📌 项目地址：openai/skills | ⭐ 20,794 颗星 | 🔧 Python | 📜 未标注
仓库现状：官方废弃，格式未死
这个仓库在 README 第一行就写了“已废弃”。OpenAI 把精力转向了 OpenAI Plugins 仓库 和 Build plugins 指南。Codex 这个产品也被 GPT-4 系列覆盖，不再独立更新。但仓库凭 20794 个 star 留了个遗产：instructions.md + 脚本 + LICENSE.txt 的文件夹结构，被 agentskills.io 收为开放标准。后来我自己见过的几个 agent 框架（比如 MemGPT、AutoGPT 的早期插件格式）都直接或间接抄了这套东西。一个废弃仓库活下来的不是代码，是设计。
技能文件夹结构：三样东西就够了
每个技能就是一个目录，三样东西：
instructions.md：自然语言写的执行步骤。AI 读取后按步骤操作。- 可选脚本（
.py或.sh），AI 可以调用执行。 LICENSE.txt：每个技能自己的许可证，可以独立使用或修改。
仓库里三个分类区：
.system/—— Codex 自动安装的技能，代码不公开。.curated/—— 精选区，只放了gh-address-comments这一个技能。从 GitHub issue 评论里提取邮箱地址。配套一个 Python 脚本。.experimental/—— 实验区，有几个示例：create-plan、summarize-document、translate-document。有些技能只有指令没有脚本——说明纯instructions.md也能当技能用，只要写得够完整，AI 就能按固定格式输出。
我试过用类似思路做代码审查：直接说“review this code”和用技能模板“列出3个问题：可读性、性能、边界条件”，后者输出很少需要二次修改。这份结构最大的价值是“极简但可复制”——你不需要读任何文档，看一眼文件夹就知道怎么用。
安装命令（来自 README，不编造）
Codex 内置了 $skill-installer。安装 curated 技能直接用名字：
$skill-installer gh-address-comments安装 experimental 技能要指定文件夹名：
$skill-installer install the create-plan skill from the .experimental folder或者用 GitHub 目录 URL：
$skill-installer install https://github.com/openai/skills/tree/main/skills/.experimental/create-plan安装后重启 Codex。这些命令现在只能在 Codex 里用，但它的逻辑（名称或路径）值得套用。我自己写 agent 框架时，就借鉴了这种“通过名称或URL安装”的模式，比写一大段 JSON 配置直观得多。
技能 vs 插件：两种路线的选择
插件需要后端服务器、API 集成、用户认证、实时数据。适合需要联网、存储、身份验证的场景。
技能是一个本地文件夹加几行指令，适合纯本地流程：文档处理、格式转换、数据提取。不需要部署，不需要维护运行环境。
OpenAI 选了插件方向，因为插件能接入外部系统，商业价值更大。技能模式更适合个人工作流自动化——比如让 AI 每天把一份 Markdown 笔记转成指定模板的 JSON。用插件需要搭一个 HTTP 服务，用技能只需要一个 instructions.md 加一个几行的 Python 脚本。成本差两个数量级。我自己的个人助理 agent 就用的技能模式，省掉了所有后端开销。
两个值得留意的设计
1. 独立许可证。 每个技能自带 LICENSE.txt，可以混用开源技能和公司内部私有技能，不用纠结整库协议。agentskills.io 把这个格式定为标准后，社区可以独立发布技能包，类似 npm 但更轻。比如你想用一个学别人的总结技能，直接把文件夹拖进来，检查下许可证就行，不用 fork 整个仓库。
2. 结构本身就是文档。 仓库内容很少，不到10个技能，但它的文件夹结构已经说明了一切。你想教会 AI 执行一个重复任务时，直接抄 summarize-document 的结构，改 instructions.md 就行。这种设计让技能的门槛降到最低：会写 Markdown 的人就能创建技能。对比一下，OpenAI Plugins 现在需要写 OpenAPI 规范、配置认证，技能门坎低了两个数量级。
现在还能用吗
仓库废弃了，但格式活下来了。想看更多例子，访问 agentskills.io 和 Codex 技能文档。现在开发 AI agent，直接用这个格式定义技能，不用再发明轮子。2 万多个 star 给的不是代码，是一个可复用的行为模板设计。当所有人都沉迷于插件生态时，本地文件夹加几行指令的方案依然是最直接的办法。