如果你最近一周看过 GitHub Trending,会发现一件很反常的事——一个名叫 mukul975/Anthropic-Cybersecurity-Skills 的仓库,30 天内涨了 1 万颗星;它的邻居 phuryn/pm-skills 涨了 1 万颗;再往上看,NVIDIA 官方也悄悄上线了一个 nvidia/skills 仓库,把自己的 CUDA-X、cuOpt、cuDF 全做成了”AI agent skill”。
三个仓库的作者背景完全不同——一个是社区开发者、一个是 PM 从业者、一个是全球 GPU 霸主。但它们押注的是同一件事:Skill 才是 Agent 时代的”App Store”。
一、什么是 AI Agent 的”Skill”?不是 Plugin,也不是 Prompt
在说三家代表玩家之前,先要讲清楚”Skill”到底是什么——因为这个词已经被严重滥用了。
最常见的误解是把 Skill 等同于 Plugin 或 Prompt。实际上,Skill 是一个独立的内容单元,专门解决 AI agent 在某个具体场景下”不会做某件事”的问题。它通常包含三部分:一段结构化的指令集(教 agent 在这个场景下该怎么思考)、一组工具/API 的调用规范(agent 该怎么用外部能力)、以及验证/边界条件(什么时候不要用)。
拿 NVIDIA 官方仓库里举的例子来说,如果你让 Claude Code “用 cuOpt 解一个线性规划问题”,它默认不知道 cuOpt 的 Python API 长什么样,也不知道怎么把数学问题转成 cuOpt 的输入格式。但当你安装 cuopt-numerical-optimization-api-python 这个 skill 之后,agent 就”学会”了——不需要你手写一遍 prompt,也不需要写 plugin 代码。
💡 Skill 不是给 agent 写新代码,而是给 agent 装一份”领域专家手册”。
这也是为什么 Skill 能在 GitHub 上以 markdown 文件的形式存在——它是给 LLM 读的”教科书”,不是给人类程序员跑的”代码库”。这种形态决定了 Skill 的创作、分发、消费门槛,远低于传统的 SDK/Plugin。
为了更直观地看出 Skill 跟传统概念的差别,这里列一组对比:
| 维度 | SDK/Plugin | Prompt 模板 | MCP Server | Skill |
|---|---|---|---|---|
| 形态 | 代码包 | 文本片段 | 服务进程 | Markdown + metadata |
| 创作门槛 | 高(需编程) | 低 | 中(需 API 设计) | 极低(会写文档即可) |
| 加载方式 | 编译/打包 | 复制粘贴 | 进程启动 | 按需检索 |
| 跨 agent 兼容 | 一般 | 较好 | 差(协议绑定) | 极佳(标准驱动) |
| 领域知识承载 | 弱(只暴露 API) | 中 | 中 | 强(直接编码领域方法论) |
| 治理能力 | 由宿主决定 | 无 | 由 server 决定 | 可被官方 Verified |
可以看到,Skill 几乎是”为了承载领域知识而被设计”的内容形态——它不抢 SDK 的工程能力、不抢 MCP 的工具调度能力,只在”教 agent 怎么想、怎么做”这件事上下注。
二、三家代表选手:三种完全不同的打法
1. NVIDIA/skills——”官方企业版”
NVIDIA 在 6 月初上线了这个仓库,截至 7 月初已经积累 2.1K stars(本月新增 1.4K),里面已经收录了 AIQ、CUDA-Q、cuDF、cuFOLIO、cuOpt、cuPyNumeric、Earth-2 等多个产品线的 skill。
最有意思的是 NVIDIA 给 Skill 加了 “Verified” 标签——所有官方 skill 都经过 NVIDIA 团队验证,文档明确写着 “Capability Governance for AI Agents”。换句话说,NVIDIA 不只是发布 skill,而是在给 AI agent 的能力接入建立官方背书体系。
安装方式极其轻量:npx skills add nvidia/skills 一行命令,后面所有 skill 都会进入 Claude Code / Codex / Cursor / Kiro 的技能库。NVIDIA 还特意做了一个 agentskills.io 标准(后面单独讲),把自己的 skill 全部按这个标准打包。
2. phuryn/pm-skills——”通用生产力版”
这个仓库的作者 phuryn 是个 PM 从业者,他做的事情是:把产品经理日常需要的 framework 全部编码成 agent skill。22K stars,本月新增 10K。
