數十萬 Agent Skills 之中，開發者真正需要的 10 個：基於 Anthropic、OpenAI 官方與 GitHub 開源項目精選

作者：AI 啓蒙小夥伴
日期：2026年5月6日 下午11:50
來源：WeChat 原文

✦整理版優先睇

速讀 5 個重點 高亮

一份基於 Anthropic、OpenAI 官方資源與 Skills.sh、Clawhub、Github 開源項目等 Skills 安裝數據的客觀篩選，讓開發者可以在數十萬 Agent Skills 中快速找到最有用的 10 個，一次裝好！引言2025 年下半年 Anthropic 把 Claude Skills 正式發佈為 Agent Skills 公開標準後，Anthropic Claude Code 與 OpenAI Codex、Cursor、OpenCode 等 AI Agents 先後把 "Agent Skills" 推到了 AI Coding Agents 的核心位置。它的形態非常簡單：一個文件夾，包含一份 SKILL.md 和若干腳本資源；它的作用卻很關鍵——把"模型默認行為"約束成"可復現的工作流"。到 2026 年 4 月，公開註冊表已收錄數十萬個 skill，僅 skills.sh 一家平台的累計安裝量就超過 85 萬次。在這種數量級下，如何挑選真正有價值的 skill 成了實際問題。今天咱們聚焦軟件開發場景，從 Anthropic 和 OpenAI 兩家模型廠商的官方倉庫出發，疊加 Skills.sh、Clawhub、Github 的安裝量數據與社區共識，篩選出 10 項最值得納入日常工作流的 skill。每一項都給出它解決什麼問題、與替代方案的差別，以及安裝方式與官方連結。篩選方法為了避免"按 GitHub stars 一刀切"帶來的偏差，本次篩選綜合了四個信號：信號數據源作用官方收錄anthropics/skills（128.9K stars）、openai/skills/.curated反映廠商對工作流的官方建議實際安裝量skills.sh 和 clawhub 等匿名遙測反映真實使用度而非收藏熱度跨平台兼容agentskills.io 開放規範一份 skill 能跨 Claude Code / Codex / Cursor 複用工作流覆蓋是否落在"設計 → 編碼 → 測試 → 評審 → 合併"鏈條上避免選出彼此功能重疊的項需要先澄清一個常見誤解：skill 與 MCP server 是互補關係。前者描述"怎麼做"，後者提供"做什麼的能力"。下文 #3、#7 通常需要配合 Playwright MCP 才能執行真實操作。十項推薦1. skill-creator —— 編寫 skill 的基礎工具來源: Anthropic 與 OpenAI 官方倉庫均收錄https://github.com/anthropics/skills/tree/main/skills/skill-creator[1]https://github.com/openai/skills/tree/main/skills/.system/skill-creator[2]說明: 包含 SKILL.md 模板、frontmatter 校驗、目錄約定。兩家廠商各自維護一份，意味着它在各自的 agent 內部已是默認依賴。先掌握它，團隊內部的方法論沉澱才有統一格式。安裝:/plugin marketplace add anthropics/skills/plugin install example-skills@anthropic-agent-skillsCodex 已隨版本自動安裝，無需手動操作。2. mcp-builder —— 生成符合規範的 MCP server來源: anthropics/skillsURL: https://github.com/anthropics/skills/tree/main/skills/mcp-builder[3]說明: 生成符合 Model Context Protocol 規範的 server 骨架，包括 JSON-RPC 處理、tool/resource 註冊、stdio/SSE 傳輸配置。手寫這部分代碼容易在 schema 校驗和錯誤碼上踩坑，由 Anthropic 維護可以跟隨協議演進。適合需要把內部系統接入 Claude / Cursor / Codex 的團隊。安裝: 同 #1。3. webapp-testing —— Playwright 測試編寫方法論來源: anthropics/skillsURL: https://github.com/anthropics/skills/tree/main/skills/webapp-testing[4]說明: 在 Playwright 之上提供測試編寫順序、selector 選擇策略、斷言模式。和直接調用 Playwright MCP 的差別在於：MCP 提供"操作瀏覽器的能力"，這個 skill 提供"寫出可維護測試的方法"。兩者通常配合使用。安裝: 同 #1。4. frontend-design —— 收斂風格選擇的預設庫來源: anthropics/skillsURL: https://github.com/anthropics/skills/tree/main/skills/frontend-design[5]說明: 內置 50 種視覺風格、調色板與字體配對的預設。skills.sh 數據顯示其安裝量約 12.4 萬次，在前端類 skill 中排名靠前。主要價值在於把"風格選擇"從開放問題收斂成有限選項，輸出的 UI 不容易出現常見的 AI 通用感。安裝: 同 #1。5. gh-fix-ci —— 處理 CI 失敗的標準流程來源: openai/skills/.curatedURL: https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci[6]說明: 處理 GitHub Actions 失敗的標準流程：拉取日誌、定位失敗 step、讀取相關文件、提交修復 commit。OpenAI 把它放進 curated 名單意味着推薦作為日常工作流的默認項。對長期維護的項目尤其有用，省去人工排查 CI 日誌的時間。安裝:$skill-installer gh-fix-ci6. gh-address-comments —— 系統化處理 PR 評審來源: openai/skills/.curatedURL: https://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments[7]說明: 拉取 PR 評論並按文件與位置分類，逐條修改後回覆 reviewer。和 gh-fix-ci 配合形成"提 PR — 過 CI — 處理評審 — 合併"的完整鏈路。OpenAI 也把它作為 skill 系統的入門示範。安裝:$skill-installer gh-address-comments7. playwright 與 playwright-interactive —— 瀏覽器自動化的兩種取向來源: openai/skills/.curatedhttps://github.com/openai/skills/tree/main/skills/.curated/playwright[8]https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive[9]說明: OpenAI 維護的瀏覽器自動化指引。playwright 適合無人值守的腳本任務，playwright-interactive 在每一步暫停等待人工確認，適合調試複雜登錄流程或交互式 SPA。和 #3 的 Anthropic webapp-testing 取向不同：後者偏測試用例編寫，這兩個偏運行時操作。安裝:$skill-installer playwright$skill-installer playwright-interactive8. security-best-practices 系列 —— 安全審計三件套來源: openai/skills/.curatedURL: https://github.com/openai/skills/tree/main/skills/.curated/[10]說明: OpenAI 一次性發布的三個安全相關 skill，分別覆蓋編碼規範、威脅建模（STRIDE 類）、代碼所有權審計。AI 生成代碼在輸入校驗和密鑰處理上的常見漏洞由這套清單兜底，比依賴模型自身的安全意識更可靠。