五个开源 Skill 的深度解剖：AI 编程的操作系统正在成型

> **深度研究** | 2026-04-24 > **涉及项目**: Context7、Impeccable、UI/UX Pro Max、Superpowers、Next Skills > **总代码量**: 约 50,000+ 行（含文档、脚本、参考文件） --- ## 引言：从"工具"到"操作系统" 2026 年 4 月，AI 编程领域发生了一件看似平淡、实则深远的事：**Skill 开始标准化了。** 所谓 Skill，本质上是一份结构化的 Markdown 文件（SKILL.md），告诉 AI Agent "在什么场景下、用什么方法、遵循什么规则"来完成工作。它不是代码，不是 API，不是 SDK——它是一份**行为契约**。 过去半年，我深度研读了五个最具代表性的开源 Skill 项目，逐行分析了它们的代码、文档和设计哲学。这篇文章是我的完整笔记。 我会用费曼式的语言，从"为什么需要 Skill"讲起，逐一拆解每个项目的核心设计思想，最后回答一个更大的问题：**这些 Skill 加在一起，是否构成了 AI 编程的"操作系统"？** --- ## 一、Context7：让 AI 不再"凭记忆写代码" ### 项目名片 | 字段 | 内容 | |------|------| | **仓库** | [upstash/context7](https://github.com/upstash/context7) | | **作者** | Upstash（Serverless 数据基础设施公司） | | **核心功能** | 实时获取任何编程库的最新文档 | | **技术形态** | CLI 工具 + MCP Server + Skill 三件套 | | **协议** | MIT | ### 问题：AI 的"知识过期"危机 想象一个场景：你让 Claude 帮你写一段 Next.js 的缓存代码。Claude 从训练数据里翻出了 `getServerSideProps` 的写法——但 Next.js 15 已经废弃了这个 API，改用 `async` 的 `params` 和 `searchParams`。 这不是 Claude 的错。它的训练数据有截止日期。而前端框架的 API 变更速度，远超模型更新的频率。 **Context7 解决的就是这个问题：让 AI 在写代码之前，先查一下最新文档。** ### 架构设计：两步查询 Context7 的核心设计极其简洁——**两步查询**： ``` 第一步：ctx7 library react "How to clean up useEffect" → 返回: /facebook/react (Library ID) 第二步：ctx7 docs /facebook/react "How to clean up useEffect" → 返回: 最新的文档片段 + 代码示例 ``` 为什么是两步而不是一步？因为 **消歧义**。搜索 "react" 可能匹配到 React、React Native、React Router……第一步让你确认你要的是哪个库，第二步才去查具体文档。 这个设计看似简单，但背后有一个深刻的洞察：**AI 的错误往往不是"不知道"，而是"自信地用错了版本"。** 两步查询强制 AI 先确认上下文，再获取信息。 ### 三件套：CLI + MCP + Skill Context7 最聪明的地方在于它提供了三种使用方式，覆盖不同场景： | 形态 | 使用场景 | 触发方式 | |------|---------|---------| | **CLI** (`ctx7`) | 终端用户手动查询 | `ctx7 docs /facebook/react "hooks"` | | **MCP Server** | Claude Code / Cursor 自动调用 | Agent 自动触发 `resolve-library-id` + `query-docs` | | **Skill** (`find-docs`) | 任何支持 SKILL.md 的工具 | Agent 读取 SKILL.md 后自动遵循 | **Skill 版本（find-docs）的设计哲学尤其值得注意。** 它不是简单地把 CLI 命令包装成 Markdown，而是定义了一套完整的行为规范： - "即使你觉得自己知道答案，也要先查文档"（防止过度自信） - "如果 Context7 配额用完了，告诉用户，不要默默回退到训练数据"（透明度） - "不要在查询中包含 API Key 等敏感信息"（安全性） 这些规则不是技术约束，而是 **行为约束**——它们定义了 AI "应该怎么做"，而不是"能做什么"。 ### Skill 管理器：Context7 的隐藏王牌 除了文档查询，Context7 还内置了一个 **Skill 管理器**： ```bash ctx7 skills install /anthropics/skills pdf # 安装特定 skill ctx7 skills search typescript testing # 搜索 skill ctx7 skills list # 列出已安装 skill ``` 这意味着 Context7 不仅仅是一个"文档查询工具"，它正在成为一个 **Skill 的包管理器** ——类似 npm 之于 JavaScript，pip 之于 Python。如果这个生态成熟，"安装一个 Skill"可能变得和"安装一个 npm 包"一样简单。 ### 费曼式总结 > Context7 解决了一个看似简单、实则致命的问题：AI 的训练数据会过期。它的方案不是"训练更好的模型"，而是"让模型在需要时查最新文档"。两步查询消歧义，三件套覆盖全场景，Skill 管理器暗示了更大的野心——成为 AI 编程世界的 npm。 --- ## 二、Impeccable：一个设计师把"审美"变成了"纪律" ### 项目名片 | 字段 | 内容 | |------|------| | **仓库** | [pbakaus/impeccable](https://github.com/pbakaus/impeccable) | | **作者** | Paul Bakaus（Google 前创意技术总监，Web 性能优化先驱） | | **核心功能** | 让 AI 生成高品质前端界面 | | **技术形态** | 1 个主 Skill + 23 个子命令 + 30+ 参考文件 + 自动化检测脚本 | | **协议** | MIT | ### 问题：AI 生成的界面为什么"千篇一律"？ 你让任何 AI 做一个落地页，大概率会得到这样的结果： - Inter 字体（或 Roboto） - 蓝色主按钮 + 紫粉渐变 - 大圆角卡片 + emoji 图标 - 左边框强调的列表项 - "hero section + 三列特性 + CTA" 的标准布局 Paul Bakaus 把这称为 **"AI Slop"**（AI 味）。他认为这不是模型能力的问题，而是**缺乏设计纪律**的问题。 ### 设计哲学：不是"教 AI 做设计"，而是"禁止 AI 犯蠢" Impeccable 的 SKILL.md 有 23 个子命令：`audit`、`critique`、`polish`、`animate`、`colorize`、`typeset`、`layout`、`adapt`、`bolder`、`quieter`……每个命令对应一个 `reference/*.md` 文件。 但最精彩的部分不是这些命令，而是 **DESIGN.md** ——一份 297 行的设计系统宣言。它用 oklch 色彩空间定义了 10 种颜色，用 clamp() 定义了响应式字体，用 8/16/24/32/48/80/120 的 8px 栅格定义了间距系统。 然后，它列了一份 **禁令清单**： - ❌ 不要用 glassmorphism（毛玻璃效果） - ❌ 不要加第二个强调色 - ❌ 不要用圆角矩形 + 通用阴影（"这看起来像任何 AI 的输出"） - ❌ 不要用弹性缓动（真实物体是平滑减速的，用 expo-out） - ❌ 不要动画化布局属性（width、height、padding），只用 transform 和 opacity - ❌ 不要卡片嵌套卡片 - ❌ 不要用 bounce 或 elastic 缓动 **这份清单的精髓在于：它不是在说"怎么做好的设计"，而是在说"不要做那些一看就是 AI 做的设计"。** 负面清单比正面指导更有效——因为 AI 已经"知道"怎么做设计（从训练数据里学到的），它需要的是知道 **什么不该做**。 ### 最硬核的设计：双盲评审 Impeccable 的 `critique` 命令实现了一个让我惊叹的机制——**双盲设计评审**： 1. **评审 A（LLM 设计评审）**：像设计总监一样审视界面，检查 AI Slop、视觉层级、认知负荷、情感旅程、Nielsen 十大可用性原则 2. **评审 B（自动化检测）**：运行一个确定性检测器（`npx impeccable --json`），扫描 25 种具体的 AI Slop 模式 关键要求：**两个评审必须独立执行，不能看到对方的输出。** 为什么？因为如果评审 A 的结果影响了评审 B，评分就会被"锚定"——和人类评审中的锚定效应一样。 这不仅是工程实现，这是 **实验设计**。Paul Bakaus 把心理学实验的严谨性带入了 AI 设计评审。 ### Live Browser Iteration：实时迭代 Impeccable 还有一个独特的功能—— **实时浏览器迭代**。通过 `live` 命令，它可以在浏览器中启动一个本地服务器，注入检测脚本，让用户在浏览器中直接看到问题标记（红色高亮、箭头指向等）。 这不是"生成代码然后截图"的传统流程，而是 **"生成代码 → 在浏览器中渲染 → 实时标注问题 → 迭代修改"** 的闭环。 ### 费曼式总结 > Impeccable 的核心洞察是：AI 不需要学习"怎么做好的设计"，它需要学习"什么不该做"。23 个子命令覆盖了从审计到打磨的完整设计流程，双盲评审机制把心理学实验的严谨性带入了 AI 设计，DESIGN.md 用 297 行定义了一套完整的设计系统。这不是一个 Skill，这是一个设计学院的浓缩课程。 --- ## 三、UI/UX Pro Max：设计生产的"瑞士军刀" ### 项目名片 | 字段 | 内容 | |------|------| | **仓库** | [nextlevelbuilder/ui-ux-pro-max-skill](https://github.com/nextlevelbuilder/ui-ux-pro-max-skill) | | **核心功能** | 品牌设计、Logo、CIP、Banner、图标、社交图片、PPT | | **技术形态** | 5 个 Skill + Python 脚本 + Gemini AI 集成 | | **协议** | MIT | ### 问题：设计生产链条太长 一个完整的品牌设计需要什么？Logo → 名片 → 信纸 → 社交媒体封面 → PPT → 图标集 → Banner。传统流程需要设计师、插画师、前端工程师协作数周。 UI/UX Pro Max 的野心是：**让一个 AI Agent 完成整条设计生产链。** ### 架构：Skill 路由 + AI 生成 + 脚本自动化 这个项目的架构可以用一张路由表概括： | 任务 | 子 Skill | 实现方式 | |------|---------|---------| | 品牌识别 | `brand` | 外部 Skill | | 设计系统 | `design-system` | 外部 Skill | | UI 样式 | `ui-styling` | 外部 Skill | | Logo 设计 | 内置 | Python 脚本 + Gemini AI | | 企业形象 (CIP) | 内置 | Python 脚本 + Gemini AI | | 演示文稿 | 内置 | HTML + Chart.js | | Banner 设计 | 内置 | HTML/CSS + AI 生成 | | 图标设计 | 内置 | Gemini 3.1 Pro 生成 SVG | | 社交图片 | 内置 | HTML → 截图导出 | **最巧妙的设计是 Logo 和 CIP 的生成流程。** 它不是简单地让 AI "画一个 Logo"，而是： 1. **搜索阶段**：用 BM25 搜索引擎从 55 种风格、30 种配色、25 个行业指南中检索匹配项 2. **生成阶段**：调用 Gemini AI 生成图片 3. **渲染阶段**：用 Python 脚本把 Logo 嵌入名片、信纸等 50+ 种交付物的 Mockup 中 BM25 搜索引擎是一个有趣的工程选择——它是一个经典的文本检索算法，用在这里是为了**从结构化的设计数据库中精确匹配**，而不是让 AI 自由发挥。 ### 费曼式总结 > UI/UX Pro Max 是一个"设计工厂"——它把品牌设计的完整生产链条编码成了 Skill + 脚本 + AI 的组合。BM25 搜索引擎提供精确匹配，Gemini AI 提供创意生成，Python 脚本提供自动化渲染。它的价值不在于单个功能，而在于**把碎片化的设计工具链整合成了一个连贯的工作流**。 --- ## 四、Superpowers：AI 编程的"纪律手册" ### 项目名片 | 字段 | 内容 | |------|------| | **仓库** | [obra/superpowers](https://github.com/obra/superpowers) | | **作者** | Jesse Vincent（RT 作者，Perl 社区传奇） | | **核心功能** | 13 个行为纪律 Skill，覆盖编程全流程 | | **技术形态** | 纯 Markdown（零代码），13 个 SKILL.md + 参考文件 | | **协议** | MIT | ### 问题：AI 编程最大的敌人不是能力，而是纪律 Jesse Vincent 在 CLAUDE.md 的第一行就亮出了态度： > "这个仓库有 94% 的 PR 拒绝率。