做 AI 编程的这两年我对给 AI 提需求让它写代码这件事越来越有体会模型能力决定了下限但真正决定上限的是你给它配了什么外挂。2026 年这个外挂有了统一的名字——Skills。7 月这一波从 Claude Code 到 Codex CLI、Cline、opencode几乎都开始支持同一种 SKILL.md 规范。这里把我在实际项目里用下来、以及社区热度最高的几类技能包盘点一下。一、Skills 到底是什么Anthropic 官方对 Agent Skills 的定义是一种模块化的能力用来扩展编程 Agent 的功能。每个 Skill 封装了指令、元数据和可选的资源脚本、模板当场景匹配时 Agent 会自动调用。一个 Skill 就是一个文件夹核心是里面的 SKILL.mdpdf-skill/ ├── SKILL.md # 核心指令 元数据 ├── FORMS.md # 表单填写指南 ├── REFERENCE.md # 详细 API 参考 └── scripts/ └── fill_form.py # 实用工具脚本SKILL.md 的头部是 YAML 元数据包含名称和描述--- name: pdf-processing description: 提取 PDF 文件中的文本和表格填写表单。当处理 PDF 文件或用户提及 PDF 时使用。 ---这套机制 2026 年已经成了行业事实标准——Claude Code、Codex CLI、Cline、Qwen Code 都在兼容社区也建立了 skills.sh 这样的技能包市场。为什么火因为它把AI 的工作方式从随机应变变成了有章可循。二、核心机制渐进式披露Progressive DisclosureSkills 之所以高效在于它的信息加载是分层的不会把一整包文档全塞进上下文。第一层元数据始终加载。SKILL.md 头部的 YAML 描述在 Agent 启动时就常驻上下文占用约 100 个 Token。Agent 靠这段描述判断当前任务要不要用这个 Skill。第二层核心指令触发时加载。当判断任务相关Agent 才读取 SKILL.md 正文学习这个任务的具体做法。第三层代码与资源按需加载。脚本和详细文档只在需要时才读取。脚本执行结果比如验证通过或报错信息进入上下文脚本本身不会占上下文窗口。这套设计解决了我之前的一个痛点以前把所有规范都写进全局提示词几千个 Token 白白占着还容易互相干扰。Skills 做到了用到才读干净利落。三、Skill 和 MCP 有什么区别很多人把这两个概念混在一起简单区分一下Skill 定义 AI 怎么想工作流程、规范约束、决策逻辑是 Markdown 文档MCP 定义 AI 能做什么工具调用、外部系统交互是 API 协议两者互补。一个 Skill 内部往往集成 MCP 工具比如 code-review 这个 Skill 审查代码时通过 GitHub MCP 读取 PR 内容通过浏览器工具截图验证 UI 变更。四、最受欢迎的一类工程流程类这类技能包是 7 月讨论度最高的核心理念是流程优于提示词——不是让 AI 变聪明而是让它变靠谱。Superpowersobra/superpowers是我第一个装的它把一套完整的工程流程拆成了几个子技能/brainstorm 先澄清需求、/write-plan 写实施计划、/execute-plan 分步执行。最直观的感受是以前 AI 接到需求直接开写经常跑偏现在它先追着我问清楚边界条件、异常处理、兼容性返工明显少了。安装方式npx skills add obra/superpowersagent-skillsaddyosmani是另一位 Google Chrome 团队工程师维护的套件也是 7 月热度前排理念相似但分工更细/spec 需求规格化先澄清再动手/build 增量实现按规格逐项交付/test 强制 TDD红-绿-重构循环/debug 系统化调试诊断→定位→修复→验证/review 代码审查检查安全、性能、可维护性安装方式git clone https://github.com/addyosmani/agent-skills ~/.claude/skills/agent-skills我在一个改造老项目的工作里试过它的 /specAI 先输出了 12 个澄清问题涉及数据库索引、历史数据迁移、接口兼容这比我以前拍脑袋让它直接改少了太多来回。五、最受欢迎的二类领域知识类这类技能包把某个技术领域的经验固化下来让 AI 在该领域直接达到资深水平。vercel-react-best-practices是安装量最高的编程类技能包之一社区数据显示 14 万 安装把 React 开发规范按 CRITICAL 到 LOW 分级共 45 条规则。装完明显感觉 AI 生成的组件质量不一样了——错误边界、依赖数组、性能优化这些点它都主动考虑。npx skills add vercel-labs/skills --skill vercel-react-best-practicesPDF 处理系列。处理 PDF 是高频需求Anthropic 官方仓库里就带了 pdf 技能包包括提取文本表格、填写表单、合并拆分。我处理合同归档的时候用它批量提取条款准确率比自己写脚本高得多。npx skills add https://github.com/anthropics/skills --skill pdfagent-browser让 AI 能直接操作浏览器自动填表单、抓数据、走完多步交互流程。这对做自动化测试和页面数据采集非常实用7 月安装量增长很猛。六、最受欢迎的三类中文场景与基础设施类中文开发者场景。大多数技能包是英文环境设计的中文社区有几个专为国内开发者优化的包如 baoyu-skills适配 Spring Boot、Vue、微信小程序等国内常用技术栈解析中文需求文档的效果比通用技能包好一截。find-skills和skill-creator属于基础设施类一个是探索技能包市场的入口一个是把个人工作流程封装成自定义 Skill 的工具。我的建议是任何新人先从 find-skills 开始因为它能帮你快速定位适合自己领域的能力包等用熟了几个之后再用 skill-creator 把团队自己的规范和流程沉淀成私有技能包这是团队知识资产化的一个很轻的路子。七、怎么选一个基于使用经验的建议需求推荐技能包说明刚接触 Skillsfind-skills先了解生态再动手团队工程规范agent-skills / Superpowers流程驱动减少返工前端 React 项目vercel-react-best-practices官方级规范提升代码质量文档处理pdf提取、转换、合并拆分网页自动化agent-browser填表、抓数据、多步交互中文技术栈中文社区包适配国内框架中文理解更好几点个人体会别一次装太多。装一个用熟一个技能包太多会让 Agent 在触发选择上犹豫反而影响判断。技能包要定期更新。这类生态迭代很快几周不更新可能就落后了。自己写一个才叫入门。用 skill-creator 把你最常做的重复工作封装成 Skill写一遍就彻底理解这套机制了。八、总结2026 年 7 月的 AI 编程生态已经明显从比谁的模型强转向比谁的工作流更成熟。Skills 作为这套工作流的载体让 AI 从偶尔出彩变成稳定输出。工程流程类解决怎么做才靠谱领域知识类解决怎么做才专业基础设施类解决怎么发现和沉淀。挑一两类自己用得上的装起来跑一两个真实任务会比看再多榜单都实在。本文提到的技能包均为开源社区的公开项目安装前请核对仓库最新信息。