要求你在信任它前，先用几个测试用例跑一遍，看看结果。 -
Yusuf Karaaslan 开发的 Skill_Seekers
https://github.com/yusufkaraaslan/Skill_Seekers
则另辟蹊径：它能自动把文档网站、GitHub 代码库和 PDF 文件转化为 Skill ，并具备冲突检测功能。如果你需要的知识已经有文档，只是想打包成 Skill ，Skill_Seekers 就是最快捷的选择。
Skill 与 MCP 的界限日益模糊
并不是所有有用的东西都被定义成 Skill ，而且 Skill 和 MCP 服务器之间的界限也越来越模糊。下面这两个工具，比任何定义都更能说明这一点。
-
Upstash 出品的 context7
https://github.com/upstash/context7
能将库的最新、最准确的文档和代码示例直接注入到模型的上下文中，这样智能体在编程时就不必再依赖训练时记忆模糊的 API。context7 也是这种变革最直观的例子：它以 MCP 服务器、CLI 和 Skill 三种形态提供。三种打包方式，功能一致，可根据你的环境灵活安装。我个人一直保持启用。 -
Playwright
https://github.com/microsoft/playwright-mcp
则是对现有机制的实时捕捉。这是一款被广泛采用的工具，它让智能体真正拥有浏览器的控制权，适用于自动化和测试，同时本身也是一个 MCP 服务器。而 Jordan Lackey 开发的 playwright-skill(https://github.com/lackeyjb/playwright-skill) 则把这项能力重构成模型调用 Skill ，允许模型编写并运行自己的浏览器自动化脚本。这两个工具你都可以试试：如果你需要成熟稳定的方案，选 MCP；如果你想体验 context7 推崇的“按需加载”模式，可以用 Skill 。
写在最后
各种 Skill 平台会用成千上万的 Skill 来吸引你。但 Skill 数量其实是个陷阱。真正能帮到你的，是那些你理解透彻、信得过的少数 Skill ，而不是你从未点开的 Skill 目录。就像一份精选的、反复阅读的书单，远胜于无穷无尽的信息流。
把这些 Skill 集合加入书签，运行一个能改变智能体工作方式的框架，添加与你技术栈契合的供应商 Skill ，挑选最适合你的 Skill ，然后自己动手写一个还不存在的 Skill 。最后这一步，才是前面所有努力的真正意义。
今晚一起聊聊 Skill，我们先从实现自动化办公开始！！
