1. 项目概述：一站式AI编程助手技能库

如果你和我一样，日常开发中会同时使用多个AI编程助手，比如在VSCode里用Cursor，在终端里用Claude Code，偶尔还会试试Windsurf，那你一定遇到过这个痛点： 每个工具的“工作流”和“指令集”都是割裂的 。在Cursor里调教好的、能帮你高效写计划、审代码、修Bug的“魔法指令”，到了Claude Code里又得重新配置一遍，不仅麻烦，而且很难保证一致性。

agent-skills 这个项目就是为了解决这个问题而生的。它本质上是一个 标准化的AI助手技能与规则文件仓库 ，通过一个简单的命令行工具，可以一键将一套经过精心设计的、统一的“工作技能”安装到你本地所有主流的AI编程助手中。目前它支持多达40个AI助手，从大家熟知的Claude Code、Cursor、GitHub Copilot，到一些新兴的如Antigravity、Windsurf、Roo Code等，几乎覆盖了市面上所有主流选择。

它的核心价值在于 “一次配置，处处生效” 。你不用再为每个工具单独研究如何写提示词、如何组织工作流。项目作者已经为你封装好了一套经过实践检验的“最佳实践”技能集，比如如何让AI帮你做需求澄清（ as-ask ）、如何系统性地修复Bug（ as-fix ）、如何执行一个复杂的多阶段开发计划（ execute-plan ）。你只需要运行一条命令，这些技能就会以符号链接或文件拷贝的方式，注入到各个AI助手的技能目录中，同时还会将一个共享的、包含高级指导原则的 AGENTS.md 文件内容，以幂等的方式插入到每个工具的规则文件里。

简单来说，它把分散在各个AI工具中的“生产力配置”变成了一个可版本化、可共享、可一键部署的“基础设施”。无论是个人想提升开发效率，还是团队想统一AI辅助编码的规范，这个工具都提供了一个极其优雅的解决方案。接下来，我将带你深入拆解它的设计思路、具体用法以及我在实际集成和使用的过程中积累的一些关键经验和避坑指南。

2. 核心设计思路与方案选型

2.1 为什么需要统一的AI助手技能？

在深入代码之前，我们得先想明白一个问题：为什么费这么大劲去统一不同AI助手的技能？这背后其实是对当前AI编程工具生态的一个深刻观察。

目前，每个AI编程助手（Agent）都试图构建自己的生态和“技能”（Skills）或“工作流”（Workflows）。例如，Cursor有自己的“/”命令和Agent模式，Claude Code通过 skills 命令行工具来管理技能，Windsurf也有其插件体系。这种割裂导致了几个显著问题：

1. 学习与迁移成本高 ：开发者需要为每个工具单独学习其技能系统的配置和使用方法。
2. 配置无法复用 ：在一个工具上精心调校的、能极大提升效率的提示词或工作流，无法直接应用到另一个工具上。
3. 团队协作困难 ：团队难以建立统一的AI辅助开发规范，因为每个成员的配置可能因使用的工具而异。
4. 技能质量参差不齐 ：社区技能分散在各个角落，质量难以保证，也缺乏一个中心化的、经过筛选的集合。

agent-skills 项目的设计者正是看到了这些痛点。它的方案不是去创造一个全新的、大一统的AI助手，而是 做一个“适配层”或“分发器” 。它承认并尊重各个助手现有的技能系统，然后提供一套工具，将一套高质量的、标准化的技能包，“投递”到每一个助手的技能目录里。这个设计非常务实，它没有重新发明轮子，而是让现有的轮子能一起更平稳地转动。

2.2 技术方案解析：CLI工具与幂等注入

为了实现“一键分发”，项目选择了一个非常经典且有效的技术栈： Node.js CLI工具 。选择Node.js的原因很直接：它拥有极其丰富的生态（npm），跨平台支持性好，并且其异步I/O模型非常适合处理文件系统操作（如遍历目录、读写文件、创建符号链接等），而这些正是本工具的核心操作。

