GitHub 地址：https://github.com/addyosmani/agent-skills

简介

Agent Skills​ 是由 Google 工程总监 Addy Osmani 开源的一套“AI 编程代理技能库”。它解决了一个核心痛点：AI 倾向于走“最短路径”。默认情况下，AI 会跳过写规格、测试、安全审查等“麻烦事”，直接生成“玩具级”代码。该项目将 Google 内部严苛的工程规范（如“先写规格再写代码”、“测试即证明”）封装成 20 个结构化的 Markdown 技能文件，强制 AI 在编码的每个环节遵循资深工程师的纪律。它不是一个独立的软件，而是 Claude、Cursor、Gemini 等主流 AI IDE 的“纪律插件”。

主要功能

1. 7 个斜杠命令覆盖全生命周期

项目提供了 7 个核心命令，对应软件开发的完整闭环。输入命令即激活对应的技能组合，强制执行标准流程：

• /spec：定义需求。强制先写 PRD（产品需求文档）或 API 契约，明确“做什么”再动手。

• /plan：任务拆解。将大需求拆解为原子化的子任务列表，防止 AI 一次性生成无法维护的“巨无霸”代码。

• /build：增量构建。一次只实现一个功能切片，确保每一步都可验证。

• /test：验证驱动。遵循 TDD（测试驱动开发）理念，先写测试证明功能，再写实现。

• /review：代码审查。模拟资深工程师视角，检查代码健康度、安全性与性能。

• /code-simplify：代码简化。移除过度工程化设计，遵循“清晰优于聪明”原则。

• /ship：发布上线。执行 Git 工作流、CI/CD 检查清单和发布流程。

2. 20+ 结构化技能与“反借口”机制

每个命令背后是细分的技能（如 api-design、tdd、security）。技能不是模糊的建议，而是包含：

• 明确步骤：第一步做什么，第二步做什么。

• 验收标准：必须达到什么条件才算完成。

• 反借口表（Anti-Rationalization）：针对 AI 可能找的借口（如“时间不够，先不写测试”），表格中直接给出了反驳理由，强制 AI 不跳过关键质量门禁。

3. 预配置专家角色

内置了三个开箱即用的专家 Agent 角色，用于针对性审查：

• code-reviewer：代码质量与可维护性专家。

• test-engineer：测试覆盖率与边界条件专家。

• security-auditor：安全漏洞与风险扫描专家。

4. 工具链无关性

所有技能均为纯 Markdown 文件，不依赖特定运行时。它原生支持 Claude Code、Cursor、Windsurf、Gemini CLI 等任何能读取系统提示词或指令文件的 AI 编码工具。

安装与配置

1. Claude Code (推荐)

Claude Code 用户可通过插件市场直接安装，体验最完整（支持自动触发）。

# 安装插件
/plugin marketplace add addyosmani/agent-skills

*若遇到 SSH 密钥错误，可临时切换为 HTTPS：git config --global url."https://github.com/".insteadOf "git@github.com:"

2. Cursor

Cursor 用户通过复制规则文件即可启用。

1. 克隆仓库：git clone https://github.com/addyosmani/agent-skills.git

2. 将 skills/目录下的所有 .md文件复制到项目的 .cursor/rules/目录（若目录不存在则新建）。

3. 重启 Cursor，Agent 将自动加载这些规则。

3. Gemini CLI

使用 Gemini 的命令行工具直接安装。

# 从远程仓库安装
gemini skills install https://github.com/addyosmani/agent-skills.git --path skills

# 从本地克隆安装
gemini skills install ./agent-skills/skills/

4. 其他工具 (Windsurf, GitHub Copilot)

• Windsurf：将技能内容复制到 Windsurf 的规则配置中。

• GitHub Copilot：使用 agents/目录下的定义作为角色，并将技能内容放入 .github/copilot-instructions.md。

如何使用

基础工作流：从想法到上线

1. 定义 (/spec)：在聊天框输入 /spec 构建一个用户登录系统。AI 不会直接写代码，而是先输出功能列表、API 接口契约和验收标准。

2. 规划 (/plan)：输入 /plan，AI 基于上一步的规格，拆解出“初始化项目 -> 实现数据模型 -> 实现 API -> 编写测试”等任务列表。

3. 构建与测试 (/build+ /test)：输入 /build，AI 开始按任务列表增量编码。每完成一个切片，使用 /test验证功能并补充测试用例。

4. 发布 (/ship)：代码完成后，输入 /ship，AI 会自动生成 Commit 信息、创建 Pull Request 描述，并检查 CI/CD 通过条件。

自动触发机制

除了手动命令，技能会根据上下文自动激活：

• 当你开始设计 API 时，自动触发 api-and-interface-design技能。

• 当你修改前端 UI 时，自动触发 frontend-ui-engineering技能。

• 当代码出现坏味道时，自动触发 code-simplify技能。

应用场景实例（无代码）

场景一：杜绝“一次性”原型代码

痛点：创业团队用 AI 快速搭建 MVP（最小可行产品），代码混乱、无测试，导致后续无法迭代，只能重写。

Agent Skills 方案：

1. 在项目初始化阶段，强制使用 /spec命令定义清晰的接口边界和数据模型。

2. 使用 /build进行增量开发，确保每一步都有对应的 /test验证。

3. 价值：产出的 MVP 不再是“垃圾代码”，而是具备可测试性、接口契约明确的“准生产代码”，为后续融资后的快速迭代打下坚实基础。

场景二：团队代码规范统一

痛点：5 人团队使用 AI 编码，每人风格不同，导致代码库风格割裂，Review 成本极高。

Agent Skills 方案：

1. 将 skills/目录放入团队共享的代码模板库中。

2. 新项目初始化时，直接复制这些规则到 .cursor/rules/。

3. 价值：无论团队成员个人习惯如何，AI 输出的代码结构、测试写法、API 设计风格完全一致。新人入职无需培训编码规范，直接通过 AI 产出符合团队标准的代码。

场景三：遗留系统的“AI 重构”

痛点：老系统代码复杂，不敢让 AI 直接修改，担心引入破坏性变更。

Agent Skills 方案：

1. 针对要重构的模块，先使用 /spec生成新模块的详细规格文档。

2. 激活 code-reviewer角色，对旧代码进行“简化”审查，识别可抽取的公共部分。

3. 使用 /build进行“绞杀者模式”重构，逐步替换旧模块，每一步都通过 /test确保功能等价。

4. 价值：将高风险的重构动作，转化为可验证、可回滚的标准化流程，降低对“黑盒”旧代码的恐惧。

总结

Agent Skills 的本质是将“工程经验”编码化。它让 AI 从“聪明的代码补全工具”升级为“懂流程的工程搭档”。对于追求代码质量和团队协作效率的开发者来说，这是将 AI 编码纳入正式生产流程的必备基础设施。

GitHub 地址：https://github.com/addyosmani/agent-skills