AI Agent 技能（Skills）工具与指南：官方搜索、创建、调试与强制设计

本文介绍了提升 AI Agent 能力的 4 个关键 Skills 资源。内容涵盖 Vercel 官方 Skills 搜索安装工具（skills.sh）、Anthropic 官方的 Skill 创建权威指南、强制设计讨论的 Brainstorming Skill 以及系统化调试的 Debugging Skill 方法论。适合希望扩展或自主开发 AI Agent 技能的中高级开发者，提供了具体的开源地址与实用原则。

Tags:

• AI Agent
• Skills 开发
• 官方指南
• 调试方法论
• 开源工具

01

Vercel 官方的 Skills 搜索神器

Skills 这么多，怎么找到适合自己的？   

Vercel 官方出了个 find-skills，专门解决这个问题。它本质上是一个 Skills 包管理器，通过 npx skills 命令就能用。   

核心功能挺直接的：

• npx skills find [关键词] 搜索 Skills，支持交互式搜索   

• npx skills add <包名> 安装 Skill   

• npx skills check 检查更新   

• npx skills update 一键更新所有已安装的 Skills   

比如你想找 React 性能优化相关的 Skill，直接运行 npx skills find react performance，它会列出所有相关的 Skills，还会给你安装命令和文档链接。   

官方还做了一个 Skills 搜索网站 skills.sh，可以在线浏览所有的 Skills。

对于经常用 AI Agent 干活的人来说，这个工具能帮你快速发现和安装各种能力扩展，省得到处找。   

开源地址：https://github.com/vercel-labs/skills/blob/main/skills/find-skills/SKILL.md

02

Anthropic 官方的 Skill 创建指南     

如果你想自己写一个 Skill，这个官方指南是必看的。   

Anthropic 作为 Claude 的出品方，他们出的 skill-creator 可以说是权威教程。   

它把 Skill 的结构讲得很清楚：

• SKILL.md 是核心文件，包含 YAML 元数据和 Markdown 指令   

• scripts/ 放可执行脚本   

• references/ 放参考文档   

• assets/ 放模板、图片等资源文件   

比较有价值的几个设计原则：

渐进式加载：Skill 分三层加载，先是元数据（约100词），再是 SKILL.md 主体（<5k词），最后按需加载引用文件。这样设计是为了省上下文窗口。  

自由度匹配：任务越脆弱，指令越具体；任务越灵活，指令越宽松。就像走钢丝需要护栏，在广场上可以随便走。   

不要创建多余文件：Skill 不需要 README.md、安装指南、更新日志这些，它只需要 AI 干活要用的信息。   

整个指南非常实用，从理解需求、规划内容、初始化、编写到打包发布，每个步骤都有详细说明。想认真做 Skill 的话，这个值得好好读一遍。

开源地址：https://github.com/anthropics/skills/blob/main/skills/skill-creator/SKILL.md

03

强制设计的 Brainstorming Skill     

这个 Skill 有点意思，它强制你在动手写代码之前先做设计。   

它的核心理念是：任何项目，不管多简单，都必须先经过设计讨论，获得你认可后才能开始实现。   

整个过程分几步：

先了解项目上下文，看看文件、文档、最近的提交。然后一个一个问题问清楚，搞明白目的、约束和成功标准。   

接下来提出 2-3 个方案，说明各自的优缺点，给出你的推荐理由。   

最后呈现设计，按模块逐步展示，每个模块确认没问题再往下走。设计通过后，写一份设计文档保存到 docs/plans/ 目录，然后才能调用实现相关的 Skill。   

有个硬性规定：在用户批准设计之前，禁止调用任何实现类 Skill，禁止写代码，禁止搭建项目。   

听起来有点繁琐，但实际上能避免很多返工。很多时候我们觉得简单的项目，做着做着就发现各种问题，还不如一开始就把事情想清楚。   

开源地址：https://github.com/obra/superpowers/blob/main/skills/brainstorming/SKILL.md

04

系统化调试的 Debugging Skill

这个 Skill 是给 AI 用的调试方法论，核心原则就一句话：没有找到根本原因之前，禁止尝试任何修复。   

它把调试过程分成四个阶段：

阶段一：根因调查

仔细读错误信息，可靠地复现问题，检查最近的改动。如果是多组件系统，还要在每个组件边界加诊断日志，搞清楚数据在哪儿断的。   

阶段二：模式分析

找类似的工作代码，对比差异，理解依赖关系。不要想当然地觉得某些差异不相关。 

阶段三：假设和测试

提出单一假设，用最小改动去测试。一次只改一个变量，不要一次性修多个问题。如果不对，回到阶段一重新分析。   

阶段四：实现

先写失败的测试用例，然后修复根因，最后验证修复有效。如果连续 3 次修复都失败，停下来质疑架构设计。   

这个方法论的好处是避免乱猜乱试，减少改出一个 Bug 引出两个新 Bug 的情况。据统计，系统化调试 15-30 分钟搞定，随机修复可能要折腾 2-3 小时。   

开源地址：https://github.com/obra/superpowers/blob/main/skills/systematic-debugging/SKILL.md

05

点击下方卡片，关注逛逛 GitHub

这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：