skillshare

在日常开发中，你是否曾为管理多个 AI 编程工具（Claude Code、Cursor、Codex、OpenClaw……）而头疼？每个工具都有自己独立的技能目录，你在其中一个工具里精心编写的 Prompt 规则，换到另一个工具里就完全失效了。skillshare 正是为解决这一痛点而生——它是一个统一管理、同步分发 AI CLI 工具技能的 CLI 工具，只需一条命令，就能把本地定义好的技能规则同步到所有已安装的 AI 编程助手中。

背景：AI CLI 工具的"技能孤岛"问题

随着 Claude Code、Cursor、Codex、OpenClaw、OpenCode 等 AI 编程工具的普及，越来越多的开发者开始在本地积累各种技能指令、规则和 Prompt 模板。然而，每个工具都有自己独立的技能存储目录（skills/），技能文件无法跨工具复用。

skillshare 由开发者 runkids 创建，GitHub 仓库地址为 runkids/skillshare，目前已获得超过 2000 颗星，被 Trendshift 收录为热门仓库，支持同步到 60+ 个不同的 AI CLI 目标平台。该项目的创始动机是解决个人和团队在多工具环境下维护"技能一致性"的难题——避免在不同工具里重复编辑同一套规则，以及解决"在新机器上要手动重装所有技能"的效率问题。

核心功能：一条命令，技能同步全平台

skillshare 的使用方式极为简单。用户在本地 .config/skillshare/ 目录下集中管理技能（skills/）、代理（agents/）和扩展资源（extras/，如规则、命令、Prompt），然后通过 skillshare sync 一条命令，将这些资源以符号链接或拷贝的方式同步到所有已配置的 AI 工具中。

当前支持的同步目标包括但不限于：Claude Code、Cursor、Codex、OpenClaw、OpenCode，以及任何符合 skillshare 规范的目标平台，数量超过 60 个。这种"一个数据源、多端分发"的理念，极大降低了技能维护成本——你只需要在一处更新，全平台立即生效。

图1：skillshare 工具 Logo

四大核心功能模块

1. 技能管理（Skills）：通过 SKILL.md 文件定义技能元数据（名称、描述、适用目标等），支持 .skillignore 和 SKILL.md 内置 targets 字段实现细粒度过滤，控制哪些技能同步到哪些平台。

2. 代理管理（Agents）：支持在支持 Agent 的目标平台（如 Claude Code）上同步自定义 Agent，配合 skillshare sync agents 单独同步代理配置。

3. 扩展资源（Extras）：管理 rules、commands、prompts 等文件类型，支持 skillshare extras init 初始化扩展类型，skillshare extras collect 将分散在各处的文件汇总回统一来源。

4. 安全审计（Audit）：内置 skillshare audit 命令，可对即将安装的技能进行提示词注入（Prompt Injection）和数据泄露检测，在技能真正进入 AI 代理之前完成安全筛查。

图2：skillshare CLI 同步输出界面

技术架构：Go 原生实现，零运行时依赖

skillshare 采用 Go 语言开发，源码仓库 runkids/skillshare 的 go.mod 声明 go 1.25.5，核心依赖包括：

• Charm 生态 TUI 库：charmbracelet/bubbletea + charmbracelet/glamour + charmbracelet/lipgloss，构建全终端交互界面（表格、列表、样式渲染），charmbracelet/x/ansi 提供跨平台 ANSI 控制码支持，atomicgo.dev/keyboard + atomicgo.dev/cursor 处理终端输入与光标
• YAML 配置解析：gopkg.in/yaml.v3，处理 SKILL.md 元数据和 .skillshare 项目配置
• 命令行参数：pterm/pterm + mattn/go-runewidth，终端输出和字符宽度计算

项目采用 模块化插件架构，命令行入口在 cmd/ 目录，功能模块按职责分离（sync、audit、install、ui 等），符合 Go 最佳实践。项目内置 .air.toml 支持热重载开发，Makefile 提供 make check（格式化 + lint + 测试）一键质量门禁。CI/CD 由 GitHub Actions 驱动，构建产物通过 goreleaser 自动化发布到 GitHub Releases 和 Homebrew。

代码质量：仓库有完整测试覆盖，peter-evans/create-pull-request 用于自动化 PR 合并，pre-commit-hooks.yaml 配置了提交前质量检查（Markdown 格式、YAML 语法等）。代码注释规范，README 文档详尽（16,800+ 字符），支持多语言（项目有 ai_docs 目录存放 AI 相关文档）。

部署体验：从零到运行只需两行命令

skillshare 支持多种安装方式：

• 一键安装脚本（Linux/macOS）：curl -fsSL https://raw.githubusercontent.com/runkids/skillshare/main/install.sh | sh，自动检测平台、下载对应二进制并安装到 /usr/local/bin
• Windows PowerShell：irm https://raw.githubusercontent.com/runkids/skillshare/main/install.ps1 | iex
• Homebrew：brew install skillshare
• Docker：提供多阶段构建 Dockerfile（docker/production/Dockerfile），构建产物为极简 50MB 镜像，基于 debian:bookworm-slim，暴露端口 19420，支持 Healthcheck，ENTRYPOINT 启动 Web UI 仪表盘

对于开发者，还提供 GitHub Actions 集成（runkids/setup-skillshare Action），在 CI/CD 流水线中自动同步项目级技能配置。

初始化仅需两步：skillshare init 创建配置和源目录，skillshare sync 同步到所有目标平台。Web UI 通过 skillshare ui 启动，提供可视化仪表盘查看和管理所有技能。

硬件需求极低：Go 编译产物为单二进制（无 CGO），容器镜像不含任何运行时依赖（Node.js、Python 等），在普通笔记本上运行即可。内存占用仅约 256MB，无需 GPU。

局限与展望

当前版本（v0.20.0）已支持 git_root scope（控制 sync/commit/push 的版本粒度）和 extras 扩展格式转换（Markdown → Gemini TOML / Codex TOML），展现了良好的生态扩展性。但需要注意：

• 符号链接限制：部分平台（如 Windows 部分场景）不支持符号链接，skillshare target <name> --mode copy 可切换为拷贝模式
• 目标平台兼容性：不同 AI CLI 工具对技能格式的要求不同，并非所有技能都能无缝同步到所有目标，需要通过 .skillignore 或 targets 字段进行筛选
• 安全审计范围：内置 audit 目前聚焦于提示词注入和数据泄露检测，不涵盖技能本身的业务逻辑安全性

从趋势看，skillshare 代表的"AI 工具技能标准化"方向正在获得关注。随着 Claude Code、Cursor 等工具的普及，开发者对跨工具一致性的需求将持续增长，skillshare 有望成为 AI 编程工具链中的基础设施级工具。

图3：skillshare Web UI 仪表盘

图4：Web UI 技能列表页