还在为 AI 编程助手生成的代码质量头疼？Agent Skills 是 Google 工程师 addyosmani 开源的项目，为 AI coding agents 提供 21 个工程化工作流技能，涵盖从需求到发布全周期，让 AI 也能写出生产级代码，文末附详细使用教程

🎤 引言

你有没有遇到过这种情况：让 AI 写个登录功能，它哗哗哗给你生成 200 行代码，能跑，没报错。但仔细一看 —— 没单元测试、密码明文存储、SQL 注入漏洞摆在那儿等你踩。

AI coding agents 现在火得一塌糊涂 ——Claude Code、Cursor、Gemini CLI、Windsurf...随便一个都能写代码。但用过的人大概都有同一个感受：快是快，糙是真糙。

写出来的代码能跑，但经不起看：没测试、没边界检查、security 漏洞一堆、commit 信息随意得像在发微博。这不能怪 AI，毕竟它们默认追求的是"最短路径完成"，而工程化实践（写 spec、测试、code review）反而被视为"绕路"。

Google 工程师 addyosmani（《Learning JavaScript Design Patterns》作者）开源了一个项目叫 Agent Skills，专门解决这个问题。它把 senior engineer 在真实项目中用到的工程化工作流，打包成 21 个结构化技能，让 AI agents 在写代码的每一步都遵循同样的高标准。截至 2026-05 项目已有 35k+ Stars，堪称 AI 工程化实践领域的标杆项目。

⭐ 核心功能

Agent Skills 包含 20 个核心技能 + 7 个 slash commands + 3 个专家 persona，覆盖软件开发的完整生命周期。

简单说，它做了一件很聪明的事：把 AI 默认"走最短路径"的本能，强行绑上工程化的轨。

5 大技能群组（每个群组解决开发中的一大类问题）：

群组技能数解决的问题
Define & Plan3需求模糊、任务拆解混乱
Build6代码不规范、测试缺失
Verify2调试效率低、bug 难定位
Review4code review 流于形式
Ship5发布风险高、回滚困难

项目结构一览

整个仓库结构清晰，分层明确：

agent-skills/
├── skills/              # 20 个核心技能（每个目录一个 SKILL.md）
│   ├── idea-refine/    # Define 阶段
│   ├── spec-driven-development/
│   ├── planning-and-task-breakdown/
│   ├── incremental-implementation/
│   ├── frontend-ui-engineering/
│   ├── test-driven-development/
│   ├── debugging-and-error-recovery/
│   ├── code-review-and-quality/
│   ├── shipping-and-launch/
│   └── ...              # 共 20 个
├── agents/              # 3 个专家 persona（code-reviewer、test-engineer、security-auditor）
├── references/          # 4 个速查清单（测试、安全、性能、无障碍）
└── docs/               # 各工具安装指南

每个 SKILL.md 都遵循统一的 anatomy：Frontmatter（name/description/Use when）→ Overview → When to Use → Process（步骤）→ Rationalizations（反借口表格）→ Red Flags → Verification。格式高度一致，学习成本低。

📥 安装使用

以 Claude Code 为例，装完插件后，在对话里输入 /spec，AI 就会自动加载 spec-driven-development 技能的工作流，提示你先写规范再动手。输入 /build 就触发 incremental-implementation，强迫自己一次只做一个切片。

实际效果：你跟 AI 说"给我写个用户模块"，普通模式下 AI 直接开干；有 Agent Skills 加持后，AI 会先问："这个模块有哪些边界情况需要覆盖？"

# Marketplace 安装
/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

# 如果 SSH 出错，使用 HTTPS
/plugin marketplace add https://github.com/addyosmani/agent-skills.git
/plugin install agent-skills@addy-agent-skills

# 本地开发
git clone https://github.com/addyosmani/agent-skills.git
claude --plugin-dir /path/to/agent-skills

Cursor
把 skills/ 下的 SKILL.md 复制到 .cursor/rules/，或直接引用整个 skills/ 目录。

Gemini CLI

gemini skills install https://github.com/addyosmani/agent-skills.git --path skills
# 或本地
gemini skills install ./agent-skills/skills/

Windsurf
添加到 Windsurf rules 配置，具体见 docs/windsurf-setup.md。

其他 agents（Codex、OpenCode 等）
Skill 就是普通 Markdown，支持任何接受 system prompts 或 instruction files 的 agent。见 docs/getting-started.md。

⚠️ 注意事项

  1. Skills 不会自动加载：需要手动安装到对应工具，不是装完就万事大吉
  2. AI 可能跳过步骤：虽然有 anti-rationalization 表格提醒 AI 不要找借口，但最强制的手段还是自己 review 生成的代码
  3. 不是银弹：这些技能帮你写出更规范的代码，但不代表代码一定正确 —— 测试还是要自己写
  4. GitHub Stars 35k+（截至 2026-05）：虽然是 2024 年的项目，但工程化实践这套东西不过时
  5. 依赖英文文档：source-driven-development 技能要求引用官方文档，如果你的框架没有英文文档效果会打折扣

✅ 总结

适合谁：

  • 日常用 AI coding agents 写代码的开发者
  • 想让 AI 输出更接近生产级代码质量的团队
  • 想学习 Google 级别工程实践的工程师

典型使用场景：

  1. 你：/spec + "写一个支付模块，支持 Stripe 和支付宝"
  2. AI 自动加载 spec-driven-development，输出结构化 PRD
  3. 你确认后，/plan 拆解任务
  4. /build 分批次实现，每块都有测试
  5. /review 做质量检查
  6. /ship 发布上线

整个流程比人工操作还规范，因为 AI 不会"偷懒跳过测试"这一步。

优点：

  • 21 个技能覆盖完整开发周期，不是碎片化的技巧
  • anti-rationalization 设计真的在纠正 AI"偷懒"的本能
  • 支持主流 AI coding agents（Claude Code、Cursor、Gemini CLI 等）
  • 基于 Google 工程文化（SWE at Google、eng-practices）
  • 每个技能都有明确的 Verification 退出标准，不是"看起来对就行"

缺点：

  • 需要手动配置安装，有一定学习成本
  • 实际效果取决于 AI 模型对 structured workflow 的遵守程度
  • 部分技能（如 security-and-hardening）需要人工二次确认

同类对比：

项目技能数特点Stars
Agent Skills21Google 工程实践，开源活跃35k+
SWE-agent4专注于软件工程任务11k+
LangChain Agents可组合偏向 LLM 应用构建65k+

如果你主要用 AI 写业务代码、追求输出质量，Agent Skills 是目前最系统的方案。

总的来说，Agent Skills 把"资深工程师的工程直觉"编码成了 AI 能理解的 structured workflows。用 AI 写代码快是快，但要想写得靠谱，还是得给 AI 上一道"规范锁"。

推荐指数：⭐⭐⭐⭐（4/5）
项目地址：https://github.com/addyosmani/agent-skills