一句话总结
Agent Skills 正在从「个人随手写的配置文件」变成一个有社区、有标准、有生态的领域——deadskills 做技能治理、Claude-Skills-collection 做技能库、AI-Project-Workflow 做流程标准化，三件事合在一起，勾勒出 AI 编程的下一个基础设施层。
什么是 Agent Skills？
如果你是 Claude Code 或 Codex 的用户，你可能已经接触过 Skills——它们是 Markdown 文件，告诉 AI Agent 在特定场景下应该怎么工作。比如：
- 一个
python-testingskill 告诉 Agent 使用 pytest 框架写测试 - 一个
react-patternsskill 告诉 Agent 遵循特定的 React 编码规范 - 一个
database-migrationskill 指导 Agent 安全地执行数据库变更
Skills 的好处是：你把好的工作模式固化为 skill，Agent 下次遇到类似场景就自动按最佳实践执行。
但问题也随之而来——当你装了 20 个 skills，哪些真的在用？哪些只是白白消耗 token？
本周涌现的 Skills 生态项目
1. deadskills — 找到你从未用过的 Agent 技能
⭐ 25 · TypeScript · 本地优先分析工具
deadskills 解决的痛点非常实际：每个安装的 skill 都会在每次 prompt 中注入名称和描述，无论它是否被使用。这意味着冗余技能在持续浪费 token 和上下文窗口。
工作原理：
1. 读取本地的 Claude Code / Codex 对话记录
2. 分析哪些 skills 被实际触发
3. 列出「从未使用」和「极少使用」的技能
4. 给出清理建议
这是一个典型的「工具生态成熟」信号——当你需要工具来管理工具的时候，说明这个领域已经足够大了。
2. Claude-Skills-collection — 137 个生产级技能库
⭐ 15 · Python · MIT 协议
这不是一个工具，而是一个内容库——137 个经过验证的、生产级别的 Agent Skills，覆盖：
- 代码生成与重构
- 测试编写与覆盖率
- API 设计与文档
- 数据库操作与迁移
- 部署与 CI/CD
- 安全审计
关键特点：
- 统一结构：所有 skill 遵循同一套 Markdown 模板
- 统一语气：Agent 加载后的行为一致
- 即装即用：每个 skill 都能直接改变 Agent 的行为
这个项目的意义在于——它把 Skills 从「个人经验」变成了「社区资产」。你不再需要自己从头写 skill，而是可以直接复用社区验证过的最佳实践。
3. AI-Project-Workflow — 统一的 AI 原生开发工作流
⭐ 11 · JavaScript · MIT 协议
AI-Project-Workflow 解决了一个更深层的问题：不同的 AI 编程工具（Cursor、Claude Code、Codex、TRAE、Qoder 等）有各自的工作方式，但项目应该是工具无关的。
它提供了一套统一的、AI 原生的软件交付工作流，适用于所有主流 AI 编程助手。核心包括：
- SDD（Specification-Driven Development）流程定义
- 跨工具的 skill 和规则共享
- CI/CD 集成
为什么 Skills 生态现在爆发？
1. 用户基数到了临界点
Claude Code 和 Codex 的用户增长迅速，Skills 的用户足够多了。任何技术领域的生态化，第一个前提就是用户量。
2. 痛点足够痛
装了 20 个 skills 但只用了 3 个？每次对话都在消耗额外 token？这些问题在「只有 3 个 skills」的阶段不明显，但在「管理 20+ 个 skills」的阶段变得无法忽视。
3. 从个人工具箱到社区基础设施
最早的 skills 是个人随手写的。但现在出现了：
- 管理工具（deadskills）——帮你治理想法
- 内容库（Claude-Skills-collection）——帮你发现好用的 skills
- 标准工作流（AI-Project-Workflow）——帮你统一使用方式
这三个层次构成了一个完整的基础设施栈。
Skills 生态的未来方向
短期（2026 下半年）
- Skills 市场/注册中心：一个可以搜索、评分、安装 skills 的中心化平台
- Skills 分析仪表盘：可视化展示哪些 skills 最常用、哪些拖慢性能
- Skills 自动推荐：根据项目类型自动推荐合适的 skills
中期（2027）
- Skills 版本管理：像 npm 一样管理 skills 的版本和依赖
- Skills 互操作性标准：跨 Claude Code、Codex、Cursor 等工具的通用 skill 格式
- Skills 自动生成：从你的编码习惯中自动学习并生成 skills
长期
- Skills = 开发团队的知识资产：团队的编码规范、架构决策、最佳实践全部固化为 skills
- Skills 经济：高质量的 skills 可以付费分发
开发者现在该做什么？
如果你刚开始用 Agent Skills
- 从少量开始：先装 3-5 个与你日常工作最相关的 skills
- 观察效果：注意 Agent 的行为是否真的改善了
- 自己写一个：把你团队的一条编码规范写成 skill
如果你已经有 10+ skills
- 用 deadskills 做一次审计：找出哪些 skills 只是占着位置
- 整理你的 skill 库：确保每个 skill 都有清晰的触发条件
- 参考 Claude-Skills-collection：看看别人的 skill 怎么写，优化自己的
如果你是团队技术负责人
- 建立团队的 skill 仓库：把团队规范固化为 skills
- 新成员入职即配备 skills：让 AI Agent 自动遵循团队规范
- 定期审计和更新：Skills 也需要维护
总结
Agent Skills 生态的成形是一个重要信号——它说明 AI 编程不再是「写 prompt 的玄学」，而是正在建立可复用、可治理、可共享的知识体系。
三个核心项目抓住的是三个不同的层次：
- 🧹 deadskills — 治理层：哪些 skills 真的在用？
- 📚 Claude-Skills-collection — 内容层：有哪些好用的 skills？
- 🔧 AI-Project-Workflow — 流程层：skills 怎么嵌入工作流？
这三件事加在一起，勾勒出了 AI 编程的下一个基础设施层。现在入场的开发者，将有机会塑造这个生态的早期形态。
相关仓库：
