Agent Skills

Addy Osmani 维护的 production-oriented engineering skills pack：把 spec、plan、TDD、review、security、ship 等工程纪律编码成可被 AI coding agents 执行的结构化 workflow。

状态: active · 总分: 3.4/5 · 推荐度: 3/5

一句话总结

Agent Skills 是一组面向 AI coding agents 的 工程纪律注入包：24 个 skills、8 个 lifecycle slash commands、4 个 specialist personas、7 个 reference checklists，覆盖 Claude Code、Cursor、Gemini CLI、OpenCode、Copilot、Codex 等平台；v0.6.4 又加入三层 skill eval 和 native Codex plugin。它不是传统软件库，适合借鉴和局部采用，但项目仍只有约 5 个月历史，不能当成长期稳定标准 [Docs:readme][GH:release]。

总体评价

这个 repo 的核心主张很简单：AI coding agents 默认会走捷径，所以要把 senior engineer 的工作流程做成 agent 可执行的 skill。README 当前列出 8 个 slash commands：/spec、/plan、/build、/test、/review、/webperf、/code-simplify、/ship，并说明 pack 包含 24 个 skills，其中 23 个 lifecycle skills + 1 个 using-agent-skills meta-skill [Docs:readme]。

按传统软件标准看，它几乎没有运行时；按 non-software/hybrid rubric 看，它的质量信号反而清楚：skill anatomy、contributing 规范、validator、CI、plugin install test，以及 Claude/Gemini/OpenCode/Copilot/Cursor/Codex 文档都有 [Docs:contributing][Source:validator][Source:ci]。本地 clone 显示 172 个 Git-tracked 文件，其中 85 个 markdown、24 个 JavaScript 文件、7 个 shell script、1 个 workflow；增长主要来自 eval cases/fixtures、文档和 validator，而不是常驻 runtime [Source:local-scan]。

本轮最重要的实质变化是 v0.6.4 的三层 eval：Tier 1 做结构校验，Tier 2 以确定性的 TF-IDF 近似检查 trigger/routing，Tier 3 可按需运行真实 agent trace 并由模型判分 [Source:evals]。这足以把 code_quality 从 3 提到 4，但不能把 eval 存在误读为语义正确性已被证明：Tier 2 明确只是 lexical approximation，Tier 3 有模型/权限/成本依赖，本轮也没有实际执行任何 tier。

它和之前收录的 Superpowers、Anthropic Skills、Scientific Agent Skills 同属 agent-skills 分类，但气质不同：Superpowers 更像一套强制流程哲学；Anthropic Skills 更偏 Claude 生态的官方格式样板；Scientific Agent Skills 偏领域知识包；Agent Skills 则是 Google/production engineering flavored 的通用软件工程流程包。其可取处在「反 rationalization、verification gates、质量门禁、progressive disclosure」；其风险也在这里——流程越强，越可能在小任务上 overfit，且不同 agent 平台的真实执行力差异很大。

推荐度：3/5

目标角色：使用 Claude Code、Cursor、Codex、Gemini CLI、Copilot 等 coding agent 做中等复杂度项目，希望 agent 不再跳过 spec、tests、review、security gate 的开发者。

推荐度 3/5。它值得收录、值得读，也适合选择性借鉴；但评分表里的 recommendation 按“采用风险”给分，而不是按“内容启发性”给分。

正面理由：

• 流程覆盖完整：Define → Plan → Build → Verify → Review → Ship，且每个 skill 有 verification/exit criteria [Docs:readme]。
• 文档和格式意识强：CONTRIBUTING 明确要求 skills specific、verifiable、battle-tested、minimal，并建议包含 Common Rationalizations、Red Flags、Verification 等结构 [Docs:contributing]。
• 工程化验证存在：validator 检查结构和 trigger 描述；24 份 eval case 覆盖 deterministic routing 与按需 behavioral trace；CI 还测试 Claude plugin marketplace/install flow [Source:validator][Source:evals][Source:ci]。
• 跨平台设计务实：同一套 markdown assets 可进入 Claude Code plugin、Cursor rules、Gemini skills、OpenCode intent mapping、Copilot personas/instructions；v0.6.4 增加 native Codex plugin，并提供 npx skills add 的跨 agent 安装路径 [Docs:readme][GH:release]。

