你是不是也被这周的“SKILLS”刷屏了9月16日这一期每周热门SKILLS排行一出群里、论坛里、朋友圈里全是讨论从“前端开发skills”到“superpower skills”再到“codex skills推荐”热度高到让我一度以为AI圈又出了什么新物种。点进去看了几篇榜单文章再翻了一圈GitHub趋势和各大AI编程工具的社区分享我得说这一波SKILLS生态确实到了一个集中爆发的节点而且它影响的不只是某个小圈子而是把Claude Code、Codex、Cursor、OpenCode这一整条Agent工具链的用户全卷了进来。如果你还在观望或者装了skills但不知道怎么选、怎么用、怎么写这篇文章就是给你准备的。我会从这周榜单和热搜词出发把skills到底是什么、为什么这么多人在装、各平台到底怎么配置、以及你自己怎么动手写一个能用的skills全部拆开讲清楚。不是那种照着README念一遍的“教程”而是我踩过坑、验证过之后觉得值得分享的东西。1. 这周SKILLS榜单背后的三个信号1.1 榜单内容到底透露了什么需求这周的热门排行有个很有意思的现象排在前面的话题不只是“skills推荐”这种泛泛的搜索而是出现了“前端开发skills”“中英论文翻译skills”“LaTeX排版skills”“AI漫剧常用skills”“数学建模skills”这种非常具体的场景化需求。说明什么说明第一批追赶潮流的人已经开始把skills当工具用了而且是在解决非常明确、非常垂直的问题不是装完拍张截图就完事。我个人的判断是skills生态正在经历从“玩具期”到“工具期”的转折。早期大家装skills是因为新鲜看到GitHub上有个星标多的仓库就想试试现在不一样了大家开始问“哪个skills能帮我处理Word和PPT”“哪个skills适合华为杯建模”“怎么把中文论文翻译成英文还保留格式”。这些问题背后是一个真实的生产力需求而且这类需求会越来越多。榜单里还有两个词特别值得注意一个是“superpower skills”一个是“awesome claude skills”这俩是典型的资源聚合型关键词说明很多用户已经过了“听说”的阶段开始主动去搜“哪套skills最全、最值得装”。1.2 从热搜词看用户分层把这一周的热搜词拆开看你能清楚看到用户至少分成三层。第一层是刚接触skills的新手搜的是“skills是什么”“skills怎么使用”“skills下载”。他们需要的是一个清晰的上手路径而不是一上来就丢一堆GitHub链接。第二层是已经在用Claude Code、Cursor、Codex的老手搜的是“claude code怎么手动装github上的skills”“cursor skills怎么配置”“codex skills推荐”“codebuddy和claude code公用skills目录”。这批人已经开始关心跨工具复用、目录配置、版本兼容这些工程化问题了说明他们在真实项目里用skills而不只是尝鲜。第三层是愿意自己动手的开发者搜的是“ai skills怎么写”“从提示词到skills”“怎么做一个latex排版skills”“typesafe ai skills github”。他们不满足于用现成的想把skills改造成自己的甚至想发布给别人用。有意思的是“数学建模skills”“华为杯建模比赛好用的codex skills”这两个词能上热搜说明大学生和科研群体是这波skills热的重要推手。这也正常数学建模本身就是一个强流程、强模板的场景正好是skills的用武之地。2. Skills到底是什么东西为什么大家都在装2.1 一个比喻Skills就是给AI配的“专业工具包”很多人一开始搞不明白skills和普通提示词prompt有什么区别。我打个比方提示词像是你告诉助手“帮我写一份周报要包含本周进展、问题和下周计划”而skills相当于你直接给了助手一套“周报生成器”里面既有模板、又有写作规范、还有上几周的周报样例可以模仿。助手拿到skills之后不用你反复交代格式和套路它会自动按这套标准流程干活输出质量也稳定得多。从更技术的角度说一个skills本质上是一个包含SKILL.md指令文件、脚本、参考文档、模板等资源的目录。AI工具比如Claude Code或Codex在运行时会去读取这个目录把里面的指令和知识加载进上下文从而让模型在当前任务里表现得像“拥有某项专业技能”一样。你可以理解成给AI装了一个外挂模块平常不用不占地方用到的时候按需加载。Skill的这种设计解决了几个痛点。最明显的一个是不用再把一大堆背景知识、规则、示例塞进每一条提示词里了。比如你写一个“LaTeX排版skills”里面可以包含各种模板、宏包使用规范和常见坑用的时候AI自动参考这些内容生成result的格式和风格会比空手问AI稳定太多。