别只堆 MCP用高星 Agent Skills 拼一条「研究→交付」闭环周末手又痒想折腾 Agent 时最容易做的两件事是再装一堆 MCP或者再下一堆「神级提示词」。过两周你会发现上下文被工具 schema 吃光模型开始乱点技能真正重复的脏活还是每次临场发挥。Agent Native 在 Medium 上那篇20 AI Agent Skills With ~800K GitHub Stars…换了个切法与其追逐单点神技不如看 Skills 能不能组成一条真实工作流。文中那句很好记——设计良好的 skill是把 Agent 本来会即兴发挥的步骤打包成规程光这一项就能干掉一整类重复劳动。他们用五个动作串起来看清问题 → 摸清系统 → 把东西做出来 → 检查发生了什么 → 发出下一版。大约二十个高星 skill文中合计约 80 万 GitHub stars是写作时的近似加总不是单一仓库被按层塞进这条环里。Daily Digest 和公开页能稳定读到的是这条环的主张完整 20 项名单在抓取时被截断下文按「层」解读并辅以同期公开技能目录里的同层代表避免把二手名单冒充原文清单。Skill 到底是什么在现在的 Agent 生态里skill 通常是一个可安装的说明书包常见形态是带SKILL.md的目录写清何时触发、步骤、约束、要读哪些文件、成功长什么样。它和「再写长一点的系统提示」不同——技能按需加载用完可不常驻也和 MCP 不同——MCP 给的是工具通道skill 给的是做事方法。可以粗暴记MCP 是手和眼睛skill 是工艺卡。没有工艺卡手上工具越多越容易乱动。一条环五段能力1. 研究先看见问题这一层解决「别凭训练语料硬猜」。公开目录里常见的高星方向包括限定时间窗的网络/资讯检索例如 last30days 一类、学术或深度调研包、把「找技能」本身做成技能的发现器。要点不是搜得更多而是把检索规程来源、时效、引用写死减少一本正经的过期结论。2. 映射先读懂系统再动手代码库、依赖图、技术债、架构约束——Agent 一上来就改文件后面的返工往往从这里开始。Graphify 这类「先图化再改」的高星项目以及各种 codebase / tech-debt 审计技能做的是同一件事先有地图再谈施工。和前文 Harness 的 L1「信息边界」是同一个直觉。3. 制作把规程塞进生成过程UI/UX 约束、幻灯片/可视化说明、框架最佳实践React/Next、移动端、云成本……都属于这一层。模型「会写」和「写得像你们团队」之间的差距多半靠技能里的具体规则补上而不是靠再骂一句「请写出生产级代码」。4. 检视让完成定义离开模型自信代码审查、测试、可观测、安全检查类技能对应 harness 的 L5/L6。没有独立检视环会在「我写完了」处提前断开。好的检视技能会带着可执行检查清单而不是只输出形容词。5. 发布把下一轮迭代接上SEO、文档人性化humanizer 一类、视频/ffmpeg、发布与增长相关技能负责「做出了」到「送出去」的最后一截。缺了这层Agent 停在本地仓库里的漂亮 diff团队仍然要靠人肉搬运。五段不必每段都装五个技能。更常见的健康状态是每段 12 个你真的会每周用到的总技能数保持克制。星数能说明什么不能说明什么~800K 是传播数字有用但有毒。星数近似「有多少人围观」不近似「对你的仓库安全」或「和你的模型合拍」。同期整理过技能目录的文章也反复强调先读SKILL.md和它拉取的脚本再决定装不装供应链污染恶意 skill已经不是假想敌。选型时我自己的经验法则更土只装对应真实重复任务的技能不装「以后可能用到」优先官方或维护活跃的发布者Anthropic / Vercel / Cloudflare / 云厂商等目录里能对上的装完立刻在真实任务上打一发不好用就卸——技能也占上下文与决策带宽星数用来排序候选不用来免责和 MCP、Harness 怎么摆在一起一张很实用的分层Harness边界、权限、编排、状态、校验——工作环境MCP文件系统、浏览器、GitHub、文档检索——能力接口Skills研究/映射/制作/检视/发布的规程——行为方式只堆 MCPAgent 有手无章法只堆 Skills没有工具又走不远两者都有但不做 harness权限和上下文会在长任务里一起崩。Agent Native 这篇的贡献是把「技能收藏夹」扳回「技能流水线」。你可以怎么组最小栈若只能装三个一个研究带时效、一个代码库映射、一个审查/测试。跑两周真实需求看哪一段还在靠即兴发挥再补那一段。已经在用 Claude Code / Codex / Cursor 的优先清点现有 skills 与 MCP 是否重叠同一件事既挂了浏览器 MCP 又挂了浏览器 skill往往该合并触发条件而不是双开。