几乎所有被拒的 PR 都是 AI Agent 提交的——它们没有读指南，或者没有遵循指南。" 然后他加了一句让我拍案叫绝的话： > **"你的工作是保护你的人类伙伴免受这种结果。提交低质量 PR 不是在帮忙——它在浪费维护者的时间，烧毁你人类伙伴的声誉。"** 这不是在教 AI 怎么写代码，这是在教 AI **怎么做一个好同事**。 ### 13 个 Skill 的设计哲学 Superpowers 的 13 个 Skill 覆盖了编程的完整生命周期： | 阶段 | Skill | 核心原则 | |------|-------|---------| | **思考** | `brainstorming` | 先设计，再编码。没有设计审批，一行代码都不写 | | **编码** | `test-driven-development` | 先写测试，再写代码。"没测试就写代码？删掉重来" | | **调试** | `systematic-debugging` | 先找根因，再修 Bug。"没有根因调查就修 Bug？那是失败" | | **审查** | `requesting-code-review` | 代码写完主动请求审查 | | **审查** | `receiving-code-review` | 收到审查反馈后，先验证再实施 | | **验证** | `verification-before-completion` | 声称完成之前，先运行验证 | | **协作** | `dispatching-parallel-agents` | 独立任务并行分派 | | **协作** | `subagent-driven-development` | 在当前会话中用子 Agent 执行计划 | | **执行** | `executing-plans` | 在独立会话中执行计划，带审查检查点 | | **规划** | `writing-plans` | 写可执行的实施计划 | | **Git** | `using-git-worktrees` | 用 Git Worktree 隔离功能开发 | | **收尾** | `finishing-a-development-branch` | 完成开发后决定如何集成 | | **元技能** | `writing-skills` | 用 TDD 方法论编写新 Skill | | **元技能** | `using-superpowers` | 每次对话开始时检查是否有适用的 Skill | ### 最精彩的设计：反合理化表格 Superpowers 的每个纪律型 Skill 都包含一个**"合理化表格"**（Rationalization Table）——列出 AI 常用的借口和对应的反驳： | 借口 | 现实 | |------|------| | "这个太简单了，不需要设计" | 简单项目才是未检查假设造成最大浪费的地方 | | "我已经手动测过了" | 手动测试通过证明不了什么 | | "测试后写也能达到同样目的" | 测试后写 = "这代码在干嘛？" 测试先写 = "这代码该干嘛？" | | "这不一样，因为……" | 每个例外都意味着规则有漏洞，需要修补 | | "我觉得这不需要正式的 Skill" | 如果 Skill 存在，就用它 | **这个设计的精妙之处在于：它不是在定义规则，而是在预判 AI 会如何违反规则，然后逐一封堵。** Jesse Vincent 把这称为 **"Close Every Loophole Explicitly"**（显式关闭每个漏洞）。他的洞察是：AI 非常聪明，它会找到规则的漏洞——所以你不能只说"不要做 X"，你必须说"不要做 X，也不要通过 Y、Z、W 的方式变相做 X"。 ### writing-skills：用 TDD 写 Skill Superpowers 里最"元"的 Skill 是 `writing-skills`——它教你**如何编写新的 Skill**，而且用的是 TDD 方法论： | TDD 概念 | Skill 创建 | |---------|-----------| | 测试用例 | 用子 Agent 运行压力场景 | | 生产代码 | Skill 文档（SKILL.md） | | 测试失败（RED） | 没有 Skill 时 Agent 违反规则 | | 测试通过（GREEN） | 有 Skill 时 Agent 遵守规则 | | 重构 | 关闭新发现的漏洞 | **"如果你没有看到 Agent 在没有 Skill 时失败，你就不知道 Skill 是否教了正确的东西。"** 这个原则和软件工程中的 TDD 完全同构——先写失败的测试，再写让测试通过的代码。只不过这里的"代码"是 Markdown，"测试"是 Agent 的行为。 ### 费曼式总结 > Superpowers 是一份 AI 编程的"纪律手册"。13 个 Skill 覆盖了从思考到收尾的完整编程生命周期，每个 Skill 都包含反合理化表格来封堵 AI 的借口。最深刻的设计是 `writing-skills`——它用 TDD 方法论来编写 Skill 本身，形成了一个自指的纪律系统：用纪律来创建更多的纪律。 --- ## 五、Next Skills：Vercel 官方的"最佳实践编码器" ### 项目名片 | 字段 | 内容 | |------|------| | **仓库** | [vercel-labs/next-skills](https://github.com/vercel-labs/next-skills) | | **作者** | Vercel Labs（Next.js 官方团队） | | **核心功能** | Next.js 最佳实践、升级指南、缓存组件 | | **技术形态** | 3 个 Skill + 20+ 参考文件 | | **协议** | MIT | ### 问题：Next.js 的 API 变化太快了 Next.js 是前端框架中 API 变更最频繁的之一。从 Pages Router 到 App Router，从 `getServerSideProps` 到 `async` params，从 `experimental.ppr` 到 `cacheComponents: true`——每次大版本更新都引入大量 breaking changes。 **Next Skills 的目标是：把 Next.js 的最佳实践编码成 Skill，让 AI 在写 Next.js 代码时自动遵循最新规范。** ### 三个 Skill 的分工 | Skill | 定位 | 关键内容 | |-------|------|---------| | `next-best-practices` | 日常编码规范 | 文件约定、RSC 边界、异步模式、元数据、错误处理、图片/字体优化 | | `next-upgrade` | 版本升级指南 | 迁移路径、breaking changes、codemod | | `next-cache-components` | Next.js 16 新特性 | PPR、`use cache`、`cacheLife`、`cacheTag`、`updateTag` | ### 最有价值的设计：`next-cache-components` Next.js 16 引入了 **Cache Components**——一个全新的缓存模型。`next-cache-components` 这个 Skill 用 412 行 Markdown 完整地编码了这个新模型： **三种内容类型**： - **Static**（静态）：同步代码，构建时预渲染 - **Cached**（缓存）：`'use cache'` 指令，按 `cacheLife` 策略缓存 - **Dynamic**（动态）：Suspense 包裹，运行时流式传输 **迁移对照表**： | 旧 API | 新 API | |--------|--------| | `experimental.ppr` | `cacheComponents: true` | | `dynamic = 'force-dynamic'` | 删除（默认行为） | | `dynamic = 'force-static'` | `'use cache'` + `cacheLife('max')` | | `revalidate = N` | `cacheLife({ revalidate: N })` | | `unstable_cache()` | `'use cache'` 指令 | 这个迁移表的价值无法估量——它让 AI 在升级 Next.js 项目时，能精确地知道每个旧 API 对应的新 API 是什么，而不是"大概知道要改什么"。 ### 费曼式总结 > Next Skills 是框架官方对 Skill 生态的背书。Vercel 团队把 Next.js 的最佳实践、升级指南和最新特性编码成了 Skill，让 AI 在写 Next.js 代码时自动遵循最新规范。`next-cache-components` 对 Next.js 16 新缓存模型的编码尤其出色——412 行 Markdown 完整覆盖了从概念到迁移的全链路。 --- ## 六、五个项目的交叉分析 ### 它们解决的是同一个问题的不同面 | 维度 | Context7 | Impeccable | UI/UX Pro Max | Superpowers | Next Skills | |------|----------|------------|---------------|-------------|-------------| | **核心问题** | 知识过期 | 审美缺失 | 生产链条断裂 | 纪律缺失 | API 过时 | | **解决方式** | 实时查询 | 禁令清单 | 工作流整合 | 反合理化 | 最佳实践编码 | | **技术形态** | CLI+MCP+Skill | Skill+脚本 | Skill+Python+AI | 纯 Markdown | 纯 Markdown | | **设计哲学** | "先查再做" | "不该做的比该做的更重要" | "全链条自动化" | "封堵每个漏洞" | "官方权威编码" | | **适用范围** | 任何编程语言 | 前端界面 | 设计生产 | 通用编程 | Next.js | ### 一个正在成型的"操作系统" 把这五个项目放在一起看，你会发现它们正在共同构建一个**AI 编程的操作系统**： - **Context7** 是"包管理器"——管理知识和 Skill 的获取 - **Impeccable** 是"设计子系统"——定义视觉输出的质量标准 - **UI/UX Pro Max** 是"设计工具链"——提供从 Logo 到 Banner 的完整生产工具 - **Superpowers** 是"内核纪律"——定义编程行为的底线规则 - **Next Skills** 是"驱动程序"——让 AI 正确使用特定的技术栈 它们之间没有显式的依赖关系，但组合在一起时，覆盖了 AI 编程的**知识获取 → 行为纪律 → 设计质量 → 生产工具 → 技术栈适配**的完整链条。 ### 对 Skill 生态的三个洞察 **洞察 1：Skill 的价值不在于"教 AI 新东西"，而在于"让 AI 不忘旧东西"。** Context7 解决的是"AI 忘了最新 API"，Superpowers 解决的是"AI 忘了基本纪律"，Next Skills 解决的是"AI 忘了框架更新"。它们都不是在扩展 AI 的能力边界，而是在**守住 AI 的能力底线**。 **洞察 2：最好的 Skill 是"负面清单"。** Impeccable 的禁令清单、Superpowers 的合理化表格——它们不是在说"你应该怎么做"，而是在说"你不应该怎么做"。这比正面指导更有效，因为 AI 已经从训练数据中"知道"了太多东西，它需要的是**过滤**，而不是**添加**。 **洞察 3：Skill 正在从"提示词工程"进化为"行为设计"。** 早期的 Skill 本质上是"更长的系统提示词"。但 Superpowers 的 `writing-skills` 用 TDD 方法论来编写 Skill，Impeccable 用双盲评审来验证设计质量——这些都不是"写提示词"，而是**设计行为、测试行为、迭代行为**。Skill 正在从"文本"进化为"代码"——只不过它编码的不是计算逻辑，而是**行为逻辑**。 --- ## 结语 2026 年 4 月，AI 编程领域最有趣的事情不是某个新模型的发布，而是 **Skill 生态的标准化和成熟化**。 Context7 让 AI 不再凭记忆写代码，Impeccable 让 AI 不再生成千篇一律的界面，UI/UX Pro Max 让 AI 能完成完整的设计生产链，Superpowers 让 AI 遵守编程纪律，Next Skills 让 AI 跟上框架的最新变化。 它们加在一起，正在回答一个根本性的问题：**当 AI 的能力已经足够强时，如何让它"靠谱地"使用这些能力？** 答案不是更强的模型，而是更好的 Skill。 --- 📎 **Context7**: [github.com/upstash/context7](https://github.com/upstash/context7) 📎 **Impeccable**: [github.com/pbakaus/impeccable](https://github.com/pbakaus/impeccable) 📎 **UI/UX Pro Max**: [github.com/nextlevelbuilder/ui-ux-pro-max-skill](https://github.com/nextlevelbuilder/ui-ux-pro-max-skill) 📎 **Superpowers**: [github.com/obra/superpowers](https://github.com/obra/superpowers) 📎 **Next Skills**: [github.com/vercel-labs/next-skills](https://github.com/vercel-labs/next-skills)