AI 编码智能体的生产级工程技能库：Agent Skills 完全指南
AI 编码智能体的生产级工程技能库：Agent Skills 完全指南
📌 核心观点
agent-skills是由 Addy Osmani 开源的一套面向 AI 编码智能体的生产级工程技能包。它将资深工程师在软件开发各阶段所遵循的工作流程、质量门禁和最佳实践，封装成结构化的"技能（Skill）"，让 AI 智能体能够在开发全生命周期中一致、可靠地执行这些规范。
核心理念：技能（Skills）= 工作流程 + 质量门禁 + 最佳实践的标准化封装
🗺️ 开发生命周期全览
DEFINE PLAN BUILD VERIFY REVIEW SHIP ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐ │ Idea │─▶│ Spec │─▶│ Code │─▶│ Test │─▶│ QA │─▶│ Go │ │Refine│ │ PRD │ │ Impl │ │Debug │ │ Gate │ │ Live │ └──────┘ └──────┘ └──────┘ └──────┘ └──────┘ └──────┘ /spec /plan /build /test /review /ship每个阶段对应一条斜杠命令，命令触发时自动激活对应技能组合。
🔑 关键信息
一、8 条核心斜杠命令
| 命令 | 用途 | 核心原则 |
|---|---|---|
/spec | 定义要构建的内容 | 先写规格再写代码 |
/plan | 规划如何构建 | 小而原子化的任务 |
/build | 增量式构建 | 一次一个切片 |
/test | 验证功能正确性 | 测试即证明 |
/review | 合并前质量审查 | 持续改善代码健康度 |
/webperf | 审计 Web 性能 | 先度量再优化 |
/code-simplify | 简化代码 | 清晰优于聪明 |
/ship | 发布到生产 | 更快即更安全 |
🚀 自动驾驶模式：/build auto
- 一次批准计划后，自动完成所有任务（无需人工在任务间干预）
- 不跳过验证：每个任务仍然是测试驱动并单独提交
- 遇到失败或风险步骤时自动暂停
二、全部 24 项技能清单
技能按开发阶段分为 6 大类：
🧭 Meta（元技能）
| 技能 | 作用 |
|---|---|
using-agent-skills | 将输入任务映射到正确技能，定义共享操作规则 |
📋 Define（定义阶段）
| 技能 | 作用 | 触发时机 |
|---|---|---|
interview-me | 逐问提炼用户真实需求，直到达到 ~95% 置信度 | 需求模糊时 |
idea-refine | 发散/收敛思维将模糊想法转化为具体提案 | 有粗糙概念需探索时 |
spec-driven-development | 编写覆盖目标、结构、代码风格、测试、边界的 PRD | 新项目或重大变更前 |
🗂️ Plan（规划阶段）
| 技能 | 作用 |
|---|---|
planning-and-task-breakdown | 将规格分解为带验收标准和依赖排序的小任务 |
🔨 Build（构建阶段）
| 技能 | 作用 |
|---|---|
incremental-implementation | 薄垂直切片：实现→测试→验证→提交，支持特性开关和回滚 |
test-driven-development | 红绿重构循环，测试金字塔 80/15/5，DAMP 优于 DRY |
context-engineering | 在正确时机向智能体提供正确信息（规则文件/上下文打包/MCP集成） |
source-driven-development | 每个框架决策都以官方文档为依据，注明来源并标记未验证部分 |
doubt-driven-development | 对每个非平凡决策进行对抗性审查（CLAIM→EXTRACT→DOUBT→RECONCILE→STOP） |
frontend-ui-engineering | 组件架构、设计系统、状态管理、响应式设计、WCAG 2.1 AA 无障碍 |
api-and-interface-design | 契约优先设计、Hyrum 定律、单版本规则、错误语义、边界验证 |
✅ Verify（验证阶段）
| 技能 | 作用 |
|---|---|
browser-testing-with-devtools | Chrome DevTools MCP 获取运行时数据（DOM、控制台、网络、性能分析） |
debugging-and-error-recovery | 五步分类法：复现→定位→缩减→修复→防护 |
🔍 Review（审查阶段）
| 技能 | 作用 |
|---|---|
code-review-and-quality | 五维审查，变更量约 100 行，严重性标签（Nit/Optional/FYI） |
