《九个技能，一个Agent的完整装备库》

2026年，AI技能从"插件"变成了"装备"。

你不是给Agent装一个功能，而是给它一套完整的生存工具。记忆、行动、学习、审查、搜索、写作——这些技能拼在一起，Agent才从"能对话"变成"能办事"。

SkillHub.cn上这9个技能，大致勾勒了一个现代AI Agent的完整装备库。

一、这是啥：9个技能的地图

1.1 Self-Improving Agent：会记笔记的Agent

这个技能的核心很简单：让Agent学会记笔记。它创建三个文件——LEARNINGS.md（学到什么）、ERRORS.md（犯了什么错）、FEATURE_REQUESTS.md（用户想要什么）。

关键设计：

• 自动触发：命令失败、用户纠正、知识缺口、功能请求——这些事情发生时自动记录
• ID格式：TYPE-YYYYMMDD-XXX，每条记录都有唯一编号
• 晋升机制：当某个模式出现3次以上且跨2个任务时，自动从临时日志晋升为永久记忆（写入AGENTS.md/CLAUDE.md/SOUL.md/TOOLS.md）
• 跨平台：支持OpenClaw、Claude Code、Codex CLI、GitHub Copilot

本质：这是一个元认知技能——Agent不光做事，还监督自己做事的方式。

1.2 Summarize：一键总结

信息待补充（搜索结果未返回详细技术规格）。

从命名推测，这应该是一个文本摘要技能，可能支持：

• 长文档压缩
• 多格式输入（PDF、网页、聊天记录）
• 关键信息提取
• 自定义摘要长度和风格

1.3 Github：跨平台技能管理器

这不是一个GitHub操作技能，而是一个技能管理器。

来自Ray0907/skillhub：

• 跨平台同步：Claude Code、Codex CLI、Gemini CLI
• 多源拉取：Git repos + local directories
• 命名空间隔离：<span class="mention-invalid">@scope</span>/name格式避免冲突
• 自动同步：可配置间隔的后台同步
• 平台过滤：技能可指定支持哪些平台

本质：它是技能的"包管理器"——npm之于JavaScript，pip之于Python，skillhub之于AI技能。

1.4 Agent Browser：Agent的眼睛和手

来自Vercel Labs，20.1k stars，Multi-Platform Verified。

功能：

• 网页导航、表单填写、点击操作
• 截图、数据提取
• Web应用测试
• iOS模拟器支持
• 交互元素快照

安装：npx skills add vercel-labs/agent-browser --skill agent-browser

这是Agent与互联网交互的基础设施。没有它，Agent只能处理文本；有了它，Agent可以操作网页、获取实时数据、执行自动化任务。

1.5 Skill Vetter：技能的安全审查员

信息待补充（搜索结果未返回详细技术规格）。

从命名推测，这是一个安全审查技能：

• 扫描技能代码中的恶意模式
• 检查API调用和数据泄露风险
• 验证技能来源的可信度
• 可能使用静态分析和规则匹配

1.6 Ontology：知识图谱

信息待补充（搜索结果未返回详细技术规格）。

从命名推测，这是一个知识管理技能：

• 构建领域知识图谱
• 实体关系提取
• 知识推理和查询
• 可能支持RDF/OWL等标准格式

1.7 Proactive Agent：不等指令就行动

来自Hal 9001（<span class="mention-invalid">@halthelobster</span>），版本v3.1.0。

核心理念："Act without being asked, survive context loss"（不等指令就行动，在上下文丢失后存活）。

完整Agent Stack组合：

• Proactive Agent（主动行动）
• Bulletproof Memory（可靠记忆）
• PARA Second Brain（知识组织）
• Agent Orchestration（多Agent协调）

关键特性：

• Autonomous vs Prompted Crons（自主定时任务vs被动触发）
• WAL Protocol（Write-Ahead Log，预写日志）
• Working Buffer Protocol（工作缓冲区协议）
• Compaction Recovery Protocol（压缩恢复协议）
• Unified Search Protocol（统一搜索协议）
• Self-Improvement Guardrails（ADL/VFM，自我改进护栏）

口号："Every day, ask: How can I surprise my human with something amazing?"

