夜雨聆风你有没有这种感觉： AI 越来越聪明，但好像还是干不了什么正经事。
让它查竞品动态，它一本正经编给你看。让它写个需求文档，输出的东西跟模板没区别。让它做个 UI ，出来的一眼「 AI 味」。聊了一圈，时间花了，事情没推进。
2026 年 6 月的第二周，情况可能正在起变化。
GitHub 上有一批项目同时爆发——不教你怎么训练模型，不教你怎么写 prompt ，而是给 AI Agent 装「技能包」。装上之后， AI 就知道该怎么干活了：去哪搜信息、怎么分析竞品、 UI 该长什么样、安全漏洞怎么扫、论文怎么写。
这批项目的增长速度很反常。领头的 agent-skills 一周涨了超过 1 万个 Star ， 6 个项目加起来月增超过 6 万。不是某个项目火了，是一个生态在成型。
先搞清楚：什么是 Agent Skills ？
说白了就是给 AI 装的「职业培训手册」。
你雇了个聪明但没经验的实习生，什么都能聊两句，但让他写需求文档，他不知道从哪下手。 Agent Skills 就是你给他的入职培训——按什么流程来、每个步骤注意什么、输出标准是什么。
技术上说，每个 Skill 就是一个 SKILL.md 文件，定义了 AI 在特定场景下该遵循的工作流和质量标准。安装方式大多一行命令，兼容 Claude Code 、 Cursor 、 Codex 、 Gemini CLI 这些主流 AI 编码工具。
过去几个月零星有几个 skill 项目冒出来，但 6 月这一波不一样——覆盖开发、搜索、设计、产品、学术、安全六个方向，第一次让人觉得这东西成了体系。
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（/spec ）、任务规划（/plan ）、编码（/build ）、测试（/test ）、审查（/review ）、发布（/ship ）——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（ upvote 、点赞、预测市场赔率）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（/discover ）、战略（/strategy ）、需求文档（/write-prd ）、上市计划（/plan-launch ）、指标定义（/north-star ）……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。
你是谁，就装什么
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 <github-username>/<repo-name>
或在 Claude Code 里用 plugin marketplace 。一行命令， 30 秒的事。
生态成型的信号
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。