看完這篇,你的AI編程助手將脱胎換骨

作者:竇竇的AI工具庫
日期:2026年1月19日 上午1:48
來源:WeChat 原文

整理版優先睇

速讀 5 個重點 高亮

2025年AI編程新範式:用Skill打包工程經驗,讓AI寫出生產級代碼

整理版摘要

呢篇文章來自一位資深開發者,佢觀察到同樣用ClaudeCursor寫code,有人產出垃圾代碼,有人卻能寫出符合Vercel十年最佳實踐嘅生產級代碼。佢想解決嘅問題係:點解AI寫code嘅質量差距咁大?結論係關鍵唔在於prompt寫得更長或模型更貴,而在於有冇俾AI裝上「技能包」。

所謂Skill,唔係一般嘅提示詞模板,而係將真正嘅工程經驗——資深工程師嘅雷區、規範同模式——結構化打包成AI可以加載同遵循嘅能力模塊。佢比喻:Prompt似考前突擊嘅小抄,Skill似刻入骨嘅專業素養。當AI喺明確定義嘅Skill框架內工作時,唔再即興發揮,而係穩定、準確、可預期。

整體結論係:2025年AI編程嘅範式正從「話俾AI做咩」轉向「定義AI係咩」。未嚟最值錢嘅唔係識用AI嘅人,而係會「訓練」AI嘅人——唔係調參數,而係定義佢嘅能力邊界。作者建議即日就去GitHub揾適合自己技術棧嘅Skill,裝入編程Agent,感受差距。

  • Skill係結構化嘅工程經驗模塊,令AI穩定產出高質代碼,而非隨機發揮
  • Anthropic官方推出frontend-design Skill,專門解決AI寫UI「一眼假」問題
  • 後端Skill如database-design可防止AI亂設計數據庫結構,提升架構一致性
  • LLM應用開發必裝llm-application-dev,避免AI功能淪為僅可演示嘅玩具
  • 工作流類Skill(如TDDGit Worktree)係效率終極槓桿,令AI唔止聰明仲穩定
值得記低
連結 skillsmp.com

Agent Skills Marketplace

超過65,000個Skill嘅目錄,每日更新,覆蓋幾乎所有領域

整理重點

Skill vs Prompt:本質區別

你有冇發現一個奇怪現象?同樣用ClaudeCursor寫code,有人產出「能跑就算」嘅垃圾代碼,有人卻可以令AI寫出符合Vercel十年最佳實踐嘅生產級代碼。差距唔係提示詞寫得更長,亦唔係模型更貴,而係佢哋俾AI裝咗「技能包」。

今日就行動:去GitHub揾一個適合你技術棧嘅Skill,裝入你嘅編程Agent,感受差距。

整理重點

前端不再「AI味」:必備Skill清單

Anthropic官方親自下場做咗一個frontend-design Skill,專門解決「AI生成嘅UI一眼假」呢個問題。連AI公司自己都頂唔順AI寫嘅UI,可見問題有幾普遍。

  • frontend-designAnthropic官方出品,強制AI做出生產級設計決策,適合React+Tailwind+Next.js
  • react-best-practices:Vercel將10年React經驗濃縮成Skill,約束AI喺真實項目中嘅行為
  • ui-ux-pro-max:包含50種設計風格、21種配色、50種字體搭配嘅可搜索數據庫,DashboardSaaS、落地頁適用
  • web-design-guidelines:100+條Web最佳實踐(無障礙、性能、UX),適閤中大型Web項目
整理重點

後端與AI應用:告別「隨緣設計」

好多人叫AI設計數據庫,結果AI每次都「創意十足」——即係每次唔同,毫無章法。以下Skill專治呢種亂象:

  • database-design:規範PostgreSQL模式設計、索引策略、遷移最佳實踐,防止AI隨機設計表結構
  • backend-development:標準化API設計、服務拆分、項目結構,令後端架構一致
  • python-development:針對Python 3.12+、FastAPI、異步模式,確保生產級Python服務質量

如果你做LLM應用,呢兩個Skill必裝:llm-application-dev將RAG、工具調用、Prompt結構等工程模式系統化;mcp-builder提供構建MCP服務器嘅完整指南,用於對接外部系統。