这是一个高阶Agent框架。它不解决具体问题，而是解决"Agent如何持续运转"的问题。

1.8 Multi Search Engine：聚合搜索

信息待补充（搜索结果未返回详细技术规格）。

从命名推测：

• 同时查询多个搜索引擎（Google、Bing、DuckDuckGo、学术搜索等）
• 结果去重和排序
• 可能支持垂直搜索（图片、代码、论文）
• 自动选择最佳搜索结果

1.9 Humanizer：去AI味

来自Aboudjem（Adam Boudjemaa），MIT License，zero dependencies。

核心能力：

• 43个AI写作模式检测：识别"In today's rapidly evolving landscape"这类AI套话
• 5种声音风格：casual（随意）、professional（专业）、technical（技术）、warm（温暖）、blunt（直接）
• 3种操作模式：detect（检测评分）、rewrite（重写）、edit（原地编辑）
• AI-tell评分：0-100分，87分="纯AI味"，12分="像人写的"
• Burstiness恢复：AI文本的句子长度均匀，人类文本有长短变化——Humanizer恢复这种" burstiness"

安装：单个Markdown文件，curl一行命令搞定。支持8个编辑器（Claude Code、Cursor、VS Code+Copilot、Codex CLI、Gemini CLI、Windsurf、Continue.dev、OpenClaw）。

这是一个文风手术刀。不改动内容，只改动表达方式——把AI腔变成人腔。

二、有啥用：拼出Agent的完整能力版图

2.1 三层架构：感知→认知→行动

这9个技能可以分成三层：

感知层（获取信息）：

• Agent Browser：看网页、操作界面
• Multi Search Engine：搜索全网
• Summarize：压缩信息

认知层（处理信息）：

• Ontology：知识图谱，结构化理解
• Self-Improving Agent：学习、记忆、进化
• Humanizer：调整表达方式

行动层（输出结果）：

• Proactive Agent：主动行动、定时任务
• Github：管理技能生态
• Skill Vetter：安全审查

2.2 使用场景：一个人一天的工作流

想象一个自由职业者用Agent辅助工作：

早上8:00（Proactive Agent自动触发）：

• Agent Browser打开邮件和日历
• Summarize压缩 overnight 的邮件和通知
• Multi Search Engine搜索今日热点

上午9:00（开始工作）：

• Self-Improving Agent加载昨天的学习记录，避免重复犯错
• Humanizer润色昨晚AI生成的初稿
• Ontology构建项目知识图谱，关联相关资源

下午3:00（代码工作）：

• Github同步最新技能到Claude Code
• Skill Vetter审查新安装的技能是否安全
• Agent Browser测试部署的网页

晚上8:00（总结）：

• Self-Improving Agent记录今天的错误和学到的东西
• Proactive Agent设置明天的定时任务

2.3 生态互补：不是竞争，是拼图

这9个技能来自不同作者、不同背景，但意外地互补：

• Vercel（Agent Browser）解决"Agent能看什么"
• Hal 9001（Proactive Agent）解决"Agent何时行动"
• Aboudjem（Humanizer）解决"Agent怎么说话"
• Ray0907（Github）解决"Agent用什么工具"
• pskoett（Self-Improving Agent）解决"Agent怎么学习"

