CopoHub Trending

addyosmani/agent-skills

Production-grade engineering skills for AI coding agents.

JavaScript · ★ 118,747 · Fork 12,379 · 在 GitHub 查看

在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→

GitHub Trending 上榜记录

addyosmani/agent-skills 已在 GitHub Trending 每日榜单上榜 50 天,最高排名第 1,首次上榜 2026-05-06,最近一次上榜 2026-11-15。

日期排名Star当日增长
2026-11-15#41117,745+411
2026-11-14#14117,554+591
2026-11-13#9117,126+816
2026-11-12#5116,630+812
2026-11-11#3115,892+788
2026-11-10#3115,110+465
2026-10-10#8104,271+436
2026-10-09#8103,933+751
2026-10-08#6103,139+677
2026-10-07#6102,733+693
2026-10-05#12101,360+336
2026-10-04#10101,185+336
2026-10-03#10100,810+305
2026-09-21#1397,940+736
2026-09-20#397,634+729
2026-09-19#396,972+675
2026-09-18#396,357+680
2026-09-17#396,005+680
2026-09-16#1295,373+656
2026-09-15#1294,710+386
2026-09-04#1292,163+264
2026-09-03#1292,003+280
2026-08-30#1890,845+196
2026-08-29#1890,691+188
2026-08-12#486,423+578
2026-08-11#486,186+659
2026-08-10#485,703+680
2026-08-09#285,070+779
2026-08-08#284,483+1,131
2026-08-07#283,823+1,131
2026-08-06#282,841+588
2026-08-05#681,945+203
2026-07-11#477,078+1,116
2026-07-10#276,759+2,554
2026-07-09#175,781+2,582
2026-07-08#173,850+1,322
2026-07-07#272,037+1,311
2026-07-06#270,711+1,114
2026-06-14#258,906+1,514
2026-06-13#158,243+2,656
2026-06-12#156,687+3,278
2026-06-11#154,531+3,275
2026-06-10#151,558+781
2026-06-09#1649,768+348
2026-05-11#339,093+1,065
2026-05-10#338,313+3,009
2026-05-09#237,310+2,801
2026-05-08#235,185+3,062
2026-05-07#232,808+3,058
2026-05-06#230,270+629

同期上榜的项目

agent-skills 项目深度剖析与商业评估报告

agent-skills 项目深度剖析与商业评估报告

1. 核心定位与商业落地价值

根本痛点:当前AI编码代理(Claude Code、Cursor、Gemini CLI等)默认行为倾向于“最短路径”——跳过规范、测试、安全审查和代码审查等关键工程步骤,产出质量不稳定、难以投入生产的代码。这导致企业采用AI编码时面临“原型可用、生产不可用”的困境。

商业落地场景: 企业AI编码标准化:将agent-skills作为企业AI编码的“标准操作规程”(SOP),确保所有AI生成的代码遵循统一的质量门禁(quality gates)。例如,金融科技公司可强制所有AI提交的代码必须通过/security-and-hardening和/code-review-and-quality技能。 CI/CD流水线集成:将技能作为预检步骤嵌入CI/CD管道,实现“AI代码自动审查-测试-安全扫描”的自动化流水线。可显著减少人工审查工作量,预计可降低30-50%的代码审查时间。 培训与知识管理:技能本身编码了Google工程文化中的最佳实践(Hyrum's Law、Beyonce Rule、Chesterton's Fence等),可作为新工程师的“数字导师”,加速团队工程文化统一。

竞品差异化与护城河: 结构化深度:不同于通用的prompt模板(如GitHub Copilot的指令文件),agent-skills提供了22个具有严格步骤、验证门禁和反合理化的完整工作流。每个技能包含Process → Rationalizations → Red Flags → Verification的完整结构,这是其他方案缺乏的工程级严谨性。 跨平台兼容性:支持Claude Code、Cursor、Gemini CLI、Windsurf、OpenCode、GitHub Copilot、Kiro IDE等7+主流AI编码工具,且采用纯Markdown格式,理论上可适配任何支持系统提示的代理。这种“一次编写、随处运行”的能力是核心护城河。 反合理化机制:独创的“反合理化表”(Anti-Rationalization Table)——每个技能列出代理常用的跳过步骤借口(如“我会稍后添加测试”)并内置反驳论据。这直接解决了AI代理“偷懒”的根本问题,是工程化落地的关键创新。

2. 核心架构设计与技术深度

模块拆解思想:采用生命周期驱动的模块化架构,严格遵循DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP六阶段模型。每个阶段对应一组技能,技能之间通过using-agent-skills元技能实现路由分发。这种设计借鉴了Google的“Engineering Pipeline”理念,将软件开发视为可重复、可度量的流水线。

关键设计模式: 1. 代理-技能模式(Agent-Skill Pattern):agents/目录下的角色(code-reviewer、test-engineer、security-auditor)作为“代理”,调用skills/下的技能作为“能力”。这种分离使角色可复用技能(如code-reviewer可复用code-review-and-quality和security-and-hardening),技能也可被不同角色调用。 2. 渐进式披露(Progressive Disclosure):每个技能以SKILL.md为入口,仅加载核心流程;references/目录下的补充检查清单(testing-patterns.md、security-checklist.md等)仅在技能执行过程中按需引用。这直接针对AI代理的token预算限制——最小化上下文窗口占用,同时确保需要时能获取完整信息。 3. 命令-技能映射:7个斜杠命令(/spec、/plan、/build等)作为用户接口,每个命令映射到一组技能。例如/build触发incremental-implementation、test-driven-development、api-and-interface-design等多个技能的组合执行。这种设计降低了用户学习成本,同时保持了技能的可组合性。

查看完整 AI 分析 →

在 README 中展示上榜徽章

GitHub Trending

[![GitHub Trending](https://github.fq6825.top/badge/addyosmani/agent-skills.svg)](https://github.fq6825.top/repo/addyosmani/agent-skills)