另一个痛点是可复用性一次写好的skills可以换不同的项目、换不同的工具反复使用甚至可以分享给别人用这也是为什么GitHub上skills仓库越来越多。2.2 各平台为什么突然都开始推Skills这周榜单里围绕的不只是某一个工具而是Claude Code、Codex、Cursor、OpenCode都在谈skills这就不是巧合了。它们的目标其实是一致的让AI agent在复杂任务里更可控。单纯的对话式AI你能让它写一段代码但很难让它“按照项目规范把整个模块写完”。有了skillsagent在执行任务时就有了操作手册知道先做什么后做什么遇到什么情况用什么方案这才是agent能真正落地干活的基础。各平台对skills的支持方式略有差异但核心思路是相通的。Claude Code是当前skills生态里最成熟的它支持从文件夹和URL安装skills装完之后通过命令就能调用Codex也把skills当成了官方推荐的能力扩展方式Cursor则是在规则和自定义命令的基础上把skills当成了一个标准化配置入口OpenCode这种后起之秀也很快跟进了skills机制。这种百家齐放的局面带来的一个问题是不同工具的skills目录格式和存放位置不一样想复用就得做转换这也是这周热搜里“codebuddy和claude code公用skills目录”这种问题出现的原因。3. 实操篇手动安装GitHub上的Skills其实不难3.1 以Claude Code为例的完整安装流程先说一下大家问得最多的“claude code怎么手动装github上的skills”。在Claude Code里skills默认存放在项目目录下的.claude/skills/文件夹中。手动安装的核心就两步下载skill代码放到正确位置。下载方式其实不止一种最推荐的是直接用git clone因为大部分热门skills仓库都是公开的clone下来之后拷贝到skills目录即可。具体的操作流程是这样的。第一步把仓库克隆到本地临时目录比如git clone https://github.com/example/awesome-skill.git第二步进入克隆下来的目录找到那个包含SKILL.md的文件夹。大部分skills的设计是把SKILL.md放在仓库根目录但有的仓库会在一级子目录里放好几个skills这时候你只需要拷贝单个skill文件夹。第三步把对应的skill文件夹复制到你的.claude/skills/目录下cp -r awesome-skill ~/my-project/.claude/skills/复制完之后在Claude Code里检查一下能不能读到这个skill。一般可以通过对话问一句“你现在有哪些skills可用”或者通过工具命令来列出当前已经加载的skills。如果列表里出现了你新装的名字说明安装成功这时再让AI执行相关任务它就会自动调用这个skill。另外还有一种情况很多skill仓库本身有官方推荐安装命令比如有的是claude skill add 仓库地址这种如果项目提供了就用官方的省事很多。手动安装的意义在于你可以完全控制装什么版本、装哪些文件夹不依赖项目提供脚本。3.2 Cursor和Codex的配置路径很多在Claude Code里用惯了skills的人转到Cursor和Codex时容易卡壳因为目录和调用方式都不一样。Cursor这边更接近skills入口的是它的自定义规则和命令。你可以在项目根目录建一个.cursor/rules/文件夹把skills内容转化成规则文件也可以把包含SKILL.md的skills目录放在.cursor/skills/下具体取决于你用的Cursor版本对skills的原生支持情况。实测下来老版本更建议用rules方式新版本对skills目录的支持更完善装法也是克隆到本地再拷贝进.cursor/skills/。Codex这边skills的安装逻辑跟Claude Code可以说高度相似不少skills仓库在README里会直接声明“本skills支持Claude Code和Codex”。你只需要把同一个skill文件夹放到Codex对应的skills目录即可。这里唯一的坑是跨工具兼容因为不同工具对SKILL.md里某些字段比如name、description的格式要求不完全一样直接把Claude Code的skills搬到Codex里偶尔会出现读不到的情况。解决办法也很简单打开SKILL.md对照目标工具的格式稍微改一下name和description字段即可不用动主体内容。3.3 几个值得关注的Skills源网站和仓库这周热搜里有一个词叫“常用skills源网站”说明很多人不知道去哪儿找skills。我把自己用过且觉得质量不错的几类渠道整理一下。第一类是最直接的聚合仓库典型代表就是awesome-claude-skills这类整理型仓库。