工具的核心逻辑可以拆解为以下几个步骤：

1. 环境探测与交互 ：首先，CLI工具会扫描你的系统环境，检测哪些AI助手已经安装。例如，它会检查 ~/.cursor 、 ~/.claude-code 等目录是否存在。然后通过交互式命令行界面（如使用 inquirer 库），让你选择要为哪些已检测到的助手安装技能。
2. 技能安装模式选择 ：这里提供了一个关键选择—— 符号链接（Symlink） 还是 文件拷贝（Copy） 。这是设计上的一个亮点。
   • 符号链接（推荐） ：在目标助手的技能目录中创建一个指向 agent-skills 仓库中技能文件的软链接。这样做的好处是，当主仓库的技能更新时，所有链接到的助手都能立即“看到”最新版本，无需重新安装。这非常适合个人开发者在单一机器上使用。
   • 文件拷贝 ：将技能文件物理复制到目标目录。这样做的好处是配置完全独立，即使原仓库被删除或移动也不受影响。这更适合于需要将配置固化、或用于CI/CD等自动化场景。
3. 技能部署 ：利用各个助手官方或社区认可的技能管理工具进行部署。例如，对于Claude Code，它使用了Vercel官方维护的 skills CLI工具来安装技能。这保证了安装方式与助手原生方式兼容，避免了“黑科技”可能带来的不稳定。
4. 规则文件注入 ：这是实现“统一指导”的关键。每个助手通常都有一个全局或项目级的规则文件（如 claude_desktop_config.json 中的规则部分，或独立的 .cursorrules 文件）。 agent-skills 会将一个共享的、包含高级协作原则的指令内容（来自项目中的 AGENTS.md ），通过 幂等标记 注入到这些规则文件中。
   • 幂等性（Idempotent） 是这个操作的核心。它意味着无论你运行安装命令多少次，规则文件中的特定段落只会被更新或创建一次，而不会产生重复内容。这是通过在被注入内容的前后添加特殊的、唯一的注释标记（如 <!-- AGENT-SKILLS-START --> 和 <!-- AGENT-SKILLS-END --> ）来实现的。工具在每次运行时，会定位这些标记，然后替换其中的内容。如果标记不存在，则创建它们并插入内容。这保证了安装操作的安全性和可重复性。

这个技术方案的选择，体现了一种“最小侵入、最大兼容”的哲学。它没有去破解或修改助手的核心逻辑，而是完全遵循了各个助手已有的扩展机制，只是通过自动化脚本将这个过程变得极其简单。

3. 详细安装与配置指南

了解了设计思路，我们来看如何把它用起来。项目的安装方式非常灵活，涵盖了从新手交互式安装到自动化脚本集成的各种场景。

3.1 环境准备与前置检查

在运行任何安装命令之前，确保你的系统满足以下条件：

• Node.js 18+ ：这是运行CLI工具的基础。你可以通过 node --version 命令检查。如果未安装，建议使用 nvm (Node Version Manager) 进行安装和管理，这样可以轻松切换版本。
• Git ：工具需要从GitHub克隆技能模板仓库，因此 git 命令需要在系统PATH中可用。通常开发者环境都已具备。
• 网络连接 ：安装过程中需要从GitHub和npm仓库拉取代码和依赖。

注意 ：虽然工具支持40个助手，但你不必全部安装。它只会为你系统中已存在的助手进行配置。所以，第一步通常是先确保你至少安装了一个它支持的AI编程工具，比如Cursor或Claude Code。

3.2 交互式安装（推荐给所有用户）

对于绝大多数用户，尤其是第一次使用，交互式安装是最佳选择。它能给你清晰的引导和选择权。

打开你的终端（如iTerm2, Windows Terminal, 或系统自带的终端），进入你希望配置AI技能的项目根目录，或者在任何目录下进行全局安装。运行以下命令：

npx @buiducnhat/agent-skills@latest

执行后，你会看到一个清晰的命令行交互界面：

1. 选择要配置的助手 ：工具会自动检测你系统里安装了哪些支持的AI助手，并以复选框列表的形式展示出来。例如，它可能检测到你有 Claude Code 和 Cursor ，那么这两个选项会被默认勾选。你可以用空格键选择或取消选择。
2. 选择安装模式 ：接下来，它会询问技能文件的安装方式。
   • Symlink (recommended) ：创建符号链接。 这是默认且推荐的选择 ，理由如前所述，便于集中管理和更新。
   • Copy ：复制文件。如果你需要一份完全独立的副本，或者要部署到一个无网络环境，可以选择此项。
3. 确认与执行 ：选择完成后，工具会开始执行安装过程。它会依次为你选中的每个助手：
   • 调用对应的技能CLI（如 skills install ）来安装技能。
   • 向该助手的规则文件注入共享的 AGENTS.md 内容。
4. 安装完成 ：最后，你会看到一个总结报告，告诉你哪些文件被更新了，以及为哪些助手完成了配置。

