夜雨聆风昨天，我盯着屏幕上那个AI生成的PR，差点把咖啡泼键盘上。功能是写完了，测试也“绿”了，但代码里躺着一个巨大的、没人愿意承认的问题——这代码只有机器能看懂，人根本没法维护。变量名叫`data2`，函数逻辑嵌套了五层，注释全是废话。当时我脑子里只有一个念头：AI写代码是快，但这玩意儿要是上线了，下个月接手的人怕不是想顺着网线来砍我。
这不是我一个人的困境。周围几乎所有用AI写代码的朋友都有同感：生成速度起飞，工程质量坠机。AI就像一个天赋异禀但完全不懂规矩的实习生，你让他干活，他三分钟交差，但你得花三个小时给他擦屁股。直到我看到了前Google Chrome工程经理Addy Osmani开源的一个项目——`agent-skills`。看完README第一段我就愣住了：这不就是我一直想要的“AI版《代码整洁之道》”吗？
0. AI编码代理的“野路子”困境，终于有了破解方案
先说说咱们平时用AI写代码的真实体验。你打开Cursor或者Claude Code，敲一句“帮我写个用户登录接口”，唰唰唰，代码出来了。你一看，哎哟不错，逻辑清晰，注释也有，直接复制粘贴进项目。然后跑测试，挂了。你修，再跑，又挂。折腾半小时，终于过了。结果code review的时候，同事在评论区画了一堆红圈：“这个异常处理呢？”“这个边界条件考虑了吗？”“为什么不用现成的中间件？”你只能尴尬地回一句：“AI写的，我改改。”
问题的根源在哪儿？不是AI不够聪明，而是它根本不知道“规矩”是什么。资深工程师脑子里那套东西——先想清楚需求再动手、任务拆小、边写边测、提交前自查——AI一概不知。它只会“生成”，不会“工程”。就像一个从没进过厨房的人，你让他做满汉全席，他能给你端出一盘卖相不错但没放盐的菜。
Addy Osmani显然也受够了这种“野路子”。他在谷歌干了十几年，带过无数工程师，深知那些隐形经验有多值钱。所以他把这些经验全部“编码化”，塞进了`agent-skills`这个开源项目里。这不是一个简单的提示词合集，而是一套完整的、可安装的“技能库”，让AI代理从“会写代码”进化到“懂工程”。
以前我们教AI“做什么”，现在终于有人教它“怎么做才算对”。
那这套技能库具体怎么用？答案是8个斜杠命令。
1. 8个斜杠命令：重新定义AI开发全流程
8个斜杠命令：重新定义AI开发全流程
打开这个项目的文档，最显眼的就是那8个斜杠命令。别小看这8个命令，它们把整个开发生命周期从需求到上线，硬生生拆成了八个标准动作。
第一个叫`/spec`，核心思想是“先规格后代码”。以前你让AI干活，上来就写代码，结果写完发现需求理解偏了。现在先用这个命令，AI会像面试官一样追问你业务细节，把需求挖得明明白白，输出一份完整的规格说明。需求不明确，代码写得再快也是白搭。
然后是`/plan`，它会把一个大任务拆成一个个小到不能再小的原子任务。这招深得我心，因为我自己写代码就喜欢这么干——大任务拆小，每步可验证，心里才踏实。接着是`/build`，它严格按照计划逐片增量构建，不搞一口气吃成胖子那套。
`/test`更狠，直接是“测试即证明”。AI写完代码，必须同时写测试，跑不过就算没写完。`/review`是合并前的强制审查，相当于给代码做个体检，专门查那些“能跑但很烂”的问题。还有`/webperf`，先测量再优化，别一上来就瞎调；`/code-simplify`，坚持“清晰优于巧妙”，拒绝花里胡哨的炫技代码；最后`/ship`，确保安全发布，不搞半夜上线事故那套。
这8个命令，本质上就是把一个资深工程师的十年功力，压缩成了8次按键。