安裝:$skill-installer security-best-practices$skill-installer security-threat-model$skill-installer security-ownership-map9. find-skills —— 跨 agent 的發現與安裝入口來源: vercel-labs，通過 skills.sh 分發URL: https://skills.sh/[11]說明: skills.sh 公佈的安裝量約 41.8 萬次，是該平台的第一名。本身不解決具體編碼問題，但提供跨 18 種 agent 的發現與安裝入口。裝上之後，搜索其他 skill、查看安裝量數據都在 agent 內部完成。屬於基礎設施層。安裝:npx skills add find-skills10. superpowers 三件套 —— 約束默認行為的方法論來源: obra/superpowers（社區項目）URL: https://github.com/obra/superpowers[12]說明: 包含 brainstorming、test-driven-development、systematic-debugging 三個偏方法論的 skill，分別約束編碼前的需求探索、測試編寫順序、調試時的假設-驗證循環。它們解決的是 agent 默認行為裏的常見問題：跳過設計直接寫代碼、跳過測試、調試時隨機改代碼。OpenAI Codex 的默認 .codex/skills/ 已包含同名實現，可見社區認可度。安裝:/plugin marketplace add obra/superpowers/plugin install superpowers@obra-superpowers一鍵安裝腳本把上述十項按平台分組，可以分四步完成：# Step 1: Anthropic 官方（含 #1, #2, #3, #4）—— 在 Claude Code 內執行/plugin marketplace add anthropics/skills/plugin install example-skills@anthropic-agent-skills# Step 2: OpenAI 官方（含 #5, #6, #7, #8）—— 在 Codex 內執行$skill-installer gh-fix-ci gh-address-comments playwright playwright-interactive security-best-practices security-threat-model# Step 3: 生態入口（含 #9）—— 任意終端npx skills add find-skills# Step 4: 方法論三件套（含 #10）—— 在 Claude Code 內執行/plugin marketplace add obra/superpowers工作流位置一覽為方便對照實際開發鏈路，把十項 skill 映射到工作流環節：環節推薦 skill需求探索與設計#10 brainstorming編碼前規範#1 skill-creator（沉澱團隊規範）編碼（接入系統）#2 mcp-builder編碼（前端 UI）#4 frontend-design測試用例編寫#3 webapp-testing、#10 test-driven-development瀏覽器調試與運行#7 playwright / playwright-interactive安全審計#8 security 系列CI 與 PR 評審#5 gh-fix-ci、#6 gh-address-comments調試#10 systematic-debugging跨 agent 發現新 skill#9 find-skills結語這份名單的取捨邏輯可以歸納為一句話：優先選擇官方收錄、跨平台兼容、且解決 agent 默認行為缺陷的 skill。Anthropic 和 OpenAI 都已圍繞 agentskills.io[13] 開放規範展開協作，上述 skill 在 Claude Code、Codex、Cursor 之間理論上可以無縫遷移。對開發團隊而言，更現實的做法是先安裝這十項作為基線，再用 #9 find-skills 在生態中按項目需求按需擴充。skill 系統真正的價值不在數量，而在於它把"和 AI 協作的方式"從一次性提示變成可版本化、可分享、可演進的工程資產。這一點，比挑哪十個更重要。Skills 相關資源推薦Cursor Team Kit 官方發佈，團隊使用 Cursor 最佳實踐完全公開：17 Skills、1 Agent、2 Rules大前端 AI Native 開發三端基礎設施：Android Skills、iOS/MacOS Use Cases 與 Chrome DevTools MCP 技術解析2026 企業級 AI 編程實踐手冊：上下文工程、Skills(Top10)、Spec、MCP(Top10)、Rules、智能體，AI 開發 AI測試驅動的 Agent Skills 工程化構建迭代指南：基於 Anthropic/OpenAI Skill Creator 官方實踐的落地方法論打工人效率提升 Skills 推薦：研發、設計、產品、HR、財務、市場、運營等精選 SKills Top3，附通用 Top10深度解讀 OpenAI 與 Anthropic 的前端設計 Skills：讓所有人做出頂級設計感的專業級網站Referenceshttps://github.com/anthropics/skills/tree/main/skills/skill-creator: https://github.com/anthropics/skills/tree/main/skills/skill-creatorhttps://github.com/openai/skills/tree/main/skills/.system/skill-creator: https://github.com/openai/skills/tree/main/skills/.system/skill-creatorhttps://github.com/anthropics/skills/tree/main/skills/mcp-builder: https://github.com/anthropics/skills/tree/main/skills/mcp-builderhttps://github.com/anthropics/skills/tree/main/skills/webapp-testing: https://github.com/anthropics/skills/tree/main/skills/webapp-testinghttps://github.com/anthropics/skills/tree/main/skills/frontend-design: https://github.com/anthropics/skills/tree/main/skills/frontend-designhttps://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci: https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-cihttps://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments: https://github.com/openai/skills/tree/main/skills/.curated/gh-address-commentshttps://github.com/openai/skills/tree/main/skills/.curated/playwright: https://github.com/openai/skills/tree/main/skills/.curated/playwrighthttps://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive: https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactivehttps://github.com/openai/skills/tree/main/skills/.curated/: https://github.com/openai/skills/tree/main/skills/.curated/https://skills.sh/: https://skills.sh/https://github.com/obra/superpowers: https://github.com/obra/superpowersagentskills.io: https://agentskills.io