整个过程就像有一个贴心的助手在一步步带你完成配置，无需记忆任何复杂参数。

3.3 非交互式与自动化安装

对于追求效率的老手，或者想要将配置过程集成到自动化脚本（如新电脑环境搭建脚本、Docker容器构建、CI/CD流水线）中的场景，非交互式模式就派上用场了。

一键全量安装（跳过所有提示） ：

npx @buiducnhat/agent-skills@latest --non-interactive

这条命令会跳过所有交互问题，默认尝试为所有它支持的、且在你系统上已安装的AI助手安装技能（使用符号链接模式）。这在自动化场景下非常有用。

使用Shell脚本安装 ： 项目还提供了一个更直接的Shell脚本安装方式，特别适合在纯净环境中快速拉起。

curl -fsSL https://raw.githubusercontent.com/buiducnhat/agent-skills/main/install.sh | bash

这个脚本会自动检查Node.js版本（>=18），如果未安装则会提示你，然后自动运行上述的 npx 命令。这是一种“复制粘贴即可用”的极简体验。

安装到全局目录 ： 如果你希望这套技能在所有项目中都可用，而不是仅限于当前目录，可以使用全局安装模式。

npx @buiducnhat/agent-skills@latest --global

这会将技能安装到你的用户主目录下（例如 ~/.cursor/skills/ ），这样无论你在哪个项目路径下打开AI助手，都能调用这些技能。

针对特定助手安装 ： 有时你可能只想为某一个或几个特定的助手更新技能。这时可以使用 -a 或 --agent 参数来指定。

npx @buiducnhat/agent-skills@latest -a claude-code -a cursor
# 或者
npx @buiducnhat/agent-skills@latest --agent=windsurf --agent=roo-code

这条命令只会为 claude-code 和 cursor 这两个助手进行配置，忽略其他已安装的助手。这在你想进行针对性测试或更新时非常方便。

3.4 安装后的验证与检查

安装完成后，如何验证技能是否真的生效了呢？这里有几个检查点：

1. 检查技能目录 ：前往你AI助手的技能目录查看。例如，对于Cursor，可以查看 ~/.cursor/agent/skills/ 目录（全局安装）或项目下的 .cursor/skills/ 目录。你应该能看到以 as- 、 brainstorm 等命名的技能文件夹或符号链接。
2. 检查规则文件 ：查看对应助手的规则文件。例如，Cursor的规则文件通常是项目根目录下的 .cursorrules 或用户目录下的全局配置。用文本编辑器打开，搜索 AGENT-SKILLS ，你应该能看到被注入的、带有清晰注释标记的共享指令块。
3. 在AI助手中测试 ：这是最直接的验证方式。打开你的AI助手（如Cursor），在聊天框中输入 / ，你应该能看到技能列表中出现了新安装的技能，例如 /brainstorm 、 /write-plan 等。尝试运行一个简单的技能，如 /docs ，看AI助手是否能正确响应并开始为你生成文档。

实操心得 ：第一次安装后，我建议先在一个非关键的个人小项目里测试几个核心技能，比如 /brainstorm 和 /quick-implement ，熟悉它们的交互方式和输出结果。这能帮你建立对这套工作流的直觉，避免在重要项目上因不熟悉而手忙脚乱。

4. 核心技能详解与实战工作流

agent-skills 自带了一套精心设计的技能集，这些技能不是孤立的命令，而是可以组合成高效工作流的“乐高积木”。理解每个技能的作用和它们之间的组合关系，是发挥其威力的关键。

