开源高星项目特稿
同一个模型，在不同人手里的 agent 上产出差得很远，差距往往不在模型本身，而在你喂给它的领域知识。Agent Skill 把这类知识做成了可插拔的文件夹，而这份 33k Star 的清单，把散落的 1500 多个 skill 筛了一遍，官方区全是 Anthropic、Microsoft、Stripe、Cloudflare 这类一线工程团队亲手写的。
awesome-agent-skills：1500+ 个 Agent Skill 的人工筛选清单，官方区含金量极高
项目地址: VoltAgent/awesome-agent-skills
用 Claude Code、Cursor、Codex 这类 coding agent 干活的人多半有过类似体感：同样的模型，有的任务它一次到位，有的任务反复教还是错。差别通常不在模型智商，而在上下文——你的团队规范、框架的冷门用法、某个 SDK 的正确初始化姿势，模型训练数据里没有，它就只能靠猜。Agent Skill 机制就是补这个缺口的：把指令文档、参考示例甚至可执行脚本打包成一个文件夹，agent 在需要时按名字检索、按需加载。这个生态在 2025 年底 Anthropic 率先标准化之后爆发得很快，爆发之后的新问题是：去哪找靠谱的 skill？VoltAgent 维护的 awesome-agent-skills 目前 33,575 Star，收录 1497 个以上，它的自我定位写得很直白——只收真实工程团队在用的 skill，拒绝批量 AI 生成的垃圾（原话是 not AI-slop generated）。
它和普通 awesome 清单的区别在官方区的阵容。清单主体按出品方分区，每一条都链接到 officialskills.sh 的详情页：Anthropic 和 OpenAI 自不必说，Google 一家就有 Gemini、Stitch、Workspace CLI、Cloud 四个分区；Microsoft 一个分区就挂了 133 个 skill，横跨 .NET、Java、Python、Rust、TypeScript 六种语言的 Azure SDK 用法，从 Event Hub 高吞吐流到 Key Vault 密钥管理应有尽有。基础设施侧有 Vercel、Cloudflare、Netlify、HashiCorp（Terraform）、Red Hat、NVIDIA；数据库有 DuckDB、ClickHouse、Redis、MongoDB、Neon、Supabase；SaaS 侧有 Stripe、Notion、Figma、Sentry、Datadog、Auth0、Firebase。两个分区尤其值得单独一提：Trail of Bits 出的安全审计类 skill，把这家以安全研究著称的公司的方法论做成了 agent 可执行的检查清单；Addy Osmani 的 Web Quality 分区则覆盖前端性能与可访问性审查。除此之外还有市场、产品管理这类非编码分区，说明 skill 的边界早已越出写代码本身。
对想自己写 skill 的人来说，清单里的 Skill Quality Standards 一节比收录列表本身更有长期价值。它把 skill 的质量标准写成了规范：描述用第三人称，说清这个 skill 做什么、什么时候该用，且关键词必须能让 agent 精确匹配——写「PostgreSQL migration」而不是「database stuff」，因为 agent 就是靠这些词做检索路由的。结构上要求 progressive disclosure：顶层元数据控制在 100 token 以内，skill 正文不超过 500 行，大体积的文档和 schema 不内联、按需加载。另外两条是纯工程纪律——禁止硬编码机器专属的绝对路径，工具权限按需声明、不许一把梭申请全部。这几条直接对应 skill 机制的底层逻辑：skill 的加载是分层的，元数据常驻上下文，正文和资源才是懒加载，写得臃肿等于把上下文窗口当垃圾场。
跨工具兼容是这份清单能涨到三万多星的另一个原因。skill 本质上是纯文件（Markdown 加资源目录），不涉及进程和协议，所以同一份 skill 拷到不同工具的约定路径就能直接用。清单末尾的对照表把各家路径全列了：Claude Code 放 .claude/skills/ 或全局 ~/.claude/skills/，Codex 和 Antigravity 用 .agents/skills/，Cursor 是 .cursor/skills/，Gemini CLI、GitHub Copilot、OpenCode、Windsurf 各有一套，每格都附了官方文档链接。这和 MCP 形成了鲜明对比——MCP 要起服务、走协议、管生命周期，skill 只是文件夹，共享成本几乎为零。实际挑用的顺序建议是：先翻官方区找你技术栈对口的大厂 skill，再看社区区里被实际团队采用过的；装之前花十分钟读一遍内容，这个动作在下一节会解释为什么省不得。
安全是这份清单必须认真对待的部分，它的处理方式是诚实而不是粉饰。README 明确写着 curated, not audited——收录经过人工筛选，但没有安全审计，skill 的维护者可以在入库之后随时修改内容。skill 天然是 prompt injection、tool poisoning 和隐藏恶意载荷的载体：一个看似普通的文档处理 skill，完全可能夹带诱导 agent 外发数据或执行危险命令的指令。清单推荐了两个扫描工具，Snyk 的 agent-scan 和 Agent Trust Hub，同时强调装任何 skill 前先自己读代码。另一个实践层面的坑是 skill 过载：装太多会互相抢上下文、指令冲突，agent 行为反而变差，建议按项目放进项目级目录，全局目录只留真正到处要用的。收录门槛也值得一提——贡献指南明确拒绝「三小时前刚写的」skill，只收社区采用过、经过实战验证的，这个态度在 awesome 系清单里并不多见。
三万多星背后的需求很实在：agent 时代，个人和团队都急需把重复教过的经验沉淀成可复用的资产，而 skill 是目前最轻的载体——不需要写服务、不需要改工作流，一个文件夹就是一份可分发的团队规范。这份清单适合两类人：重度使用 coding agent 的工程师，直接从官方区薅大厂生产环境验证过的 skill；以及负责工程效能的平台组，把内部规范按这份清单的质量标准改写成 skill，分发成本比维护 wiki 低得多。它不适合期待「装了就变强」的人——skill 是杠杆，你自己的工程判断力仍是支点。上手路径十分钟走完：从清单里挑两三个对口 skill，放进项目的 .claude/skills/（或你所用工具的对应目录），跑一个真实任务观察 agent 是否正确触发和加载，再决定要不要扩大安装面。
skill 的价值在于沉淀：把团队反复教过的东西变成一份可分发的文件夹——这份清单替你把筛选的脏活干了大半。