整理版摘要

一份基於 Anthropic、OpenAI 官方資源與 Skills.sh、Clawhub、Github 開源項目等 Skills 安裝數據的客觀篩選，讓開發者可以在數十萬 Agent Skills 中快速找到最有用的 10 個，一次裝好！引言2025 年下半年 Anthropic 把 Claude Skills 正式發佈為 Agent Skills 公開標準後，Anthropic Claude Code 與 OpenAI Codex、Cursor、OpenCode 等 AI Agents 先後把 "Agent Skills" 推到了 AI Coding Agents 的核心位置。

它的形態非常簡單：一個文件夾，包含一份 SKILL.md 和若干腳本資源；它的作用卻很關鍵——把"模型默認行為"約束成"可復現的工作流"。到 2026 年 4 月，公開註冊表已收錄數十萬個 skill，僅 skills.sh 一家平台的累計安裝量就超過 85 萬次。在這種數量級下，如何挑選真正有價值的 skill 成了實際問題。

今天咱們聚焦軟件開發場景，從 Anthropic 和 OpenAI 兩家模型廠商的官方倉庫出發，疊加 Skills.sh、Clawhub、Github 的安裝量數據與社區共識，篩選出 10 項最值得納入日常工作流的 skill。每一項都給出它解決什麼問題、與替代方案的差別，同埋安裝方式與官方連結。篩選方法為了避免…

  • 數十萬 Agent Skills 之中，開發者真正需要的 10 個：…
  • 數十萬 Agent Skills 之中，開發者真正需要的 10 個：…
  • 數十萬 Agent Skills 之中，開發者真正需要的 10 個：…
  • 數十萬 Agent Skills 之中，開發者真正需要的 10 個：…
  • 數十萬 Agent Skills 之中，開發者真正需要的 10 個：…
值得記低
Skill github.com

可記低 Skill

一份基於 Anthropic、OpenAI 官方資源與 Skills.sh、Clawhub、Github 開源項目等 Skills 安裝數據的客觀篩選，讓開發者可以在數十萬 Agent Skills 中快速找到最有用的 10 個，一次裝好！…

開啟
結構示例

結構示例

結構示例 text 
# Step 1: Anthropic 官方（含 #1, #2, #3, #4）—— 在 Claude Code 內執行/plugin marketplace add anthropics/skills/plugin install example-skills@anthropic-agent-skills# Step 2: OpenAI 官方（含 #5, #6, #7, #8）—— 在 Codex 內執行$skill-installer gh-fix-ci gh-address-comments playwright playwright-interactive security-best-practices security-threat-model# Step 3: 生態入口（含 #9）—— 任意終端npx skills add find-skills# Step 4: 方法論三件套（含 #10）—— 在 Claude Code 內執行/plugin marketplace add obra/superpowers
整理重點

