AI 写代码总差点意思？Google 大佬开源了「agent-skills」，3.7 万星，给 Claude Code / Cursor 装上生产级工程技能

用 Claude Code 或 Cursor 写代码，是不是总觉得 AI 在"瞎写"？——跳过需求分析、不写测试、忽视安全、代码越堆越乱……

最近，Google Chrome 团队工程主管 Addy Osmani（就是那个写《JavaScript 设计模式》《JavaScript 性能优化》的大佬）在 GitHub 开源了一个叫 agent-skills 的项目，狂揽 3.7 万 Star。它不是又一个 AI 编程工具，而是一套给 AI Agent 用的"生产级工程技能包"。

简单说：它让 Claude Code、Cursor、Copilot、Gemini CLI 这些 AI 助手，像 Google 资深工程师一样工作——定义→规划→构建→验证→审查→发布，完整工程流程一步到位。

一、AI 写代码的通病：走最短路径，跳过所有质量门

Addy Osmani 在 README 里开宗明义：

"AI coding agents default to the shortest path — which often means skipping specs, tests, security reviews, and the practices that make software reliable."

（AI 编码代理默认走最短路径——这往往意味着跳过需求规格、测试、安全审查，以及所有让软件可靠的工程实践。）

你有没有遇到过这种情况？

• 让 AI 写个功能，它直接撸代码，不写 PRD，不做接口设计
• 代码跑通了，但没有任何单元测试
• 安全漏洞（SQL 注入、XSS）完全没考虑
• 代码能工作，但复杂得像 spaghetti，维护成本极高

agent-skills 要解决的就是这个问题。 它不是给人类看的文档，而是给 AI 执行的结构化工作流——每个技能都包含步骤、检查点和退出标准，AI 必须一步步走完，不能偷懒。

二、7 个命令，覆盖完整软件生命周期

agent-skills 设计了 7 个斜杠命令，对应软件开发的 7 个阶段：

更妙的是，技能还会根据你正在做的事自动触发——你在设计 API，它会自动激活 api-and-interface-design；你在写前端，它会调用 frontend-ui-engineering。AI 不再是"无脑补全"，而是"有章法的工程师"。

三、23 个技能，把 Google 工程文化灌进 AI 脑子

agent-skills 一共包含 23 个技能（22 个生命周期技能 + 1 个元技能），每个都是一份结构化的 SKILL.md，里面藏着 Google 十几年工程实践的结晶：

🔹 Define（定义阶段）

• interview-me：像资深产品经理一样，一个问题一个问题地追问，直到把模糊需求澄清到 95% 置信度
• idea-refine：用发散/收敛思维，把 vague idea 变成 concrete proposal
• spec-driven-development：写 PRD 覆盖目标、命令、结构、代码风格、测试策略、边界条件——代码之前，规格先行

🔹 Plan（规划阶段）

• planning-and-task-breakdown：把规格拆成可验证的小任务，带验收标准和依赖排序

🔹 Build（构建阶段）

• incremental-implementation：薄垂直切片，实现→测试→验证→提交，支持功能开关和安全回滚
• test-driven-development：红绿重构、测试金字塔（80/15/5）、Beyonce Rule（"如果我喜欢它，我应该为它写测试"）
• source-driven-development：每个框架决策必须基于官方文档，引用来源，标记未验证部分
• doubt-driven-development：对抗性审查——CLAIM → EXTRACT → DOUBT → RECONCILE → STOP，高 stakes 场景强制交叉验证
• frontend-ui-engineering：组件架构、设计系统、状态管理、响应式、WCAG 2.1 AA 无障碍
• api-and-interface-design：契约优先、Hyrum's Law（接口一旦发布，所有行为都会被依赖）、One-Version Rule

🔹 Verify（验证阶段）

• browser-testing-with-devtools：Chrome DevTools MCP 实时抓取 DOM、Console、Network、Performance
• debugging-and-error-recovery：五步诊断（复现→定位→缩减→修复→防护），"停线规则"

