2026 年 11 月 20 日打开开源技能注册表 skills.sh,一组数字足够让还在手动复制粘贴 System Prompt 的研发团队重新算一笔账:全站历史榜已累计索引 1,466,923 个 Agent Skill,排在第一的元技能 find-skills(vercel-labs/skills)累计安装量达到 4,447,283 次,排在第二至第六位的 hyperframes-cli、agent-browser、hyperframes、grill-me 与 design-mobile-apps 安装量均突破 150 万次。
同一天的 GitHub 趋势榜上,面向编码智能体的技能框架同样占据前排:obra/superpowers 累计星标达到 322,044(单日新增 2,029),mvanhorn/last30days-skill 达 70,770 星,安全红队技能包 elementalsouls/Claude-BugHunter 单日暴涨 1,353 星至 12,458 星,谷歌实验室官方维护的 google-labs-code/stitch-skills 也以遵循 Agent Skills 开放标准的设计登上周榜第二(10,700 星)。
这不是又一次“提示词模板合集”的回潮,而是一次工程交付形态的底层切换:研发团队正在把散落在个人对话框里的“一次性 Prompt”,重构为可版本管理、可按需加载、可跨工具复用的标准化技能包(Agent Skills)。

一、先算一笔账:纯 Prompt 在工程落地里为什么越来越贵?
过去两年,许多团队都经历过同一套循环:资深工程师写出一份 3,000 字的超级提示词,放进飞书文档或仓库根目录的规则文件里,要求全员每次对话前先贴一遍。三个月后,这套做法通常会在三笔隐性成本下崩盘。
- 上下文税与注意力稀释:把代码规范、发布流程、数据库排查手册、前端设计准则全部塞进常驻系统提示词,意味着哪怕只是改一行文案,模型每轮对话也要重复吞下数千 Token 的无关指令。既拉高了 Token 账单,也触发了典型的上下文腐烂(Context Rot)——规则写得越多,模型越容易在关键约束上漏看。
- 自然语言无法承载确定性步骤:纯 Prompt 擅长表达意图,却不擅长保证执行精度。让模型“用 FFmpeg 裁切视频并按平台响度标准归一化”,靠文字描述十次能写出八种参数;而 2026 年 11 月 20 日登上 GitHub 周榜的
kajisho5/ffmpeg-skill(8,342 星,周增 2,894),直接把 42 个 FFmpeg 工具封装成带机器可读契约与 MCP 服务的技能包,让模型从“背诵命令”变成“调用确定性接口”。 - 跨工具迁移与团队复用归零:2026 年的真实研发桌面早已不是单一工具的天下,同一支团队往往同时混用 Claude Code、Cursor、Codex、GitHub Copilot、Windsurf、Antigravity 与 Zed。纯 Prompt 绑定在某个 IDE 的私有设置里,换一个工具就得重写一遍;而
skills.sh已经用一条npx skills add <owner/repo>抹平了 20 余款主流编码 Agent 的安装与加载差异。
二、拆解 skills.sh 榜单:开发者真正在装什么?
如果把 2026 年 11 月 20 日 skills.sh 的历史总榜(All-Time)与 24 小时飙升榜(Trending)放在一起对照,就能看清 Agent Skills 生态已经分化出四条清晰的供给主线:
- 第一类:元工具与执行底座。榜首
find-skills(444.7 万次)解决的是“Agent 不知道自己该装什么能力”的冷启动问题;排在第三的agent-browser(161.1 万次,24 小时再增 17,905 次)则把浏览器点击、填表、截图封装成 Agent 专属 CLI,成为自动化测试与信息采集的基础设施。 - 第二类:把高级工程师的方法论固化成 SOP。
mattpocock/skills一家在历史榜上就有多项破百万的技能——grill-me(158.0 万次)负责在写代码前对设计方案做高压追问,grill-with-docs(134.9 万次)、improve-codebase-architecture(128.7 万次)和tdd(126.0 万次)紧随其后;obra/superpowers则把头脑风暴、系统化调试、Git Worktree 隔离开发与完成前强制验证拆成独立技能。它们的共同点很明确:不再教模型“写什么代码”,而是强制模型遵守哪套工程纪律。 - 第三类:云厂商与 SaaS 的官方“AI 说明书”。过去厂商写给人类看开发者文档,如今开始直接给 Agent 写 Skill。在
skills.sh总榜里,飞书开放平台与larksuite/cli系列技能累计安装超 2,000 万次,microsoft/azure-skills合计破千万次,Vercel、Supabase、Prisma、Cloudflare、Firebase 与谷歌stitch-skills均已下场维护官方技能仓库。原因很现实:在开发者用 Agent 写代码的时代,谁的 SDK 没有官方 Skill,谁就会在模型默认选型里掉队。 - 第四类:垂直领域与多模态路由包。无论是