整理版

一份基於 Anthropic、OpenAI 官方資源與 Skills.sh、Clawhub、Github 開源項目等 Skills 安裝數據的客觀篩選，讓開發者可以在數十萬 Agent Skills 中快速找到最有用的 10 個，一次裝好！引言2025 年下半年 Anthropic 把 Claude Skills 正式發佈為 Agent Skills 公開標準後，Anthropic Claude Code 與 OpenAI Codex、Cursor、OpenCode 等 AI Agents 先後把 "Agent Skills" 推到了 AI Coding Agents 的核心位置。它的形態非常簡單：一個文件夾，包含一份 SKILL.md 和若干腳本資源；它的作用卻很關鍵——把"模型默認行為"約束成"可復現的工作流"。到 2026 年 4 月，公開註冊表已收錄數十萬個 skill，僅 skills.sh 一家平台的累計安裝量就超過 85 萬次。在這種數量級下，如何挑選真正有價值的 skill 成了實際問題。今天咱們聚焦軟件開發場景，從 Anthropic 和 OpenAI 兩家模型廠商的官方倉庫出發，疊加 Skills.sh、Clawhub、Github 的安裝量數據與社區共識，篩選出 10 項最值得納入日常工作流的 skill。每一項都給出它解決什麼問題、與替代方案的差別，以及安裝方式與官方連結。篩選方法為了避免"按 GitHub stars 一刀切"帶來的偏差，本次篩選綜合了四個信號：信號數據源作用官方收錄anthropics/skills（128.9K stars）、openai/skills/.curated反映廠商對工作流的官方建議實際安裝量skills.sh 和 clawhub 等匿名遙測反映真實使用度而非收藏熱度跨平台兼容agentskills.io 開放規範一份 skill 能跨 Claude Code / Codex / Cursor 複用工作流覆蓋是否落在"設計 → 編碼 → 測試 → 評審 → 合併"鏈條上避免選出彼此功能重疊的項需要先澄清一個常見誤解：skill 與 MCP server 是互補關係。前者描述"怎麼做"，後者提供"做什麼的能力"。下文 #3、#7 通常需要配合 Playwright MCP 才能執行真實操作。十項推薦1. skill-creator —— 編寫 skill 的基礎工具來源: Anthropic 與 OpenAI 官方倉庫均收錄https://github.com/anthropics/skills/tree/main/skills/skill-creator[1]https://github.com/openai/skills/tree/main/skills/.system/skill-creator[2]說明: 包含 SKILL.md 模板、frontmatter 校驗、目錄約定。兩家廠商各自維護一份，意味着它在各自的 agent 內部已是默認依賴。先掌握它，團隊內部的方法論沉澱才有統一格式。安裝:/plugin marketplace add anthropics/skills/plugin install example-skills@anthropic-agent-skillsCodex 已隨版本自動安裝，無需手動操作。2. mcp-builder —— 生成符合規範的 MCP server來源: anthropics/skillsURL: https://github.com/anthropics/skills/tree/main/skills/mcp-builder[3]說明: 生成符合 Model Context Protocol 規範的 server 骨架，包括 JSON-RPC 處理、tool/resource 註冊、stdio/SSE 傳輸配置。手寫這部分代碼容易在 schema 校驗和錯誤碼上踩坑，由 Anthropic 維護可以跟隨協議演進。適合需要把內部系統接入 Claude / Cursor / Codex 的團隊。安裝: 同 #1。3. webapp-testing —— Playwright 測試編寫方法論來源: anthropics/skillsURL: https://github.com/anthropics/skills/tree/main/skills/webapp-testing[4]說明: 在 Playwright 之上提供測試編寫順序、selector 選擇策略、斷言模式。和直接調用 Playwright MCP 的差別在於：MCP 提供"操作瀏覽器的能力"，這個 skill 提供"寫出可維護測試的方法"。兩者通常配合使用。安裝: 同 #1。4. frontend-design —— 收斂風格選擇的預設庫來源: anthropics/skillsURL: https://github.com/anthropics/skills/tree/main/skills/frontend-design[5]說明: 內置 50 種視覺風格、調色板與字體配對的預設。skills.sh 數據顯示其安裝量約 12.4 萬次，在前端類 skill 中排名靠前。主要價值在於把"風格選擇"從開放問題收斂成有限選項，輸出的 UI 不容易出現常見的 AI 通用感。安裝: 同 #1。5. gh-fix-ci —— 處理 CI 失敗的標準流程來源: openai/skills/.curatedURL: https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci[6]說明: 處理 GitHub Actions 失敗的標準流程：拉取日誌、定位失敗 step、讀取相關文件、提交修復 commit。OpenAI 把它放進 curated 名單意味着推薦作為日常工作流的默認項。對長期維護的項目尤其有用，省去人工排查 CI 日誌的時間。安裝:$skill-installer gh-fix-ci6. gh-address-comments —— 系統化處理 PR 評審來源: openai/skills/.curatedURL: https://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments[7]說明: 拉取 PR 評論並按文件與位置分類，逐條修改後回覆 reviewer。和 gh-fix-ci 配合形成"提 PR — 過 CI — 處理評審 — 合併"的完整鏈路。OpenAI 也把它作為 skill 系統的入門示範。安裝:$skill-installer gh-address-comments7. playwright 與 playwright-interactive —— 瀏覽器自動化的兩種取向來源: openai/skills/.curatedhttps://github.com/openai/skills/tree/main/skills/.curated/playwright[8]https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive[9]說明: OpenAI 維護的瀏覽器自動化指引。playwright 適合無人值守的腳本任務，playwright-interactive 在每一步暫停等待人工確認，適合調試複雜登錄流程或交互式 SPA。和 #3 的 Anthropic webapp-testing 取向不同：後者偏測試用例編寫，這兩個偏運行時操作。安裝:$skill-installer playwright$skill-installer playwright-interactive8. security-best-practices 系列 —— 安全審計三件套來源: openai/skills/.curatedURL: https://github.com/openai/skills/tree/main/skills/.curated/[10]說明: OpenAI 一次性發布的三個安全相關 skill，分別覆蓋編碼規範、威脅建模（STRIDE 類）、代碼所有權審計。AI 生成代碼在輸入校驗和密鑰處理上的常見漏洞由這套清單兜底，比依賴模型自身的安全意識更可靠。安裝:$skill-installer security-best-practices$skill-installer security-threat-model$skill-installer security-ownership-map9. find-skills —— 跨 agent 的發現與安裝入口來源: vercel-labs，通過 skills.sh 分發URL: https://skills.sh/[11]說明: skills.sh 公佈的安裝量約 41.8 萬次，是該平台的第一名。本身不解決具體編碼問題，但提供跨 18 種 agent 的發現與安裝入口。裝上之後，搜索其他 skill、查看安裝量數據都在 agent 內部完成。屬於基礎設施層。安裝:npx skills add find-skills10. superpowers 三件套 —— 約束默認行為的方法論來源: obra/superpowers（社區項目）URL: https://github.com/obra/superpowers[12]說明: 包含 brainstorming、test-driven-development、systematic-debugging 三個偏方法論的 skill，分別約束編碼前的需求探索、測試編寫順序、調試時的假設-驗證循環。它們解決的是 agent 默認行為裏的常見問題：跳過設計直接寫代碼、跳過測試、調試時隨機改代碼。OpenAI Codex 的默認 .codex/skills/ 已包含同名實現，可見社區認可度。安裝:/plugin marketplace add obra/superpowers/plugin install superpowers@obra-superpowers一鍵安裝腳本把上述十項按平台分組，可以分四步完成：# Step 1: Anthropic 官方（含 #1, #2, #3, #4）—— 在 Claude Code 內執行/plugin marketplace add anthropics/skills/plugin install example-skills@anthropic-agent-skills# Step 2: OpenAI 官方（含 #5, #6, #7, #8）—— 在 Codex 內執行$skill-installer gh-fix-ci gh-address-comments playwright playwright-interactive security-best-practices security-threat-model# Step 3: 生態入口（含 #9）—— 任意終端npx skills add find-skills# Step 4: 方法論三件套（含 #10）—— 在 Claude Code 內執行/plugin marketplace add obra/superpowers工作流位置一覽為方便對照實際開發鏈路，把十項 skill 映射到工作流環節：環節推薦 skill需求探索與設計#10 brainstorming編碼前規範#1 skill-creator（沉澱團隊規範）編碼（接入系統）#2 mcp-builder編碼（前端 UI）#4 frontend-design測試用例編寫#3 webapp-testing、#10 test-driven-development瀏覽器調試與運行#7 playwright / playwright-interactive安全審計#8 security 系列CI 與 PR 評審#5 gh-fix-ci、#6 gh-address-comments調試#10 systematic-debugging跨 agent 發現新 skill#9 find-skills結語這份名單的取捨邏輯可以歸納為一句話：優先選擇官方收錄、跨平台兼容、且解決 agent 默認行為缺陷的 skill。Anthropic 和 OpenAI 都已圍繞 agentskills.io[13] 開放規範展開協作，上述 skill 在 Claude Code、Codex、Cursor 之間理論上可以無縫遷移。對開發團隊而言，更現實的做法是先安裝這十項作為基線，再用 #9 find-skills 在生態中按項目需求按需擴充。skill 系統真正的價值不在數量，而在於它把"和 AI 協作的方式"從一次性提示變成可版本化、可分享、可演進的工程資產。這一點，比挑哪十個更重要。Skills 相關資源推薦Cursor Team Kit 官方發佈，團隊使用 Cursor 最佳實踐完全公開：17 Skills、1 Agent、2 Rules大前端 AI Native 開發三端基礎設施：Android Skills、iOS/MacOS Use Cases 與 Chrome DevTools MCP 技術解析2026 企業級 AI 編程實踐手冊：上下文工程、Skills(Top10)、Spec、MCP(Top10)、Rules、智能體，AI 開發 AI測試驅動的 Agent Skills 工程化構建迭代指南：基於 Anthropic/OpenAI Skill Creator 官方實踐的落地方法論打工人效率提升 Skills 推薦：研發、設計、產品、HR、財務、市場、運營等精選 SKills Top3，附通用 Top10深度解讀 OpenAI 與 Anthropic 的前端設計 Skills：讓所有人做出頂級設計感的專業級網站Referenceshttps://github.com/anthropics/skills/tree/main/skills/skill-creator: https://github.com/anthropics/skills/tree/main/skills/skill-creatorhttps://github.com/openai/skills/tree/main/skills/.system/skill-creator: https://github.com/openai/skills/tree/main/skills/.system/skill-creatorhttps://github.com/anthropics/skills/tree/main/skills/mcp-builder: https://github.com/anthropics/skills/tree/main/skills/mcp-builderhttps://github.com/anthropics/skills/tree/main/skills/webapp-testing: https://github.com/anthropics/skills/tree/main/skills/webapp-testinghttps://github.com/anthropics/skills/tree/main/skills/frontend-design: https://github.com/anthropics/skills/tree/main/skills/frontend-designhttps://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci: https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-cihttps://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments: https://github.com/openai/skills/tree/main/skills/.curated/gh-address-commentshttps://github.com/openai/skills/tree/main/skills/.curated/playwright: https://github.com/openai/skills/tree/main/skills/.curated/playwrighthttps://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive: https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactivehttps://github.com/openai/skills/tree/main/skills/.curated/: https://github.com/openai/skills/tree/main/skills/.curated/https://skills.sh/: https://skills.sh/https://github.com/obra/superpowers: https://github.com/obra/superpowersagentskills.io: https://agentskills.io

