更新UPDATES

Skill agent-skills 为AI编程助手准备的React Native专家能力集
技能
React Native 项目的难点从来不是写代码，而是“正确的写法”散落在官方文档、博客和老项目的记忆里。当开发者把“帮我优化这个列表性能”交给 AI 编程助手时，模型并不知道你们团队用的 RN 版本、是否启用了新架构、状态管理选型是什么，于是给出的建议经常过时甚至错误。Callstack（React Native 核心贡献团队之一）把这个痛点产品化：把经过实战检验的 RN 最佳实践写成一组 agent skill，让 AI 助手在编码时自动套用。
Skill Claude-Code-Best-Practice 从氛围编程到智能体工程实战指南
技能
用 Claude Code 这类智能体写代码，很多人卡在「会聊天但不会干活」：需求没聊清就动手、任务拆太大、测试后补而非先写、合并前不审查。这些资深工程师习以为常的纪律，对 AI 来说是一片空白——你把「注意代码质量」写进提示词，它下次照旧。shanraisshan 开源的 claude-code-best-practice 把「怎么让 Claude Code 真正好用」这件事，整理成一份体系化的实战指南，从氛围编程（vibe coding）一路讲到智能体工程（agentic...
Skill Skills 真实工程师日常使用的AI技能合集
技能
市面上的“AI 编程方法论”层出不穷，GSD、BMAD、Spec-Kit 都在试图接管你的开发流程，但接管往往意味着丧失控制。真正在干活的人想要的不是被流程绑架，而是一组小巧、可改、可组合的技能（skills），随时塞进自己顺手的编码助手。 mattpocock/skills 就是这样的集合：作者把自己每天真实用来做工程的 agent skills 公开出来，强调“真实工程”而非“vibe coding”。它们体积小、易改造、可组合，并且和任意模型、任意编码助手兼容。
Skill claude-seo 在Claude Code里做全站SEO审计
技能
给网站做 SEO 审计，往往需要同时看技术可抓取性、内容质量、结构化数据、外链，如今还要操心是否被 AI 搜索引擎（ChatGPT、Google AI Overviews、Perplexity）引用。靠人肉逐项检查既慢又容易漏。claude-seo 是一个运行在 Claude Code 里的开源 SEO 技能包，把 26 个子技能和 19 个专家智能体组织起来，对网站做并行、可落地的审计。
Skill Agent-Skills 把资深工程师工程实践教给AI智能体
技能
AI 编码智能体写代码的能力已经够用，真正拉开差距的是工程纪律：需求没聊清楚就动手、任务拆得太大、测试后补而不是先写、合并前不做系统审查。这些资深工程师习以为常的规范，对 AI 来说是一片空白——你把「注意代码质量」写进提示词，它下次照旧。Google 开发者专家 Addy Osmani 开源的 Agent Skills 就是来填这个坑的：它把资深工程师的工作流、质量门禁和最佳实践封装成 25 个技能（skills），让 AI 智能体在开发的每个阶段自动遵循，而不是每次靠你口...
Skill Caveman 让AI编码智能体少说少读省三成Token
技能
让 AI 编码智能体干活，账单是按 token 算的，而 Agent 的话痨程度直接决定你的成本。一个原本二十个词就能说清的修复方案，模型经常先客套三段、再复盘一遍上下文、最后才落到结论，输出 token 轻松翻三倍。更隐蔽的浪费在输入端：测试输出、日志、JSON 响应整坨灌进上下文，模型「读」的每一行都在花钱。JuliusBrussee 开源的 Caveman 把这个问题做成了行为艺术加工程方案的结合体——口号是「为什么能用几个 token 搞定，非要用一堆」（why us...
Skill Superpowers 一套让AI代理高效协作的软件开发方法论
技能
把 AI 代理请进开发流程后，很多人发现：单个代理答得漂亮，但让它独立搞定一个完整功能，很容易跑偏、漏步骤、互相矛盾。它不知道“先规划再动手”，也不会在关键节点自检。Superpowers 提供的是一套“智能体技能框架 + 软件开发方法论”，用经过验证的技能与子代理协作，把 AI 变成靠谱的工程伙伴，而不是只会片段作答的玩具。它把“如何写好软件”这件事，固化成了可加载的技能包。
Skill Hallmark 让 AI 生成的前端摆脱模板味
技能
用 Claude Code、Cursor 或 Codex 生成一整个落地页，十次里有八次长一个样：Inter 字体、紫到蓝的渐变、卡片套卡片、灰色文字压在彩色块上、标题上方永远顶着一个小圆角图标。模型都在同一批 SaaS 模板上训练过，你不加约束，它只会复读那些“看起来高级但其实空洞”的套路。更糟的是，这些页面还常常带着 AI 味儿——每个标题下面一句 eyebrow、一个彩色关键词、页面末尾雷打不动的邮箱订阅框。 Hallmark 是 Together AI（仓库挂在 Nu...
