程序员友好的 Skills
最近一段时间，我一直在折腾 AI Agent, 甚至糊了个MCP出来, 这里先不多讲, 因为功能还不完善,有机会继续分享
真正决定 Agent 能力上限的，不只是模型本身，而是它掌握了哪些 Skill。
于是我开始整理自己的 Agent 工作流，把日常开发中高频使用的能力沉淀下来，形成了一个属于自己的 Skill 仓库：
这里面的每一个 Skill，都是我实际开发过程中筛选、调整甚至二次改造过的。
它们不是为了炫技，而是解决程序员每天都会遇到的问题：
- 如何让 AI 帮我写出更好的代码？
- 如何让 AI 做 Code Review？
- 如何规范 Git 提交？
- 如何快速理解陌生项目？
- 如何让 AI 遵循我的开发习惯？
今天分享一下我目前比较推荐的一些 Skill。
什么是 Skill？
简单说一下(因为总有还在学习的伙伴)：
Skill 就是给 Agent(类似于Claude Code桌面端,Codex桌面端等,CLI也算) 增加的一套「专业能力」。
如果把大模型比作一个刚入职的程序员，那么：
- Prompt 是告诉他任务要求
- Tool 是给他工具
- Skill 是告诉他某类事情应该怎么做
比如：
普通 Agent：
帮我 Review 一下代码。
可能只能简单分析语法问题。
拥有 Code Review Skill：
按照架构、安全性、性能、可维护性、工程规范进行系统检查，并给出修改建议。
这就是 Skill 带来的区别。
我的 Skill 分类
目前我的仓库主要分为三类：
- 自己创建并长期维护的 Skill
- 来源于优秀开源项目的 Skill
- 我认为非常值得推荐的 Skill
其中：
🔵 蓝色： 我自己开发或者深度改造过
🟢 绿色： 来自社区优秀项目
🔴 红色： 我认为程序员非常值得使用
1. code-review-expert：让 AI 成为你的代码审查专家
源skill地址: https://github.com/sanyuan0704/sanyuan-skills/tree/main/skills/code-review-expert
推荐指数: ⭐⭐⭐⭐⭐
这是我最推荐的一个 Skill。
日常开发中，Code Review 是非常重要的一环。
但是很多时候：
- 自己写的代码不容易发现问题
- 时间有限，没有精力逐行检查
- 小问题积累成大问题
所以我希望 AI Review 不只是：
这里变量名可以优化
而是能够关注：
- 代码设计
- 潜在 Bug
- 边界情况
- 性能问题
- 安全风险
- 可维护性
这么讲有点空洞了, 我找一个小项目让它检测一下, 眼见为实
现在提交代码之前，我都会让 Agent 先跑一次 Review。
而且你还可以把它写进全局提示词里,让AI每次生成完毕代码后,自动调用这个skill,实现自动审阅
它更像一个随时在线的高级工程师。
2. planning-with-files：复杂任务规划神器
来源:https://github.com/bd-dxg/skills/tree/main/planning-with-files
推荐指数: ⭐⭐⭐⭐⭐
这个skill 经过我的改良:早期它直接把生成的文件放在项目根目录,
我改造成生成在根目录的Task文件夹内,这样避免了污染项目更目录,保持项目干净
这是我认为 Agent 工作流里非常重要的一环。
很多人使用 AI 的方式：
直接一句：
帮我实现这个功能。
然后 Agent 开始疯狂修改代码。
但是复杂项目中，这种方式很容易因为撑爆上下文(128K,200K上下文时代),
而导致丢失当前进度。
亦或者是大模型超时(429,503之类的你懂的),导致进度丢失
planning-with-files 的思路是：
先规划，再执行。
Agent 会：
- 分析任务
- 创建计划文件
- 记录当前进度
- 分阶段完成
类似真实团队里的：
需求分析 → 技术方案 → 开发 → 验证
对于大型重构、功能开发特别有效, 受限于篇幅, 这个我就不截图演示了。
3. skill-creator：创建 Skill 的 Skill
源skill地址: https://github.com/anthropics/skills/tree/main/skills/skill-creator
推荐指数: ⭐⭐⭐
这是一个很有意思的 Skill。
它负责：
帮助我创建新的 Skill。或者检测某个skill是否标准,是否有需要完善的地方
当我发现某个重复工作：
比如：
- 发布流程
- PR 检查
- 文档生成
- 项目初始化
我不会只是写 Prompt。
而是把它沉淀成 Skill。
这样以后 Agent 就拥有长期能力。
这也是我维护这个仓库的原因。
4. skill-monitor：让 Skill 保持更新
来源: https://github.com/bd-dxg/skills/tree/main/skill-monitor
推荐指数: ⭐⭐
WARNING
这个skill 执行环境为 win + powershell 5,大家想使用,但环境不同,可以让AI再改改,问题不大。
创建这个Skill有2个原因:
- 我通过