这类仓库会把社区里口碑好的skills按类别整理好比如代码开发、文档处理、写作、翻译、数据分析等每个条目都附上原始仓库链接相当于一本skills地图。适合刚开始接触的人慢慢翻一遍你就能知道市面上有哪些东西能快速形成印象。第二类是带评分和讨论的社区平台这类一般是由第三方团队做的skills市场或排行榜上面聚合了大量skills而且社区活跃度比较高每个skill页面下能看到别人的使用反馈。这类平台的好处是你能看到真实评价避免装了一堆垃圾skills。缺点是质量参差不齐需要自己筛选。第三类是GitHub上的热门仓库包括前面提到的superpower skills。这类仓库往往不只是装一个skill而是提供一套成体系的skills组合。我建议第一次试用这类仓库一般要留意它的依赖说明因为它可能要求额外安装某些运行环境或工具链。4. 开发篇从提示词到Skills自己动手写一个4.1 先搞明白SKILL.md的组成不少人问“ai skills怎么写”我理解大家真正的问题不是“写文件”这件事而是“怎么设计一个AI真正用得起来的技能包”。一个合格的skills至少要包含几个模块元信息、触发条件、执行步骤、参考资源和输出要求。元信息就是name和description这俩字段决定了AI什么时候调用这个skill。如果description写得模糊AI在任务里根本不会想到用这个skill如果触发条件不够锐利它可能在不该用的时候乱用。一个我常用的写法是在description里明确写出“当用户需要××时使用本技能”甚至直接列出对应的动词和关键词。执行步骤是skill的核心要把一个任务拆成AI能一步步执行的动作。比如写一个“周报生成skills”不要只写“生成周报”而是写清楚第一步询问用户本周做了哪几类工作第二步按既定模板整理内容第三步检查格式和字数第四步输出最终版本。SKILL.md本质上就是用固定格式写一份“AI版SOP”。另外一个较强的skill通常会附带reference文件或模板这些文件放在skill目录的子文件夹里。AI执行任务时会读取这些文件作为输出的参考。比如LaTeX排版skills里你可以放进一套已经写好的.tex模板AI生成时就会基于这套模板来做改动最小、出错最少。4.2 实战案例做一个LaTeX排版Skills热搜里有人问“怎么做一个latex排版skills”这个例子很有代表性因为LaTeX场景非常依赖规范和模板正好能把skills的优势发挥出来。我的做法是这样的。先新建一个目录叫latex-format-skill里面放一个SKILL.md再加一个templates/子目录里面放一份标准的LaTeX模板。SKILL.md的大致结构可以写成--- name: latex-format description: 当用户需要编写LaTeX文档、排版论文或修复LaTeX编译错误时使用本技能。 --- # LaTeX排版技能 ## 执行步骤 1. 确认用户文档类型论文、报告、幻灯片和编译环境。 2. 读取 templates/模板文件基于模板搭建文档结构。 3. 根据用户内容填充章节、公式、图表和环境。 4. 检查宏包使用是否规范避免缺失包或重复引用。 5. 输出完整可编译的.tex文件并说明编译建议。然后你把这个skills目录放进.claude/skills/或对应工具的skills目录再用对话测试一下。如果描述写得足够清楚当你说“帮我把这篇论文排版成LaTeX格式”时AI会自己找到这个skill并执行生成的文档结构就会严格基于你提供的模板。这种从“零散提示词”变成“标准化流程”的过程正是从提示词到skills转变的核心。4.3 跨工具复用Skills目录的注意事项这周热搜里有“codebuddy和claude code公用skills目录”这个问题一个很常见的痛点是你在某工具里装好了一堆skills换到另一个工具时又得重新装一遍。解决办法其实不复杂你可以把skills统一放在某个公共目录里比如~/skills/然后让不同工具都指向这个目录。不过要注意两点。第一不同工具对SKILL.md的字段兼容性不同。如果某个skill在所有工具里都不能识别优先检查SKILL.md开头的yaml frontmatter字段比如 name、description 的写法是否符合对应工具的文档要求。第二建议同一套skills先在主用工具里验证再逐切到其他工具测试。不要一次性复制大量目录跨工具迁移因为只要某一个skill格式有偏差AI可能把整个skills目录都加载失败排查起来很头疼。4.4 写Skills时最容易踩的三个坑我见过不少自己写skills的人写得挺认真但实际用起来效果不好。最容易踩的坑有三个。第一个坑是description写得太泛。比如写“帮助用户写作”这种描述AI几乎不会主动调用它因为触发信号太弱。应该精确到“当用户需要写中文技术博客或Markdown文档时使用”让AI一眼就能识别。