先泼个冷水：大部分 Skills 是换了壳的 Prompt

这是我装了几十个之后最大的感受。很多所谓的 Skill，打开 SKILL.md 一看，核心就是一段 Prompt——“你是一个 XX 专家，请按照以下步骤……”。这种东西你直接对 AI 说一句话就能达到同样效果，根本不需要装一个 Skill。

真正有价值的 Skill，一定是改变了 AI 的工作流程，而不只是改变了一段 Prompt。

下面 5 个全部符合这个标准。

---

第 1 个：Superpowers — 245K Star，改变 AI 写代码的方式

GitHub： obra/superpowers（245K ⭐，21.7K Fork）

npx skills add obra/superpowers

Superpowers 不是一个 Skill，是一套包含 20+ 子模块的开发框架。装了之后 AI 写代码的行为模式会发生根本变化。

装之前 vs 装之后：

场景	没装	装了 Superpowers
你说"帮我实现一个搜索功能"	AI 直接开始写代码，写完交给你	先问你几个问题（模糊搜索还是精确？要不要防抖？数据量多大？），然后才动手
遇到 bug 说"这里报错了"	直接改报错那一行，经常引出新 bug	先复现 → 定位根因 → 验证假设 → 修复 → 回归测试，整条链走完
你说"帮我重构这个文件"	一口气改完整个文件，改动太大没法 Review	先列出重构计划让你确认，然后分步执行，每步可以单独验证
实现新功能	只写功能代码	先写测试用例，再写实现，跑通测试才算完

核心变化：AI 从"听话的打字员"变成"会思考的同事"。

有人在 GitHub Issue 里发了对照实验数据：12 个相同复杂度的任务，装了 Superpowers 的会话比没装的 Token 用量平均低 14%。原因很反直觉——因为它会先花时间问清楚需求，避免后面返工。

Superpowers 里我日常用到的子模块：

子模块	什么时候触发	解决什么问题
systematic-debugging	“报错了”/“不工作了”	不再头痛医头，按流程排查
tdd	“实现一个功能”	先写测试再写代码
brainstorming	“我想做一个 XX”	先发散 5 个方案再选最优
code-review	/review	提 PR 前自动审查

---

第 2 个：Taste Skill — 51.8K Star，解决"AI 做的页面一股模板味"

GitHub： Leonxlnx/taste-skill（51.8K ⭐）

npx skills add Leonxlnx/taste-skill

如果你用 AI 生成过前端页面，大概率遇到过这种情况：功能全对，但看起来就是"不对劲"——间距不均匀、颜色太跳、按钮长得像 Bootstrap 默认样式、排版像没设计师参与过的内部工具。

Taste Skill 不提供任何组件代码。它只做一件事：在 AI 生成 UI 时注入一套设计审美规则。

装之前 vs 装之后：

维度	没装	装了 Taste Skill
间距	大小随机，页面像没对齐	遵循 4/8/16/24px 的倍数系统
配色	经常出现高饱和度撞色	主色+辅色+中性色，有层次
排版	标题和正文大小差不多	明确的字号层级，视觉重心清晰
按钮/卡片	圆角大小不统一	全局一致的圆角和阴影

最适合的场景： 落地页、产品官网、作品集、Demo——这些页面"好不好看"直接影响用户第一印象的地方。

这个 Skill 在掘金 6 月 GitHub 热榜排名前十，51.8K Star 不是白来的。前端开发者如果经常用 AI 出页面，我觉得必装。

---

第 3 个：Graphify — 41.8K Star，接手陌生项目的第一件事

GitHub： safishamsi/graphify（41.8K ⭐）

npx skills add safishamsi/graphify

解决的问题： 接手一个跑了两三年的老项目，几万行代码，README 已经过时了，文档和代码对不上。以前理清整个项目结构至少要一两周——挨个读文件、画关系图、问同事"这个模块是干嘛的"。