一個基於 Anthropic、OpenAI 官方資源同 Skills.sh、Clawhub、Github 開源項目等 Skills 安裝數據嘅客觀篩選，等開發者可以喺幾十萬個 Agent Skills 入面快脆揾到最有用嘅 10 個，一次過裝好！

引言

2025 年下半年 Anthropic 將 Claude Skills 正式發佈為 Agent Skills 公開標準之後，Anthropic Claude Code 同 OpenAI Codex、Cursor、OpenCode 呢啲 AI Agents 先後將 "Agent Skills" 推咗去 AI Coding Agents 嘅核心位置。佢嘅形態好簡單：一個文件夾，包含一份 SKILL.md 同若干腳本資源；但係佢嘅作用就好關鍵——將「模型默認行為」約束成「可重現嘅工作流程」。

到咗 2026 年 4 月，公開註冊表已經收錄咗幾十萬個 skill，淨係 skills.sh 一個平台嘅累計安裝量已經超過 85 萬次。喺呢個數量級之下，點樣揀出真正有價值嘅 skill 就變成咗實際問題。

今日我哋集中喺軟件開發場景，由 Anthropic 同 OpenAI 兩間模型廠商嘅官方倉庫出發，再加上 Skills.sh、Clawhub、Github 嘅安裝量數據同社區共識，篩選出 10 項最值得納入日常工作流程嘅 skill。每一項都會畀出佢解決啲咩問題、同替代方案嘅分別，以及安裝方式同官方連結。

篩選方法

為咗避免「按 GitHub stars 一刀切」帶嚟嘅偏差，今次篩選綜合咗四個信號：

信號數據源作用
官方收錄anthropics/skills（128.9K stars）、openai/skills/.curated反映廠商對工作流程嘅官方建議
實際安裝量skills.sh 同 clawhub 等匿名遙測反映真實使用度而唔係收藏熱度
跨平台兼容agentskills.io 開放規範一個 skill 可以喺 Claude Code / Codex / Cursor 重複使用
工作流程覆蓋係唔係喺「設計 → 編碼 → 測試 → 評審 → 合併」呢條鏈上面避免揀咗啲功能重疊嘅項

需要先澄清一個常見誤解：skill 同 MCP server 係互補關係前者描述「點樣做」，後者提供「做啲咩嘅能力」。下面 #3、#7 通常要配合 Playwright MCP 先可以執行真實操作。

十項推薦

1. skill-creator —— 編寫 skill 嘅基礎工具

來源: Anthropic 同 OpenAI 官方倉庫都有收錄

  • https://github.com/anthropics/skills/tree/main/skills/skill-creator[1]
  • https://github.com/openai/skills/tree/main/skills/.system/skill-creator[2]

說明: 包括 SKILL.md 模板、frontmatter 校驗、目錄約定。兩間廠商各自維護一份，即係話呢個喺佢哋各自嘅 agent 入面已經係默認依賴。先掌握佢，團隊內部嘅方法論沉澱先有統一格式。

安裝:

/plugin marketplace add anthropics/skills
/plugin install example-skills@anthropic-agent-skills

Codex 已經跟隨版本自動安裝咗，唔使手動操作。

2. mcp-builder —— 生成符合規範嘅 MCP server

來源: anthropics/skills

URL: https://github.com/anthropics/skills/tree/main/skills/mcp-builder[3]

說明: 生成符合 Model Context Protocol 規範嘅 server 骨架，包括 JSON-RPC 處理、tool/resource 註冊、stdio/SSE 傳輸配置。手寫呢部分代碼好容易喺 schema 校驗同錯誤碼上踩坑，由 Anthropic 維護可以跟隨協議演進。適合需要將內部系統接入 Claude / Cursor / Codex 嘅團隊。

安裝: 同 #1。

3. webapp-testing —— Playwright 測試編寫方法論

來源: anthropics/skills

URL: https://github.com/anthropics/skills/tree/main/skills/webapp-testing[4]

說明: 喺 Playwright 之上提供測試編寫順序、selector 選擇策略、斷言模式。同直接調用 Playwright MCP 嘅分別在於：MCP 提供「操作瀏覽器嘅能力」，呢個 skill 提供「寫出可維護測試嘅方法」。兩者通常配合使用。

安裝: 同 #1。

4. frontend-design —— 收斂風格選擇嘅預設庫

來源: anthropics/skills

URL: https://github.com/anthropics/skills/tree/main/skills/frontend-design[5]

說明: 內置 50 種視覺風格、調色板同字體配對嘅預設。skills.sh 數據顯示佢嘅安裝量大約 12.4 萬次，喺前端類 skill 入面排名前列。主要價值在於將「風格選擇」由開放問題收斂成有限選項，輸出嘅 UI 唔容易出現常見嘅 AI 通用感。

安裝: 同 #1。

5. gh-fix-ci —— 處理 CI 失敗嘅標準流程

來源: openai/skills/.curated

URL: https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci[6]

說明: 處理 GitHub Actions 失敗嘅標準流程：拉取日誌、定位失敗 step、讀取相關文件、提交修復 commit。OpenAI 將佢放入 curated 名單即係推薦作為日常工作流程嘅默認項。對長期維護嘅項目尤其有用，慳返人工排查 CI 日誌嘅時間。

安裝:

$skill-installer gh-fix-ci

6. gh-address-comments —— 系統化處理 PR 評審

來源: openai/skills/.curated

URL: https://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments[7]

