skills.sh

skills.sh官网:开源AI Agent技能目录与包管理器,由Vercel推出

什么是skills.sh?

skills.sh采用开放的SKILL.md标准文件格式和YAML元数据规范，所有技能以GitHub公开仓库形式托管，确保完全开源和可审计。每个技能包含任务说明、执行步骤、最佳实践和跨平台适配规范，AI助手通过读取SKILL.md文件获取领域专业知识和工作流程指导。平台实现真正的跨平台兼容，同一份技能可在Claude Code、Cursor、Codex CLI、Windsurf等数十种AI工具间无缝复用，打破厂商锁定。技能采用懒加载机制，核心SKILL.md限制在500行或5000 tokens以内，配套资源存放在scripts、references、assets等子目录按需调用，确保不影响AI助手的上下文窗口性能表现，实现轻量化高效部署。

skills.sh官网: https://skills.sh/

---

skills.sh 深度测评：Vercel 打造的 AI 代理「技能商店」，颠覆编程协作新范式

2026年1月，一个被开发者圈称为「AI 代理版 npm」的工具横空出世，上线仅 6 小时安装量就突破 20,000 次。它叫 skills.sh，由 Vercel 推出，背后承载的是整个 Agent Skills 开放生态的崛起。如果你用过 Claude Code、Cursor、GitHub Copilot 或 OpenAI Codex CLI，却还没听说过 skills.sh，这篇文章可能会让你重新思考「你的 AI 代理到底有多聪明」这个问题,更多查看玩龙虾导航: https://wanlongxia.com。

---

什么是 skills.sh？

skills.sh 不是一个新的 AI 模型，也不是一个编辑器插件。它的定位是一个开放的 AI 代理技能目录与发现平台——你可以把它理解为 npm 注册表，只不过安装的不是代码库，而是「让 AI 代理更聪明地完成特定任务的程序化知识包」。

这些知识包被称为「Skill（技能）」，本质是一个包含 SKILL.md 文件的目录。每个技能文件以 YAML frontmatter 开头，紧跟着 Markdown 格式的详细说明。 当你把一个技能安装进你的 AI 代理之后，代理在处理相关任务时会自动识别并加载这份指令，无需手动提示。

对于非技术背景的用户来说，这相当于在请一个新同事入职之前，给他/她准备了一份详尽的工作手册——涵盖流程、规范、注意事项，让 AI 代理上手即用，不再需要每次重复解释背景。

诞生背景

在 skills.sh 出现之前，开发者要让 AI 代理「记住」项目规范、框架最佳实践或自定义工作流，通常有两种方式：一是每次对话反复手动粘贴说明文字；二是把所有内容塞进 system prompt，导致 context 窗口被大量静态内容占据，浪费 token、影响准确率。

Anthropic 在 2025 年 10 月率先推出了 Agent Skills 系统，首批支持 Claude Code。Vercel 随即在 2026 年 1 月以 skills.sh 平台为载体，将这套技能生态标准化、开放化，并推动了整个行业向「模块化 AI 能力」方向迈进。

---

核心设计：渐进式披露机制

skills.sh 最精妙的技术设计，是「渐进式披露（Progressive Disclosure）」加载机制。

其原理分为两个阶段：

第一阶段（元数据摘要加载）：系统启动时，AI 只读取每个技能的 name 和 description 字段，每个技能仅消耗约 50 个 token。这些摘要被注入到 AI 的 system prompt 中，让 AI 知道有哪些技能可用以及何时调用它们。

第二阶段（完整内容动态加载）：当 AI 在对话中检测到任务与某个技能相关时，才会动态读取该技能的完整 Markdown 指令、附属脚本、模板和参考资料。

这种延迟加载策略，使得系统可以同时挂载数百乃至上千个技能，而不会超出上下文限制。 相比传统「把所有说明放进 system prompt」的粗暴做法，效率提升是质的飞跃。

---

SKILL.md 规范详解

每一个合法的技能包只需要一个文件：SKILL.md。格式规范如下：

必填 frontmatter 字段：

• name：最多 64 个字符，只允许小写字母、数字和连字符，格式为 kebab-case，且必须与父目录同名
• description：最多 1024 个字符，必须描述技能做什么、以及何时触发，建议包含触发关键词