整理重點

工作流與瀏覽器自動化:效率終極槓桿

以下幾個Skill令眼前一亮,專為提升穩定性同效率:test-driven-development(經典TDD流程,紅-綠-重構)、using-git-worktrees(基於Git Worktree嘅並行開發,多任務/多Agent場景神器)、planning-with-files(Manus風格規劃流程,用Markdown做計劃、追蹤、知識沉澱)。

瀏覽器自動化方面,有兩個Skill適合不同場景:agent-browser用於測試、表單填寫、截圖、數據提取;dev-browser提供持久化頁面加結構化檢查,專為AI優化。

整理重點

下一步行動:開始定義你嘅AI

將視線拉高:2023年我哋學識「寫Prompt」,2024年開始「調Agent」,2025年真正改變係——我哋開始「俾AI裝技能」。呢個唔係工具迭代,而係範式轉移:從「話俾AI做咩」變成「定義AI係咩」。

你而家用緊咩Skill?喺評論區分享,一齊進化。🚀

你有冇發現一個奇怪嘅現象?

同樣係用 Claude 或者 Cursor 寫 code,有人產出嘅係「行到就算」嘅垃圾 code,但係有人就可以令 AI 寫出符合 Vercel 十年最佳實踐嘅生產級 code。

差距喺邊?

唔係提示詞寫得長啲,唔係模型貴啲,而係——佢哋幫 AI 裝咗「技能包」

呢個唔係比喻。呢個係 2025 年 AI 編程嘅新範式。


💡 Skill ≠ Prompt,呢個係本質分別

「提示詞係臨急抱佛腳,技能包係肌肉記憶。」

好多人以為,所謂嘅 Agent Skill 就係一堆寫好咗嘅提示詞模板。

錯了。

Skill 係將真正嘅工程經驗——即係啲資深工程師踩過嘅坑、總結嘅規範、驗證過嘅模式——結構化咁打包成 AI 可以「加載」同「遵循」嘅能力模塊。

打個比喻:

  • Prompt 就好似考試前臨急先温嘅小抄
  • Skill 就好似刻咗入骨嘅專業素養

當 AI 喺明確定義嘅 Skill 框架入面工作,佢唔再「即興發揮」,而係好似一個受過嚴格訓練嘅工程師咁,穩定、準確、可預期咁執行任務。

你可以做啲乜? 今日就去 GitHub 揾一個適合你技術棧嘅 Skill,裝落你嘅編程 Agent 度,感受嚇個差距。


🎨 前端唔再「AI味」,呢啲 Skill 令 UI 脱胎換骨

令我驚訝嘅係,Anthropic 官方親自出手做咗一個 Skill,專門解決「AI 生成嘅 UI 一眼就睇得出係假」呢個問題 。

呢個說明咩?連 AI 公司自己都頂唔順 AI 寫嘅 UI 喇。

前端必備技能清單

Skill 名稱
一句話說明
最適合場景
frontend-design
Anthropic 官方出品,強制 AI 做出生產級設計決策
React + Tailwind + Next.js
react-best-practices
Vercel 將 10 年 React 經驗濃縮成 Skill
約束 AI 喺真實項目中嘅行為
ui-ux-pro-max
50種設計風格 + 21種配色 + 50種字體配搭嘅可搜索數據庫
Dashboard、SaaS、登陸頁
web-design-guidelines
100+ 條 Web 最佳實踐(無障礙、性能、UX)
中大型 Web 項目

「AI 寫 code 唔難,難嘅係寫出『唔似 AI 寫』嘅 code。」

如果你做緊 React 項目,先裝 react-best-practices,呢個係 Vercel 十年功力嘅結晶。


⚙️ 後端架構唔再「隨緣設計」

有趣嘅係,好多人叫 AI 設計數據庫,結果 AI 每次都「創意十足」——換句話講,次次都唔同,毫無章法

呢啲 Skill 專治各種「AI 亂嚟」:

Skill 名稱
核心能力
解決咩問題
database-design
PostgreSQL 模式設計、索引策略、遷移最佳實踐
防止 AI 隨機設計表結構
backend-development
API 設計、服務拆分、項目結構
後端架構標準化
python-development
Python 3.12+、FastAPI、異步模式
生產級 Python 服務

