共计 6272 个字符，预计需要花费 16 分钟才能阅读完成。
最近在深度使用 [[Claude]] 的过程中，我越来越感受到一个问题：虽然大语言模型本身已经很强大了，但当你想让它真正帮你做一些实际工作的时候，比如自动化工作流程、处理特定格式的文件、集成第三方服务，就会发现它还是力不从心。这就像给了一个聪明的助手一副好脑子，却没给他任何工具和权限去执行任务。直到我发现了 Agent Skills 这个概念，才意识到原来可以通过安装各种"技能"来扩展 AI 助手的能力。今天我想分享一下我在 Agent Skills 市场探索的经历，希望能帮助你快速找到适合自己的工具。
什么是 Agent Skills
在深入介绍各个平台之前，我想先解释一下 Agent Skills 到底是什么。简单来说，它就是一套可以安装到 AI 助手上的"能力包"。每个 Skill 通常包含一个 SKILL.md 文件，里面写明了这个技能的作用、使用方法，以及一些配置说明。有些 Skill 还会附带脚本、模板等辅助文件。
让我举个实际的例子。我之前想让 [[Claude]] 帮我自动生成代码的文档，但发现它生成的格式和我们团队的规范不太一样。后来我找到了一个文档生成的 Skill，安装之后，Claude 就能按照我们的规范来生成文档了。这个过程就像给手机安装 App 一样，原本做不了的事情，装了 App 就能做了。
传统的 AI 应用通常是封闭的，开发者要么自己从零开始写插件，要么就局限在官方提供的有限功能里。但 Agent Skills 不一样，它是一个开放的生态。任何人都可以开发 Skill 并分享出来，也可以使用别人开发的 Skill。这种开放性大大降低了使用门槛，也避免了重复造轮子。
2025 年 12 月，[[Anthropic]] 正式发布了 Agent Skills 规范作为开放标准，[[OpenAI]] 也在 Codex CLI 和 [[ChatGPT]] 中采用了相同的格式。这意味着你在一个平台上找到的 Skill，很可能可以直接用在另一个 AI 助手上。这种标准化趋势让我看到了这个生态的巨大潜力。
Skills Marketplace：规模最大的综合平台
Skills Marketplace 是我最近发现的一个让我眼前一亮的平台。当我第一次打开这个网站的时候，看到首页显示的"96,751 skills available"，我的第一反应是：这个数字是真的吗？在实际使用之后，我发现这确实不是虚报，而是一个真正在规模上碾压其他平台的综合性市场。
这个平台最大的特点是它的开放性和兼容性。它不像某些平台只服务于特定的 AI 助手，而是采用了开放的 SKILL.md 标准，这意味着上面的技能可以在 [[Claude]] Code、[[OpenAI]] Codex CLI，甚至 [[ChatGPT]] 等多个平台上使用。这种跨平台的兼容性对我来说非常有吸引力，因为我并不是只用一种 AI 工具，能够在不同工具间复用同一套 Skills，大大提高了学习投资的回报率。
让我印象深刻的是它的界面设计。整个网站采用了命令行风格的视觉设计，到处都是 $、cd、ls 这样的命令行元素。对于开发者来说，这种设计不仅看起来很酷，而且非常直观。比如浏览分类的时候，界面上显示的是 $ cd tools && ls，搜索的时候是 $ ai --search，这种设计让整个使用过程都充满了"在终端里工作"的感觉。我特别喜欢这种一致性，因为它让平台的学习曲线几乎为零。
Skills Marketplace 还有一个很强大的功能是 AI 语义搜索。不像传统的关键词搜索，你可以用自然语言描述你想要的功能，比如"skills about trading"或者"data analysis related skills"，AI 会理解你的意图并返回相关的结果。我试了几次，发现它的理解能力确实不错，能够找到一些我用关键词搜索可能会错过的工具。当然，如果你只是想快速查找，直接输入关键词回车也很快，平台会同时支持两种搜索方式。
