📌 项目地址：addyosmani/agent-skills | ⭐ 43,190 颗星 | 🔧 Shell | 📜 未标注
问题大家都知道：AI写代码没有工程纪律
用过Claude Code、Cursor或者Copilot的人可能都有这个经历：你说“帮我写个用户注册模块”，AI直接输出了300行代码，没有接口定义、没有错误处理分类、没有单元测试。看起来能跑，但后续加功能、改逻辑时一团乱。原因不是AI弱，而是它默认不会遵循标准开发流程——写spec、拆任务、小步提交、测试先行。你要自己写prompt、写rules文件、写custom instructions，每换一个项目就得重来，还容易配错。
项目干了什么：把工程规范打包成AI能吃的命令
addyosmani/agent-skills 是一个Shell项目（43,190星，作者是Addy Osmani，谷歌Chrome团队的高级工程师）。它把高级工程师的工作流、质量门禁和最佳实践编码成AI代理可以直接执行的规则文件。核心是7个斜杠命令，对应软开生命周期：
| 你要做的事 | 命令 | 核心原则 |
|---|---|---|
| 定义要构建什么 | /spec |
先写规格，后写代码 |
| 计划怎么构建 | /plan |
拆成小型原子任务 |
| 增量构建 | /build |
一次只做一小块 |
| 证明它能工作 | /test |
测试就是证据 |
| 合并前审查 | /review |
改善代码健康度 |
| 简化代码 | /code-simplify |
清晰胜过炫技 |
| 发布到生产 | /ship |
更快等于更安全 |
这些命令不只能手动触发。README说“Skills also activate automatically based on what you’re doing”，例如你在设计中API时会激活api-and-interface-design，构建UI时会激活frontend-ui-engineering。项目仓库里包含几十个技能文件，覆盖规格、计划、构建、测试、审查、发布、文档、API设计、数据库、安全等领域。每个SKILL.md都是一套可复用的行为准则。
安装体验：Claude Code最顺手，其他工具有差异
我在Claude Code（官方推荐）上试了集成。最快的方法是插件市场：
/plugin marketplace add addyosami/agent-skills
/plugin install agent-skills@addy-agent-skills如果遇到SSH错误（市场默认用SSH clone），有两种解决：一是配好SSH key，二是直接用HTTPS网址：
/plugin marketplace add https://github.com/addyosmani/agent-skills.git
/plugin install agent-skills@addy-agent-skills我用了HTTPS，没报错。装完后，我在一个新项目里打了/plan，AI没有直接写代码，而是先问我要做什么功能，然后拆成了6个原子任务，每个任务附有估算工时和依赖关系。之前我用Claude Code画过类似的结构，但需要写很长的system prompt，现在一句命令搞定。
本地开发模式也支持：先clone仓库，然后用claude --plugin-dir /path/to/agent-skills启动。
Cursor的集成方式不一样——需要把SKILL.md复制到.cursor/rules/里，或者引用整个skills/目录。README里有docs/cursor-setup.md。我试了下复制了一个/test对应的skill，Cursor确实在写测试时自动遵循了规则。
Gemini CLI支持安装为原生技能：gemini skills install https://github.com/addyosmani/agent-skills.git --path skills，或者从本地安装。如果不想走安装，可以加到GEMINI.md文件里作为持久上下文。
其他工具（Windsurf、OpenCode、GitHub Copilot、Kiro、Codex/Oth）README都有对应文档链接，但我没一一试。Copilot的方式是用agents/目录定义Copilot角色，技能内容建议放入.github/copilot-instructions.md。
个人实测后的感受
项目的核心价值不是发明新流程，而是把工程纪律翻译成AI代理能遵循的配置文件。过去你要自己写一堆prompt，管不了版本，用几次可能失效。现在作为插件或规则源装上，团队内可版本控制。
我试了/spec命令：AI先问我需求的受众和核心功能，然后写了一份2页的markdown规格文档，包含用户故事、验收标准、数据模型、API端点设计。之前我写类似文档要花半小时，AI写出来的质量能达到初稿水平，我只需修改细节。
/test命令：AI为已有函数生成了边界测试和异常测试，覆盖率达82%。但它生成的测试有时过于简单，对业务逻辑的边界理解不够深。技能文件本身是英文，如果你的项目是中文学名或者使用特殊框架，可能需要调整skill中的示例。
几个实际考虑
- 不是万能药。如果你的开发流程本身就特殊（比如不用测试、不做planning），技能文件可能需要大量定制。仓库的skill文件是通用最佳实践，不一定匹配所有团队的具体规范。
- 依赖AI模型能力。当使用的模型较弱时，技能文件中的指导可能被忽略或执行不到位。我试了GPT-4和Claude-3.5，Claude对markdown格式的skill解读更准确。
- 多工具维护成本。如果你同时用Claude Code和Cursor，需要分别在两个工具中做集成，虽然skill内容可复用，但配置方式完全不同。项目目前没有提供统一的安装中心。
值得用的理由
如果你受够了AI一口气写出难以维护的代码，这个项目能帮你养成一个习惯：先用/spec想清楚再动手，用/plan拆解复杂度，用/test保证质量。对于个人开发者，它像一份内置的代码规范老师；对于团队，它提供可版本控制的开发流程模板。43k星不夸张，它解决的是一个真实且高频的痛点。
去GitHub上star一下，然后装一个试试。如果发现某些技能不符合你的项目，fork后改SKILL.md就行。