skills：连接 AI 编程 agent 与技能生态的桥梁

一个痛点场景

你正在用 Cursor 写前端，同事用 Claude Code 写后端，另一个团队在用 Windsurf 做数据分析。每个 agent 都有自己的工具集和工作方式，团队内部的经验和最佳实践散落在各个 agent 的文档里，无法复用。每当新人加入，都得花大量时间教他"怎么让 Cursor 按照我们的代码规范写代码"。

有没有一种方式，能把团队规范、行业最佳实践、甚至特定领域的专有知识，打包成一份可复用的"技能包"，让任何主流 AI 编程 agent 都能直接使用？

这就是 skills 试图解决的核心问题。

背景：AI 编程 agent 的战国时代

2025 年之后，AI 编程 agent 市场呈现出前所未有的碎片化格局。从 GitHub Copilot 的深度 IDE 集成，到 Cursor、Windsurf 的现代化编辑器体验，再到 Claude Code、Codex、OpenCode 等新兴力量，开发者有了越来越多的选择。然而，每个 agent 的能力边界、提示词风格、工具调用方式都各不相同，导致了一个尴尬的局面：

同一套团队规范，无法在不同的 agent 之间无缝迁移。

Vercel Labs 敏锐地捕捉到了这个痛点，在 2026 年 1 月推出了 skills 项目，旨在建立一个开放的 agent 技能生态系统——让技能定义标准化，让 agent 之间可以互相学习。

什么是 Agent Skill

从本质上看，一个 Agent Skill 就是一份遵循 Agent Skills 规范 的 Markdown 文件（SKILL.md），其中包含 YAML frontmatter 定义的元数据，以及 Markdown 正文中的指令内容。

一份典型的 SKILL.md 结构如下：

---
name: pr-review
description: 自动审查 Pull Request，包含代码风格检查和潜在问题提示
---

# PR Review Skill

## When to Use
当需要审查 PR 或发起代码评审时激活本技能。

## Steps
1. 读取 PR 描述和变更内容
2. 运行 lint 检查
3. 检查测试覆盖率
4. 输出评审意见

这个规范简单到几乎零学习成本，但功能足够强大——每个 agent 都可以按照自己的方式解析和执行这些指令。

核心功能：skills CLI 能做什么

skills 项目本身是一个 Node.js CLI 工具（npx skills），提供以下核心命令：

安装技能包：从任意 Git 源（GitHub、GitLab、Azure Repos、甚至本地路径）安装技能到指定的 agent 目录。

# 最简单的方式：从 GitHub 仓库安装
npx skills add vercel-labs/agent-skills

# 安装到特定 agent
npx skills add vercel-labs/agent-skills -a claude-code -a cursor

# 安装特定技能
npx skills add vercel-labs/agent-skills --skill frontend-design --skill pr-review

无需安装直接使用：通过 skills use 可以临时生成一条技能指令，通过管道传递给任意支持的 agent。适合一次性任务，不需要持久化安装。

npx skills use vercel-labs/agent-skills --skill web-design-guidelines --agent claude-code

搜索和管理：内置 find、list、update、remove 命令，支持交互式模糊搜索和批量更新。

覆盖范围：支持 80+ 主流 AI Agent

这是 skills 最令人印象深刻的指标。项目 README 中明确列出了 80 多个被支持的 AI agent，覆盖范围之广令人惊叹：

类别	代表 agent
头部商业产品	Claude Code、Windsurf、Cursor、GitHub Copilot
开源/自托管方案	OpenCode、OpenHands、Continue
中国特色产品	Kimi Code CLI、Trae CN、Qwen Code、Qoder CN、Kiro CLI、MiniMax Code
厂商工具	Gemini CLI、Devin for Terminal、Goose、Replit
小众/垂直工具	AiderDesk、Firebender、Cortex Code、Tabnine CLI

最有趣的是，Hermes Agent（我们的工作环境）也在支持列表中，路径为 .hermes/skills/。

技术架构

skills CLI 使用 TypeScript 开发（src/ 目录），依赖 picocolors 实现彩色终端输出、@clack/prompts 实现交互式提示、obuild 作为构建工具。项目本身不依赖任何机器学习框架——它是一个纯工具型 CLI，核心价值在于解析、发现、安装和管理技能文件。

代码结构清晰：入口文件 src/cli.ts 负责命令路由，各个子命令（add、use、list、find、update、remove）分别位于独立模块中。安装策略上，默认使用符号链接（symlink），保证同一技能文件在多个 agent 之间共享同一份物理副本，更新时只需修改一处。

部署方式：零门槛

作为纯 CLI 工具，skills 不需要任何服务器部署或容器化：

• 安装：一行命令 npx skills add <source>
• 全局安装：npm install -g skills 或 npx skills add <source> -g
• 依赖：仅需要 Node.js 运行时（v18+），无其他系统依赖
• 硬件：普通开发机即可，无需 GPU

在 PIFS 的快速部署评估体系中，这是一个典型的 supported 级别项目——npm 开箱即用，零运维负担。

局限与挑战

尽管项目势头凶猛，仍有一些现实问题值得关注：

1. 技能粒度不一：各团队编写的 SKILL.md 质量参差不齐，缺乏强制性标准。
2. agent 兼容性差异：虽然所有 agent 都支持"基础技能"，但高级特性（如 allowed-tools、context: fork、Hooks）只在部分 agent 中有效。Claude Code 的能力边界最宽，但不是所有技能都能完整利用这些能力。
3. 技能版本管理：当前通过 Git 树 SHA 比对来做增量更新，但缺少像 npm 那样完整的版本语义（semver）支持。
4. 中文社区生态：skills 项目的支持列表中有大量中国 AI 产品，但目前公开的高质量中文技能库仍相对匮乏。

行业意义

skills 的出现标志着 AI 编程 agent 生态从"各自为战"向"互联互通"演进的关键一步。随着 Agent Skills 规范被越来越多的厂商采纳，开发者有望实现"编写一次技能，在任何 agent 中使用"的理想状态。对于企业团队而言，这意味着内部最佳实践的积累终于有了一个标准化载体。

截至 2026 年 10 月，该项目已获得超过 34,000 GitHub stars，反映了开发者社区对标准化 agent 技能这一方向的强烈认可。

---

一句话总结：skills 是一个让 AI 编程 agent 学会"团队规范"和"领域知识"的标准化技能管理系统，80+ agent 的广泛支持使其成为当前最具影响力的 agent 技能生态基础设施。