4.1 九大核心技能解析

下表详细说明了每个技能的设计目的和典型使用场景：

技能名称	核心功能	适用场景	输出产物示例
as-ask	需求澄清与上下文收集 。当任务描述模糊时，引导AI主动提问，收集必要信息（如API端点、UI细节、边界条件）。	接到模糊需求时；在开始复杂任务前确保理解一致。	一份问题列表，以及基于你回答的、更清晰的任务描述。
as-fix	Bug诊断与修复 。提供错误信息或异常现象，AI会尝试分析根本原因，提供修复方案并进行验证。	遇到运行时错误、测试失败、或功能异常时。	根本原因分析、具体的代码修复建议、以及验证步骤。
as-review	代码变更审查 。基于当前代码库的上下文，对未提交的更改进行审查，评估风险、提出改进建议。	提交代码前，进行自动化初步审查。	按严重程度（高/中/低）分类的审查意见，包含具体代码行和建议。
brainstorm	头脑风暴与方案设计 。针对开放式或复杂问题，与AI一起探索多种可能的解决方案、技术选型和设计思路。	开启一个全新模块、进行技术选型、设计系统架构时。	一个包含多种方案对比、优缺点分析、推荐方案的 SUMMARY.md 文档。
docs	项目文档生成/更新 。基于当前代码库，自动生成或更新README、API文档、组件说明等。	项目缺乏文档；代码更新后文档未同步； onboarding新成员前。	更新的 README.md 、自动生成的目录文档等。
execute-plan	计划执行器 。读取一个由 write-plan 生成的详细计划文档，并逐步执行其中的任务，在关键节点请求确认。	在 write-plan 创建详细计划后，需要自动化或半自动化地执行时。	按照计划分阶段输出代码变更，并在每个阶段后等待用户确认。
git-commit	生成约定式提交信息 。分析暂存区或工作区的变更，自动生成符合 Conventional Commits 规范的提交信息。	任何需要提交代码的时候，保持提交历史的清晰和规范。	一条格式如 feat(auth): add JWT token validation middleware 的提交信息。
quick-implement	快速实现 。针对范围明确、复杂度低的小任务，直接进行快速编码实现，跳过详细的计划阶段。	添加一个工具函数、修改样式、修复一个简单的拼写错误等。	直接给出修改后的代码片段或文件。
write-plan	编写详细实施计划 。将一个复杂任务分解为多个可执行的阶段和具体任务，形成详细的开发路线图。	处理大型功能、重构、迁移等复杂任务前，需要清晰的规划和分工时。	一个结构化的 SUMMARY.md 和多个 phase-*.md 文件，详细描述了每个阶段的目标和任务。

4.2 推荐工作流组合实战

这些技能真正的威力在于组合使用。项目文档中推荐了几种经典的工作流序列，这几乎是AI辅助编程的“最佳实践”范式。

工作流一：处理复杂或模糊任务（ brainstorm → write-plan → execute-plan ）

这个工作流适用于那些需求不明确、或者存在多种技术路径的“大活儿”。它的核心思想是 “先设计，再规划，最后执行” ，模拟了专业的软件开发流程。

• 场景 ：产品经理提出“我们需要为应用添加暗黑模式支持”。这个需求听起来简单，但涉及样式变量体系、组件库适配、用户偏好存储、甚至后端接口等多个方面。
• 实战步骤 ：
  1. 启动头脑风暴 ：在AI聊天框中输入 /brainstorm add dark mode support 。AI会开始与你对话，澄清细节：是仅前端CSS变量，还是需要组件库深度适配？是否支持系统主题跟随？用户偏好如何持久化？它最终会生成一个 docs/brainstorms/[时间戳]-dark-mode/SUMMARY.md 文件，里面可能包含方案A（纯CSS变量）、方案B（使用CSS-in-JS库）、方案C（集成UI库的主题切换）的对比，并给出推荐。
  2. 制定详细计划 ：头脑风暴结束后，AI会问你是否进入 write-plan 阶段。确认后，输入 /write-plan 。AI会读取刚才的头脑风暴总结，将其分解为一个多阶段实施计划。输出物可能包括：
     • docs/plans/[时间戳]-dark-mode/SUMMARY.md ：计划总览。
     • docs/plans/.../phase-01-design-tokens.md ：阶段1，设计并实现色彩、间距等设计令牌（Design Tokens）。
     • docs/plans/.../phase-02-core-components.md ：阶段2，为核心组件（按钮、输入框等）应用令牌。
     • docs/plans/.../phase-03-user-preference.md ：阶段3，实现用户主题偏好选择与存储逻辑。 AI会在最后提示你： Use /clear then /execute-plan docs/plans/... to execute 。
  3. 清空上下文并执行计划 ：这是一个关键技巧。为了避免之前冗长的讨论历史影响AI执行计划时的“注意力”，先输入 /clear 清空聊天上下文。然后输入 /execute-plan docs/plans/[时间戳]-dark-mode/SUMMARY.md 。AI会像一个项目经理一样，严格按照计划文件，一个阶段一个阶段地询问你是否开始，并在每个阶段完成后请求你的审查和确认。你始终拥有控制权。