命令介绍完了，不禁要问：AI怎么知道该在什么时候用哪条命令？这就得说说它内置的24项技能了。
2. 24项技能+自动激活：AI如何“懂规矩”地干活
24项技能+自动激活：AI如何“懂规矩”地干活
光有命令还不够，项目里还内置了24个专业技能。这些技能不是摆设，它们会根据你当前的任务场景自动激活。比如你正在设计API接口，AI会自动加载“接口设计规范”技能，要求它定义清晰的请求响应结构、错误码、版本兼容策略。你切换到前端构建UI，它又会自动触发“前端工程化”技能，注意组件拆分、样式隔离、可访问性。
这感觉就像给AI配了一个“场景感知引擎”。它知道自己在干什么活，也知道干这个活该守什么规矩。你不用每次手动提醒它“记得加注释”“记得做错误处理”，这些规矩已经内化成了它的“肌肉记忆”。
安装也极其简单，一行命令`npx skills`就能搞定。而且兼容性拉满，Claude Code、Cursor、Codex、Copilot、Cline等70多种主流编码代理全都支持。生态兼容性做到这个份上，基本上就是奔着行业标准去的。
真正的“懂规矩”，不是背下来规则，而是在每个场景下自动做出正确的选择。
那这套机制跑起来之后，最让人惊艳的是什么？是它真的能放手让AI自己干活。
3. 一次批准，自主执行——质量门禁如何守住底线
一次批准，自主执行——质量门禁如何守住底线
这个项目里最让我觉得“卧槽还能这样”的，是`/build`命令的“一次批准”机制。什么意思？就是当你把规格说明确定好之后，AI会自动生成一份完整的实施计划，然后只需要你点一次批准，它就能自主运行，把计划里的所有任务挨个执行完。
听起来是不是有点吓人？AI自己跑，没人盯着，出事了怎么办？放心，它保留了“测试驱动”和“逐任务提交”的机制。每写完一个模块，就跑一遍测试，过了才提交，没过就停下来等你处理。遇到风险步骤也会主动暂停，向你汇报情况。
这就好比你雇了一个特别靠谱的实习生，你把任务交代清楚，他每做完一步就跟你同步进度，遇到拿不准的绝不瞎搞，全部确认过再继续。你只需要在关键节点把把关，剩下的时间可以去喝咖啡了。
真正的自主不是撒手不管，而是把“管”的颗粒度从“每一步”细化到“每个里程碑”。
用了这套工作流之后，我最大的感受是——它改变的不只是代码，而是整个协作方式。
4. 不只是工具，更是AI辅助软件开发的新范式
用了一周`agent-skills`，我最深的感触是：它改变的不是代码质量，而是我和AI之间的协作关系。以前我是“监工”，得盯着AI的每一行输出，生怕它跑偏。现在我是“产品经理”，我只需要把需求讲清楚，设定好质量标准，AI自己就能按着大厂的工程规范把活干完。
这背后是开发范式的转变：从“人工全程监督”进化到“AI自主执行+人类设定质量门禁”。就像自动驾驶，以前是L2级别，人得一直扶着方向盘，现在直接跳到L4，你设定好目的地，车自己开，遇到复杂路况它自己会减速刹车。
当然，这个项目还处于早期阶段，有些细节还在打磨，比如安装单个技能时路径共享的问题。但方向已经非常明确了——AI辅助开发的下一个十年，拼的不是谁生成的代码多，而是谁能让AI真正“懂工程”。
工具会过时，但“让AI按正确的方式干活”这件事，值得做一百年。
如果你也受够了AI写的“一次性代码”，或者想让团队里的AI代理真正达到资深工程师的水准，我强烈建议你去看看这个项目。毕竟，免费的才是最贵的——你花在擦屁股上的时间，早就超过了那点订阅费。
#AI编程 #代码质量 #开源工具
如有 AI 相关业务咨询，可与我联系，服务内容：
• 自媒体运营系统咨询、自媒体代运营；
• 企业(组织/业务)系统AI自动化咨询；
• 详请见：http://www.xikai.net.cn/。
