当移动开发终于有了自己的 AI 技能：Expo 官方出手了

来源: expo/skills — https://github.com/expo/skills
语言: Shell | 今日 Stars: 216 | 协议: MIT
一句话: Expo 团队官方出品的 AI agent 技能集合，让 Claude Code/Cursor/Codex 真正理解 Expo 和 React Native 的约束

一个场景

你让 Claude Code 帮你写一个 Expo 应用的推送通知功能。Claude 给你一段代码，用了 react-native-push-notifications 库。

你运行。报错。因为 Expo 的推送通知不是这么做的——Expo 有自己的 expo-notifications 模块，配置方式完全不同。Claude 不知道，因为它的训练数据里混了 React Native 原生开发和 Expo 开发，两者看起来像但约束完全不同。

这个问题困扰了每一个用 AI 辅助开发 Expo 应用的开发者。AI 不知道：

• Expo 有自己的模块系统（expo-*），不是所有 React Native 库都能用
• Expo Application Services (EAS) 的构建流程和原生构建完全不同
• Expo Router 的文件路由和 React Navigation 的 API 不一样
• Expo 的配置是 app.json / app.config.js，不是 android/app/src/main/AndroidManifest.xml

这些约束是 Expo 生态的「常识」，但不是 AI 的「常识」。

Expo 团队决定自己解决这个问题。他们发布了一个官方的 AI agent 技能仓库：expo/skills。

官方出手的意义

市面上已经有很多 AI skills/rules 仓库。为什么 Expo 官方出手重要？

因为只有官方知道约束在哪里。

第三方技能的作者可以从文档里提取信息，但文档不会告诉你：

• 哪些 API 在 SDK 52 里被废弃了
• 哪些库和 Expo Go 不兼容
• EAS Build 的免费额度限制是什么
• expo-router 的哪些功能还在实验阶段

这些信息散落在 changelog、GitHub issues、Discord 讨论里。只有 Expo 团队自己能把这些信息整合成一个连贯的技能。

这就像法律咨询：你可以自己读法条，但只有律师知道判例和实务操作。Expo 团队出品的技能，包含了他们在维护 Expo 过程中积累的所有「不成文知识」。

技能内容：不只是代码模板

expo/skills 仓库包含多个技能文件夹，每个解决一个 Expo 开发的具体场景：

• Expo 应用开发：项目结构、模块使用、配置管理
• EAS 构建：构建配置、提交到应用商店、更新管理
• Expo Router：文件路由、导航、布局系统
• 原生模块：什么时候需要 native module，怎么写

每个技能不是简单的代码模板，而是一个完整的工作流指南。它告诉 AI：

1. 什么时候用：触发条件
2. 怎么开始：intake questions
3. 约束是什么：Expo 特有的限制
4. 怎么验证：测试和构建步骤

这意味着 AI 不只是写代码，它还在正确的时机做正确的事，并遵守 Expo 的约束。

Skills CLI：一个通用安装器

expo/skills 使用了一个通用的安装方式：

npx skills@latest add expo/skills

这个 skills CLI 不是一个 Expo 专用的工具。它是一个通用的 AI skills 安装器，支持多个 AI 工具（Claude Code、Cursor、Codex 等）。

这意味着 Expo 的技能不是绑定在某个 AI 工具上的。你可以用 Claude Code 开发，也可以用 Cursor 开发，技能都能装。

这个设计决策的含义是：技能是源，工具是目标。 Expo 团队维护技能内容，skills CLI 负责适配到不同工具。如果未来出现了新的 AI 工具，只需要 skills CLI 支持它，Expo 的技能就能自动适配。

为什么这很重要：垂直技能层

expo/skills 代表了一个趋势：垂直领域的官方 AI 技能。

过去一年，AI skills 生态主要在两个方向：

1. 通用技能：Hallmark（设计）、Impeccable（设计词汇）、ai-design-skills（设计集合）——这些技能不限定领域
2. 工具技能：Claude Code 的 plugin、Cursor 的 rules——这些技能限定工具但不限定领域

expo/skills 开辟了第三个方向：垂直领域技能——限定领域但不限定工具。

这个方向的逻辑是：每个技术栈都有自己的约束、最佳实践、常见陷阱。通用 AI 不知道这些约束，因为训练数据里混了所有技术栈。垂直技能的作用就是告诉 AI：「在这个技术栈里，这样做不对，应该那样做。」

Expo 是第一个这么做的移动开发框架。但它不会是最后一个。想象一下：

• nextjs/skills：Next.js 官方 AI 技能，告诉 AI App Router 和 Pages Router 的区别
• django/skills：Django 官方 AI 技能，告诉 AI ORM 的 N+1 问题怎么避免
• kubernetes/skills：K8s 官方 AI 技能，告诉 AI 哪些 API 版本被废弃了

每个成熟的框架/平台都可以有自己的 AI 技能。这些技能的价值不在于教 AI 写代码，而在于教 AI 遵守这个生态的约束。

216 颗星：被低估的信号

216 颗星看起来不多。但考虑到：

1. 这是 Expo 官方仓库，不是社区项目
2. 它面向的是 Expo 开发者，不是所有开发者
3. 它是 Shell 脚本和 Markdown，不是炫酷的代码

216 颗星说明 Expo 开发者社区里有 216 个人主动表达了「这正是我需要的」。

对于 Expo 这样的垂直技能仓库，star 数不是关键指标。关键指标是：有多少 Expo 项目的 AI 辅助开发真的在用这个技能？ 这个数字无法从 GitHub 看到，但它才是这个技能真正价值的体现。

一个更深的洞察

expo/skills 的出现揭示了一个关于 AI 辅助开发的结构性问题：AI 的通用性是它的优势，也是它的盲区。

AI 能写任何语言的代码，但它不知道每个语言/框架的「不成文规则」。这些规则不是文档里的，而是社区实践中积累的。人类开发者通过踩坑学会这些规则，AI 也需要通过「技能」来学习。

技能不是 prompt engineering 的延伸。技能是把领域知识结构化注入 AI 的方式。prompt 是临时的，技能是持久的。prompt 需要每次输入，技能一次安装永久生效。

Expo 团队理解了这个区别。他们不是在写 prompt，他们在构建Expo 领域知识的结构化表示。

这就是为什么 expo/skills 值得关注。不是因为它的代码有多复杂，而是因为它代表了一种新的知识传递方式：从人类专家到 AI，通过结构化的技能文件。

GitHub: https://github.com/expo/skills
安装: npx skills@latest add expo/skills
协议: MIT