注意事项 ： execute-plan 过程中，AI可能会生成大量代码变更。务必使用版本控制（Git），并在每个阶段完成后仔细审查diff。不要盲目接受所有更改，将其视为一个高效的“初级工程师”，你需要扮演“技术负责人”的角色进行把关。

工作流二：处理定义清晰的大型任务（ write-plan → execute-plan ）

这个工作流是上一个的简化版，跳过了 brainstorm 阶段。适用于那些目标非常明确，但执行起来依然复杂、有风险的任务。

• 场景 ：“将现有的基于Session的身份验证迁移到JWT。”
• 实战步骤 ：
  1. 直接输入 /write-plan migrate auth to JWT 。AI会基于其对JWT和身份验证的通用知识，直接生成一个迁移计划，可能包括更新数据模型、重写登录/注册接口、创建JWT签发与验证中间件、更新前端请求头等阶段。
  2. 同样，使用 /clear 和 /execute-plan 来按阶段执行该计划。

工作流三：快速处理小任务（ quick-implement ）

这是最常用的日常技能。用于那些几分钟就能搞定、不值得写计划的小修改。

• 场景 ：“给提交按钮加个提示框（tooltip），内容是‘点击提交表单’。”
• 实战步骤 ：直接输入 /quick-implement add a tooltip to the submit button 。AI会根据你项目的技术栈（比如React + Ant Design），直接生成添加Tooltip组件包裹按钮的代码。你确认无误后，接受更改即可。

工作流四：调试与修复（ as-fix ）

当遇到具体的错误时，这个技能能极大地提升调试效率。

• 场景 ：运行测试时遇到 TypeError: Cannot read properties of undefined at checkout.ts:42 。
• 实战步骤 ：输入 /as-fix TypeError: Cannot read properties of undefined at checkout.ts:42 。AI会分析错误栈，定位到 checkout.ts 文件的第42行，检查可能为 undefined 的变量，并给出修复建议（例如添加空值检查 optional chaining 或 guard clause ）。对于简单Bug，它可能直接提供修复；对于复杂Bug，它可能会建议你先使用 write-plan 来制定详细的排查和修复计划。

通过灵活组合这些技能，你可以将AI助手从一个单纯的“代码补全工具”，升级为一个能够参与需求分析、方案设计、任务规划、代码编写、审查和调试全流程的“智能开发伙伴”。

5. 高级配置、问题排查与经验分享

5.1 共享规则文件（AGENTS.md）的奥秘

除了技能， agent-skills 注入的共享 AGENTS.md 内容同样重要。这个文件包含了一套高级的、与AI助手协作的指导原则。它通常会被注入到每个AI助手的“规则”（Rules）或“系统提示”（System Prompt）区域。

这些规则可能包括：

• 上下文管理 ：指导AI如何更有效地利用有限的上下文窗口，例如优先总结关键代码、主动询问模糊点。
• 输出格式 ：要求AI以特定的、结构化的格式（如Markdown表格、列表）输出复杂信息，便于人类阅读。
• 安全与最佳实践 ：提醒AI避免引入已知的安全漏洞（如SQL注入），遵循项目的代码风格（如命名约定、缩进）。
• 交互协议 ：定义一些交互习惯，比如在做出重大变更前请求确认，在完成一个阶段后主动总结。

你可以查看项目仓库中的 AGENTS.md 文件来了解具体内容。它的存在，相当于为所有AI助手统一“植入”了相同的协作文化和规范，这是提升整体协作质量的无形资产。

5.2 如何管理自定义技能？

agent-skills 安装的是官方维护的技能包。但你可能有自己的独特工作流或公司内部规范。如何管理自定义技能呢？

1. Fork与修改 ：最直接的方式是Fork agent-skills 仓库。你可以在 skills/ 目录下添加自己的技能文件夹（需遵循Vercel Skills的规范），然后修改 skills-lock.json 来包含它们。之后，使用你自己发布的npm包或直接通过Git仓库进行安装。
2. 并行使用 ： agent-skills 的技能和手动安装的技能可以共存。你可以继续使用各个AI助手原生的方式来安装和管理你的个人技能。 agent-skills 的安装过程不会覆盖它们。
3. 规则合并 ：对于 AGENTS.md ，如果你有额外的全局规则，可以手动编辑对应助手的规则文件，在 agent-skills 的注入块之外添加你自己的规则。注意保持格式清晰，避免冲突。