Skill graphify 把任意代码库变成可查询的知识图谱
技能
读一个不熟悉的代码库，最耗时的不是写代码，而是“搞清楚它到底怎么连起来的”：这个函数被谁调用、这个配置从哪来、某条业务规则写在哪个文件。常规的全文搜索只能给你一堆命中，给不出关系；向量检索又常常“编”出不存在的调用链。Graphify-Labs 的 graphify 换了个思路：用 tree-sitter 在本地做确定性 AST 解析，把整个代码库（连同文档、SQL、配置甚至 PDF）变成一张可查询的知识图谱，让智能体像查地图一样查代码。
Skill security-audit-skill 把编码智能体变成可验证的安全审计专家
技能
把“让 AI 帮我看看代码有没有安全漏洞”这句话说出口很简单，但要真正落地却处处是坑：大部分编码智能体只会顺手扫一遍就给出结论，既说不清覆盖到了哪些入口，也无法证明某个“漏洞”真的能触发。安全审计最怕两件事——覆盖不全和结论不可信。Cloudflare 开源的 security-audit-skill 正是冲着这两个痛点来的：它把审计拆成多阶段流程，用互相独立的验证智能体交叉确认每条发现，输出机器可读、可复核的结果。
Skill hallmark 给AI设计加底线拒绝千篇一律的机味页面
技能
用 AI 写前端页面，最大的尴尬不是做不出来，而是做出来「一眼机味」：千篇一律的 Inter 字体、紫到蓝的渐变、卡片套卡片、灰色文字压在彩色背景上、每个标题上方都顶着一个小眼睛图标。这些「AI slop」告诉别人这页是机器生成的，专业感瞬间归零。更麻烦的是，模型都训练在同一批 SaaS 模板上，你不加约束，每个项目都会长出同样的那几个 tell。 Hallmark 是 Together AI 出品的一个设计 skill，专门给 Claude Code、Codex、Curso...
Skill security-audit-skill 把AI编码代理变成严谨的安全审计师
技能
让 AI 编码代理帮你看代码漏洞，听起来很美，但真用起来常常翻车：要么它顺着你的暗示「确认」了一个根本不存在的漏洞，要么悄悄漏掉真正危险的边界问题。很多企业把安全审计交给代理后，拿到的报告水分很大，没法直接拿来修。Cloudflare 把自己的漏洞猎杀体系提炼成了一个可单独使用的 skill 并开源出来，让任意编码代理都能跑一套结构化的多阶段安全审计。 这个 skill 不是「让模型随便找 bug」那么简单。它把一次审计拆成侦察、覆盖驱动的猎杀、候选验证、结构化输出、独立记录...
Skill security-audit-skill 把AI编程助手变成安全审计员
技能
代码写完了，安全吗？绝大多数团队靠人工 code review 或上线前的渗透测试兜底，但 AI 编程助手在帮你写代码的同时，几乎没人让它回头去审自己的产物。Cloudflare 开源的 security-audit-skill 把这件事做成了一套可编排的流程：它让 coding agent 变成一名安全审计员，通过侦察、覆盖驱动的狩猎、候选验证、结构化输出、独立复核和去目标化报告六个阶段，系统性地找出漏洞。
Skill goutoujunshi 先接住情绪再给策略的恋爱军师
技能
Skill goutoujunshi 先接住情绪再给策略的恋爱军师 你是否经历过这样的时刻：对着聊天框反复删改一句话，却始终按不下发送键；或者刚结束一段对话，心里堵得慌，既想找人分析局势，又怕朋友只会说“分了吧”或“冲就完了”。大多数恋爱建议的问题在于太急于给结论，而忽略了提问者此刻真正需要的是被理解，然后才是被引导。goutoujunshi 试图改变这个顺序：它先接住你的情绪，再把事实、猜测和未知拆开，最后给出一个你明天就能执行的下一步。
Skill goutoujunshi 把恋爱分析拆成可执行下一步的 AI 军师
技能
深夜盯着聊天框，打了三行字又删掉，最后发过去一个表情包。第二天早上再翻记录，你其实不是不知道怎么说话，而是不知道这段关系现在处在什么位置、下一步该往前推还是该收。 网上能搜到的建议大多只有两个答案：要么“勇敢去追”，要么“赶紧分手”。问题是，这两句话都不需要了解你的具体情况——对方回消息慢，可能是在忙，也可能是在退，还可能只是不喜欢打字。把同一句话套到所有关系上，得到的只能是一句情绪安慰。 goutoujunshi（狗头军师）走的是另一条路。它不是一个独立的 App，而是一个...
  1. 1
  2. 2
  3. 3
  4. 4
  5. 5
  6. 6