在分类组织方面，Skills Marketplace 做得也很细致。它按照实际的使用场景分成了十几个大类，包括 Tools、Development、Data & AI、Business、DevOps、Testing & Security 等等。每个分类下还会显示收录的技能数量，比如 Tools 分类下有 31,996 个技能，Development 有 28,230 个。这种直观的数字展示，让你能快速判断某个领域的工具是否丰富。我注意到，即使是相对小众的 Blockchain 分类，也有 1,106 个技能，这个覆盖面确实很广。
值得一提的是，这个平台获得了官方的认可。我看到 [[Anthropic]] 在他们的官方博客"Building skills for Claude Code"中提到了 Skills Marketplace，[[LangChain]] 的博客也有介绍如何配合他们的 Deep Agents 使用这个平台。这种官方背书对我来说是一个很重要的信任信号，至少说明这个平台在生态中是被认可的。
不过也要说说我发现的一些问题。因为收录的技能数量太多，质量自然会有参差。我浏览的时候发现，很多技能其实是从各种 [[GitHub]] 项目里自动抓取的，有些可能只是项目中的一个小文件，并不是专门为 Agent 设计的完整技能。所以在使用之前，一定要点进去看看详细信息，检查一下这个技能是否真的满足你的需求。好在平台会显示每个技能的 Stars 数量和最后更新时间，这些信息能帮你做初步筛选。
另一个我很喜欢的设计是它的统计功能。在首页有一个趋势图，显示最近几个月技能数量的增长情况。从图上可以看到，这个平台的增长速度很快，每天都有大量新的技能被添加进来。这种活跃度让我觉得这个平台是有持续生命力的，不是那种做了一阵子就没人维护的项目。
skills.sh：开发者友好的命令行体验
skills.sh 是我最早接触的 Agent Skills 平台，它给我的第一印象就是特别注重开发者体验。作为一个习惯了命令行操作的人，我很喜欢它提供的 CLI 工具。你可以直接通过 skills add 命令从 [[GitHub]] 安装技能库，整个过程非常流畅，就像用 npm install 或 pip install 一样自然。
这个平台的设计理念很清晰：它不想做一个封闭的生态，而是希望成为 Agent 能力的标准分发渠道。你可以把自己开发的 Skills 发布到平台上，其他开发者就能直接使用。我在上面找到了一些很实用的工具，比如文件格式转换、数据处理等基础功能。虽然目前收录的 Skills 数量还不算特别多，但质量都挺不错的，每个工具都有比较详细的文档说明。
让我印象深刻的是它的版本管理做得很好。因为 Skills 本质上是代码，所以版本控制就变得很重要。skills.sh 通过 Git 来管理版本，你可以很方便地回滚到之前的版本，或者查看某个 Skill 的更新历史。这种透明度对开发者来说非常友好，至少你知道你安装的东西是什么，有什么改动。
我特别欣赏 skills.sh 对依赖管理的重视。每个 Skill 都会明确标注它需要哪些依赖，比如特定版本的 Python 库、Node.js 模块等等。安装的时候，CLI 工具会自动检查这些依赖是否满足，如果不满足还会给出明确的提示。这种细致的设计让我在使用的时候很放心，不用担心装了一个 Skill 之后整个环境就乱了。
对于习惯用 Git 工作流的开发者来说，skills.sh 的另一个优点是支持直接从 GitHub 仓库安装。你不需要先把代码下载到本地，只要提供仓库地址就行。而且如果仓库有更新，一个命令就能同步到最新版本。这种工作方式和我平时管理代码依赖的习惯完全一致，学习成本几乎为零。
Claude Skills：专为 Claude 生态打造