具体来说,里面包含 68 个独立 skill + 42 个 chained workflow + 9 个 plugin,覆盖 discovery → strategy → execution → launch → growth 的完整 PM 工作流。每个 plugin 是一个 PM 子领域,比如 pm-product-discovery、pm-data-analytics、pm-marketing-growth。
最有产品力的是 /discover、/strategy、/write-prd 这种 slash command——它们会自动串联 4-6 个 skill 完成一个端到端工作流。比如 /discover 会依次跑 brainstorm-ideas → identify-assumptions → prioritize-assumptions → brainstorm-experiments,正好对应 Teresa Torres 的 “Opportunity Solution Tree” 框架。
💡 把 PM 大师的方法论编码进 agent,等于让每一个 PM 都拥有 10 年经验。
3. mukul975/Anthropic-Cybersecurity-Skills——”垂直专业版”
这个仓库是 GitHub 上目前最大的 AI agent skill 库——817 个结构化 skill,覆盖 29 个安全领域。23.8K stars,本月新增 10.6K,基本上是 6 月 GitHub 全站涨星最快的仓库之一。
它最大的特点是全框架映射——每一个 skill 都同时映射到 MITRE ATT&CK v19.1、NIST CSF 2.0、MITRE ATLAS v5.4、MITRE D3FEND v1.3、NIST AI RMF 1.0、以及 MITRE 2026 年 4 月刚发布的 F3(Fight Fraud Framework)。换句话说,一个 skill 同时对应 6 个合规框架,这是其他开源 skill 库都没做到的事。
应用场景也很明确:让 Claude Code / Codex 变身”初级安全分析师”,能识别内存 dump 中的可疑行为、能跑 Sigma 规则、能检测 BEC 攻击。仓库 README 里那段比喻很到位——”a junior analyst knows which Volatility3 plugin to run on a suspicious memory dump; your AI agent doesn’t — unless you give it these skills.”
💡 垂直领域的 skill 库,本质是给 agent 装一份”专家记忆”。
三、为什么 Skill 会变成 Agent 时代的 App Store
看完三家代表,接下来要回答一个更关键的问题:为什么 Skill 会爆,而不是 Plugin、不是 MCP server、不是单纯的 Prompt?
1. Skill 解决了”上下文爆炸”的痛点
Claude Code、Codex 这类 agent 默认有几十万 token 的上下文,但如果你把所有领域的知识都塞进 system prompt,模型会迅速”分心”。Skill 的设计哲学是按需加载——平时不占 token,用到时再调出来。这种”懒加载 + 领域专家”的形态,是 MCP server、API doc、Prompt 模板都做不到的。
2. Skill 的创作门槛极低
写一个 SDK,你得会 Python/TypeScript、写 API、写文档、跑测试。写一个 Plugin,你得理解宿主应用的 hook 系统。但写一个 Skill,本质上就是写一份给 LLM 读的 markdown 文档——只要你能把”在 X 场景下应该怎么做”讲清楚,你就能发布一个 skill。
这就解释了为什么 PM 这种非程序员群体也能做出 22K stars 的 skill 库——PM 反而是最懂”领域知识”的人。
💡 Skill 把”会写 prompt 的人”变成了”能发布应用的开发者”。
3. Skill 有标准化的分发渠道
GitHub + agentskills.io 标准 + npx skills add CLI,构成了 Skill 的完整分发链路。开发者发布到 GitHub,任何 agent 客户端(Claude Code / Codex / Cursor / Gemini CLI / Copilot)都能通过一行命令安装。
这种 “GitHub 即应用商店” 的模式,绕过了 OpenAI Plugin Store、ChatGPT GPT Store 等封闭生态,直接把 skill 变成了开放的、版本化的、可发现的内容资产。
4. Skill 形成了飞轮