可选字段：

• license：许可证名称或文件引用
• compatibility：运行环境要求，如目标产品、系统依赖、网络访问需求，最多 500 字符
• metadata：任意键值对，可存储作者、版本等自定义信息
• allowed-tools：空格分隔的工具白名单（实验性字段）

正文（Body） 没有格式限制，可以是步骤说明、输入输出示例、边界情况处理等任何有助于 AI 完成任务的 Markdown 内容。对于较长的内容，建议拆分为引用文件，而不是全部写在一个 SKILL.md 中。

一个完整的技能包目录结构示例：

my-skill/
├── SKILL.md          # 核心文件，必需
├── scripts/
│   └── run.py        # 可选辅助脚本
├── templates/
│   └── output.md     # 可选模板
└── references/
    └── guide.md      # 可选参考资料

---

主要功能与特色

1. 技能目录与排行榜

skills.sh 平台的核心功能之一是实时排行榜，按照安装量对所有技能进行排名。截至 2026 年 1 月底，平台收录超过 200 个高质量技能包，累计安装量已突破 21,608 次。

榜单前三名分别是：

• vercel-react-best-practices：44,500+ 次安装，领跑全榜
• web-design-guidelines：紧随其后
• remotion-best-practices：稳居第三

贡献技能的机构包括 Vercel、Anthropic、Expo、Supabase、Stripe 等顶级科技公司，保证了技能质量的基准线。

2. 一键 CLI 安装

技能的安装极度简化，通过 npx skills 工具完成：

# 安装单个技能
npx skills add vercel-react-best-practices

# 指定安装到特定 AI 代理
npx skills add --agent claude-code browser-use

# 全局安装（跨项目生效）
npx skills add -g web-design-guidelines

# 搜索技能
npx skills find "react testing"

# 查看已安装技能
npx skills list

# 检查更新
npx skills check

# 更新全部技能
npx skills update

目前 skills CLI 支持包括 Claude Code、Cursor、Codex CLI、OpenCode、GitHub Copilot、Windsurf 在内的 43+ 主流 AI 代理工具。

3. 跨平台兼容性

这是 skills.sh 的一个核心竞争力。同一个技能包，无论你使用 Claude Code 还是 Cursor，安装后均能生效。这是因为 Agent Skills 格式本身是开放标准，平台只是目录和分发层，不绑定特定的代理厂商。

安装到不同代理时，技能文件会被放置在对应代理识别的目录下，自动适配。--agent 参数允许用户精确指定目标。

4. 技能创建与分享工具

skills.sh 内置了技能脚手架工具，帮助开发者快速创建新技能：

npx skills init my-new-skill

执行后会自动生成符合规范的 SKILL.md 模板，开发者只需填写核心内容。

更进阶的是 Skill Creator v2——这是 Anthropic 贡献的一个「用 AI 创建技能」的元技能。安装后，Skill Creator 会分析你的需求，生成技能草稿，还能对已有技能进行基准测试（Benchmark），对比使用技能前后的 AI 响应质量，以 HTML 可视化的形式输出结果，包含 pass/fail 断言、token 用量对比、性能评分等数据。

5. 社区生态与热门技能分类

skills.sh 汇聚了大量社区贡献的技能，按类别分布如下：

浏览器自动化类：

• browser-use：替代直接调用 MCP 操作 Playwright，大幅节省 token，减少错误率

综合能力类：

• self-improvement：AI 自我优化工作流
• create-pr：自动创建 Pull Request，标准化 Git 工作流

开发效率类：

• frontend-code-review：前端代码 Review 规范化
• cache-components-expert：优化 LLM 应用的缓存策略

文档处理类：

• process-documents：处理 Word、PDF、Excel 等格式文档

框架最佳实践类：

• rails-7-conventions：Rails 7 开发规范
• expo-best-practices：Expo 移动端开发指南
• supabase-patterns：Supabase 数据库操作模式