如果你像我一样是 [[Claude]] 的重度用户，那 Claude Skills 这个平台你一定要看看。它是专门为 Claude 生态构建的技能目录，收录了大量适配 Claude Code 和 Claude 对话环境的工具。我在这个平台上花了不少时间，因为它确实解决了我很多实际问题。
这个网站的分类做得很细致，从代码辅助、文档处理到特定领域的工作流自动化，各种类型的工具都有。我特别喜欢它的搜索和筛选功能，可以按照使用场景、编程语言、功能类型等多个维度来查找。比如我之前想找一个能帮我自动生成 API 文档的工具，通过筛选"文档处理"和"代码辅助"这两个标签，很快就找到了几个不错的选择。
不过我也注意到，Claude Skills 上的工具质量参差不齐。有些是官方或知名开发者维护的，功能完善、文档齐全；但也有些是个人项目，可能更新不太及时，或者文档写得比较简略。所以在使用之前，我通常会先看看工具的 Stars 数量、最后更新时间，以及 Issues 的处理情况，这样能大概判断出这个工具是否还在活跃维护。
一个让我觉得特别贴心的设计是，每个技能都有实际的使用示例。这对于快速上手非常有帮助，因为很多时候你不需要完整读完文档，只要看几个例子就能明白这个工具是干什么的，怎么用。我发现自己在这个平台上停留的时间比其他平台都长，因为总能发现一些有意思的工具，然后忍不住去试试。
Claude Skills 还有一个很实用的功能是社区评价。你可以看到其他用户对某个 Skill 的使用反馈，包括它的优点、缺点，以及可能遇到的坑。这种众包的智慧对我来说很有价值，因为它能帮我避开一些明显的问题。我记得有一次想装一个代码格式化的 Skill，看到评论区有人说这个工具在处理大文件时会很慢，我就换了另一个选择，后来证明这个决定是对的。
如何安装和使用 Agent Skills
说了这么多平台，现在来聊聊具体怎么安装和使用这些 Skills。虽然不同平台的细节可能有所不同，但基本流程都是类似的。
对于 [[Claude]] Code 用户，最简单的方式是把 Skill 文件放到 ~/.claude/skills/ 目录（个人技能）或者项目根目录的 .claude/skills/ 文件夹（项目特定技能）。大部分时候，你只需要从 [[GitHub]] 克隆对应的仓库，然后把 Skill 文件夹复制过去就行了。Claude 会自动发现并加载这些技能。
如果你用的是 [[OpenAI]] Codex CLI，操作也很类似，只是目录变成了 ~/.codex/skills/。因为两者都遵循相同的 SKILL.md 标准，所以你在一个平台上找到的技能，理论上可以直接用在另一个平台上，只是需要确认一下是否有平台特定的依赖。
对于使用 skills.sh 的用户，安装就更简单了。只要运行 skills add <github-url> 就可以直接从 GitHub 安装。CLI 工具会自动处理下载、放置到正确位置、安装依赖等所有繁琐的步骤。这种一键安装的体验，对于不太熟悉文件系统操作的用户来说特别友好。
安装之后，AI 助手会自动识别这些技能。关键在于，这些技能是"模型调用"的，也就是说，你不需要手动触发，AI 会根据上下文自动判断什么时候该使用哪个技能。比如你说"帮我生成这个 API 的文档"，如果你装了文档生成的 Skill，Claude 就会自动调用它。这种智能化的使用方式，让整个体验非常流畅。
我的实践经验和建议
在实际使用这些平台的过程中，我也总结了一些小技巧和注意事项。
首先，在安装任何 Skill 之前，一定要先看清楚它需要什么权限。有些工具可能需要访问文件系统、网络或者某些敏感数据，如果你不确定它会做什么，最好先在隔离环境里测试一下。我的习惯是，对于来源不明的 Skill，先在一个临时项目里试用，确认安全无虞之后再用到正式项目里。