說明: 拉取 PR 評論並按文件同位置分類，逐條修改後回覆 reviewer。同 gh-fix-ci 配合形成「提 PR — 過 CI — 處理評審 — 合併」嘅完整鏈路。OpenAI 都將佢作為 skill 系統嘅入門示範。

安裝:

$skill-installer gh-address-comments

7. playwright 與 playwright-interactive —— 瀏覽器自動化嘅兩種取向

來源: openai/skills/.curated

  • https://github.com/openai/skills/tree/main/skills/.curated/playwright[8]
  • https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive[9]

說明: OpenAI 維護嘅瀏覽器自動化指引。playwright 適合無人值守嘅腳本任務，playwright-interactive 喺每一步暫停等人工確認，適合調試複雜登錄流程或者交互式 SPA。同 #3 嘅 Anthropic webapp-testing 取向唔同：後者偏測試用例編寫，呢兩個偏運行時操作。

安裝:

$skill-installer playwright
$skill-installer playwright-interactive

8. security-best-practices 系列 —— 安全審計三件套

來源: openai/skills/.curated

URL: https://github.com/openai/skills/tree/main/skills/.curated/[10]

說明: OpenAI 一次性發佈嘅三個安全相關 skill，分別覆蓋編碼規範、威脅建模（STRIDE 類）、代碼所有權審計。AI 生成代碼喺輸入校驗同金鑰處理上嘅常見漏洞由呢套清單兜底，比依賴模型自身嘅安全意識更加可靠。

安裝:

$skill-installer security-best-practices
$skill-installer security-threat-model
$skill-installer security-ownership-map

9. find-skills —— 跨 agent 嘅發現同安裝入口

來源: vercel-labs，通過 skills.sh 分發

URL: https://skills.sh/[11]

說明: skills.sh 公佈嘅安裝量大約 41.8 萬次，係該平台嘅第一名。本身唔解決具體編碼問題，但係提供跨 18 種 agent 嘅發現同安裝入口。裝咗之後，搜尋其他 skill、睇安裝量數據都喺 agent 內部完成。屬於基礎設施層。

安裝:

npx skills add find-skills

10. superpowers 三件套 —— 約束默認行為嘅方法論

來源: obra/superpowers（社區項目）

URL: https://github.com/obra/superpowers[12]

說明: 包含 brainstorming、test-driven-development、systematic-debugging 三個偏方法論嘅 skill，分別約束編碼前嘅需求探索、測試編寫順序、調試時嘅假設-驗證循環。佢哋解決嘅係 agent 默認行為入面嘅常見問題：跳過設計直接寫代碼、跳過測試、調試時隨機改代碼。OpenAI Codex 嘅默認 .codex/skills/ 已經包含同名實現，可見社區認可度。

安裝:

/plugin marketplace add obra/superpowers
/plugin install superpowers@obra-superpowers

一鍵安裝腳本

將上述十項按平台分組，可以分四步完成：

# Step 1: Anthropic 官方（含 #1, #2, #3, #4）—— 在 Claude Code 內執行
/plugin marketplace add anthropics/skills
/plugin install example-skills@anthropic-agent-skills

# Step 2: OpenAI 官方（含 #5, #6, #7, #8）—— 在 Codex 內執行
$skill-installer gh-fix-ci gh-address-comments playwright playwright-interactive security-best-practices security-threat-model

# Step 3: 生態入口（含 #9）—— 任意終端
npx skills add find-skills

# Step 4: 方法論三件套（含 #10）—— 在 Claude Code 內執行
/plugin marketplace add obra/superpowers

工作流程位置一覽

為方便對照實際開發鏈路，將十項 skill 映射到工作流程環節：

環節推薦 skill
需求探索與設計#10 brainstorming
編碼前規範#1 skill-creator（沉澱團隊規範）
編碼（接入系統）#2 mcp-builder
編碼（前端 UI）#4 frontend-design
測試用例編寫#3 webapp-testing、#10 test-driven-development
瀏覽器調試與運行#7 playwright / playwright-interactive
安全審計#8 security 系列
CI 與 PR 評審#5 gh-fix-ci、#6 gh-address-comments
調試#10 systematic-debugging
跨 agent 發現新 skill#9 find-skills

結語

呢份名單嘅取捨邏輯可以歸納為一句話：優先選擇官方收錄、跨平台兼容、而且解決 agent 默認行為缺陷嘅 skill。

Anthropic 同 OpenAI 都已經圍繞 agentskills.io[13] 開放規範展開協作，上述 skill 喺 Claude Code、Codex、Cursor 之間理論上可以無縫遷移。對開發團隊嚟講，更現實嘅做法係先安裝呢十項作為基線，再用 #9 find-skills 喺生態入面按項目需求按需擴充。

skill 系統真正嘅價值唔在於數量，而在於佢將「同 AI 協作嘅方式」由一次性提示變成可版本化、可分享、可演進嘅工程資產。呢一點，比揀邊十個更加重要。

Skills 相關資源推薦

Cursor Team Kit 官方發佈，團隊使用 Cursor 最佳實踐完全公開：17 Skills、1 Agent、2 Rules

大前端 AI Native 開發三端基礎設施：Android Skills、iOS/MacOS Use Cases 與 Chrome DevTools MCP 技術解析

2026 企業級 AI 編程實踐手冊：上下文工程、Skills(Top10)、Spec、MCP(Top10)、Rules、智能體，AI 開發 AI

測試驅動的 Agent Skills 工程化構建迭代指南：基於 Anthropic/OpenAI Skill Creator 官方實踐的落地方法論

打工人效率提升 Skills 推薦：研發、設計、產品、HR、財務、市場、運營等精選 SKills Top3，附通用 Top10

深度解讀 OpenAI 與 Anthropic 的前端設計 Skills：讓所有人做出頂級設計感的專業級網站

References

  1. https://github.com/anthropics/skills/tree/main/skills/skill-creator: https://github.com/anthropics/skills/tree/main/skills/skill-creator
  2. https://github.com/openai/skills/tree/main/skills/.system/skill-creator: https://github.com/openai/skills/tree/main/skills/.system/skill-creator
  3. https://github.com/anthropics/skills/tree/main/skills/mcp-builder: https://github.com/anthropics/skills/tree/main/skills/mcp-builder
  4. https://github.com/anthropics/skills/tree/main/skills/webapp-testing: https://github.com/anthropics/skills/tree/main/skills/webapp-testing
  5. https://github.com/anthropics/skills/tree/main/skills/frontend-design: https://github.com/anthropics/skills/tree/main/skills/frontend-design
  6. https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci: https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci
  7. https://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments: https://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments
  8. https://github.com/openai/skills/tree/main/skills/.curated/playwright: https://github.com/openai/skills/tree/main/skills/.curated/playwright
  9. https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive: https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive
  10. https://github.com/openai/skills/tree/main/skills/.curated/: https://github.com/openai/skills/tree/main/skills/.curated/
  11. https://skills.sh/: https://skills.sh/
  12. https://github.com/obra/superpowers: https://github.com/obra/superpowers
  13. agentskills.io: https://agentskills.io