保守扣分：

• 创建于 2026-02-15，latest release 0.6.4，项目年龄约 5 个月；成熟度仍只能给 2/5 [GH:API][GH:releases]。
• GitHub community profile health 57%，缺少 SECURITY.md / Code of Conduct 等常见社区治理文件；对一个可能被 agents 自动加载执行的指令集合，这不是致命问题但值得记录 [GH:API]。
• Stars 已超过 79k，但 open issues=48、open PRs=76；热度可能混有作者影响力和理念收藏，不应直接等同于广泛生产验证 [GH:API]。
• agent skill 的实际效果取决于目标 agent 是否遵守流程；Markdown 不是强制执行机制，只是强 prompt + 周边 hooks，且可能被更高优先级的 system/user/platform 指令覆盖。

结论：值得收录，值得读，适合借鉴；推荐采用其中若干 skills，而不是无脑全量导入。

优势

1. 流程设计完整：从需求澄清、spec、planning、incremental implementation、TDD、browser testing、debugging、review、安全、性能、CI/CD、deprecation 到 shipping，覆盖完整 SDLC [Docs:readme]。
2. 反 agent 偷懒机制明确：README 和 skill anatomy 强调 anti-rationalization、red flags、verification gates；这正对 coding agent 常见的 “I’ll add tests later” 病灶 [Docs:readme] [Docs:contributing]。
3. 跨平台适配广：Claude Code plugin/marketplace、Cursor rules、Gemini CLI skills、Windsurf、OpenCode、Copilot、Kiro、Codex/other agents 均有安装/使用路径 [Docs:readme]。
4. 内容即产品，结构清晰：skills/、agents/、references/、hooks/、.claude/commands/、.gemini/commands/ 分层明确 [Docs:readme]。
5. 有基本自动化校验：validator 检查 SKILL.md、frontmatter、required sections、description length、cross-skill references；CI 测试 plugin validation/install [Source:validator] [Source:ci]。
6. MIT 许可与纯文本格式：容易 fork、裁剪、迁移到自己的 agent system，不形成强厂商锁定 [GH:API]。
7. eval 不再只是结构 lint：24 个 case 文件和 fixtures 覆盖 deterministic trigger/routing，另有 opt-in behavioral trace grader；这是对旧版“语义测试浅”的实质改善 [Source:evals][Source:local-scan]。

劣势

1. 项目仍很年轻：创建于 2026-02-15，截至本轮有 6 个 releases、最新 0.6.4；迭代速度快，但长期稳定性仍未被验证 [GH:API][GH:releases]。
2. 非强制执行：skills 本质仍是 markdown 指令。即使写了 gate，agent 是否真的遵守取决于平台、模型能力、上下文长度、指令优先级、工具权限和用户是否监督。
3. 流程可能过重：对于一次性脚本、小修小补、探索性 spike，全套 spec/plan/review/ship 会拖慢速度。
4. 平台能力不均：Claude Code 有 plugin 与 slash command 体验；OpenCode 文档承认没有 native plugin system 或 automatic skill routing，需要 AGENTS.md/intent mapping 模拟 [Docs:opencode]。
5. 安全治理文件不足：community profile health 57%，GitHub API 未发现 SECURITY.md / Code of Conduct；虽然内容含 security-and-hardening skill，但 repo 自身治理仍偏轻 [GH:API]。
6. 热度解释需保守：79k stars、8.5k forks 很高，但这类 non-software repo 的 stars 常反映理念共鸣和收藏，不必然等于生产部署成功 [GH:API]。

---

适合什么场景

• 中等复杂度以上的 coding-agent 项目，希望 agent 先写 spec/plan，再按小步验证推进。
• 团队想建立统一 agent workflow，把测试、review、安全、性能作为默认 gate。
• 个人想学习如何写高质量 agent skills：frontmatter、trigger、process、verification、anti-rationalization。
• 在 Claude Code 上做插件化工作流，或在 Cursor/Gemini/Copilot 中选取少量 rules/checklists。
• 和 Develata 的 Hermes skills/工程宪法做横向参考，提炼可迁移的流程结构。

不适合什么场景

• 极小任务、一次性脚本、探索性 spike：流程开销可能大于收益。
• 需要严格 sandbox / permission enforcement 的安全环境：该 repo 提供流程建议，不提供安全执行沙箱。
• 不愿维护 agent 指令资产的用户：skills 会过期，需要持续 patch。
• 把 stars 当质量保证的人：non-software repo 的热度必须经过内容审查，不能直接采用。
• 只使用不支持 rules/skills/system prompt 注入的平台。
• 上下文窗口已经很紧的复杂任务：一次性加载全量 skills/personas/checklists 可能挤占问题本身的上下文预算。