「冇 Skill 約束嘅 AI,就好似冇 code 規範嘅實習生——做得嘢,但你唔敢用。」


🤖 AI 應用開發有咗「正規軍」打法

如果你做緊 LLM 應用,呢兩個 Skill 係必裝嘅:

llm-application-dev

將 RAG、工具調用、Prompt 結構等工程模式系統化,令 AI 功能成為真正嘅產品模塊,而唔係實驗性玩具 。

mcp-builder

構建 MCP 服務器嘅完整指南,專門用嚟對接外部系統、構建平台級 Agent 。

**如果你做緊 AI 產品,先用 llm-application-dev 約束你嘅 Agent,避免「可以 demo 但係冇得上線」嘅尷尬。


🔧 工作流程先係效率嘅終極槓桿

呢幾個 Skill 令我眼前一亮:

Skill
亮點
test-driven-development
經典 TDD 流程(紅-綠-重構),高穩定性項目必備
using-git-worktrees
基於 Git Worktree 嘅並行開發,多任務/多 Agent 場景神器
planning-with-files
Manus 風格嘅規劃流程,用 Markdown 文件做計劃、追蹤、知識沉澱

「AI 最大嘅問題唔係唔夠聰明,而係唔夠穩定。Skill 就係幫 AI 裝返個『流程』。」


🌐 瀏覽器自動化已經「AI原生」

兩個瀏覽器自動化 Skill,適合唔同場景:

  • agent-browser:測試、表單填寫、截圖、數據提取
  • dev-browser:持久化頁面 + 結構化頁面檢查,專為 AI 優化

適用場景: 登錄流程、表單自動填寫、截圖、數據爬取。


🚀 去邊度揾更多 Skill?

如果呢啲仲唔夠,Agent Skills Marketplace 係我見過最齊全嘅 Skill 目錄:

👉 https://skillsmp.com

  • 65,000+ 個 Skill
  • 每日爬蟲更新
  • 覆蓋幾乎所有領域

🎬一個更大嘅趨勢

等我哋將視野拉高少少。

2023 年,我哋學會咗「寫 Prompt」。

2024 年,我哋開始「調 Agent」。

2025 年,真正嘅變化係——我哋開始「幫 AI 裝技能」。

呢個唔係工具嘅迭代,而係範式嘅轉移。

由「話畀 AI 做咩」,變成「定義 AI 係咩」。

「未來最值錢嘅唔係識用 AI 嘅人,而係識『訓練』AI 嘅人——唔係調參數,而係定義佢嘅能力邊界。」


✅ 你嘅下一步行動

  1. 今天:揀一個最匹配你技術棧嘅 Skill,裝落你嘅編程 Agent 度
  2. 這周:對比有 Skill 同冇 Skill 時,AI 產出嘅 code 質量差異
  3. 分享:如果發現好用嘅 Skill,喺評論區話畀大家知——呢個係呢個領域進步最快嘅方式

你而家用緊咩 Skill?喺評論區分享,一齊進化。 🚀


你有沒有發現一個奇怪的現象?

同樣是用 Claude 或 Cursor 寫代碼,有些人產出的是"能跑就行"的垃圾代碼,而有些人卻能讓 AI 寫出符合 Vercel 十年最佳實踐的生產級代碼。

差距在哪?

不是提示詞寫得更長,不是模型更貴,而是——他們給 AI 裝上了"技能包"

這不是比喻。這是 2025 年 AI 編程的新範式。


💡 Skill ≠ Prompt,這是本質區別

"提示詞是臨時抱佛腳,技能包是肌肉記憶。"

很多人以為,所謂的 Agent Skill 就是一堆寫好的提示詞模板。

錯了。

Skill 是把真正的工程經驗——那些資深工程師踩過的坑、總結的規範、驗證過的模式——結構化地打包成 AI 可以"加載"和"遵循"的能力模塊 。

打個比方:

