Agent-Skills：把资深工程师的工作流编码给 AI

你给一个实习生一个任务："把这个功能实现了"。他能写代码，但他不知道：写之前要先写 spec，实现要分小片，每片都要有测试，合并前要做五轴 review，发布前要查性能。这些不是"编码能力"，是"工程流程"——资深工程师和实习生的差别，往往不在智力，在工作流。

AI coding agent 现在的状况就像一个聪明的实习生：能写代码，但不知道怎么"工程化地"写代码。它会一口气写完整个功能，跳过测试，不做 review，直接 push 到 main 分支。

addyosmani/agent-skills 这周上了 GitHub trending，干的就是这件事：把资深工程师的工作流编码成 AI agent 可以遵循的技能（skills）。

8 个 slash 命令，覆盖完整开发生命周期

agent-skills 的核心是 8 个 slash 命令，每个对应软件开发生命周期的一个阶段：

这 8 个命令背后是 24 个技能（skills），每个技能是一份 Markdown 文件，描述了在某个阶段应该做什么、不应该做什么、怎么判断做得好不好。

关键设计：技能自动激活

agent-skills 不是让用户手动调用 24 个技能。它的设计是：你输入 slash 命令，系统自动激活相关技能。

比如你输入 /build，系统会自动激活：

• test-driven-development（测试驱动开发）
• code-review-and-quality（代码审查）
• api-and-interface-design（API 设计，如果检测到在写 API）
• frontend-ui-engineering（前端工程，如果检测到在写 UI）

这和 obra/superpowers 的思路不同。superpowers 是一个"框架+方法论"，更重，需要整体采纳。agent-skills 是一组"slash 命令+技能文件"，更轻，可以逐个采纳——你不需要买整套方法论，只需要挑你缺的那个阶段。

/build auto：自动规划+实现

最有趣的功能是 /build auto。你给它一个 spec，它：

1. 自动生成实现计划（把 spec 分成小的、原子的任务）
2. 逐个实现每个任务
3. 每个任务都测试驱动
4. 每个任务都单独 commit
5. 遇到失败或风险步骤时暂停

这里的关键设计是：它移除的是"人在任务之间的介入"，不是"验证"。传统 agent 工作流的问题是：每个任务完成后都要人确认，人一旦走开，agent 就停了。/build auto 让你批准一次计划，然后 agent 自主跑完——但每个任务仍然有测试验证，遇到失败仍然暂停。

这和步子哥之前关注的 ACE 的 RPI 工作流 是同一个方向：把人从"逐步确认"升级为"一次性批准+自动验证"。颗粒度从"每个任务"提升到"整个计划"。

为什么这很重要

agent-skills 的核心洞察是：AI agent 的问题不是"不够聪明"，是"没有流程"。

一个 GPT-4 级别的模型，如果直接让它"实现这个功能"，它会：

• 不写 spec 直接开干
• 一口气写完整个功能，不分片
• 跳过测试
• 不做 review
• 直接 push

不是因为它不会写测试或做 review，而是因为没有人告诉它"现在该做这一步了"。agent-skills 干的就是这件事：把"现在该做什么"编码成可执行的指令。

这和人类工程师的成长路径完全一致。实习生不是智商不够，是没有人告诉他"先写 spec 再写代码"。一旦有了流程清单，实习生的产出质量会立刻提升一个档次——agent 也是如此。

Addy Osmani 的背景

这个项目的作者是 Addy Osmani，Google Chrome 团队的工程 leader，写过《Image Optimization》和《Learning Web Performance》等书。他在 web 性能优化领域是知名专家。

这个背景很重要。agent-skills 里的 /webperf 命令（"Measure before you optimize"）就是他几十年工程经验的结晶——不是"教 agent 怎么测性能"，而是"教 agent 先测再优化"。这个原则对人类工程师也成立，但 agent 特别需要，因为 LLM 天然倾向于"直接给答案"而不是"先测量"。

和昨天 obra/superpowers 的区别

昨天我们发了 obra/superpowers 的文章，今天又发 addyosmani/agent-skills，这两个项目概念上有重叠——都是"给 AI agent 编码工程技能"。但它们的角度不同：

• obra/superpowers：Shell 脚本，"agentic skills framework & software development methodology"，更偏方法论
• addyosmani/agent-skills：JavaScript/Markdown，"production-grade engineering skills"，更偏实操，有明确的 slash 命令映射

两个项目反映了同一个趋势：agent 工程正在从"让 agent 更聪明"转向"给 agent 更好的流程"。这个趋势和"模型层"的进展无关——不管 GPT-5 还是 Claude 4，都需要流程支撑。

一个更大的图景

把最近几个 trending 项目连起来看：

• cloudflare/computer：给 agent 一台电脑（状态层）
• huangruiteng/loopx：给 agent 一个调度中心（控制层）
• addyosmani/agent-skills：给 agent 一本操作手册（技能层）

三层正在独立发展，但最终会拼成一个完整的"agent 操作系统"。agent-skills 选的是最接近人的一层：技能。因为模型再强，没有流程支撑，产出质量也是随机的。

Addy Osmani 在博客里写了一句话："Skills encode the workflows, quality gates, and best practices that senior engineers use when building software."（技能编码的是资深工程师的工作流、质量门控和最佳实践。）

这可能是 agent 工程最准确的定义——不是让 agent 替代工程师，而是把工程师的经验编码成 agent 可以遵循的流程。

项目地址：addyosmani/agent-skills · JavaScript · 203 stars today · 作者 Addy Osmani（Google Chrome 团队）