一份基於 Anthropic、OpenAI 官方資源與 Skills.sh、Clawhub、Github 開源項目等 Skills 安裝數據的客觀篩選，讓開發者可以在數十萬 Agent Skills 中快速找到最有用的 10 個，一次裝好！

引言

2025 年下半年 Anthropic 把 Claude Skills 正式發佈為 Agent Skills 公開標準後，Anthropic Claude Code 與 OpenAI Codex、Cursor、OpenCode 等 AI Agents 先後把 "Agent Skills" 推到了 AI Coding Agents 的核心位置。它的形態非常簡單：一個文件夾，包含一份 SKILL.md 和若干腳本資源；它的作用卻很關鍵——把"模型默認行為"約束成"可復現的工作流"。

到 2026 年 4 月，公開註冊表已收錄數十萬個 skill，僅 skills.sh 一家平台的累計安裝量就超過 85 萬次。在這種數量級下，如何挑選真正有價值的 skill 成了實際問題。

今天咱們聚焦軟件開發場景，從 Anthropic 和 OpenAI 兩家模型廠商的官方倉庫出發，疊加 Skills.sh、Clawhub、Github 的安裝量數據與社區共識，篩選出 10 項最值得納入日常工作流的 skill。每一項都給出它解決什麼問題、與替代方案的差別，以及安裝方式與官方連結。

篩選方法

為了避免"按 GitHub stars 一刀切"帶來的偏差，本次篩選綜合了四個信號：

信號數據源作用
官方收錄anthropics/skills（128.9K stars）、openai/skills/.curated反映廠商對工作流的官方建議
實際安裝量skills.sh 和 clawhub 等匿名遙測反映真實使用度而非收藏熱度
跨平台兼容agentskills.io 開放規範一份 skill 能跨 Claude Code / Codex / Cursor 複用
工作流覆蓋是否落在"設計 → 編碼 → 測試 → 評審 → 合併"鏈條上避免選出彼此功能重疊的項

需要先澄清一個常見誤解：skill 與 MCP server 是互補關係。前者描述"怎麼做"，後者提供"做什麼的能力"。下文 #3、#7 通常需要配合 Playwright MCP 才能執行真實操作。

十項推薦

1. skill-creator —— 編寫 skill 的基礎工具

來源: Anthropic 與 OpenAI 官方倉庫均收錄

  • https://github.com/anthropics/skills/tree/main/skills/skill-creator[1]
  • https://github.com/openai/skills/tree/main/skills/.system/skill-creator[2]

說明: 包含 SKILL.md 模板、frontmatter 校驗、目錄約定。兩家廠商各自維護一份，意味着它在各自的 agent 內部已是默認依賴。先掌握它，團隊內部的方法論沉澱才有統一格式。

安裝:

/plugin marketplace add anthropics/skills
/plugin install example-skills@anthropic-agent-skills

Codex 已隨版本自動安裝，無需手動操作。

2. mcp-builder —— 生成符合規範的 MCP server

來源: anthropics/skills

URL: https://github.com/anthropics/skills/tree/main/skills/mcp-builder[3]

說明: 生成符合 Model Context Protocol 規範的 server 骨架，包括 JSON-RPC 處理、tool/resource 註冊、stdio/SSE 傳輸配置。手寫這部分代碼容易在 schema 校驗和錯誤碼上踩坑，由 Anthropic 維護可以跟隨協議演進。適合需要把內部系統接入 Claude / Cursor / Codex 的團隊。

安裝: 同 #1。

3. webapp-testing —— Playwright 測試編寫方法論

來源: anthropics/skills

URL: https://github.com/anthropics/skills/tree/main/skills/webapp-testing[4]

說明: 在 Playwright 之上提供測試編寫順序、selector 選擇策略、斷言模式。和直接調用 Playwright MCP 的差別在於：MCP 提供"操作瀏覽器的能力"，這個 skill 提供"寫出可維護測試的方法"。兩者通常配合使用。

安裝: 同 #1。

4. frontend-design —— 收斂風格選擇的預設庫

來源: anthropics/skills

URL: https://github.com/anthropics/skills/tree/main/skills/frontend-design[5]

說明: 內置 50 種視覺風格、調色板與字體配對的預設。skills.sh 數據顯示其安裝量約 12.4 萬次，在前端類 skill 中排名靠前。主要價值在於把"風格選擇"從開放問題收斂成有限選項，輸出的 UI 不容易出現常見的 AI 通用感。

安裝: 同 #1。

5. gh-fix-ci —— 處理 CI 失敗的標準流程

來源: openai/skills/.curated

URL: https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci[6]

說明: 處理 GitHub Actions 失敗的標準流程：拉取日誌、定位失敗 step、讀取相關文件、提交修復 commit。OpenAI 把它放進 curated 名單意味着推薦作為日常工作流的默認項。對長期維護的項目尤其有用，省去人工排查 CI 日誌的時間。

安裝:

$skill-installer gh-fix-ci

6. gh-address-comments —— 系統化處理 PR 評審

來源: openai/skills/.curated

URL: https://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments[7]

說明: 拉取 PR 評論並按文件與位置分類，逐條修改後回覆 reviewer。和 gh-fix-ci 配合形成"提 PR — 過 CI — 處理評審 — 合併"的完整鏈路。OpenAI 也把它作為 skill 系統的入門示範。

安裝:

$skill-installer gh-address-comments

7. playwright 與 playwright-interactive —— 瀏覽器自動化的兩種取向

來源: openai/skills/.curated

  • https://github.com/openai/skills/tree/main/skills/.curated/playwright[8]
  • https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive[9]

說明: OpenAI 維護的瀏覽器自動化指引。playwright 適合無人值守的腳本任務，playwright-interactive 在每一步暫停等待人工確認，適合調試複雜登錄流程或交互式 SPA。和 #3 的 Anthropic webapp-testing 取向不同：後者偏測試用例編寫，這兩個偏運行時操作。

