前两天在 GitHub 上瞎逛，无意间刷到一个仓库，本来以为又是什么 "100+ awesome prompts" 的套路合集，点进去一看——还真不是。
仓库叫 awesome-skills，9 个 Skill，每个都是一份 SKILL.md，不是那种泛泛而谈的 prompt 模板，而是真的能在 AI Agent 里直接跑的工程级指令。
先说最让我惊艳的：code-review-ProMax
我之前也试过让 AI 帮忙 review 代码，但大部分时候输出都是"建议优化此处逻辑"这种废话。
这个 Skill 不一样——它有一个8步方法论，输出是结构化的：
-
先分类：无影响变更 / 建议关注 / 必须修复
-
每个问题带严重度 + 置信度 + 影响链（改动→影响→级联）
-
最后直接给你修复指令，复制就能用
最骚的是说一句"直接修复"，它自动切换到修复模式，逐条 apply。这是我见过唯一一个把 review 和修复串成闭环的。
而且它有个"变更意图识别"——能区分这个 commit 是需求实现、bug 修复、还是临时 hotfix，不同意图的审查策略不一样。不是无脑逐行检查。
fe-cli：前端脚手架，但不是又一个 create-react-app
支持 6 种项目类型：Web SPA、后台管理、H5、Electron、SSR、小程序。
重点是它不是简单的 create-react-app 套壳——每个类型有专属子 Skill，生成的项目自带：
-
统一的请求封装（原生 fetch，不用 axios）
-
日志系统（分级、轮转、持久化、导出）
-
多环境配置
-
Pinia/Zustand 状态管理
-
i18n 方案
技术栈锁死 pnpm + Vite + TypeScript + Sass，没有选择困难症，直接出活。
screenshot-to-prompt：截图 → 实现 Prompt
这个思路很巧妙。不是"截图转代码"（那种通常生成一堆不可维护的垃圾），而是截图转结构化 Prompt——你拿截图给它，它输出页面结构分析和一份实现 prompt，你可以把这份 prompt 扔给你常用的 coding agent 去实现。
相当于一个翻译器，把视觉信息翻译成 agent 能理解的结构化指令。中间多了一步，但可控性强得多。
项目文档生成 + 项目接手：接盘侠神器
project-doc-analyst 和 project-onboarding 这俩配合用：
-
project-doc-analyst：深度扫描仓库，按优先级生成文档套件（项目总览 → 技术架构 → 设计原因 → 调用链图）
-
project-onboarding：帮你快速接手陌生项目，10 分钟建地图，然后按你关心的方向深入
接手别人的项目时，这俩能省下至少半天的读代码时间。
还有个 Skill 生态链
有意思的是这 9 个 Skill 不是零散的，它有个闭环：
skill-creator-ProMax（生成 Skill）
↓
skill-review-pro（评审 + 打分 + 修复）
↓
发布就绪
skill-review-pro 本身也是个专业评审系统——4 维度评分（可靠性/工程化/UX/可维护性），100 分制，带对抗检查（模糊输入/越界请求/矛盾请求），还有稳定性 Benchmark 可以跑多轮验证评分一致性。
也就是说你想自己写 Skill，可以用 creator 生成，然后用 reviewer 测评，不过关就修，过了再发。这个链路是完整的。
怎么用
OpenClaw 用户一行命令安装：
openclaw skills install code-review-ProMax
Claude Code / Cursor / Codex 用户直接把 SKILL.md 放到对应目录就行，格式通用。
我的真实感受
用了两周，最核心的感受是：**这些 Skill 是按"AI 执行"来设计的，不是按"人阅读"来写的。 **
区别在哪？大部分 prompt 模板是写给人看的，告诉你"应该注意什么"。但这些 Skill 是写给 AI 执行的——有明确的步骤编号、判定树、输出模板、降级策略。AI 拿到就能干活，不需要二次理解。
尤其是降级策略这个细节——比如 code-review-ProMax 在 git 不可用、diff 为空、认证失败这些场景下都有明确的 fallback，不会直接卡住。这种工程思维在 prompt 里很少见。
感兴趣可以试试，特别是 code-review-ProMax 和 fe-cli，这俩日常用得最多。
