夜雨聆风写代码前先写规格、提交前先做 Code Review 、上线前先过安全检查——这些 senior 工程师的基本功，现在能直接"注入"到 AI 里面。
用 AI 写代码的朋友，有没有遇到过这种场景：
你让 AI 加个新功能，它直接动手写代码。写完你一看，发现它压根没理解你的需求。于是删了重写。第二版出来，需求对了，但架构设计一塌糊涂——没考虑扩展性，没留测试接口。再改。第三版总算能跑了，你合并代码，结果 CI 爆了一堆安全警告。
来回折腾三趟，时间花了两小时。
最近我在 GitHub 上翻到一个项目，专门治这个毛病。它叫 agent-skills，作者是 Chrome 团队的 Addy Osmani 。上线没多久冲到 72.2k star ，昨天还有更新。
我自己试了几天，最大的感受是：AI 终于学会了"先想清楚，再动手"。
agent-skills 是什么？
一句话：它是给 AI 编程助手装的一套工程化工作流。
以前你让 AI 写代码，它脑子里只有"写代码"这一件事。 agent-skills 干的事，就是把软件开发的完整流程——定义需求、设计方案、写代码、测试、 Code Review 、上线——全部变成 AI 能理解的"技能"。
它最核心的理念是：每个阶段都有明确的输入、输出和验收标准。 AI 不是上来就写代码，而是先走完前面的步骤，确认没问题了再动手。
这就像你公司来了个真懂工程的前辈，你让他做个需求，他不会上来就写，而是先问你："需求文档在哪？技术方案评审了吗？测试用例写了吗？"
它是怎么组织的？
agent-skills 把软件开发分成六个阶段，每个阶段对应一套"技能"：
DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP 定义 方案 编码 测试 评审 上线 每个阶段都有对应的 slash 命令：
/spec | ||
/plan | ||
/build | ||
/test | ||
/review | ||
/ship |
有意思的是 /build 命令——它会自动生成计划、实现每个任务，你只需要在开始时批准一次计划，然后它就自动跑完全程。当然，每个任务还是独立的、测试驱动的，遇到错误会停下来等你处理。
里面都有什么技能？
这套技能包总共 24 个技能，涵盖开发的每个环节：
定义阶段： - interview-me：一个一个问你问题，挖出你真正想要的东西 - idea-refine：把模糊的想法变成具体的提案 - spec-driven-development：写 PRD ，明确目标、架构、测试策略
规划阶段： - planning-and-task-breakdown：把规格拆成可验证的小任务
编码阶段： - incremental-implementation：垂直切片式开发——写一点、测一点、提一点 - test-driven-development：红绿重构，严格执行 - context-engineering：给 AI 喂对的信息——规则文件、上下文打包 - source-driven-development：每个框架决策都要有官方文档支撑 - doubt-driven-development：高风险决策，让另一个 AI 来质疑 - frontend-ui-engineering：前端架构、设计系统、无障碍访问 - api-and-interface-design： API 设计、边界定义、 Hyrum's Law
测试阶段： - browser-testing-with-devtools：用 Chrome DevTools MCP 跑浏览器测试 - debugging-and-error-recovery：五步调试法——复现、定位、精简、修复、防护
评审阶段： - code-review-and-quality：五轴评审，每次改动控制在 100 行内 - code-simplification：简化代码，但保持行为不变 - security-and-hardening： OWASP Top 10 、认证模式、依赖审计 - performance-optimization：性能优化，先测量再动手
上线阶段： - git-workflow-and-versioning：主干开发、原子提交 - ci-cd-and-automation：左移测试、特性开关、质量门 - deprecation-and-migration：代码即负债，如何优雅下线 - documentation-and-adrs：架构决策记录、 API 文档 - observability-and-instrumentation：可观测性——日志、指标、链路追踪 - shipping-and-launch：上线清单、灰度发布、回滚预案
它还内置了四个专家视角：
怎么装？
最简单的方式，用 npx 一行命令：
npxskillsaddaddyosmani/agent-skills 装完之后，支持 70 多种 AI 编程工具： Claude Code 、 Cursor 、 Codex 、 Copilot 、 Cline 、 Gemini CLI 、 Windsurf……
如果你只想装某几个技能：
npxskillsaddaddyosmani/agent-skills--skillcode-review-and-quality npxskillsaddaddyosmani/agent-skills--skilltest-driven-development npxskillsaddaddyosmani/agent-skills--skillinterview-me 实际用起来啥感觉？
我拿它做了个 API 接口改版，感受挺深的。
以前让 AI 改 API ，它直接动手改代码。改完你发现接口设计有问题——参数命名不一致、错误码没统一、文档也没更新。
这次我先用 /spec 让它写了个 API 规格。它问了十个问题：这是给谁用的？要兼容老版本吗？错误怎么处理？幂等性怎么保证？……
问完，它吐出一份 PRD ，里面有目标、接口设计、数据结构、测试策略、边界条件。
我看完说"可以"，它才开始写代码。
写的过程中，它会自动触发 api-and-interface-design 技能——检查 Hyrum's Law （你的接口会被调用者依赖，哪怕是实现细节）、检查 One-Version Rule （同一时间只能有一个版本）、检查边界校验。
写完代码，它自动跑 test-driven-development——先写失败的测试，再写实现，最后重构。
提交前，它还跑了 code-review-and-quality——五轴评审（正确性、可维护性、可读性、性能、安全），每个改动控制在 100 行内。
最后上线，零回滚。
有什么坑？
第一，这套技能比较"重"。如果你只是写个脚本、改个小 bug ，用它反而浪费时间。它适合正式的项目开发，尤其是团队协作的场景。
第二，它依赖 AI 的上下文理解能力。如果 AI 本身脑子不太清醒，给它装再好的流程也没用。建议配合 GPT-4o 或 Claude 3.5 Sonnet 以上级别的模型。
第三，部分技能是 Google 工程文化的产物。比如 trunk-based development 、 change sizing 、 review speed norms——这些在创业公司可能不太适用。但理念是对的，可以按需调整。
一点感受
用了几天，最大的体会是：AI 不缺写代码的能力，缺的是"工程意识"。
普通 AI 写代码，就像一个刚毕业的实习生——上手就干，干完再说。结果就是返工、返工、再返工。
agent-skills 干的事，本质上是把这个实习生的脑子里塞进了十年老员工的工作习惯：先定义问题、再设计方案、然后实现、最后验证。
这跟 Ponytail （让 AI 学会"摸鱼"少写代码）是同一个思路——不是让 AI 变得更强，而是让 AI 变得更聪明。
一个教它"少写"，一个教它"慢来"。方向一致，手法不同。
如果你也在用 AI 写代码，而且经常被它"先写再说"的风格搞崩溃，强烈建议把这套技能装上。
毕竟，让 AI 干活不难，让 AI 干得专业，才是真本事。
GitHub 地址： github.com/addyosmani/agent-skills
下次让你的 AI 动手前，先跟它说一句：/spec。你会发现，多花的那十分钟规划，能省下后面两小时的返工。