当一个领域的 skill 越多,用这个 agent 解决这个领域问题就越方便;越方便,就有越多开发者贡献新 skill。这种”网络效应”在 Cybersecurity 那个 817-skill 仓库上已经很明显——它能涨到 23.8K stars,就是因为它已经形成了”足够多 skill → 覆盖足够多场景 → 吸引更多贡献者”的正向循环。
四、agentskills.io 正在变成行业标准
这里要单独说 agentskills.io——因为它是 Skill 市场爆火的”基础设施”。
agentskills.io 是一个开放标准,规定了 skill 文件的目录结构、frontmatter 字段(metadata,比如 name、description、when_to_use)、以及调用协议。NVIDIA 和 mukul975 的两个仓库都明确说 “follows the agentskills.io open standard”,Vercel Labs 还做了一个 skills CLI 工具(npx skills)专门用来安装符合这个标准的 skill。
💡 当一个标准被 NVIDIA 和社区开发者同时采用,它就不再是”标准”——它是”基础设施”。
值得注意的几个细节:
- agentskills.io 的 metadata 设计是面向 LLM 的——它要求每个 skill 都明确写 “this skill should be used when…” 这种指令式描述,因为 agent 是用 LLM 来判断”什么时候调哪个 skill”的,这种语义化的描述直接影响命中率。这种”用自然语言告诉 LLM 何时调用”的设计哲学,让 skill 不需要 schema 文件就能被正确路由。
- skills CLI 支持所有主流 agent——Claude Code、Codex、Cursor、Kiro、Gemini CLI 都已经在 supported list 里。这不是某个厂商的封闭标准,而是真正的开放协议。换句话说,任何 coding agent 厂商只要愿意,都可以让自己的客户端兼容 agentskills.io,从而接入到整个 skill 生态。
- Verifiable + Auditable——NVIDIA 在自己的 skill 仓库里加了 Verified 标签,这意味着未来可能出现”经过认证的 skill” / “社区贡献的 skill”两种等级,形成 skill 的”信任分层”。这种分层一旦形成,就会出现 skill 的”质量分级”——用户可以指定”只用 Verified skill”,或者在某些敏感场景强制使用”经过审计”的 skill。
如果把 agentskills.io 放到更大的版图里看,它实际上是 “Agent 时代的内容协议”。类比一下:Web 时代的 HTTP、SaaS 时代的 OAuth、移动时代的 APK 协议——每个 computing paradigm 都有自己的”内容互通协议”。agentskills.io 正在成为 agent paradigm 的等价物。
五、从 Skill 到 Harness:Agent 生态的下一步
如果你只看 Skill 本身,可能会觉得”这就是个内容市场嘛”。但如果把视角拉远一点,你会发现 Skill 的爆火,只是 Agent 生态爆发的第一阶段。
GitHub 6 月最炸的仓库不是任何一个 skill 库,而是 omnigent-ai/omnigent——21 天涨了 5,975 颗星。这个项目做的事情是”meta-harness”:把 Claude Code、Codex、Cursor、Pi 等多个 agent harness 编排到一起,统一管理 sandbox、统一执行 policy、统一调度。
为什么这件事突然重要?因为当 Skill 多到一定数量,“哪个 agent 适合跑哪些 skill”、”怎么跨 agent 共享上下文”、”怎么保证 skill 不会越权访问数据” 就变成了新问题。这些问题不是 skill 库自己能解决的,需要更上层的 orchestration 框架。
💡 Skill 是 agent 的”App Store”,Harness 才是 agent 的”操作系统”。
另一个并行趋势是 “Agent multiplexer”——稳定运行 5,000+ stars 的 stablyai/orca 和 ogulcancelik/herdr 都在做这件事:让你在一个终端里同时跑 5 个 agent,实时看到每个 agent 的状态(🔴 blocked / 🟡 working / 🔵 done),并支持断线重连、跨设备切换。
把 Skill 库 + Harness 框架 + Multiplexer 工具拼在一起看,你会看到一条清晰的演化路径:Skill 是内容、Harness 是调度、Multiplexer 是交互。三者结合,才是真正的”Agent-native 工作流”。
六、国内厂商会不会跟进
最后说说大家最关心的问题——国内大厂会不会做自己的 skill 库?