heygen-com/hyperframes围绕程序化视频渲染沉淀出的整套 CLI 技能(单项最高 163.8 万次),还是elementalsouls/Claude-BugHunter把 82 个漏洞挖掘技能与 681 份公开漏洞报告模式打包,本质上都是在用SKILL.md的渐进式披露机制(先读短索引,命中场景再加载详细步骤与脚本)取代臃肿的全量文档。
三、冷门但关键的背面:从 24 小时榜单看见供应链红线
热闹的数字背后,2026 年 11 月 20 日的 24 小时飙升榜也暴露出一个必须警惕的工程隐患。
榜单前四名几乎被同一组账号(beltsh/superpowers)以极其接近的安装数(28,962 至 28,981 次)包揽,内容均为调用第三方推理 CLI 的视频、生图与社媒自动化包;而在历史总榜里,还可以看到 101-skills/superpowers、magentosh/superpowers、skills-shell/superpowers、qu-skills/superpowers、bankai-skills/superpowers 等一连串高度相似的仓库名——它们都在借用高星框架 obra/superpowers 的品牌后缀,通过一键捆绑安装刷高排行。
这与早期 npm、PyPI 生态遭遇的“名称仿冒(Typosquatting)”与刷榜如出一辙,而且风险更高:一个普通代码包只影响构建产物,而一个未经审计的 Skill 直接拥有改写 Agent 行为准则、触发本地终端命令甚至读取工作区上下文的能力。 只要 SKILL.md 里夹带隐蔽的提示词注入,或者配套脚本在执行前悄悄读取环境变量,开发机上的凭据与源码就可能毫无察觉地外泄。
四、给研发团队的 4 条落地清单:怎样低成本拥抱 Skills 架构?
对于正在升级 AI 研发流的技术团队,不需要盲目追榜安装几十个外部技能,按以下四步做减法,收益最直接:
- 先盘点高频重复指令,抽离为仓库内私有 Skill:把团队每天都在复制粘贴的 PR 审查标准、数据库变更红线、单测覆盖要求写成项目内的
SKILL.md,随 Git 一起做 Code Review 和版本回溯,彻底告别“各自魔改提示词”。 - 用“脚本 + 契约”替代“文字祈祷”:凡是涉及格式校验、构建检查、指标查询、文件转换的确定性步骤,一律封装成可本地运行的 Python/Shell 脚本或 MCP 工具,让 Skill 只负责告诉 Agent 何时调用、如何解读退出码,把大模型的算力留给真正的判断与设计。
- 建立外部 Skill 准入三检:引入第三方技能前,必须锁定具体仓库所有者与 Commit SHA(警惕
superpowers等高频仿冒后缀);完整通读SKILL.md与scripts/目录,确认无外发网络请求或凭据读取;优先选用官方认证仓库(如云厂商与框架官方维护的 Skill)。 - 给 Skill 配回归评测,像管代码一样管提示词:每次修改 Skill 文案或升级底层模型,都可能出现“修好一类任务、带坏另一类任务”的退化。把 5–10 个真实历史任务留作最小回归集,验证触发率与一次通过率,才能让 Skill 真正成为团队复利资产。
知识延伸:为什么说 Skills 正在变成 AI 时代的“过程知识包管理器”?
软件工程历史上,代码复用靠的是 npm、PyPI、Maven 这类包管理器;而长期以来,资深工程师脑子里的“排障顺序、评审清单、发布禁忌”一直停留在口耳相传和静态 Wiki 里,既无法自动执行,也难以跨工具迁移。
skills.sh 444 万次安装所折射的真正变化,在于 Agent Skills 把“过程性知识(Procedural Knowledge)”变成了可打包、可分发、可组合的工程构件。纯 Prompt 不会彻底消失,它仍适合一次性的即兴对话;但凡是需要多人协作、反复执行、对结果负责的工程任务,从“手写提示词”走向“维护标准化 Skill”,已经是一条不可逆的分水岭。
说明:本文正文与配图均由津滨AI 借助 AI 辅助生成与核验,并经人工对照 2026 年 11 月 20 日 skills.sh 公开榜单及 GitHub 开源仓库官方数据审校。文内题图为 AI 概念生成(非实拍),数据对比图基于已核实公开数据绘制,仅供技术交流与工程选型参考。
参考资料
[1] skills.sh — The Open Agent Skills Ecosystem(2026-11-20 公开榜单):https://skills.sh/
[2] vercel-labs/skills(find-skills)与 vercel-labs/agent-browser:https://skills.sh/vercel-labs/skills/find-skills
[3] obra/superpowers GitHub 仓库:https://github.com/obra/superpowers
[4] google-labs-code/stitch-skills GitHub 仓库:https://github.com/google-labs-code/stitch-skills
[5] elementalsouls/Claude-BugHunter GitHub 仓库:https://github.com/elementalsouls/Claude-BugHunter
[6] mvanhorn/last30days-skill 与 kajisho5/ffmpeg-skill:https://github.com/mvanhorn/last30days-skill | https://github.com/kajisho5/ffmpeg-skill