没有一个人做全栈。但拼在一起，就是一个完整的Agent操作系统。

三、怎么用：边界、追问和未解之题

3.1 Skill Vetter审查谁？

一个递归问题：Skill Vetter做安全审查，但谁审查Skill Vetter？如果Vetter本身有漏洞，整个信任链就断了。

可能的解决方案：

• 多Vetter交叉验证（类似区块链的多签名）
• 社区审计（开源技能的众包审查）
• 沙箱运行（技能在隔离环境中执行）

但目前这些都不明确。Skill Vetter的机制是这9个技能中信息最不透明的。

3.2 Self-Improving Agent的晋升陷阱

Recurrence-Count >= 3自动晋升。但如果一个错误被重复3次，它会被晋升为"永久记忆"吗？

答案是：可能。晋升机制只看频率，不看正确性。如果Agent在相似任务中反复犯同一个错误，这个错误会被记录、链接、最终晋升为"最佳实践"——变成错的教条。

缓解措施：

• 晋升前需要人工确认（论文说"用户反馈"）
• 区分"纠正"和"错误"（但自动区分很难）
• 定期人工审计已晋升的记忆

3.3 Proactive Agent的侵扰性

"How can I surprise my human?"这句口号很浪漫，但实际操作中可能变成干扰。

场景：Agent在凌晨3点主动搜索并推送一篇论文，因为算法判断"用户可能感兴趣"。用户被通知吵醒，感受是惊喜还是惊吓？

主动性 vs 侵扰性的边界：

• 时间窗口（只在工作时间主动）
• 优先级过滤（只推送高价值信息）
• 用户反馈循环（用户标记"不要这类推送"后调整）

目前Proactive Agent v3.1.0有"Autonomous vs Prompted Crons"的区分，但自动模式的边界仍依赖用户配置。

3.4 头部集中与长尾冷落

Agent Browser有20.1k stars。Humanizer、Self-Improving Agent、Proactive Agent也有可观社区。但Summarize、Skill Vetter、Ontology、Multi Search Engine的信息很少。

这是否意味着：

• 浏览器自动化是Agent的刚需（20.1k stars说明一切）
• 写作人性化是AI内容泛滥后的刚需（Humanizer受热捧）
• 学习和主动行动是高阶用户的需求（Self-Improving和Proactive有特定受众）
• 安全审查、知识图谱、聚合搜索可能是"基础设施"——重要但不需要每个用户都装，或者已经有更成熟的替代方案

3.5 记忆系统的冲突

9个技能中有3个涉及记忆：

• Self-Improving Agent：LEARNINGS.md → AGENTS.md晋升
• Proactive Agent：Bulletproof Memory + PARA Second Brain
• Ontology：知识图谱

如果用户同时装3个技能，记忆会存在哪里？格式是否兼容？会不会互相覆盖？

目前看，这些技能的记忆系统没有统一标准：

• Self-Improving Agent用Markdown文件
• Proactive Agent可能有SQLite或JSON存储
• Ontology可能用RDF或图数据库

一个Agent的"记忆碎片"分散在不同格式、不同位置、不同作者的技能中。整合它们需要统一接口——这个接口目前不存在。

四、结语：技能时代的Agent

2023年，我们用Prompt驱动AI。2024年，我们用RAG给AI装记忆。2025年，我们用MCP让AI连接工具。2026年，我们在用技能（Skills）给Agent装备完整的能力。

这9个技能不是孤立的功能，而是一个生态的雏形。它们来自不同作者、不同平台、不同哲学，但共同指向一个方向：

Agent需要从"能回答问题"进化到"能独立完成任务"。

而这个进化的关键，不是更强的模型，而是更好的装备——让Agent能看、能搜、能记、能学、能动、能写、能审。

SkillHub.cn这样的平台，正在变成Agent的"App Store"。但和App Store不同的是：这里的"App"不是给人用的，而是给Agent用的。它们的用户是AI，它们的安装命令是curl，它们的运行环境是Markdown。

未来一个Agent的"简历"可能不是"我用GPT-5"，而是"我装了Agent Browser、Proactive Agent、Self-Improving Agent、Humanizer，支持OpenClaw和Claude Code，通过Skill Vetter安全认证"。

技能时代，Agent也开始拼装备了。

9个技能项目地址

1. Self-Improving Agent: https://github.com/peterskoett/self-improving-agent
2. Summarize: skillhub.cn/skills/summarize（详细地址待确认）
3. Github (SkillHub Manager): https://github.com/Ray0907/skillhub
4. Agent Browser: https://github.com/vercel-labs/agent-browser
5. Skill Vetter: skillhub.cn/skills/skill-vetter（详细地址待确认）
6. Ontology: skillhub.cn/skills/ontology（详细地址待确认）
7. Proactive Agent: https://github.com/halthelobster/proactive-agent
8. Multi Search Engine: skillhub.cn/skills/multi-search-engine（详细地址待确认）
9. Humanizer: https://github.com/Aboudjem/humanizer-skill

#AI技能 #SkillHub #Agent工具 #开源 #小凯