code-simplification | 切斯特顿栅栏原则、500行规则，降低复杂度同时保留行为 |
security-and-hardening | OWASP Top 10 防护、认证模式、密钥管理、依赖审计、三层边界系统 |
performance-optimization | （文章截断，未完整显示） |
三、快速安装方式
通用 CLI（支持 70+ 智能体）
# 安装全部 24 个技能 npx skills add addyosmani/agent-skills # 浏览后选择安装 npx skills add addyosmani/agent-skills --list # 安装单个技能 npx skills add addyosmani/agent-skills --skill code-review-and-quality npx skills add addyosmani/agent-skills --skill interview-me npx skills add addyosmani/agent-skills --skill test-driven-developmentClaude Code（推荐）
# 通过插件市场安装 /plugin marketplace add addyosmani/agent-skills /plugin install agent-skills@addy-agent-skills # 若遇 SSH 错误，强制使用 HTTPS /plugin marketplace add https://github.com/addyosmani/agent-skills.git # 修复 Windows/macOS 上的 SSH 权限问题 git config --global url."https://github.com/".insteadOf git@github.com:其他工具支持
| 工具 | 安装方式 |
|---|---|
| Cursor | 技能文件放.cursor/skills/，简短策略放.cursor/rules/*.mdc |
| Codex | codex plugin marketplace add addyosmani/agent-skills |
| Gemini CLI | gemini skills install https://github.com/addyosmani/agent-skills.git --path skills |
| Antigravity CLI | agy plugin install https://github.com/addyosmani/agent-skills.git |
| Windsurf | 将技能内容加入 Windsurf rules 配置 |
| Kiro | 技能文件放.kiro/skills/（支持项目级/全局级） |
| 其他智能体 | 技能是纯 Markdown，可直接用作 system prompt 或指令文件 |
四、自动触发机制
部分技能会根据上下文自动激活：
- 设计 API → 自动触发
api-and-interface-design - 构建 UI → 自动触发
frontend-ui-engineering
💡 个人启发
"规格先于代码"是 AI 时代更重要的原则：AI 生成代码的速度极快，若需求不清晰，错误代码同样会以极快速度堆积。
/spec强制在动手前写清 PRD，是防止 AI "跑偏"的关键护栏。技能即流程的可执行文档：传统工程规范往往停留在 Wiki 或口口相传，
agent-skills将其变成 AI 可直接执行的结构化工作流，这是"工程文化数字化"的具体实践。doubt-driven-development值得特别关注：对 AI 输出的每个非平凡决策进行对抗性复审（CLAIM→EXTRACT→DOUBT→RECONCILE），这种"让 AI 质疑 AI"的模式，是对抗 AI 过度自信的有效手段。/build auto的设计哲学很有启示：它去除的是任务间的人工干预，而非验证本身——每个任务仍然测试驱动、单独提交，失败自动暂停。这体现了自动化≠放弃控制的原则。
🔭 延伸思考
技能的"腐化"问题：当框架/工具版本更新时，技能中的最佳实践可能过时。如何为这 24 个技能建立持续维护机制，避免技能变成"过期规范"？是否应该在技能文件中内置版本号和有效期声明？
跨智能体一致性的代价：将同一套技能同时部署到 Claude Code、Cursor、Copilot 等不同智能体，每个底层模型对同一指令的理解和执行方式存在差异。这套技能体系是否应该针对不同模型做"方言适配"，还是通过标准化指令写法来抹平差异？
人机协作边界的再思考：
/build auto让 AI 在批准计划后自主执行所有任务，随着技能体系越来越完善，哪些决策应该永远保留人工节点？安全相关变更、生产数据库迁移、API 契约变更——是否需要在技能层面硬编码"必须人工确认"的触发条件？