6. 安全性与版本化

技能是显式且版本化的，这意味着团队可以清楚审计 AI 代理被授权执行哪些操作。每次技能更新后，开发者可以通过 npx skills check 查看变更差异，再决定是否升级。 相比动态生成 shell 逻辑的方案，这种方式对生产环境更安全可控。

---

实际测评

安装体验

整体安装体验非常流畅。在一台安装了 Node.js 20+ 的机器上，从零到安装第一个技能，全程不超过 2 分钟。npx skills add 的交互式界面会展示技能的简短描述，询问是否安装，确认后自动写入目标代理的配置目录。

多技能批量安装时，可以使用 --all 参数一键安装所有技能到所有支持的代理。对于只需要特定代理的场景，--agent 参数的精确控制非常实用。

与 Claude Code 的协同

将 vercel-react-best-practices 安装到 Claude Code 后，在同一个 React 项目中让 AI 生成组件代码，明显可以感受到 AI 的上下文更贴近 Vercel 的最佳实践——不再需要每次提示「请使用 Server Components」或「遵循 App Router 目录结构」。这种「无感植入」的体验正是渐进式加载机制带来的直接收益。

Token 效率

这是 skills.sh 的核心卖点之一，在测试中也得到了验证。启动时每个技能只消耗约 50 token 的元数据，在挂载 20 个技能的情况下，初始 token 消耗仅约 1000 token，远低于「把所有说明写在 system prompt」的方案（通常一份详尽的 system prompt 就要 2000-5000 token）。

跨代理切换

从 Claude Code 切换到 Cursor 时，通过 npx skills add --agent cursor <skill-name> 可以把已有技能同步到 Cursor，一致性体验相当好。但需要注意：Cursor 的 cursor rules 系统和 skills 在功能上有所重叠，后文对比部分会详细展开。

技能质量参差不齐

目录中虽然有 Vercel、Anthropic 等官方贡献的高质量技能，但社区贡献的技能质量差异较大。部分技能描述模糊，触发条件不明确，导致 AI 加载时机不准。建议优先选择安装量排名靠前的技能，并在使用前浏览完整的 SKILL.md 内容。

私有技能管理

skills.sh 目前更多承担「发现与分发」的功能，私有技能（团队内部技能）需要开发者自行维护在 Git 仓库中，再通过路径安装。平台层面对私有技能的托管、权限管理支持还比较有限，这是目前的主要短板之一。

---

5 款同类产品深度对比

在「AI 代理能力模块化」这条赛道上，skills.sh 并非孤军奋战。以下是五款具有代表性的竞品或替代方案的详细横向对比。

---

对比一：agentskills.io

定位： 更侧重规范制定和社区验证的开放技能目录。

agentskills.io 与 skills.sh 使用同一套 SKILL.md 开放标准，但平台的侧重点截然不同。agentskills.io 更强调「质量审核」，每一个上架的技能都经过社区验证流程，目前收录了约 3,500 个经验证的技能。平台提供详细的规范文档，并支持 Claude Code、Cursor、Windsurf 等主流工具。

相比 skills.sh 由 Vercel 主导的官方色彩，agentskills.io 更偏向去中心化的社区驱动模式。规范文档的完整性和精细程度也优于 skills.sh 的官方文档，适合希望深度了解技能标准的开发者。

核心差异： skills.sh 是 Vercel 官方推出的分发平台，品牌背书更强，排行榜机制更直观；agentskills.io 则是更纯粹的开放规范社区，技能质量审核更严格，适合追求技能可靠性的团队。

---

对比二：SkillsMP（SkillHub）

定位： 面向大规模技能分发的超级技能市场。

SkillsMP 是目前体量最大的 AI 代理技能市场，收录超过 71,000 个技能，兼容 Claude Code、OpenAI Codex CLI、ChatGPT 等工具，同样使用开放的 SKILL.md 格式。平台提供智能搜索和分类筛选，能快速定位需要的技能。

技能数量上的压倒性优势是其最大亮点，但也带来了质量参差不齐的问题。对于没有时间甄别技能质量的开发者而言，这反而是负担。

核心差异： skills.sh 以「精品小而美」为策略，官方背书的技能来自顶级科技公司；SkillsMP 则是「广撒网」策略，靠数量取胜，更适合有经验、能自主筛选的资深用户。