截至目前,阿里、字节、腾讯、百度都没有公开的官方 skill 仓库。这并不意外——skill 市场的爆发依赖几个前提:成熟的 coding agent(Claude Code/Codex 在国内渗透有限)、开放的生态(Vercel Labs 的 skills CLI 不走国内 CDN)、以及社区驱动的标准化(agentskills.io 没有中国节点)。
但窗口期不会太长。Skill 的本质是”领域知识资产化”,而国内大厂最不缺的就是领域知识——阿里有电商和云、字节有推荐和视频、腾讯有游戏和社交。如果哪一天阿里通义灵码或者字节 Trae 推出 “通义 Skill 市场” 或者 “Trae Skills”,一年内做到 500+ skill 是非常现实的事。
更可能的是 “国产 skill 集”——国内独立开发者或小团队先做出某个垂直领域的 skill 集(比如”小红书运营 skill”、”抖音电商 skill”),通过 GitHub + 微信公众号分发,形成早期的中文 skill 社区。类似于 2023 年 prompt 工程社区的早期形态。
实际上已经有先兆出现。国内几个活跃的 AI 公众号从 6 月开始频繁推送”如何用 Claude Code 做 XX”的教程,内容形式越来越接近”把 PM 工作流封装成 skill”的形态。如果这些教程沉淀为开源 skill 仓库,中文 skill 社区的第一波就在 2026 年内。
💡 Skill 市场的下一波红利,可能不在硅谷,而在中文互联网。
另一个值得关注的信号是 Skill 的商业模式。GitHub 上已经出现了一些”付费 skill 集”,开发者把核心 skill 开源、把高级 skill 放进 Gumroad / 小报童售卖。这种 “freemium + 内容订阅” 的形态,在国外已经跑通——比如一些高质量的 devops skill 集就采用这种模式。如果国内有人能把”小红书爆款写作 skill”、”亚马逊选品 skill”、”小红书运营 skill”做成付费产品,大概率能跑通 PMF。
写在最后
回到开头那个问题——”Skill 是不是下一个 App Store”?
答案取决于你信不信 Agent 会成为下一个 computing platform。如果信,那 Skill 就是 App Store 里的 app,谁先做出”足够多 + 足够好”的 skill 库,谁就占据下一代开发者生态的入口。
如果不信,Skill 也会以另一种形式活下来——它会沉淀为 prompt engineering 的最佳实践,变成企业级 agent 部署的标配知识库,最终被各种 agent 框架吸收成内建模块。
无论哪种结局,现在写 skill 都不晚。NVIDIA、PM、安全三个领域已经有 1,000+ skill 在生产环境被验证,GitHub Trending 已经把它顶到月榜前列。当一个概念同时被官方企业、垂直开发者、通用生产力玩家押注,它就已经不是风口,而是趋势。
关于 Skill 市场,有一个反直觉的观察:GitHub 上 skill 仓库涨星最快的作者,往往不是大厂员工,而是各垂直领域的从业者——安全分析师、产品经理、独立开发者。这印证了一个趋势:AI Agent 生态的核心资产是「领域知识」,而不是「技术能力」。
你身边有哪些领域的工作流,值得被做成 skill 库?(评论区聊聊)
💡 Skill 市场的终局,不是 skill 本身,而是”领域知识资产化”的标准协议。
💡 下一个十年,最有价值的资产不是代码,而是”教 agent 怎么思考的知识”。
我要评论