🔹 Review（审查阶段）

• code-review-and-quality：五轴审查、变更大小控制（~100 行）、严重程度标签（Nit/Optional/FYI）
• code-simplification：Chesterton's Fence（没搞清楚为什么存在之前不要删）、500 行规则、在保持精确行为的前提下降低复杂度
• security-and-hardening：OWASP Top 10 防护、认证模式、密钥管理、三层边界系统
• performance-optimization：先测量再优化，Core Web Vitals 目标、性能剖析、包体积分析

🔹 Ship（发布阶段）

• git-workflow-and-versioning：主干开发、原子提交、提交即存档点
• ci-cd-and-automation：Shift Left（左移）、Faster is Safer、功能开关、质量门流水线
• deprecation-and-migration：代码即负债思维、强制 vs 建议式弃用、僵尸代码清理
• documentation-and-adrs：架构决策记录（ADR）、API 文档、记录"为什么"而非"是什么"
• shipping-and-launch：发布前检查清单、功能开关生命周期、灰度发布、回滚预案、监控埋点

四、反合理化机制：专治 AI 偷懒

agent-skills 最狠的设计是 "Anti-Rationalization"（反合理化）。

AI 和人类工程师一样，会找借口：

• "测试我后面再加"
• "这个改动很小，不需要 review"
• "安全这块现在不着急"
• "文档等发布后再补"

每个 SKILL.md 里都有一张"借口 vs 反驳"对照表，直接把 AI 最常见的偷懒话术怼回去。比如：

借口："I'll add tests later"（我后面再加测试）反驳：Later never comes. Tests are proof the feature works. Without them, the feature is not done.（"后面"永远不会来。测试是功能工作的证据。没有测试，功能就不算完成。）

这种设计让 AI 无法"糊弄"过去，每一步都必须留下可验证的证据（测试通过、构建输出、运行时数据）。"看起来对了"在 agent-skills 里永远不够。

五、全平台通吃：Claude Code / Cursor / Copilot / Gemini 都能用

agent-skills 不是绑定某一个工具的私货，它是纯 Markdown 格式，任何接受系统提示或指令文件的 AI Agent 都能用。

也就是说，无论你用哪个 AI 编程助手，都能给它装上这套"工程化大脑"。

六、为什么这是"生产级"？

Addy Osmani 把 Google 的工程文化直接编码进了这些技能里：

• Hyrum's Law → API 设计技能：一旦发布，所有行为都会被依赖
• Beyonce Rule → TDD 技能："如果我喜欢它，我应该为它写测试"
• Chesterton's Fence → 代码简化技能：没搞清楚为什么存在之前不要动
• Trunk-based Development → Git 工作流：主干开发，快速集成
• Shift Left → CI/CD 技能：越早发现问题，修复成本越低
• Code as Liability → 弃用迁移技能：代码不是资产，是负债，该删就删

这些不是抽象原则，而是嵌入到每一步工作流中的具体操作指南。AI 执行时，就像有一位 Google Staff Engineer 在旁边盯着："这个接口设计考虑兼容性了吗？""测试覆盖率够了吗？""安全边界守住了吗？"

七、写在最后：从"AI 辅助编程"到"AI 工程化编程"

agent-skills 代表了一个重要趋势：AI 编程正在从"补全代码"进化到"执行工程流程"。

以前我们担心 AI 写不对代码，现在我们担心 AI 跳过工程纪律——不写测试、不做 review、不管安全、不记文档。agent-skills 用结构化的方式，把资深工程师的判断力、流程感、质量意识灌输给 AI。

3.7 万 Star 说明了一件事：市场需要的不是更快的代码生成，而是更可靠的软件交付。

你的 AI 助手，今天"持证上岗"了吗？

你会给 Claude Code 或 Cursor 装上这套技能包吗？你觉得 AI 能替代资深工程师的工程判断力吗？欢迎在评论区聊聊。

如果觉得有用，点个「在看」，转发给那个还在让 AI "瞎写代码"的同事。

#AIAgent #编程 #ClaudeCode #Cursor #开源 #工程化 #AI技能 #程序员 #Agent集群 #AI大模型 #Skill #Kimi #群体智能