Agent Skills— 谷歌开源的 AI 编程 Agent 技能包

agent skills 是由 google gemini 团队主管 addy osmani 发起并开源的一套面向 ai 编程 agent 的工程化能力包。它并非 anthropic 提出的开放标准，而是聚焦于软件开发全生命周期的 生产级实践封装 ，将 google 工程师多年沉淀的协作流程、质量门禁与安全规范，转化为 20 个可执行 skill、7 个 slash 命令及 3 个专业角色人设，覆盖需求定义、任务规划、增量构建、自动化验证、多维评审到最终交付六大关键阶段，确保 ai 在每个环节都遵循真实产线的工程纪律。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜ Claude Anthropic发布的与ChatGPT竞争的聊天机器人 下载 Agent Skills的主要功能 20 个生产就绪型 Skill ：贯穿软件工程全流程，每个 Skill 明确包含操作步骤、准入/退出条件、必检检查点及可验证交付物（如测试覆盖率报告、SAST 扫描结果、接口契约文档等）。 7 个语义化 Slash 命令 ： 梳理需求边界、 拆解可追踪任务、 执行渐进式编码、 触发单元+集成双层验证、 启动五维度代码审查、 识别并重构技术债、 自动打包+签名+发布至目标环境。 3 个专家级 Agent 人设 ： （基于 Google Code Review Guidelines 的五轴评估）、 （覆盖测试策略设计、边界用例生成与覆盖率达标判定）、 （集成 OWASP ASVS 与内部红蓝对抗 checklist 的漏洞识别与修复建议）。 上下文感知触发机制 ：当检测到 API 设计片段时自动加载 ；识别前端组件代码则即时启用 ，实现“所写即所配”。 4 类高频参考清单 ：内嵌测试模式速查表、安全加固检查项、性能瓶颈定位指南、无障碍合规验收清单，支持一键调阅。 反合理化防御设计 ：每个 Skill 内置常见模型借口库（例如“先跑通再补测试”“后续优化性能”），并附带对应反驳逻辑与强制证据链要求，阻断敷衍行为。 如何使用Agent Skills GitHub 仓库直达 ： https://www.php.cn/link/8fae1017385f209b727c45cda5e956aa 查看完整 Skill 目录、文档说明与接入示例。 Claude Code 用户 ：运行 添加源，再执行 完成部署。 Cursor 用户 ：将所需 Skill 的 文件复制至项目根目录下的 文件夹即可生效。 Gemini CLI 用户 ：执行 注册为原生技能模块。 Windsurf / GitHub Copilot / Codex / Kiro IDE 等用户 ：参考项目 目录中各平台专属配置指南完成集成。 本地调试模式 ：克隆仓库后，通过 加载本地 Skill 集合进行验证。 启动开发流 ：在项目上下文中依次调用 ，形成闭环式工程流水线。 Agent Skills的关键信息和使用要求 许可证类型 ：MIT 开源协议，允许自由用于个人项目、企业内训、商业化产品集成。 作者背景 ：Addy Osmani — Google Gemini 团队技术负责人，Chrome 浏览器早期核心工程师，《Learning Web Development》《ES6 & Beyond》作者。 社区热度 ：截至 2026 年 4 月底 GitHub Star 数突破 23,000+，月均新增贡献者超 180 人。 跨平台兼容性 ：原生支持 Claude Code、Cursor、Gemini CLI、Windsurf、OpenCode、GitHub Copilot、Kiro IDE & CLI、Codex 等 8 大主流 AI 编程工具链。 运行前提 ：需依赖具备 Skill 加载能力的 Agent 运行时（如支持 或 机制的客户端），纯对话式大模型无法直接解析与执行。 语言中立性 ：所有 Skill 文档采用英文 Markdown 编写，但适配 Python、TypeScript、Rust、Go、Java 等任意主流编程语言项目。 Agent Skills的核心优势 工程范式固化 ：将 Google 内部“稳（robust）、准（precise）、狠（ruthless）”的工程文化提炼为可复用、可审计、可传承的能力单元。 全周期强约束 ：覆盖 Idea → Spec → Plan → Build → Test → Review → Ship 六阶段，杜绝 AI 跳过测试、绕过评审、忽略安全等高风险行为。 证据驱动交付 ：每个阶段输出必须附带机器可读的验证证据（如 Jest 覆盖率 ≥85%、SonarQube 无 Blocker 级别缺陷、Lighthouse 无障碍得分 ≥95），拒绝“主观判断”。 轻量按需加载 ：采用渐进式知识披露机制，仅在触发对应命令或上下文匹配时加载相关 Skill 内容，显著降低 token 开销与推理延迟。 零绑定架构设计 ：纯文本 Markdown + YAML 元数据结构，不依赖特定模型权重、IDE 插件框架或云服务，便于迁移、审计与定制。 Agent Skills的项目地址 GitHub 主仓库 ： https://www.php.cn/link/8fae1017385f209b727c45cda5e956aa Agent Skills的同类竞品对比 维度Agent SkillsSpec KitSuperpowers**核心定位**用纪律管 AI用文档定 AI用流程带 AI**约束方式**20 个可组合 Skill + 反合理化机制需求/计划/任务拆解写成规范文档需求→计划→测试→互查全流水线自动串联**工程来源**《Software Engineering at Google》通用软件工程实践通用开发流程**验证机制**每 Skill 强制证据要求按文档办事环节自动推进**Agent 人设**3 个 Specialist Persona通常无通常无**IDE 兼容**Claude Code、Cursor、Gemini CLI 等 8+ 平台视具体实现视具体实现**最佳场景**需要 Google 级工程规范约束的严肃项目需求模糊、需要先写清楚再动手的项目希望全流程自动化、减少人工干预的项目 Agent Skills的应用场景 个人开发者质量筑基 ：为本地 AI 编程助手注入 Google 级工程纪律，防止模型为求“快速响应”而牺牲可维护性、安全性与可测试性。 团队级规范统一落地 ：将团队既有的 Code Review Checklist、Security Gate、Test Coverage Policy 编码为 Skill，实现 AI 协作输出风格、质量水位、交付标准的强一致性。 商业项目交付风控 ：在金融、医疗、政务等高合规要求场景中，通过全链路强制验证（如 必须输出 SonarQube 报告、 必须附带 Sigstore 签名），保障每次发布可追溯、可审计、可回滚。 多角色协同智能评审 ：上线前并发激活 、 、 ，同步生成三份结构化报告，支撑交叉验证与联合决策。 遗留系统现代化治理 ：利用 和 等 Skill，以“代码即负债”为原则，安全识别僵尸模块、消除重复逻辑、收敛技术栈，系统性降低维护成本。