第二个坑是步骤写得不够可执行。有些SKILL.md写的其实是“要求”而不是“动作”比如“生成高质量报告”。AI拿到这个只会懵正确的写法是拆解动作先收集数据、再分析结构、然后逐章编写。AI能执行的永远是动词串起来的流程。第三个坑是忽略依赖说明。如果你的skill要调用Python脚本或外部命令行工具务必在SKILL.md里写清楚依赖环境和安装命令否则换一台机器这个skill就废了。好的skill应该让人拿到就能跑而不是跟着文档折腾环境。5. 装Skills之后推荐、清理与常见问题5.1 怎么挑Skills避免装一堆但用不上这周热搜里“skills推荐”和“skill下载”出现频率很高但我觉得“怎么选”比“怎么找”更实在。我筛选skills一般就三把尺子看它是不是真的解决具体问题看它维护是否活跃看它依赖是否轻量。具体问题这条最核心。比如你平时主要写JavaScript那一个“前端开发skills”就比一个“数据可视化大屏skill”更值得装哪怕后者星标更多。维护活跃程度看GitHub的最近提交时间超过半年没更新的skills要慎重因为AI工具迭代太快旧格式很可能不兼容。依赖轻量这条容易被忽略有些skill写得很华丽但它要求一堆Python包和node环境装完还可能和你本地的版本冲突真到用的时候反而拖后腿。还是那句老话skills是拿来干活的不是拿来收藏的。5.2 TIBO关于清理Skills的方法推荐用skills时间长了目录里会堆出不少“死skills”——装的时候觉得有用实际一次都没调用。推荐定期做一次清理方法很简单先列出当前所有skills然后按“近30天是否被调用过”筛选一次凡是没被调用的先禁用而不是直接删跑几天看看有没有影响再决定去留。这个方法的思路是AI工具本身有日志或者对话记录可以参考实在没有日志就靠你心里那把尺子你根本想不起来用过它的skills大概率是冗余。清理还有一个额外好处减少AI加载的噪音。skills不是装得越多越好你装了几十个skillsAI在任务里判断“该用哪个”的难度也变大了反而拖慢响应。一个干净、精简的skills目录能让AI调用更准确。5.3 常见问题速查与排障思路这周热搜里“skills使用”和“skills怎么配置”这类问题很多我把实际操作里常见的情况整理成一个速查表方便大家对照排查。问题现象可能原因排查步骤装好skills但AI不调用description写得不具体或触发条件太模糊打开SKILL.md改写description把使用场景写明确skills目录里能看到名称但执行报错SKILL.md格式与该工具版本不兼容检查yaml frontmatter字段是否符合工具文档要求同一个skills在Claude Code能用在Codex不能用两平台对字段说明要求不同对照目标工具的示例skill修正name和description格式多个skills同时加载导致输出混乱skills之间职责重叠关闭或删除不常用skill减少目录噪音克隆了仓库但找不到SKILL.md仓库本身结构不是标准skill目录查看仓库README确认是单skill还是多skill仓库找到正确的目录层级只要记住一条核心排查思路skills不工作先看目录位置对不对再看SKILL.md格式对不对最后看描述触发条件准不准。百分之九十的问题都能从这三步里找到原因。5.4 关于超级热词superpower skills的一点实话这几天“superpower skills”被反复提到我真去试了一下也看了一些评价。它确实是一套很全面的skills合集覆盖的开发、写作、数据分析场景都比较典型质量比社区里很多散装skills要高。我的建议是如果你刚入坑可以直接拿它当模板库学一学别人是怎么设计SKILL.md结构和配置目录的顺手挑几个用得上的技能。但如果你已经是老手我更推荐自己动手从零写几个专用的skills因为外部装的通用skills很难完全贴合你的工作流只有自己写出来的才是真正“顺手”的。我也把superpower skills和其他热门合集对比过比如awesome-claude-skills这种整理型仓库前者的优势是深度和集成度后者胜在广度和社区活跃度。两个可以配合使用把它当作一个“技能生态起点”而不是终点。这周排行带火的skills生态说白了就是一个从“提示词”到“工具”的过渡浪潮。常写提示词的人都知道把一套工作流沉淀成可复用的资源本身比任何单次输出都值钱skill恰好把这件事标准化了。它正在改变的是我们和AI协作的方式不再是每次对话都从零开始交代背景而是“一次装配随时调用”。我个人操作里最受用的一个经验是不要急着装一堆热门skills先选一个你每天都在做的任务亲手写一个最简版本的skill写完你会发现——这一遍折腾下来你对skills这个概念的理解比看十篇榜单文章都深。等你有了一两个自己能持续维护的skills才算真正进入AI技能开发这扇门。