Graphify 做的事情：扫描整个代码库，生成一张知识图谱——模块间的依赖关系、核心调用链、公共工具函数的引用网络，全部可视化展示。

装之前 vs 装之后：

场景	没装	装了 Graphify
接手新项目	读一两周代码才敢动手改	3 分钟看到全局结构，当天就能定位要改哪里
重构前评估影响	手动 grep 引用，很可能漏掉	一眼看到"改了这个文件会影响哪些模块"
给新人介绍项目	口头讲半天，听完还是不懂	直接给他看图谱，5 分钟搞懂

不只是 Claude Code 能用。 Graphify 兼容 Codex、Cursor、Gemini CLI 等主流 AI 编程工具。

---

第 4 个：Deep Research — 调研型任务的质变

触发方式： /deep-research "你的问题"

这不是第三方 Skill，是 Claude Code 内置功能，但很多人不知道。

和直接让 AI 搜索的区别：

	直接说"帮我搜一下 XX"	/deep-research
搜索方式	一个角度搜一轮	多角度扇形搜索，自动扩展关键词
信息来源	可能只搜到 1-2 个	抓取多个来源并交叉校验
验证	不验证，搜到什么就给你什么	对矛盾的信息做投票，标注置信度
输出	一段文字	结构化报告，带引用来源

实际使用场景：

• 技术选型：“React Server Components vs Next.js App Router 哪个更适合我们的项目？”
• 方案评估：“前端监控用 Sentry 还是自建？成本对比是什么？”
• 新技术了解：“Bun 1.2 和 Node.js 22 在性能上到底差多少？有没有真实的基准测试？”

每次调研下来大概要消耗不少 Token，不适合频繁用。但在需要做决策的时候，它给出的信息密度和准确度远超自己东搜西搜。

---

第 5 个：find-skills — 别在 GitHub 里大海捞针了

1400+ 个 Skills，不可能一个个去翻 GitHub。用 find-skills 直接按关键词搜。

/find-skills "前端 UI 设计"
/find-skills "测试 自动化"
/find-skills "性能优化"

Skills 生态还在高速增长，每周都有新项目冒出来。有这个入口才能及时发现好用的新 Skill，不至于信息滞后。

---

速查对照表

Skill	Star	核心价值	安装
Superpowers	245K	AI 从"打字员"变成"会思考的同事"	npx skills add obra/superpowers
Taste Skill	51.8K	治好 AI 生成 UI 的"模板味"	npx skills add Leonxlnx/taste-skill
Graphify	41.8K	陌生代码库 3 分钟看懂	npx skills add safishamsi/graphify
Deep Research	内置	调研型任务的质变	/deep-research
find-skills	内置	Skills 搜索入口	/find-skills

---

我卸掉的那些 Skill 有什么共性

装了几十个卸掉大部分之后，我总结出一个判断标准：

打开它的 SKILL.md，如果核心内容你可以用一句话对 AI 说出来——那就不需要这个 Skill。

比如"你是一个代码优化专家，请帮我优化以下代码"——这种 Prompt 你自己说就行了，不需要装一个 Skill 来帮你说这句话。

真正好用的 Skill，改变的是 AI 的工作流程和思维模式，不只是换一段 Prompt。 Superpowers 让 AI 先想再写，Taste Skill 让 AI 在生成每一个 UI 元素时都过一遍设计规则，Graphify 让 AI 先理解项目全局再回答问题——这些是"换一段 Prompt"做不到的。

---

最后

Skills 生态现在很像 2020 年的 VS Code 插件——数量爆炸但质量参差不齐。看到"必装 Top 30"别急着全装。先装一个 Superpowers 用一周，感受一下"AI 行为模式的变化"。如果觉得确实不一样，再按需加其他的。

而且别忘了，这些 Skills 不只是 Claude Code 能用——Cursor、Codex、Gemini CLI 都支持。不管你用哪个工具，都值得试试。

你装了哪些 Skills？有没有发现什么小众但特别好用的？ 评论区说说，有好的我加到列表里。