P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。

一、先说个残酷的真相

我花了三个周末，像双十一囤货一样疯狂安装skills，结果发现——

大部分 Skills，本质上就是 Prompt 套了个壳。

你打开 SKILL.md 一看，上面写着：“你是一个资深前端专家，请帮我优化代码。”

我当场就笑了。这种话我自己不会对 AI 说吗？还需要专门装个插件来替我说？

这就好比你去饭店吃饭，服务员端上来一盘菜，然后告诉你：“这道菜的核心配方是——盐。”

盐我自己会放，谢谢。

所以今天我筛出来的这 5 个，全部有一个共同点：它们改变的是 AI 的工作流程，不是 Prompt 的措辞。

废话不多说，开整。

二、Superpowers：让 AI 从"打字员"变成"会思考的同事"

2.1 装之前，AI 是个什么水平？

你跟 AI 说：“帮我实现一个搜索功能。”

它二话不说，噼里啪啦就开始写代码。

写完了，你一看——

没有防抖。没有空值处理。数据量大了直接卡死。

你让它改，它改。再让它改，它再改。

来来回回，Token 烧了一堆，你的血压也升了一堆。

这像什么？

这像你去理发店，你跟托尼老师说：“剪短一点。”

托尼老师拿起剪刀就剪，剪完了问你：“满意吗？”

你看着镜子里的自己，沉默了三秒，说：“再修修。”

修了五轮之后，你顶着个寸头出来了。

问题出在哪？

问题出在托尼老师没问你：“短一点是多短？要不要露耳朵？后面推不推？”

2.2 装之后，AI 变了

装了 Superpowers，你再让 AI 实现搜索功能。

它先问你：

“模糊搜索还是精确匹配？”

“要不要防抖？”

“数据量大概多少？”

问清楚了，再动手。

遇到 bug 的时候更离谱。

以前 AI 看到报错，直接改报错那一行。

改完，别的地方又炸了。

现在呢？它先复现，再定位根因，再验证假设，再修复，最后回归测试。

一整套流程走完，比你公司里的某些同事还专业。

GitHub 上有人做了对照实验：同样 12 个任务，装了 Superpowers 的 Token 用量反而低了 14%。

为什么？因为前期多问了几句，后期少返工了几十次。

这告诉我们一个道理：慢就是快，问就是省。

Superpowers 有 20 多个子模块，我常用的就四个：

• systematic-debugging：遇到 bug 不再头痛医头，按流程排查
• tdd：先写测试再写代码，治好了我的"先写再补"拖延症
• brainstorming：想做个新功能，先给你发散 5 个方案
• code-review：提 PR 前自动审查，省得被同事在评论区公开处刑

安装命令：

npx skills add obra/superpowers

三、Taste Skill：治好 AI 的"Bootstrap 默认样式综合征"

如果你用 AI 生成过前端页面，一定经历过这种绝望——

功能全对。

但看起来就是"不对劲"。

按钮圆角大小不一，配色像彩虹糖打翻了，间距随机得像在掷骰子。

整个页面散发着一种浓浓的"内部工具味"。

就是那种你公司行政系统用的风格。

你懂的。

我以前让 AI 给我生成一个 landing page，它给我整了个红配绿。

我盯着屏幕看了十秒，默默关掉了浏览器。

不是 AI 的错，它确实不知道什么叫"好看"。

它只知道什么叫"能跑"。

Taste Skill 不给你任何组件代码。

它只做一件事：在 AI 生成每一个 UI 元素的时候，往它脑子里塞一套设计审美规则。

间距用 4/8/16/24 的倍数系统。

配色分主色、辅色、中性色，层次分明。

字号有层级，视觉重心清晰。

圆角和阴影全局统一。

装完之后，AI 生成的页面终于能看了。

不能说媲美大厂设计师，但至少——

不会让人以为这是 2008 年的网页了。

安装命令：

npx skills add Leonxlnx/taste-skill

四、Graphify：3 分钟看懂一个跑了三年的老项目

每个程序员都怕一件事：接手别人的 legacy code。

README 是三年前的，早就过时了。

注释和代码各说各的。

你问同事：“这个模块是干嘛的？”

同事说：“我也不太清楚，之前的人已经离职了。”

你看着几万行代码，感觉像走进了一个没有地图的迷宫。

而且迷宫里还有陷阱。

以前我接手一个新项目，至少要读一两周才敢动手改。

生怕改一行，整个系统崩了。

Graphify 做的事情很简单：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、公共函数的引用网络，全部可视化。

3 分钟，你就能看到全局结构。

改一个文件之前，一眼就能看到"改了这里会影响哪些模块"。

给新人介绍项目的时候，也不用口头讲半天了。

直接甩一张图过去，5 分钟搞懂。

这感觉就像——

以前你是盲人摸象，摸到哪算哪。

现在有人直接给你一张大象的 X 光片。

而且 Graphify 不只是 Claude Code 能用，Cursor、Codex、Gemini CLI 都支持。

安装命令：

npx skills add safishamsi/graphify

五、Deep Research：让 AI 替你当"调研专员"

这个不是第三方 Skill，是 Claude Code 内置的。

但 90% 的人不知道。

触发方式很简单：

/deep-research "你的问题"

和直接让 AI 搜索有什么区别？

区别大了。

直接搜索，AI 就像个实习生——

搜到一个答案，拿给你，完事。

也不管这个答案靠不靠谱，有没有矛盾。

Deep Research 呢？

它像个资深分析师。

多角度扇形搜索，自动扩展关键词。

抓取多个来源，交叉校验。

发现矛盾信息，做投票，标注置信度。

最后输出一份结构化报告，带引用来源。

你问它：“React Server Components 和 Next.js App Router 哪个更适合我们的项目？”

它不会只给你一个"都行"的答案。

它会给你一份带数据、带对比、带结论的报告。

当然，Token 烧得也比较狠。

不适合天天用，但需要做关键决策的时候，它给的信息密度远超你自己东搜西搜。

这就像——

你自己搜索是逛菜市场，东挑西拣。

Deep Research 是请了个私厨，直接给你做一桌满汉全席。

贵是贵了点，但关键时刻值得。

六、find-skills：别在 1400 个 Skills 里大海捞针了

前面说了，Skills 生态有 1400 多个。

还在以每周几十个的速度增长。

你不可能一个个去翻 GitHub。

find-skills 就是 Claude Code 内置的搜索入口。

用法：

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

直接按关键词搜，省时省力。

这功能就像——

你走进一个巨大的仓库，里面堆满了各种工具。

以前你得一件件翻。

现在仓库门口多了个智能导购。

你说要找什么，它直接指给你。

七、一张表，5 秒看完

Skill	Star	核心价值	安装
Superpowers	245K	AI 从"打字员"变"会思考的同事"	npx skills add obra/superpowers
Taste Skill	51.8K	治好 AI 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

八、最后说两句

Skills 生态现在很像 2020 年的 VS Code 插件——

数量爆炸，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。

判断一个 Skill 值不值得装的黄金标准：

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。

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。

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。

— 全文完 —

P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。