ARTICLE · 1332593
20 个 GitHub 插件与 Skill:给 AI 装上真本事
大家好，我是章鱼AI，做互联网已经10年，做编程7年了。
很多人用 AI 的方式还停在“打开对话框问一句”。问得再准，它也只能给你文字——不能读你的代码库、不能点你的后台、不能把结果写回表格。
插件和 Skill 解决的就是这件事：把 AI 从“会说话”变成“会干活”。
我在 GitHub 上按 6 组关键词搜了一遍（MCP 服务、MCP 合集、Claude Skills、Agent Skills、Codex Skills、AI 插件），去重后 129 个仓库，按星标挑了 20 个。下面不用清单糊你，按四层讲清楚它们分别在解决什么问题。
01先说清三个概念，不然会选错
插件（Plugin）：给 Agent 装一个“外挂能力”，比如连 GitHub、连浏览器；
MCP：一个统一协议，让不同 Agent 都能用同一套外挂——写一次，谁都能接；
Skill：一份写给 AI 看的操作手册，教它按你的流程做事，本质是“可复用的经验”。
一句话区分：MCP 解决“能不能碰到”，Skill 解决“会不会做”。
四层地图：从连接到场景
02第一层：连接层，先让 AI 碰得到
这一层的价值不是“多一个功能”，而是少写一堆适配代码。
连接层：Agent 通过 MCP 接到你的系统
什么时候用：你要 AI 操作一个“有界面、有接口、但没现成集成”的系统时，先来这里找；找不到就自己用 fastmcp 写一个。
03第二层：技能层，把经验变成资产
提示词是一次性的，Skill 是可复用的。这一层解决的是“同一个任务，团队里十个人做十个样”。
技能层：从合集到自己的 SKILL.md
什么时候用：你已经知道“要做什么”，但每次都要重写一遍提示词。挑一个和你的任务最像的 SKILL.md，改成自己的版本。
04第三层：场景层，能直接换钱的
这一层不解决“通用能力”，解决具体的一件事。
场景层：调研、审计、去味、交付
什么时候用：你有一个每周都要交付的活儿，并且交付物能被检查。调研、审计、PPT、设计，都符合“有成品”的特征。
05第四层：平台层，把上面全串起来
它的价值在于：前面三层是散件，平台决定它们怎么被装进同一条流水线里。
06落地流程：不要一次装 20 个
这是最容易死的地方。20 个不是让你全装，是让你有得挑。
落地流程：挑两个、跑一遍、沉淀下来
第一步，挑 2 个，只挑和你本周任务相关的。 比如你要做内容，就挑“调研”加“去 AI 味”；你要做内部工具，就挑“MCP 连接”加“GitHub 官方 MCP”。
第二步，20 分钟试跑，只跑一个真实任务。 别用示例数据。用你手上那个明天要交的活儿。跑完只记三个数：能直接用吗、改几遍、花多久。
第三步，把过程沉淀成你自己的 SKILL.md。 跑通之后，让 AI 把它写成技能文件：输入是什么、步骤是什么、输出格式、什么情况停下来问人。这才是你真正攒下的资产，仓库里的只是起点。
沉淀：把一次跑通写成 SKILL.md
07验收：怎么判断一个仓库值不值得装
1.看最后更新时间：半年没动的，先别碰；
2.看是“合集”还是“工具”：合集类（awesome-*）只用来找线索，别当依赖；
3.看有没有最小示例：README 里跑不起来的，基本等于没有；
4.看权限范围：要你全盘授权、要你的 token 的，先隔离环境再试；
5.看能不能停下来：涉及发送、删除、付款的动作，必须有人工确认点。
五条里过不了三条，就别装。
08说清楚边界
这 20 个仓库是我 2026-11-08 通过 GitHub API 检索、按星标筛选出来的，星标只代表关注度，不代表质量，更不代表适合你。我没有对每一个做深度实测；中文场景的两个（PPT 和设计）建议先跑一遍再判断。
它们也不会替你解决“我的业务到底是什么流程”这个问题——插件给你能力，Skill 给你方法，业务判断还是得你自己做。
09来源
GitHub Search API 检索结果（2026-11-08），6 组关键词，去重 129 个仓库，按星标取前 20
各仓库 README 与描述用于归类，未做功能实测