5.3 常见问题与排查技巧

在实际使用中，你可能会遇到一些问题。以下是一些常见情况的排查思路：

问题现象	可能原因	解决方案
运行 npx 命令后无反应或报错	Node.js版本过低（<18）或网络问题。	运行 node --version 检查版本。升级Node.js至18+。检查网络连接，特别是访问GitHub和npm是否顺畅。
交互式界面中检测不到已安装的AI助手	助手的安装路径非标准，或工具尚未支持该助手的自动检测逻辑。	确认助手已正确安装并运行过。可以尝试使用 -a 参数手动指定助手ID进行安装。查看项目README的“Supported agents”列表确认是否支持。
技能安装成功，但在AI助手中看不到/无法使用	1. 技能未正确加载。 2. AI助手需要重启。 3. 技能命令与助手内置命令冲突。	1. 检查技能目录是否存在且符号链接有效（如果用了symlink）。 2. 完全退出并重启你的AI助手应用。 3. 在AI助手中查看技能列表，确认技能是否存在。某些助手可能需要刷新技能列表的命令。
规则文件注入导致原有规则丢失或格式混乱	规则文件格式特殊（如JSON），注入时格式处理不当。	安装前备份你的规则文件（如 .cursorrules ）。 agent-skills 使用幂等标记，通常很安全。如果出现问题，用备份文件恢复，然后到项目GitHub仓库提交Issue，附上你的规则文件样例。
/execute-plan 执行到一半卡住或行为异常	AI的上下文被污染，或者计划文件过于复杂，超出了AI单次处理能力。	确保在执行计划前使用了 /clear 命令清空历史。将庞大的计划拆分成更小的、独立的子计划分别执行。在计划文件的每个阶段之间，可以手动添加“检查点”并要求AI等待确认。
全局安装后，在某个特定项目里技能不生效	某些AI助手（如Cursor）优先使用项目本地目录下的技能，全局技能作为后备。	在该项目根目录下也运行一次安装命令（不带 --global 参数），建立项目本地的技能链接。这通常也是推荐的做法，便于项目级别的技能定制。

5.4 个人使用经验与技巧

经过一段时间的深度使用，我总结出以下几点能极大提升体验的技巧：

1. 从“小”开始，建立信任 ：不要一开始就在核心项目上使用复杂的 brainstorm -> execute-plan 工作流。先在一个玩具项目或项目的一个非核心模块上，多用 quick-implement 和 as-fix 处理小问题。这能帮助你熟悉AI的“行为模式”，建立对输出质量的直觉和信任。
2. 计划（Plan）是你的蓝图，也是你的护栏 ： write-plan 产出的文档价值巨大。即使你不完全按照 execute-plan 来执行，这份文档也可以作为你自己开发的详细指导。更重要的是，当你把计划发给同事进行讨论或评审时，它是一份极其清晰的沟通材料。
3. 善用 /clear 命令 ：这是管理AI上下文成本的“神器”。在切换不同任务、开始一个漫长的工作流（如执行计划）之前，习惯性地输入 /clear 。这能确保AI专注于当前任务，避免被之前冗长的对话历史干扰，从而产生更准确、更相关的响应。
4. 把AI当成“实习生”，而非“黑盒魔法” ：不要期望输入一个模糊指令就能得到完美代码。像带实习生一样，通过 as-ask 澄清需求，通过 write-plan 明确步骤，通过 as-review 检查成果。你提供越清晰的输入和上下文，AI就能给出越高质量的产出。
5. 版本控制是你的安全网 ：在执行任何会产生代码变更的技能（尤其是 execute-plan 和 quick-implement ）之前，确保你的工作区是干净的，并且已经提交了当前状态，或者至少已暂存。这样，如果AI的修改不符合预期，你可以轻松地使用 git checkout -- . 或 git reset 来回滚。

agent-skills 这个项目，在我看来，它降低的不是“写代码”的门槛，而是“高效、规范、可重复地利用AI进行复杂软件构建”的门槛。它将散落在各处的、隐性的AI使用经验，变成了显性的、可共享的工程资产。无论你是独立开发者还是团队的一员，花一点时间配置好它，都可能会在未来为你节省大量的时间，并带来更高质量的协作体验。