npx skills add xxx, 某些时候会安装失败,只能手动复制文档的方式去安装,那么手动安装的skill 如何保持更新？ - 部分我改良过的 skill 不能直接去覆盖升级,不然我改良的部分会被恢复为原样 所以我增加了 skill-monitor。
它可以帮助检查：
- Skill 是否存在更新
- 是否需要同步社区版本
- 是否存在配置问题
让 Skill 仓库从「收藏夹」变成真正维护的工具集。
5. find-skills：寻找 Skill 的 Skill
来源: https://github.com/vercel-labs/skills/tree/main/skills/find-skills
推荐指数: ⭐⭐⭐
现在 AI 生态发展非常快, 每天都有新的：Agent、Skill、MCP和Workflow
但是问题来了：
我需要的能力，别人是不是已经实现过？
find-skills 就是解决这个问题。
当我需要某种能力：
比如：生成接口文档、优化 Git 工作流、自动生成测试
先让 Agent 帮我搜索已有 Skill。
避免重复造轮子。
6. pr-creator / pr-address-comments：GitHub 协作增强
来源: https://github.com/google-gemini/gemini-cli/tree/main/.gemini/skills/pr-address-comments
推荐指数: ⭐⭐⭐
作为开发者，GitHub PR 是日常工作。
但是创建 PR 和处理 Review 意见，经常比较机械。
所以我整理了：
| pr-creator | pr-address-comments |
|---|---|
| 分析代码变化 | 理解 Review 意见 |
| 总结修改内容 | 修改代码 |
| 生成 PR 描述 | 回复 Reviewer |
让 Agent 参与完整开发流程。
7. github-issue-creator：自动生成高质量 Issue
来源: https://github.com/google-gemini/gemini-cli/tree/main/.gemini/skills/github-issue-creator
推荐指数: ⭐⭐⭐
很多开发者遇到 Bug：知道问题，但是不知道怎么描述。
这个 Skill 可以帮助整理：
- 问题背景
- 复现步骤
- 期望行为
- 实际行为
- 环境信息
而且会检测项目是否有提交模板,并自动应用提交模板, 提高提交 Issue 的质量。
自从使用了这俩 skill 我的 issue 和 pr 都有了明细的进步
8. add-frontmatter / add-anchor：文档工作流优化
推荐指数: ⭐⭐⭐
作为一个程序员，我经常更新自己的博客
这两个 Skill 主要解决文档自动化问题。
add-frontmatter
自动补充 Markdown 元信息。方便分享的时候自定义显示标题和描述信息, 例如这样:
add-anchor
自动添加英文锚点。使用前分享的url
使用后分享的url:
https://docs.bddxg.top/GoGuide/GoConditional.html#logic-operator
哪一个更优雅就不用多说了吧
看起来简单，但是大量文档维护时非常省时间。
9. naming：中文变量命名助手
推荐指数: ⭐⭐⭐
很多国内开发者都会遇到：
中文概念 → 英文命名
| 中文 | 推荐命名 |
|---|---|
| 用户配置 | UserConfig |
| 获取订单列表的接口 | OrderListApi |
| 处理用户登录验证的中间件 | AuthMiddleware |
这个 Skill 可以辅助生成更加符合工程习惯的命名。
10. init-agents-md：初始化项目 AI 配置
来源: https://github.com/bd-dxg/skills/tree/main/init-agents-md
推荐指数: ⭐⭐⭐
这个 skill 其实是 Claude code 的 /init 指令的平替,
因为之前一段时间使用的是 Pi agent , 它没有这个功能, 所以自己造了个 用skill-creator创建的, 哈哈
这个 Skill 可以帮助快速初始化 Agent 配置文件。
让 AI 更了解你的项目。
我的 AI 开发理念
整理这些 Skill 的过程中，我越来越确定一件事情：
未来程序员和 AI 协作的核心，不是谁拥有更强的模型，而是谁拥有更好的工作流。
模型会不断升级, 但是你的开发习惯、项目规范、经验沉淀
这些才是真正属于你的资产。Skill 就像给 AI 培养出来的职业技能。
写在最后
这个仓库目前还在持续维护。
里面很多 Skill：
不是简单复制来的，而是我实际使用过、根据开发习惯调整过和在真实项目中验证过
如果你也是程序员，希望 AI Agent 真正融入开发流程，而不是只用来聊天，可以关注这个仓库：
后续我也会继续分享：
我的 Agent 配置、MCP 使用经验、AI 编程工作流以及
如何打造自己的 AI 开发环境, 让 AI 真正成为开发者的第二大脑。
文章编写不易, 请大家动动小手点个赞吧, 谢谢!
📌 评论规则
需要 GitHub 账号登录 禁止发布广告、无关内容 请保持友善讨论