企业官网建设流程全解析

让AI编码助手拥有「资深工程师」的纪律：agent-skills 上手指南

【免费下载链接】agent-skillsProduction-grade engineering skills for AI coding agents.项目地址: https://gitcode.com/GitHub_Trending/agentskill/agent-skills

agent-skills 是一个面向 AI 编码助手的技能包，它把资深工程师的工作流、质量门控和最佳实践编码成 24 个可执行技能，并附带 4 个专家角色与 8 个斜杠命令，让 Cursor、Claude Code 等 AI 编程代理在你的项目里不再走捷径，而是按生产级标准交付代码。

为什么 AI 写出的代码「能跑」却总过不了关

你大概率遇到过这种情况：让 AI 做一个功能，代码跑起来了，但没有测试、没有规格说明，还埋着几处安全隐患。追根溯源，AI 编程代理默认走「最短路径」——跳过 spec、跳过测试、跳过安全审查，而这些恰恰是工程师上线前一定会做的事。

agent-skills 针对的就是这个缺口。它不是一堆「写得专业点」的提示词模板，而是把「什么时候该写规格、该测什么、怎么审查、何时发布」这些判断固化成具体流程。代理执行时只能沿流程走，每一步的退出标准都要求拿出证据，而不是自报「已完成」。

拆开一个技能看：一份 AI 没法跳步的流程

每个技能就是一个 Markdown 文件（SKILL.md），结构高度统一，你可以直接打开任何一个看：

• When to Use：什么触发条件下该激活这个技能，包括明确写出的「不适用」场景
• Process：逐步工作流，粒度细到「运行npm test并确认全部通过」这种可执行指令
• 常见借口与反驳：代理想跳步时最常用的说辞（比如「原型能跑了，测试上线前再补」），每条都配了成文的事实性反驳
• Red Flags：跳步行为的可观察征兆，方便你在审查时识别
• Verification：退出标准清单，每项都要求测试输出、构建结果这类证据，「看起来对」永远不算数

最后这条是它和普通提示词最大的区别：普通提示词说「写点好测试」，技能文件则把「完成」定义成一组必须满足的检查项。

AI编程代理工作流：24 个技能与 8 个斜杠命令

技能按开发生命周期组织，共 24 个（23 个生命周期技能 + 1 个用于导航的元技能），8 个斜杠命令则是各阶段的入口：

技能命名也按阶段划分：定义（interview-me 需求访谈、idea-refine 想法细化、spec-driven-development）→ 规划（planning-and-task-breakdown 任务拆解）→ 构建（incremental-implementation、test-driven-development、api-and-interface-design、frontend-ui-engineering、debugging-and-error-recovery、context-engineering 等）→ 验证（browser-testing-with-devtools）→ 审查（code-review-and-quality、security-and-hardening、performance-optimization、code-simplification）→ 发布（git-workflow-and-versioning、ci-cd-and-automation、deprecation-and-migration、documentation-and-adrs、observability-and-instrumentation、shipping-and-launch）。

两个值得留意的机制：其一，技能会根据你在做的事自动触发——设计 API 时命中 api-and-interface-design，改界面时命中 frontend-ui-engineering；其二，/build auto生成计划后在你一次批准内自主执行所有任务，但每个任务仍然测试先行、单独提交，遇到失败会暂停——它去掉的是「任务之间的人」，而不是验证本身。

随叫随到的专家视角：agents/ 下的 4 个预置角色

agents/ 目录提供 4 个专家角色定义，本质是可直接喂给代理的系统提示：

• code-reviewer：以 Staff 工程师标准做五轴审查（正确性、可读性、架构、安全、性能）
• test-engineer：测试策略与覆盖缺口分析，专找没测到的边界
• security-auditor：OWASP Top 10 排查、威胁建模、依赖 CVE 检查
• web-performance-auditor：核心 Web 指标审计，支持快速/深度两种模式

角色间有一条明确的设计规则：一个角色只承担一个视角，且角色之间互不调用，编排是命令或你的职责。以/ship为例，它并行拉起代码审查、安全、测试三个角色，主代理再把三份报告合并成一份 GO/NO-GO 决策——且回滚方案是出 GO 结论的强制前提。

三种工具，三分钟装好 agent-skills 技能包

仓库结构是纯 Markdown + 少量 shell 脚本，安装成本很低，按你用的工具三选一即可：

通用方式（适配 70+ 代理工具，最快的一条命令）：

git clone https://gitcode.com/GitHub_Trending/agentskill/agent-skills npx skills add addyosmani/agent-skills

Claude Code（原生插件，推荐）：

/plugin marketplace add addyosmani/agent-skills /plugin install agent-skills@addy-agent-skills

Cursor：把流程类技能放入.cursor/skills/，.cursor/rules/里只放短策略、不要整篇粘贴技能文件——这是 Cursor 规则配置里容易踩的坑。

Gemini CLI、Windsurf、Codex、Copilot、OpenCode 等都有对应的安装文档，集中在 docs/ 目录；只要你的工具接受 Markdown 形式的指令，把 SKILL.md 内容放进系统提示或规则文件就能用。

按代码库年龄选推广路径：新项目 vs 存量项目

官方采纳指南把推广分成两条路，依据是代码库的「年龄」：

• 新项目：从第一个提交就跑完整生命周期/spec → /plan → /build → /review → /ship，TDD、原子提交、ADR 记录从第一天常驻。没有历史包袱时，质量门控的成本几乎为零，且随提交次数复利。
• 存量代码库：先上「只读型」技能——context-engineering（把项目真实惯例写进规则文件）和 code-review-and-quality（审查零风险且立刻有价值），再在准备改动的区域补上表征测试，新需求才逐步转入完整生命周期。要避免的两个反模式：一次性全量铺开，以及让 AI 在没有测试保护的老代码上重构。

两条路最终收敛到同一状态，差别只是存量代码库需要先用安全网（上下文、表征测试、边界声明）补上过去欠的账。

三个让技能包不浪费的建议

1. 别一次加载全部 24 个技能。技能要消耗上下文，全量塞入反而会稀释关键技能。先加载 using-agent-skills 元技能，让它按任务类型路由到合适的技能即可。
2. 从三个技能起步。最小有效组合：spec-driven-development（先定义）、test-driven-development（再证明）、code-review-and-quality（合并前把关），覆盖了 AI 辅助开发最常见的三个质量缺口。
3. 验证环节是全部意义所在。当你想提醒代理「这一步不用验证」时，先问自己要了什么证据——没有测试输出或构建结果，这个任务就不算完成。

agent-skills 带来的变化不在「写得更快」，而在让 AI 产出可审计：规格有书面记录，测试即证据，审查和回滚方案是流程的一部分。对团队来说，AI 生成代码的代价不再由未来的维护期来偿还。

项目路径

• 上手指南：docs/getting-started.md
• 技能目录：skills/
• 专家角色定义：agents/
• 共享检查清单：references/
• 斜杠命令定义：commands/
• 新项目/存量项目采纳指南：docs/adoption-guide.md

【免费下载链接】agent-skillsProduction-grade engineering skills for AI coding agents.项目地址: https://gitcode.com/GitHub_Trending/agentskill/agent-skills