前两天在 GitHub 上刷到一个项目，看完之后说实话——沉默了大概三秒钟。
不是因为技术多炸裂，而是因为它让我意识到：大多数人用 Claude Code，可能只用了它 5% 的能力。
这个项目叫 claude-skills，作者 Jeff Smolinski，目前 5.8k Star，370 Fork。
它做了一件事：给 Claude Code 装上 66 个"专家大脑"，让它在不同场景下自动切换身份。
你说"帮我实现 JWT 认证"，它不是一个泛泛的 AI 在回答你，而是一个 NestJS 安全专家在帮你写代码。
你说"优化一下这段 SQL"，接手的是一个数据库调优专家，带着 PostgreSQL 的最佳实践来的。
这不是换了个 prompt。这是换了个人。
先说它到底做了什么
claude-skills 本质上是一套 Claude Code 的技能插件系统。
它把全栈开发中你可能遇到的所有场景，拆成了 12 个大类、66 个专业技能，每个技能背后都有独立的知识库和行为规范。
来感受一下这 66 个"专家"的阵容：
- 后端与框架专家
- 前端专家
- 数据与基础设施
- 安全与质量
- AI / ML 方向
还有 Rust、Go、C++、Swift、Kotlin、Spark、WebSocket、GraphQL、Shopify、WordPress、Salesforce、游戏开发、嵌入式系统……
66 个。 覆盖了一个全栈团队从前端到后端、从安全到运维、从 AI 到游戏的全部技能树。
真正牛的不是数量，是"自动切换"
很多人看到这里可能会想：不就是 66 个 system prompt 吗？
不是。
claude-skills 做了一件更聪明的事——Context-Aware Activation（上下文感知激活） 。
你不需要手动选择用哪个技能。当你输入任务描述时，系统会根据你的代码上下文、技术栈、任务类型，自动激活最合适的专家技能。
举个例子：
你说："Implement user authentication in my NestJS API"
系统自动激活：NestJS Expert + Secure Code Guardian
两个专家协同工作——一个管框架实现，一个管安全合规
这才是这个项目最值钱的设计。
它不是给你一个工具箱让你自己翻，而是根据你的处境，自动派出最合适的专家组合。
多技能工作流：不是一个人在战斗
单个技能已经很强了，但 claude-skills 还设计了预置工作流，把多个技能串联起来，模拟真实团队协作：
- 新功能开发流
Feature Forge → Architecture Designer → Fullstack Guardian → Test Master → DevOps Engineer
产品设计 → 架构设计 → 全栈实现 → 测试覆盖 → 部署上线，五个专家接力。
- Bug 调查流
Debugging Wizard → Fullstack Guardian + 框架技能 → Test Master → Code Reviewer → DevOps Engineer
定位根因 → 全栈修复 → 回归测试 → 代码复审 → 部署上线。
- 安全加固流
Secure Code Guardian → Security Reviewer → Test Master
安全编码 → 安全审计 → 安全测试，三重保障。
你一个人写代码，但背后有一个虚拟团队在帮你把关。
365 份参考文档：每个专家都"读过书"
你一个人写代码，但背后有一个虚拟团队在帮你把关。这个项目最容易被忽略的细节是：每个技能背后都有独立的深度参考文档。
总计 365 份 reference files。
这意味着当 NestJS Expert 帮你写代码时，它不是靠 Claude 自己的通用知识在"猜"，而是基于作者精心整理的 NestJS 最佳实践、安全规范、性能优化指南在工作。
以 NestJS Expert 为例，技能文件夹的结构：
skills/nestjs-expert/
├── SKILL.md # 技能定义与行为规范
└── references/ # 深度参考文档（6 份）
├── authentication.md
├── controllers-routing.md
├── dtos-validation.md
├── migration-from-express.md
├── services-di.md
└── testing-patterns.md
这就是"Context Engineering"（上下文工程）的实战样本。
不是简单地写一段 prompt 告诉 AI "你是一个 NestJS 专家"，而是真的把专家知识注入进去。
还有项目管理？
没错。claude-skills 还内置了 9 个项目管理命令，支持从需求发现到回顾复盘的完整流程，并且可以对接 Jira 和 Confluence。
这意味着它不只是一个编码助手，而是想做一个完整的 AI 驱动开发工作台。
对我们的启发是什么？
看完这个项目，我提炼了三个核心认知：
- Prompt Engineering 已死，Context Engineering 当立
单纯写一句"你是一个高级工程师"的时代过去了。真正有效的做法是：为 AI 构建完整的知识上下文——角色定义、行为规范、参考文档、决策树。
claude-skills 用 66 个技能 + 365 份文档证明了：给 AI 喂的上下文质量，直接决定了输出质量。
- AI 的真正杠杆在"组合"，不在"单点"
一个 AI 专家很强，但多个 AI 专家自动协作才是质变。claude-skills 的工作流设计，本质上是在用 AI 模拟一个跨职能团队。
这给所有构建 AI 工具的人一个启示：不要只做一个聪明的 chatbot，要做一个能自动组队的系统。
- 开源社区正在重新定义"全栈"
过去，全栈 = 前端 + 后端。
现在，全栈 = 前端 + 后端 + AI + 安全 + 运维 + 测试 + 架构。
一个人掌握这些不现实，但一个人 + 66 个 AI 专家——突然就现实了。
如何开始使用？
如果你已经在用 Claude Code，两步即可：
# 安装插件
/plugin marketplace add jeffallan/claude-skills
# 加载技能包
/plugin install fullstack-dev-skills@jeffallan
然后，像平常一样写代码就行。系统会自动识别场景、激活技能。
项目地址：github.com/Jeffallan/claude-skills
写在最后
我经常被问："AI 编程到底能帮到什么程度？"
以前我的回答是：能帮你写代码，但你得会问。
看完 claude-skills 之后，我的回答变了：AI 编程的上限，取决于你给它构建了怎样的知识系统。
66 个专家、365 份文档、自动激活、工作流串联——这不是一个人的灵光一闪，这是对 "如何让 AI 真正变成生产力" 这个问题的系统性回答。
如果你还在用"裸"的 Claude Code，是时候给它装上大脑了。
你在用 Claude Code 的过程中，有什么独门技巧？欢迎在评论区聊聊。