  • Prompt 像是考前突擊的小抄
  • Skill 像是刻進骨子裏的專業素養

當 AI 在明確定義的 Skill 框架內工作時,它不再"即興發揮",而是像一個受過嚴格訓練的工程師一樣,穩定、準確、可預期地執行任務 。

你能做什麼? 今天就去 GitHub 找一個適合你技術棧的 Skill,裝到你的編程 Agent 裏,感受一下差距。


🎨 前端不再"AI味",這些Skill讓UI脱胎換骨

讓我驚訝的是,Anthropic 官方親自下場做了一個 Skill,專門解決"AI 生成的 UI 一眼假"這個問題 。

這說明什麼?連 AI 公司自己都受不了 AI 寫的 UI 了。

前端必備技能清單

Skill 名稱
一句話說明
最適合場景
frontend-design
Anthropic 官方出品,強制 AI 做出生產級設計決策
React + Tailwind + Next.js
react-best-practices
Vercel 把 10 年 React 經驗濃縮成 Skill
約束 AI 在真實項目中的行為
ui-ux-pro-max
50種設計風格 + 21種配色 + 50種字體搭配的可搜索數據庫
Dashboard、SaaS、落地頁
web-design-guidelines
100+ 條 Web 最佳實踐(無障礙、性能、UX)
中大型 Web 項目

"AI 寫代碼不難,難的是寫出'不像 AI 寫的'代碼。"

如果你在做 React 項目,先裝 react-best-practices,這是 Vercel 十年功力的結晶 。


⚙️ 後端架構不再"隨緣設計"

有趣的是,很多人讓 AI 設計數據庫,結果 AI 每次都"創意十足"——換句話說,每次都不一樣,毫無章法

這些 Skill 專治各種"AI 亂來":

Skill 名稱
核心能力
解決什麼問題
database-design
PostgreSQL 模式設計、索引策略、遷移最佳實踐
防止 AI 隨機設計表結構
backend-development
API 設計、服務拆分、項目結構
後端架構標準化
python-development
Python 3.12+、FastAPI、異步模式
生產級 Python 服務

"沒有 Skill 約束的 AI,就像沒有代碼規範的實習生——能幹活,但你不敢用。"


🤖 AI 應用開發有了"正規軍"打法

如果你在做 LLM 應用,這兩個 Skill 是必裝的:

llm-application-dev

把 RAG、工具調用、Prompt 結構等工程模式系統化,讓 AI 功能成為真正的產品模塊,而不是實驗性玩具 。

mcp-builder

構建 MCP 服務器的完整指南,專門用於對接外部系統、構建平台級 Agent 。

**如果你在做 AI 產品,先用 llm-application-dev 約束你的 Agent,避免"能 demo 但不能上線"的尷尬。


🔧 工作流才是效率的終極槓桿

這幾個 Skill 讓我眼前一亮:

Skill
亮點
test-driven-development
經典 TDD 流程(紅-綠-重構),高穩定性項目必備
using-git-worktrees
基於 Git Worktree 的並行開發,多任務/多 Agent 場景神器
planning-with-files
Manus 風格的規劃流程,用 Markdown 文件做計劃、追蹤、知識沉澱

"AI 最大的問題不是不夠聰明,而是不夠穩定。Skill 就是給 AI 裝上'流程'。"


🌐 瀏覽器自動化已經"AI原生"

兩個瀏覽器自動化 Skill,適合不同場景:

  • agent-browser:測試、表單填寫、截圖、數據提取
  • dev-browser:持久化頁面 + 結構化頁面檢查,專為 AI 優化

適用場景: 登錄流程、表單自動填寫、截圖、數據爬取。


🚀 去哪裏找更多 Skill?

如果這些還不夠,Agent Skills Marketplace 是我見過最全的 Skill 目錄 :

👉 https://skillsmp.com

  • 65,000+ 個 Skill
  • 每日爬蟲更新
  • 覆蓋幾乎所有領域

🎬一個更大的趨勢

讓我們把視野拉高一點。

2023 年,我們學會了"寫 Prompt"。

2024 年,我們開始"調 Agent"。

2025 年,真正的變化是——我們開始"給 AI 裝技能"。

這不是工具的迭代,而是範式的轉移。

從"告訴 AI 做什麼",變成"定義 AI 是什麼"。

"未來最值錢的不是會用 AI 的人,而是會'訓練' AI 的人——不是調參數,而是定義它的能力邊界。"


✅ 你的下一步行動

  1. 今天:選一個最匹配你技術棧的 Skill,裝到你的編程 Agent 裏
  2. 這周:對比有 Skill 和沒 Skill 時,AI 產出的代碼質量差異
  3. 分享:如果發現好用的 Skill,評論區告訴大家——這是這個領域進步最快的方式

你正在用什麼 Skill?在評論區分享,一起進化。 🚀