告别只会聊天！6大开源技能包让AI Agent脱胎换骨

你是否也有这种困扰：AI 虽然越来越聪明，却似乎依然无法胜任实际工作。

让它调研竞品，它能一本正经地胡编乱造；让它撰写需求文档，写出的东西毫无新意；让它设计界面，满屏都是“AI味”。结果就是聊了很久，进度却毫无推进。

或许到了 2026 年 6 月的第二周，局势将迎来转机。

GitHub 上涌现出一批新星——它们不涉及模型训练或提示词工程，而是致力于为 AI Agent 装上“技能包”。一旦装好，AI 便掌握了实操方法：去哪里搜集信息、如何分析竞品、界面该如何设计、怎样排查安全漏洞、以及如何撰写论文。

这些项目的增长速度颇为惊人。领头羊 agent-skills 单周 Star 数激增逾 1 万，六个项目合计月增长逾 6 万。这并非单一项目的爆发，而是一个成熟生态的雏形。

这实质上就是为 AI 配备的“职业培训手册”。

这就好比雇佣了一位聪明却缺乏经验的实习生，虽然能聊几句，但让他写文档时却无从下手。Agent Skills 就是你给他的入职培训——明确流程、步骤规范及输出标准。

从技术层面看，每个 Skill 都是一个 SKILL.md 文件，定义了 AI 在特定场景下的工作流与质量标准。安装通常只需一行命令，兼容 Claude Code、Cursor、Codex、Gemini CLI 等主流编码工具。

虽然过去几个月零星出现过一些项目，但 6 月的这一波截然不同——覆盖开发、搜索、设计、产品、学术、安全六大领域，让人第一次感觉到这已形成了一套完整的体系。

6 个项目，各自干什么

agent-skills ：程序员的全流程技能包

Addy Osmani （ Google Chrome 团队）出品， 59.4k Star ，一周涨了 1 万。

它把软件开发全流程——需求定义、任务规划、编码、测试、审查、发布——封装成 7 个 slash command 。你在 Claude Code 里敲 /spec ， AI 按生产级标准帮你打磨需求；敲 /build ，它把任务拆成原子级小步骤逐个实现。

支持 Cursor 、 Codex 、 Gemini CLI 、 Windsurf 、 GitHub Copilot ，基本市面上叫得上名的工具都能用。

last30days-skill ：全域信息搜索

解决一个具体问题：你想了解一个人或一件事最近一个月的动态， Google 给你的永远过时。

/last30days 同时搜 Reddit 、 X 、 YouTube 、 TikTok 、 Hacker News 、 Polymarket 和 GitHub ，按真实互动数据排序， AI 综合出一份摘要。

作者讲了个场景：见一个 CEO 之前，用 /last30days 搜对方名字——过去 30 天的推文、播客转录、 GitHub 提交、 Reddit 讨论，全汇总出来。这些信息 Google 上搜不到。

41.9k Star ，周增 7806 ，零配置直接能用。

taste-skill ：治 AI 的“审美病”

AI 生成的前端界面有个通病：布局扁平、配色安全、排版无聊。 taste-skill 不是 UI 框架，是一份“品味指南”——教 AI 调整布局变化、排版层级、动效节奏、间距留白。装上之后界面质感会好一截。

43k Star ，已迭代到 v2 ，包含代码实现和图片生成两类 skill ，可以先帮你出设计参考图再写代码。

pm-skills ：产品经理的方法论工具箱

68 个技能、 42 个工作流、 9 个插件：发现、战略、需求文档、上市计划、指标定义……每个 skill 背后是 Teresa Torres 、 Marty Cagan 等人的方法论。

17.6k Star ，周增 4975 。不是给你一个聊天机器人，是给你一套结构化的产品决策流程。

SkillSpector ： NVIDIA 的安全扫描器

越来越多的人在给 AI 装 skill ，这些 skill 安全吗？

NVIDIA 的 SkillSpector 就是回答这个问题的。 64 种漏洞模式、 16 个检测类别——prompt 注入、数据窃取、权限提升、供应链攻击、恶意代码都覆盖。研究报告说 26.1% 的技能有漏洞， 5.2% 有疑似恶意行为。

输入一个 Git 仓库地址或目录，输出 0-100 风险评分和详细报告。支持终端、 JSON 、 Markdown 、 SARIF 四种格式，能接 CI/CD 。

4.3k Star ，日增 955 。一个生态的安全基座开始出现，说明有人在认真考虑可持续性了。

academic-research-skills ：学术研究全流程

服务学术人群——文献检索、论文写作、引用校验、同行评审，一条线走完。

它引用了 Nature 2026 年的研究： AI Scientist 是第一个通过盲审的全自动 AI 研究系统。 ARS 的定位不是替代研究者，是做助手——查文献、格式化引用、检查逻辑一致性，让你专注在真正需要脑子的部分。

一个有意思的细节： v3.8 版本能对每条引用抓取原文，验证声称是否被支持。 2025 年 arXiv 上估计有 14.7 万条幻觉引用，这问题确实该有人管。

31.4k Star ，周增 2396 ，支持中文。

程序员 → agent-skills + SkillSpector

产品经理 → pm-skills + last30days

设计师/前端 → taste-skill + agent-skills

研究人员 → academic-research-skills

想先确认别人装的 skill 安不安全 → SkillSpector

安装基本统一：

npx skills add /

或在 Claude Code 里用 plugin marketplace 。一行命令， 30 秒的事。

几个数字： agent-skills 月增 19048 ，这 6 个项目加起来 Stars 超 15 万。

数字背后的趋势更有意思。 2025 年 AI 工具的竞争焦点是“模型能力”——谁家模型更聪明更便宜。 2026 年焦点在转向“工具生态”——谁能围绕模型建起一套可复用的技能体系。

Agent Skills 的爆发，意味着 AI Agent 正在从“什么都能聊两句的通才”变成“有专业技能的员工”。模型本身的知识是通识， Skill 给它的是岗位培训。

NVIDIA 在这个时间点推安全扫描器，也说明这个生态开始被认真对待——安全和信任正在成为基础设施。

对普通用户来说，现在是尝试 Agent Skills 的好时机。生态早期，选品简单、安装方便、社区活跃。等到生态成熟，选择反而变复杂。

你的 AI 助手能干的事，可能比你以为的多得多。试试看。