安裝:

$skill-installer playwright
$skill-installer playwright-interactive

8. security-best-practices 系列 —— 安全審計三件套

來源: openai/skills/.curated

URL: https://github.com/openai/skills/tree/main/skills/.curated/[10]

說明: OpenAI 一次性發布的三個安全相關 skill，分別覆蓋編碼規範、威脅建模（STRIDE 類）、代碼所有權審計。AI 生成代碼在輸入校驗和密鑰處理上的常見漏洞由這套清單兜底，比依賴模型自身的安全意識更可靠。

安裝:

$skill-installer security-best-practices
$skill-installer security-threat-model
$skill-installer security-ownership-map

9. find-skills —— 跨 agent 的發現與安裝入口

來源: vercel-labs，通過 skills.sh 分發

URL: https://skills.sh/[11]

說明: skills.sh 公佈的安裝量約 41.8 萬次，是該平台的第一名。本身不解決具體編碼問題，但提供跨 18 種 agent 的發現與安裝入口。裝上之後，搜索其他 skill、查看安裝量數據都在 agent 內部完成。屬於基礎設施層。

安裝:

npx skills add find-skills

10. superpowers 三件套 —— 約束默認行為的方法論

來源: obra/superpowers（社區項目）

URL: https://github.com/obra/superpowers[12]

說明: 包含 brainstorming、test-driven-development、systematic-debugging 三個偏方法論的 skill，分別約束編碼前的需求探索、測試編寫順序、調試時的假設-驗證循環。它們解決的是 agent 默認行為裏的常見問題：跳過設計直接寫代碼、跳過測試、調試時隨機改代碼。OpenAI Codex 的默認 .codex/skills/ 已包含同名實現，可見社區認可度。

安裝:

/plugin marketplace add obra/superpowers
/plugin install superpowers@obra-superpowers

一鍵安裝腳本

把上述十項按平台分組，可以分四步完成：

# Step 1: Anthropic 官方（含 #1, #2, #3, #4）—— 在 Claude Code 內執行
/plugin marketplace add anthropics/skills
/plugin install example-skills@anthropic-agent-skills

# Step 2: OpenAI 官方（含 #5, #6, #7, #8）—— 在 Codex 內執行
$skill-installer gh-fix-ci gh-address-comments playwright playwright-interactive security-best-practices security-threat-model

# Step 3: 生態入口（含 #9）—— 任意終端
npx skills add find-skills

# Step 4: 方法論三件套（含 #10）—— 在 Claude Code 內執行
/plugin marketplace add obra/superpowers

工作流位置一覽

為方便對照實際開發鏈路，把十項 skill 映射到工作流環節：

環節推薦 skill
需求探索與設計#10 brainstorming
編碼前規範#1 skill-creator（沉澱團隊規範）
編碼（接入系統）#2 mcp-builder
編碼（前端 UI）#4 frontend-design
測試用例編寫#3 webapp-testing、#10 test-driven-development
瀏覽器調試與運行#7 playwright / playwright-interactive
安全審計#8 security 系列
CI 與 PR 評審#5 gh-fix-ci、#6 gh-address-comments
調試#10 systematic-debugging
跨 agent 發現新 skill#9 find-skills

結語

這份名單的取捨邏輯可以歸納為一句話：優先選擇官方收錄、跨平台兼容、且解決 agent 默認行為缺陷的 skill。

Anthropic 和 OpenAI 都已圍繞 agentskills.io[13] 開放規範展開協作，上述 skill 在 Claude Code、Codex、Cursor 之間理論上可以無縫遷移。對開發團隊而言，更現實的做法是先安裝這十項作為基線，再用 #9 find-skills 在生態中按項目需求按需擴充。

skill 系統真正的價值不在數量，而在於它把"和 AI 協作的方式"從一次性提示變成可版本化、可分享、可演進的工程資產。這一點，比挑哪十個更重要。

Skills 相關資源推薦

Cursor Team Kit 官方發佈，團隊使用 Cursor 最佳實踐完全公開：17 Skills、1 Agent、2 Rules

大前端 AI Native 開發三端基礎設施：Android Skills、iOS/MacOS Use Cases 與 Chrome DevTools MCP 技術解析

2026 企業級 AI 編程實踐手冊：上下文工程、Skills(Top10)、Spec、MCP(Top10)、Rules、智能體，AI 開發 AI

測試驅動的 Agent Skills 工程化構建迭代指南：基於 Anthropic/OpenAI Skill Creator 官方實踐的落地方法論

打工人效率提升 Skills 推薦：研發、設計、產品、HR、財務、市場、運營等精選 SKills Top3，附通用 Top10

深度解讀 OpenAI 與 Anthropic 的前端設計 Skills：讓所有人做出頂級設計感的專業級網站

References

  1. https://github.com/anthropics/skills/tree/main/skills/skill-creator: https://github.com/anthropics/skills/tree/main/skills/skill-creator
  2. https://github.com/openai/skills/tree/main/skills/.system/skill-creator: https://github.com/openai/skills/tree/main/skills/.system/skill-creator
  3. https://github.com/anthropics/skills/tree/main/skills/mcp-builder: https://github.com/anthropics/skills/tree/main/skills/mcp-builder
  4. https://github.com/anthropics/skills/tree/main/skills/webapp-testing: https://github.com/anthropics/skills/tree/main/skills/webapp-testing
  5. https://github.com/anthropics/skills/tree/main/skills/frontend-design: https://github.com/anthropics/skills/tree/main/skills/frontend-design
  6. https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci: https://github.com/openai/skills/tree/main/skills/.curated/gh-fix-ci
  7. https://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments: https://github.com/openai/skills/tree/main/skills/.curated/gh-address-comments
  8. https://github.com/openai/skills/tree/main/skills/.curated/playwright: https://github.com/openai/skills/tree/main/skills/.curated/playwright
  9. https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive: https://github.com/openai/skills/tree/main/skills/.curated/playwright-interactive
  10. https://github.com/openai/skills/tree/main/skills/.curated/: https://github.com/openai/skills/tree/main/skills/.curated/
  11. https://skills.sh/: https://skills.sh/
  12. https://github.com/obra/superpowers: https://github.com/obra/superpowers
  13. agentskills.io: https://agentskills.io