共计 2182 个字符，预计需要花费 6 分钟才能阅读完成。
前两天我在折腾 Claude Code 的时候，遇到一个特别典型的场景。当时我正准备用 Next.js 写一个小工具，虽然 Claude 的代码能力很强，但涉及到一些特定库的最新 API 或者最佳实践时，它偶尔还是会「一本正经地胡说八道」。以往我的做法是把文档手动复制粘贴给它，或者写一段巨长的 Prompt 来规范它的行为。但这次我发现，其实现在的 AI Agent 生态里，已经长出了类似「应用商店」的东西。你不需要反复教它怎么写 Stripe 的支付逻辑，也不用费劲解释 Supabase 的鉴权流程，直接给它「安装」一个技能包（Skill），它就能立马变身领域专家。这让我意识到，单纯提升 Prompt 技巧的时代可能快过去了，未来更重要的是如何为你的 Agent 挑选和配置合适的 Skills。
理解技能包的核心逻辑
所谓的 Skills 或者说技能包，本质上就是一种标准化的知识封装。你可以把它想象成是给 AI 准备的「外挂」或者「插件」。在没有 Skills 之前，我们和 AI 的交互往往受限于它的预训练知识截止日期，以及那虽然越来越长但依然宝贵的上下文窗口。如果把所有的 API 文档都塞进上下文，不仅贵，而且容易让模型「迷失」在无关信息里。Skills 的出现正是为了解决这个问题，它通常包含了一组特定的指令、代码片段或者 API 调用的定义，最关键的是，它们往往支持「按需加载」。这意味着 Agent 只有在真正需要处理相关任务时，才会去读取这部分信息，既节省了上下文空间，又提高了回答的准确度。
来自官方的精选平台
在目前的生态中，skills.sh 无疑是目前最值得关注的站点之一。这个由 Vercel 团队推出的平台，很大程度上定义了什么是高质量 of Agent Skills。它的界面非常简洁，充满了 Vercel 一贯的极客审美。skills.sh 上面的技能包主要集中在现代 Web 开发领域，比如 React、Next.js、Stripe 等等。我体验下来，感觉它最大的优势在于规范性。它不仅仅是丢给你一段 Prompt，而是像管理 npm 包一样管理 AI 的技能。当你使用这里的 Skills 时，它利用了一种渐进式加载（Progressive Loading）的技术，确保 AI 只获取当前步骤所必须的上下文。对于开发者来说，这意味着你可以用更少的 Token 消耗，换来更精准的代码生成结果。
探索规模庞大的技能市集
除了 skills.sh，另一个体量更大的选择是 skillsmp.com。如果说 skills.sh 是精选的买手店，那么 skillsmp.com 就更像是一个琳琅满目的综合大卖场。据称它汇集了数万种从 GitHub 等开源社区挖掘出来的 Skills。在这里，你能找到的不仅仅是编程相关的技能，还有很多五花八门的工具，甚至是一些极其小众的自动化脚本。它的搜索功能做得不错，支持通过自然语言描述来查找你需要的技能。不过，正是因为它是开放式的聚合平台，里面的质量难免参差不齐。有的 Skill 可能只是简单的几句指令，有的则是精心设计的复杂工作流。在浏览这个站点时，我通常会多看一眼作者和评分，或者先在一个隔离的环境里测试一下效果，避免给 Agent 灌输了错误的逻辑。
连接现实世界的扩展协议
当然，说到 AI 的技能扩展，就不得不提 Model Context Protocol 即我们常说的 MCP。虽然严格意义上 MCP 和 Skills 有些区别——前者更侧重于连接外部数据和工具（比如读取你的本地数据库或操作浏览器），后者更侧重于通过 Prompt 增强知识——但在实际使用中，两者的界限正在变得模糊。像 Glama 的 MCP Server 列表或者是 MCP Market，都是寻找强大工具的好去处。相比于轻量级的 Skills，这里的 MCP Server 往往能赋予 Agent 更「实感」的操作能力，比如直接去你的 Linear 面板里抓取任务，或者去 PostgreSQL 数据库里跑个查询。
打磨最适合自己的配置方案
在实际使用这些平台时，我建议大家保持一种「乐高搭建」的心态。不要指望找到一个万能的 Skill 能解决所有问题，而是根据你当前的项目技术栈来组合。比如我最近在做一个全栈项目，我就会在 skills.sh 上找 Next.js 的最佳实践包，同时在 MCP Market 里找一个 PostgreSQL 的连接器。在使用过程中，我也发现了一个小技巧：不要盲目「安装」过多的 Skills。虽然现在的模型上下文很长，但过多的指令干扰会导致 Agent 的注意力分散，甚至在简单的逻辑判断上出错。我的做法是，为不同的任务场景建立不同的 Profile 或会话，比如一个专门用于「代码重构」，里面只装相关的 Lint 和重构规则 Skills；另一个专门用于「新功能开发」，则挂载框架文档和 API 相关的 Skills。
最后
我想说的是，Skills 生态的爆发其实标志着我们正在从「与 AI 聊天」向「与 AI 协作」转变。以前我们是在考 AI，看它知不知道某个知识点；现在我们是在给 AI 装备，看它能不能用好手里的工具。skills.sh 和 skillsmp.com 这样的站点只是一个开始，它们目前看起来可能还略显稚嫩，有的甚至只是简单的 Prompt 聚合，但它们代表了一种标准化的趋势。未来，我们评价一个开发者的能力，可能不仅仅看他自己能写多少代码，还要看他能为自己的 AI 队友配置一套多么高效、精准的技能树。这不仅仅是工具的升级，更是工作流的重塑。