与类似项目对比

项目	定位	相对本项目
Superpowers	agentic SDLC framework，auto-triggering 与强流程哲学	Superpowers 更激进、更框架化；Agent Skills 更轻、更偏通用工程 checklist 和跨平台适配
Anthropic Skills	Claude Skills 官方/生态样板	Anthropic Skills 更贴 Claude 格式；Agent Skills 更强调 software engineering workflow 与多平台迁移
Scientific Agent Skills	科学计算/生物/化学等领域技能集合	Scientific Agent Skills 是领域知识库；Agent Skills 是通用软件工程流程库
spec-kit	Spec-driven development 工具包	spec-kit 聚焦 spec artifact；Agent Skills 覆盖完整生命周期但单点深度可能不如专用工具
Hermes Agent skills	Hermes 的可演化 procedural memory	Hermes skills 可在运行中被 agent patch/治理；Agent Skills 是外部静态包，适合作为方法论参考

上述项目按 ai-programs/ai-harness/ai-plugins 与相邻 pure-skill 项目做定位级对比，未按同一 10 维度框架深审；其中 Hermes Agent skills 是本地体系参照项，不是公开 GitHub repo 的直接竞品。

---

它能做什么

8 个 lifecycle slash commands [Docs:readme]：

• /spec：定义要构建什么，spec before code。
• /plan：将需求拆成小任务。
• /build：增量实现；/build auto 可自动完成剩余任务。
• /test：证明行为正确。
• /review：代码健康检查。
• /webperf：基于测量证据审计 Web performance。
• /code-simplify：降低复杂度。
• /ship：上线前质量门禁。

24 个 skills [Docs:readme]：

• Meta：using-agent-skills。
• Define：interview-me、idea-refine、spec-driven-development。
• Plan：planning-and-task-breakdown。
• Build：incremental-implementation、test-driven-development、context-engineering、source-driven-development、doubt-driven-development、frontend-ui-engineering、api-and-interface-design。
• Verify：browser-testing-with-devtools、debugging-and-error-recovery。
• Review：code-review-and-quality、code-simplification、security-and-hardening、performance-optimization。
• Ship：git-workflow-and-versioning、ci-cd-and-automation、deprecation-and-migration、documentation-and-adrs、observability-and-instrumentation、shipping-and-launch。

4 个 personas + 7 references [Docs:readme]：

• code-reviewer、test-engineer、security-auditor、web-performance-auditor。
• definition-of-done、testing/security/performance/accessibility/observability checklists，以及 orchestration-patterns.md [Source:local-scan]。

三层 skill eval：结构校验、deterministic trigger/routing、opt-in behavioral trace grading；Tier 2 是 lexical approximation，不能替代语义行为评测 [Source:evals]。

Hooks 与缓存：仓库包含 Claude Code session-start hook、SDD cache hooks、simplify-ignore hooks；这些是增强体验的辅助，不是所有平台通用能力 [Docs:contributing]。

运行环境与资源占用

场景	CPU	内存	存储	说明
仅阅读/复制 skills	N/A	N/A	< 5 MB	Markdown 文档为主，几乎零运行时成本
Claude Code plugin 使用	取决于 Claude Code	取决于上下文	< 5 MB + agent 缓存	通过 plugin marketplace/install 使用
Cursor/Gemini/Copilot/OpenCode 适配	取决于目标 agent	取决于上下文	< 5 MB	需要把 rules/skills/personas 放入各平台约定位置

• 运行时：skills 本身是 Markdown + 少量 shell hooks/配置文件 + JS validator；实际执行由目标 AI agent 负责。
• 操作系统：skills 文本跨平台；hooks 目录包含 bash 脚本和相关配置/说明文件，Windows 原生体验需 WSL/Git Bash 或手工适配。
• Docker：无。
• GPU：不需要。
• 外部依赖：至少一个 coding agent；Claude Code plugin 验证依赖 @anthropic-ai/claude-code；validator 依赖 Node.js [Source:ci] [Source:validator]。

性能评分 3/5。文件体积极低，但 full workflow 会增加 agent token 消耗、上下文窗口压力和交互轮次；真实成本取决于 agent runtime、加载策略、hooks 和任务复杂度。按 non-software rubric 只能说本体轻量，不能把“Markdown 小”直接换算成 adoption-level performance 4。

上手体验

评分 4/5。

Claude Code 是最顺滑路径：README 给出 marketplace install 和 SSH fallback；Cursor/Gemini/Windsurf/OpenCode/Copilot/Kiro/Codex 也有简要适配说明 [Docs:readme]。

扣分点是跨平台体验不一致：OpenCode 文档明确说其没有 native plugin system 或 automatic skill routing，需通过 AGENTS.md + intent mapping 模拟 [Docs:opencode]。Cursor 等平台也可能受 context limits 影响，不适合一次性加载所有 skills。

实际建议：先装/复制 spec-driven-development、planning-and-task-breakdown、test-driven-development、code-review-and-quality 四类；确认 agent 能稳定遵守后，再逐步引入 security/performance/ship。