把「技能清单」写进仓库的AGENTS.md或内部手册每个技能对应哪类任务、禁止用于什么、失败时人工接管点。这比在群里丢一串 npx 命令更像工程。安装时我实际会做的检查拿到一个高星 skill 仓库先别npx上头。按这个顺序过一遍通常够用看SKILL.md的触发描述是否真匹配你的任务还是营销句。看它是否要求额外 MCP、环境变量或联网脚本要求越多攻击面越大。在临时目录或容器里试跑一次观察它读写了哪些路径。把「允许在什么仓库使用」写进团队约定避免个人点装污染共享环境。技能生态现在很像早年的壳脚本收藏夹复制成本低审计成本高。星数帮你排序审阅帮你活下来。闭环比清单更重要的一个原因很多人装完 20 个技能发现 Agent 更忙了交付却没更快。常见原因是环断在「检视」或「映射」研究很热闹一改代码就没有地图写出了 PR却没有独立检查。所以与其追求「凑齐原文 20 个」不如每两周问一次我们最重复的三个任务各自卡在五段里的哪一段只补那一段的技能。清单文提供的是地图图例你的仓库流水线才是地形。怎么读这篇更有用原文是周末向的高星清单文完整 20 项在本批抓取中未能无损还原因此本文强调「闭环分层」与选型原则不对读者承诺「这就是那 20 个名字的一一对应表」。若你要对照安装请直接打开 Medium 原文与各仓库的SKILL.md。它和样本稿里的 Harness²、以及本批的 Harness 工程文是同一光谱上的不同焦距Harness 讲环境合同Skills 讲可插拔规程。把规程装进环境比把规程粘在聊天框里更接近「能复利的 Agent」。参考来源Medium 导读正文名单层抓取不完整20 AI Agent Skills With ~800K GitHub Stars That Form a Real Agent Stack — Agent Native同期公开技能星数整理二手目录非原文名单AI Agent Skills on GitHub: Top Repos by Stars (2026)Agent Native / BuilderIO 技能与框架入口https://github.com/BuilderIO/skills · https://www.agentnative.dev/skills星数随时间变化安装前务必审阅技能内容与权限。
别只堆 MCP用高星 Agent Skills 拼一条「研究→交付」闭环周末手又痒想折腾 Agent 时最容易做的两件事是再装一堆 MCP或者再下一堆「神级提示词」。过两周你会发现上下文被工具 schema 吃光模型开始乱点技能真正重复的脏活还是每次临场发挥。Agent Native 在 Medium 上那篇20 AI Agent Skills With ~800K GitHub Stars…换了个切法与其追逐单点神技不如看 Skills 能不能组成一条真实工作流。文中那句很好记——设计良好的 skill是把 Agent 本来会即兴发挥的步骤打包成规程光这一项就能干掉一整类重复劳动。他们用五个动作串起来看清问题 → 摸清系统 → 把东西做出来 → 检查发生了什么 → 发出下一版。大约二十个高星 skill文中合计约 80 万 GitHub stars是写作时的近似加总不是单一仓库被按层塞进这条环里。Daily Digest 和公开页能稳定读到的是这条环的主张完整 20 项名单在抓取时被截断下文按「层」解读并辅以同期公开技能目录里的同层代表避免把二手名单冒充原文清单。Skill 到底是什么在现在的 Agent 生态里skill 通常是一个可安装的说明书包常见形态是带SKILL.md的目录写清何时触发、步骤、约束、要读哪些文件、成功长什么样。它和「再写长一点的系统提示」不同——技能按需加载用完可不常驻也和 MCP 不同——MCP 给的是工具通道skill 给的是做事方法。可以粗暴记MCP 是手和眼睛skill 是工艺卡。没有工艺卡手上工具越多越容易乱动。一条环五段能力1. 研究先看见问题这一层解决「别凭训练语料硬猜」。公开目录里常见的高星方向包括限定时间窗的网络/资讯检索例如 last30days 一类、学术或深度调研包、把「找技能」本身做成技能的发现器。要点不是搜得更多而是把检索规程来源、时效、引用写死减少一本正经的过期结论。2. 映射先读懂系统再动手代码库、依赖图、技术债、架构约束——Agent 一上来就改文件后面的返工往往从这里开始。Graphify 这类「先图化再改」的高星项目以及各种 codebase / tech-debt 审计技能做的是同一件事先有地图再谈施工。和前文 Harness 的 L1「信息边界」是同一个直觉。3. 