其次，要注意版本兼容性。虽然 SKILL.md 标准是开放的，但不同 AI 平台的具体实现可能会有差异。有些 Skill 可能在 Claude 上工作得很好，但在 ChatGPT 上就会出问题。所以在跨平台使用的时候，最好先看看 Skill 的说明文档，确认它支持你要用的平台。
还有一个建议是，不要一次性安装太多 Skill。我最开始的时候，看到什么有意思的工具就装，结果发现很多根本用不上，反而让整个环境变得很臃肿。现在我的习惯是，只安装当前确实需要用到的 Skill，其他的先收藏起来，等真正需要的时候再装。这样既能保持环境的清爽，也能避免潜在的冲突问题。
关于如何评估一个 Skill 的质量，我有几个参考指标。一是看它的文档是否完整，一个好的 Skill 应该有清晰的使用说明和示例代码。二是看它的更新频率，如果一个 Skill 很久没更新了，可能已经不再维护了，使用的风险会比较大。三是看社区的反馈，特别是 Issues 和 Pull Requests，通过这些可以了解这个 Skill 有什么问题，以及作者的响应速度如何。
还有一点很重要：要关注 Skill 的依赖情况。有些 Skill 可能会依赖特定版本的库或者工具，如果你的环境不满足这些依赖，可能就用不了。在安装之前，最好先检查一下依赖列表，确保你的环境能够支持。如果依赖太多太复杂，可能不是一个好的选择，因为维护起来会很麻烦。
选择建议：找到最适合你的平台
根据我的使用经验，不同的平台适合不同的使用场景和用户类型。如果你刚开始探索 Agent Skills，不确定自己需要什么，Skills Marketplace 是最好的起点。它的规模最大，覆盖面最广，而且跨平台兼容性强，你可以在这里先广泛浏览，了解有哪些可能性。它的 AI 语义搜索功能也很适合那些还不太清楚具体技术术语，只知道大概需求的用户。
如果你是 [[Claude]] 的重度用户，并且主要在代码和文档处理场景下工作，Claude Skills 应该是你的重点关注对象。因为它的工具针对性最强，集成也最方便，每个技能都有针对 Claude 优化的使用示例。而且社区评价功能能帮你快速筛选出真正好用的工具。
对于喜欢命令行操作，需要严格版本控制的开发者，skills.sh 可能是最佳选择。它的 CLI 工具设计得很好，依赖管理也很清晰，整个使用流程符合开发者的工作习惯。如果你的团队已经在用 Git 管理代码，那么 skills.sh 能够无缝集成到现有的工作流中。
我自己的使用策略是组合使用这些平台。通常我会先在 Skills Marketplace 做广泛搜索，因为它的覆盖面最全，然后针对感兴趣的技能，到对应的专业平台（比如 Claude Skills）查看详细文档和用户评价。这种"广撒网 + 重点突破"的方式，我觉得效率最高。
最后
回顾这段时间探索 Agent Skills 的经历，我最大的感受是，AI 助手的能力边界正在被不断拓展。以前我们只能让 AI 做一些对话、翻译、总结这样的"轻量级"任务，现在通过各种 Skills，它已经可以帮我们自动化复杂的工作流程、处理各种格式的数据、集成第三方服务。这种变化让我对 AI 助手的未来充满期待。
当然，现在的 Skills 生态还远谈不上完善。工具的质量参差不齐，标准化程度还不够高，使用门槛对普通用户来说也还有点高。但我相信，随着技术的发展和社区的成熟，这些问题都会逐步得到解决。[[Anthropic]] 和 [[OpenAI]] 都在推动 SKILL.md 标准的普及，这是一个很好的信号。
如果你也在使用 [[Claude]]、[[ChatGPT]] 或其他 AI 助手，不妨花点时间去这些 Skills 市场逛逛，说不定能发现一些能显著提升你工作效率的工具。而且，随着你对 Agent 能力的理解加深，你可能也会萌生自己开发一些 Skill 的想法。这就是开放生态的魅力所在，每个人既是使用者，也可以成为贡献者。
我会继续关注这个领域的发展，有新的发现和体验也会及时分享出来。如果你有什么好用的 Skills 或使用心得，也欢迎告诉我。
