夜雨聆风
你有没有这种感觉：跟AI说"帮我写个功能"，它哗哗给你一堆代码，你看半天发现变量命名全是一个字母，函数功能全挤在一起，测试？没有。代码审查？更没有。
AI写代码是快，但它走的是最短路径。就跟我们第一次做项目一样，能跑就行，哪管什么规范不规范的。
直到我发现了一个叫 Agent Skills 的开源项目Google工程总监 Addy Osmani 写的，给AI编程助手装上"谷歌级工程纪律"的插件。
用上之后，我的Claude Code就像被资深工程师手把手带过一样先写PRD、再拆任务、增量构建、测试驱动、代码审查、最后发布。全流程自动走标准。
太香了。今天跟你详细聊聊。
01 为什么你的AI编程助手"不靠谱"？
AI编程助手越来越强，但有一个根本矛盾一直没解决
AI擅长"一次生成"，但软件工程是"持续迭代"。
你让AI帮你写个登录功能，它哗哗给你300行代码。但实际工作中，登录功能要先写需求文档（PRD）、画API契约、拆解成原子任务、每完成一个切片就写测试、最后做代码审查和性能检查。
这些标准流程，AI是不知道的。你每次都得重新教它一遍"先写测试""注意安全""不要重复代码"。
有没有一种方法，让AI自动带上工程纪律？
这就是 Agent Skills 要解决的问题。
02 Agent Skills 是什么？
Agent Skills 由 Google 工程总监 Addy Osmani 开源，是一套面向 AI 编程 Agent 的生产级工程技能库。
它的核心思想很简单：
把资深工程师的工作流程、质量关卡和最佳实践，固化成可复用的"技能包"，让AI在开发各阶段自动调用。
Agent Skills 不是一个独立的软件，而是 Claude、Cursor、GitHub Copilot 等主流 AI IDE 的"纪律插件"。
你可以把它理解为：
03 七把工程之剑：覆盖开发全生命周期
Agent Skills 提供了 7个斜杠命令，对应软件开发的完整闭环。你在Claude Code里敲一个命令，AI就自动带上对应的工程标准。
/spec 定义需求
强制先写 PRD（产品需求文档）或 API 契约，明确"做什么"再动手。防止AI上来就写代码，写完发现需求理解错了。
典型场景：接到新功能需求，先 /spec 让AI梳理需求文档，再动手。
/plan 任务拆解
将大需求拆解为原子化的子任务列表。防止AI一次性生成"巨无霸"代码，后期无法维护。
典型场景：大功能拆成多个小任务，每个任务可单独验证。
/build 增量构建
一次只实现一个功能切片，确保每一步都可验证。不是一口气写完，而是增量推进，每步都能跑。
/test 验证驱动
遵循 TDD（测试驱动开发）理念先写测试证明功能，再写实现。测试不过，代码不提交。
/review 代码审查
模拟资深工程师视角，检查代码健康度、安全性与性能。不是AI自说自话，而是有人帮你把关。
/code-simplify 代码简化
移除过度工程化设计，遵循"清晰优于聪明"原则。很多时候代码写得漂亮但看不懂，/code-simplify让代码回归本质。
/ship 发布上线
执行 Git 工作流、CI/CD 检查清单和发布流程。不是代码写完就完事了，而是确保能安全上线。
开发全生命周期
Idea Spec Plan Code Test QA Ship 需求定义 需求文档 任务拆解 增量构建 测试驱动 代码审查 发布上线
04 20+结构化技能：AI自动调用的工程知识库
每个命令背后，是细分的专业技能。技能不是模糊的建议，而是包含完整工作流程和质量关卡的结构化知识包。
最神奇的地方：这些技能不是被动等待调用的。它们会根据你当前的操作自动激活设计API时触发api-design，构建UI时触发frontend-ui-engineering，写测试时触发tdd。
05 技术架构：一个技能包长什么样？
Agent Skills 采用基于文件系统的架构。每个技能是一个文件夹，包含：
| 必须包含 | |
这种设计让技能包天然具备可复用性和可组合性你可以单独使用某个技能，也可以把多个技能组合成更大的工作流。
Anthropic 在 2025年10月 率先在 Claude Code 中引入了 Agent Skills 的概念。2025年12月，该技术成为开放标准，微软、OpenAI 等企业快速跟进，主流编码工具纷纷支持。
06 实战演示：安装和使用
第一步：安装
Claude Code（推荐）： 在 Claude Code 中执行： /plugin marketplace 搜索 "Agent Skills" 并安装。
第二步：在项目中使用
当你开始一个新任务时，直接在 Claude Code 中输入：
/spec "用户登录功能，包含手机号+验证码方式"
Claude Code 会自动生成PRD文档，列出API契约、功能边界、非功能性需求（安全性、性能）等内容。等你确认后，再继续下一步。
第三步：增量推进
PRD确认后，继续：
/plan "基于PRD拆解为5个子任务" /build "实现第一个子任务：手机号输入验证" /test "为第一个子任务写单元测试" /review "审查第一个子任务的代码"
每个命令背后都有对应的 Skills 激活，确保每一步都走标准流程。
07 Agent Skills 和 MCP 是什么关系？
很多人会问：Agent Skills 和 MCP（Model Context Protocol）有什么区别？
简单说：
MCP = 给AI装上"工具"（访问文件系统、调用API、搜索网页）Agent Skills = 给AI装上"工程纪律"（工作流程、质量关卡、最佳实践）
两者是互补的。MCP解决AI能做什么的问题，Agent Skills解决AI怎么做得好的问题。
一个形象的比喻：MCP是AI的"双手"，Agent Skills是AI的"大脑"。光有双手没有大脑，AI会乱做；光有大脑没有双手，AI什么都做不了。
08 总结：AI编程助手的进化方向
Agent Skills 的出现，揭示了一个重要趋势：
AI编程的竞争，已经从"谁生成得快"转向"谁生成得标准"。
2025年大家都在卷模型能力Claude强还是GPT强？2026年的风向变了，大家开始关心：谁能让AI真正把活干好、干标准、干持久。
Agent Skills 就是这个方向的标杆。它不改变AI的能力上限，而是提升AI的最低水准让一个初级AI程序员，在 Skills 的加持下，也能输出接近资深工程师标准的代码。
如何学习借鉴这篇文章思路？ 最简单方法：你将这一篇文章链接发给你的AI就行！
作者：小天马 | 我的AI伙计