---

对比三：Cursor Rules

定位： Cursor 编辑器原生的上下文指令系统。

Cursor Rules 是深度集成在 Cursor IDE 中的指令系统，允许开发者创建 .cursorrules 文件或在 .cursor/rules/ 目录下管理多个规则文件。规则支持 frontmatter 配置，可以精确控制作用域——指定生效的文件类型、触发时机（始终生效 / 手动调用 / 仅在匹配文件中生效）。

在实际对比测试中，针对同一条指令，Cursor Rules 和 skills.sh 技能的执行效果几乎相同（3/3 测试通过率持平）。但 Rules 的 frontmatter 控制更精细，特别适合大型项目中针对不同代码区域设置不同规范的场景。

核心差异： Cursor Rules 是 Cursor 专属的、结构化程度更高的方案，适合已有 20+ 规则的复杂项目；skills.sh 则是跨平台通用方案，没有 frontmatter 配置的学习成本，适合新手或需要在多个代理间共享规范的场景。二者如果对同一指令同时存在，Rules 的优先级高于 Skills。

---

对比四：Cursor Memory Bank

定位： 面向跨会话上下文持久化的结构化工作流系统。

Cursor Memory Bank 是为 Cursor 设计的会话记忆管理系统，通过六个阶段命令（/van 初始化 → /plan 规划 → /creative 设计 → /build 实现 → /reflect 回顾 → /archive 归档）管理 AI 代理的工作流，并将所有上下文持久化存储在 memory-bank/ 目录中。

其核心创新在于「分层规则加载」：根据当前任务阶段只加载相关规则，相较于一次性加载全量规则，初始 token 消耗减少约 70%，优化后系统额外开销维持在 context 窗口的 15-20% 左右。

核心差异： Cursor Memory Bank 解决的是「长期项目中 AI 记忆跨会话丢失」的问题，擅长的是工作流管理和状态持久化；skills.sh 解决的是「如何让 AI 掌握特定领域的专业知识」，擅长的是能力扩展和规范注入。两者侧重点完全不同，实际上可以互补使用——用 skills.sh 安装领域知识，用 Memory Bank 管理项目状态。

---

对比五：Dify

定位： 面向 LLM 应用开发的全栈可视化平台。

Dify 是一个拥有 80,000+ GitHub Stars、支持自托管或云端部署的 LLM 应用构建平台，提供 RAG 管道、智能体工作流、聊天机器人等全套构建能力，无需深度 ML 专业知识。

Dify 的定位与 skills.sh 差异最大。skills.sh 的目标用户是「正在使用 AI 编程代理的开发者，想让代理更聪明地执行任务」；而 Dify 的目标用户是「想从头构建完整 AI 应用的开发者或企业」，两者的抽象层级和使用场景几乎不重叠。

核心差异： 如果你只是想让 Claude Code 在写 React 代码时遵守团队规范，用 skills.sh 一条命令搞定；如果你想搭建一个有 RAG 检索、多轮对话、工作流编排的完整 AI 系统，Dify 才是合适的选择。将二者对立比较本身就是一个伪命题，但了解边界有助于做出正确选择。

---

五款产品横向对比一览

维度	skills.sh	agentskills.io	SkillsMP	Cursor Rules	Cursor Memory Bank	Dify
定位	AI代理技能发现目录	开放规范技能社区	超大型技能市场	IDE原生指令系统	跨会话记忆管理	LLM应用全栈平台
技能数量	200+ 精品	3,500+ 验证	71,000+	—	—	—
跨平台支持	✅ 43+ 代理	✅ 主流代理	✅ 主流代理	❌ 仅 Cursor	❌ 仅 Cursor	✅ 多 LLM
技能质量把控	官方审核	社区验证	自由上传	—	—	—
安装方式	npx skills add	CLI / 手动	CLI / 手动	IDE内置	IDE内置	平台部署
Token 优化	✅ 渐进式加载	✅ 同规范	✅ 同规范	⚠️ 部分	✅ 分层加载	—
开源	✅	✅	✅	✅	✅	✅
上手难度	低	中	低	中	高	高
私有技能	⚠️ 需自管	⚠️ 需自管	⚠️ 需自管	✅ 原生支持	✅ 原生支持	✅ 原生支持
适合场景	快速扩展代理能力	严格质量控制	海量探索	Cursor深度用户	长期项目状态管理	构建完整AI应用