代码质量

评分 4/5。

虽然它不是传统软件项目，但作为 skill pack，有以下质量信号：

• CONTRIBUTING.md 明确 skill quality bar：specific、verifiable、battle-tested、minimal [Docs:contributing]。
• validator 检查每个 skill 的 SKILL.md、YAML frontmatter、required sections、description 和 dead cross-skill references [Source:validator]。
• CI 包含 skill content validation、deterministic eval gates、Claude plugin validate 与 marketplace install test [Source:ci]。
• 24 个 skills 各有 eval case；deterministic tier 检查 trigger/routing，按需 behavioral tier 评估 execution/dialogue trace [Source:evals][Source:local-scan]。
• 目录结构清楚：skills、agents、references、hooks、docs、commands、evals 分离 [Docs:readme]。

不给 5 的原因：Tier 2 是 TF-IDF lexical approximation；Tier 3 依赖 headless agent、grader、权限和 token 成本；hooks 的安全与跨平台可靠性仍需人工审查。本条目没有安装插件，也没有执行 eval，因此 4 分代表“验证体系已实质成形”，不代表 24 个 skills 的行为都已独立复现 [Source:evals]。

可扩展性

评分 4/5。

扩展方式清晰：新增 skills/<skill-name>/SKILL.md，用 frontmatter name/description 声明触发条件；CONTRIBUTING 给出结构建议和避免重复/空 scripts 目录等规则 [Docs:contributing]。因为格式是纯 Markdown，fork 和二次裁剪成本很低。

局限在于没有真正的 package/dependency/version solver。skill 之间的引用靠文本和 validator 的 regex 检查；平台对 skill discovery 的支持差异大。若要做团队级治理，还需要额外版本锁定、审计、测试和发布流程。

文档质量

评分 4/5。

README 解释清楚了为什么需要 skills、有哪些 commands、各平台如何接入、skills/personas/references/hooks 的结构 [Docs:readme]。CONTRIBUTING 与 skill anatomy/各平台 setup 文档补足了作者视角和维护规范 [Docs:contributing]。

扣分点：文档主要集中在 GitHub repo，缺少独立文档站；部分平台适配是「可用方法」而非等价体验；没有足够的真实案例报告来量化引入前后的质量提升。

社区与成熟度

维度	评分	说明
社区活跃度	3/5	79134 stars、8507 forks、open issues=48、open PRs=76；可见度极高，但仍是 visibility signal，不直接证明生产采用、响应速度或长期社区治理成熟 [GH:API]
成熟度	2/5	创建于 2026-02-15，已有 6 个 releases、latest 0.6.4；eval 与跨平台分发已明显增强，但流程资产仍需时间检验 [GH:API][GH:releases][GH:release]

安全与风险

评分 3/5。

安全风险不在于传统 runtime CVE，而在于 prompt/instruction supply chain：

• skills 会影响 agent 决策，若被恶意修改，可能诱导 agent 执行错误命令、跳过验证或泄露信息。
• hooks 目录包含 shell 脚本和配置/说明文件，若用户直接安装运行，需要像审计代码一样审计 hooks。
• security-and-hardening skill 本身有价值，但它不能替代 sandbox、权限隔离、secret scanning 和人工 review。
• 指令优先级冲突是核心风险：来自 system prompt、用户指令、平台默认规则、tool 描述和 skill 的要求可能相互覆盖，agent 未必会显式报告冲突。
• 模型级差异也很大：同一套 skills 在强/弱模型、长/短上下文、不同 reasoning 设置下的执行可靠性可能完全不同。
• GitHub repository-advisory API 本轮返回空，但 community profile 中未发现 SECURITY.md；这对指令供应链项目而言仍是治理短板，空结果也不是安全证明 [GH:advisories][GH:community]。

建议使用方式：固定 commit 或 release；fork 后审计；只启用必要 skills；不要自动跟随 main 分支更新；不要在高权限生产 repo 中直接加载未经审查的 hooks。

学习价值

很高。对 Develata 的 Hermes skill 体系尤其有参考价值：

• description 作为触发条件，不只是简介。
• progressive disclosure：SKILL.md 只放流程，references/checklists 按需加载。
• anti-rationalization：明确写出 agent 偷懒借口并逐条反驳。
• verification gates：每个流程以 evidence requirements 收束。
• validator-owned exemptions：不能让 skill 自己声明免检，治理边界清楚 [Source:validator]。

可迁移启发：我们的 skills 也可以更系统地要求 “When to Use / Process / Red Flags / Verification”，并用 validator 检查 frontmatter、必需章节和死链接。