制作把规程塞进生成过程UI/UX 约束、幻灯片/可视化说明、框架最佳实践React/Next、移动端、云成本……都属于这一层。模型「会写」和「写得像你们团队」之间的差距多半靠技能里的具体规则补上而不是靠再骂一句「请写出生产级代码」。4. 检视让完成定义离开模型自信代码审查、测试、可观测、安全检查类技能对应 harness 的 L5/L6。没有独立检视环会在「我写完了」处提前断开。好的检视技能会带着可执行检查清单而不是只输出形容词。5. 发布把下一轮迭代接上SEO、文档人性化humanizer 一类、视频/ffmpeg、发布与增长相关技能负责「做出了」到「送出去」的最后一截。缺了这层Agent 停在本地仓库里的漂亮 diff团队仍然要靠人肉搬运。五段不必每段都装五个技能。更常见的健康状态是每段 12 个你真的会每周用到的总技能数保持克制。星数能说明什么不能说明什么~800K 是传播数字有用但有毒。星数近似「有多少人围观」不近似「对你的仓库安全」或「和你的模型合拍」。同期整理过技能目录的文章也反复强调先读SKILL.md和它拉取的脚本再决定装不装供应链污染恶意 skill已经不是假想敌。选型时我自己的经验法则更土只装对应真实重复任务的技能不装「以后可能用到」优先官方或维护活跃的发布者Anthropic / Vercel / Cloudflare / 云厂商等目录里能对上的装完立刻在真实任务上打一发不好用就卸——技能也占上下文与决策带宽星数用来排序候选不用来免责和 MCP、Harness 怎么摆在一起一张很实用的分层Harness边界、权限、编排、状态、校验——工作环境MCP文件系统、浏览器、GitHub、文档检索——能力接口Skills研究/映射/制作/检视/发布的规程——行为方式只堆 MCPAgent 有手无章法只堆 Skills没有工具又走不远两者都有但不做 harness权限和上下文会在长任务里一起崩。Agent Native 这篇的贡献是把「技能收藏夹」扳回「技能流水线」。你可以怎么组最小栈若只能装三个一个研究带时效、一个代码库映射、一个审查/测试。跑两周真实需求看哪一段还在靠即兴发挥再补那一段。已经在用 Claude Code / Codex / Cursor 的优先清点现有 skills 与 MCP 是否重叠同一件事既挂了浏览器 MCP 又挂了浏览器 skill往往该合并触发条件而不是双开。把「技能清单」写进仓库的AGENTS.md或内部手册每个技能对应哪类任务、禁止用于什么、失败时人工接管点。这比在群里丢一串 npx 命令更像工程。安装时我实际会做的检查拿到一个高星 skill 仓库先别npx上头。按这个顺序过一遍通常够用看SKILL.md的触发描述是否真匹配你的任务还是营销句。看它是否要求额外 MCP、环境变量或联网脚本要求越多攻击面越大。在临时目录或容器里试跑一次观察它读写了哪些路径。把「允许在什么仓库使用」写进团队约定避免个人点装污染共享环境。技能生态现在很像早年的壳脚本收藏夹复制成本低审计成本高。星数帮你排序审阅帮你活下来。闭环比清单更重要的一个原因很多人装完 20 个技能发现 Agent 更忙了交付却没更快。常见原因是环断在「检视」或「映射」研究很热闹一改代码就没有地图写出了 PR却没有独立检查。所以与其追求「凑齐原文 20 个」不如每两周问一次我们最重复的三个任务各自卡在五段里的哪一段只补那一段的技能。清单文提供的是地图图例你的仓库流水线才是地形。怎么读这篇更有用原文是周末向的高星清单文完整 20 项在本批抓取中未能无损还原因此本文强调「闭环分层」与选型原则不对读者承诺「这就是那 20 个名字的一一对应表」。若你要对照安装请直接打开 Medium 原文与各仓库的SKILL.md。它和样本稿里的 Harness²、以及本批的 Harness 工程文是同一光谱上的不同焦距Harness 讲环境合同Skills 讲可插拔规程。把规程装进环境比把规程粘在聊天框里更接近「能复利的 Agent」。参考来源Medium 导读正文名单层抓取不完整20 AI Agent Skills With ~800K GitHub Stars That Form a Real Agent Stack — Agent Native同期公开技能星数整理二手目录非原文名单AI Agent Skills on GitHub: Top Repos by Stars (2026)Agent Native / BuilderIO 技能与框架入口https://github.com/BuilderIO/skills · https://www.agentnative.dev/skills星数随时间变化安装前务必审阅技能内容与权限。