---

进阶用法：让 skills.sh 真正发挥价值

团队标准化工作流

对于开发团队而言，skills.sh 最实际的价值是统一 AI 代理的「世界观」。将团队的代码规范、Review Checklist、分支命名约定、部署流程等打包成私有技能，存储在团队 Git 仓库中，通过以下方式安装：

npx skills add ./local-skills/our-code-standards

每个新加入的开发者只需运行一次命令，就能让 AI 代理立刻掌握团队规范，而不是花时间反复在 chat 中解释。

多技能组合策略

单个技能的颗粒度越小，组合的灵活性越高。推荐的组合策略是：

1. 安装框架技能（vercel-react-best-practices、supabase-patterns）
2. 安装工作流技能（create-pr、frontend-code-review）
3. 安装工具技能（browser-use、process-documents）

三类技能各司其职，互不干扰，同时加载时 AI 能准确判断调用时机，不会产生指令冲突。

技能质量自检

在向团队推广某个社区技能之前，建议用 Skill Creator v2 对其进行基准测试：

# 安装 Skill Creator v2（来自 Anthropic）
npx skills add --agent claude-code skill-creator

# 在 Claude Code 中执行
> /skill-creator review ./path/to/skill

Skill Creator 会自动生成测试用例，对比「有无技能」两种情况下的 AI 输出质量，并以 HTML 可视化报告呈现评分结果。

---

生态现状与未来走向

skills.sh 的走红，背后是 AI 代理从「通用助手」向「领域专家」转型的大趋势。Anthropic、Vercel、Microsoft、GitHub、OpenAI 几乎在同一时间都押注了 Agent Skills 方向，证明这不是某一家公司的实验，而是整个行业对「可复用 AI 能力」的共同判断。

从数据看，Agent Skills 生态的增速惊人：平台每小时新增技能超过 550 个，跨生态系统的总安装量超过 100,000 次，部分头部技能（如 create-pr）的 GitHub 使用量达到 169,700 次。

Microsoft 也在其 Agent Framework 文档中正式收录了 Agent Skills 规范，支持自家的 AI 工具链。 Binance 更是在 2026 年 4 月 2 日宣布扩展其 AI Agent Skills Hub，新增 13 个涵盖衍生品、支付、理财等领域的技能，将机构级交易基础设施直接纳入 AI 工作流。

预计到 2026 年中期，技能生态将进化到以下方向：

• GitHub 和 Vercel 平台原生集成技能市场，无需借助 CLI
• 多模态技能（处理图像、视频）开始出现
• 深度与 GitHub Actions 和 Vercel Deployment Pipeline 集成
• 技能货币化市场（部分商业化技能开始出现付费模式）

---

谁应该用 skills.sh？

强烈推荐的场景：

• 每天使用 Claude Code、Cursor 或 Codex CLI 进行开发，需要频繁提示 AI 遵守特定规范
• 管理多人开发团队，希望统一 AI 代理的代码风格和工作流
• 在多个项目中切换，需要快速为 AI 注入不同的框架知识
• 对 token 消耗敏感，希望减少 context 中的冗余指令

暂时不适合的场景：

• 需要严格的私有技能权限管理（建议配合 Cursor Rules 或自建 Git 仓库）
• 团队技术栈过于小众，缺少对应的现成技能（需要自行创建，学习成本存在但不高）
• 不使用任何 AI 代理工具（这类工具是使用前提）

---

skills.sh 真正改变的，不是 AI 代理本身的智能程度，而是「如何高效地把人类的知识传递给 AI」这件事的范式。把可复用的专业知识打包成轻量级 Markdown 文件、版本化管理、按需加载——这套思路既实用，又优雅。对于每天与 AI 代理协同工作的开发者来说，它解决的是一个真实的、高频的痛点，而不是一个技术演示。