编程 Agent Skills 深度拆解：当 AI 编程助手学会「工程纪律」——mattpocock/skills、addyosmani/agent-skills 与 Superpowers 如何用可组合 SOP 重写人机协作的心智模型

2026-07-15 12:18:39 +0800 CST views 6

Agent Skills 深度拆解：当 AI 编程助手学会「工程纪律」——mattpocock/skills、addyosmani/agent-skills 与 Superpowers 如何用可组合 SOP 重写人机协作的心智模型

2026 年 7 月，GitHub Trending 日榜被一个看似平淡的关键词霸屏：skills。mattpocock/skills 以每天 1000+ Star 的速度增长，addyosmani/agent-skills、obra/superpowers 紧随其后。它们不是新框架，不是新模型，而是一套「写给 AI 看的工程纪律」。本文从工程师视角，拆解这场「Agent Skills 运动」到底在解决什么问题、底层架构如何设计、以及如何把它真正用进生产。

一、背景：为什么 AI 写出的代码总像「玩具」？

如果你用过 Claude Code、Cursor 或 Copilot 写业务代码，大概率遇到过这种「翻车现场」：

你说「帮我加一个用户导出功能」，Agent 噼里啪啦写完代码、跑通了，潇洒地回一句「Done!」。你一查——没有测试、没有错误处理、没有权限校验、导出接口直接把整张用户表 dump 成 CSV 暴露在公网。它能跑，但它不能用、不敢用、没法维护。

问题不在模型智商，而在默认行为路径。一个没有约束的编码 Agent，会下意识地走「最短路径」：跳过写规格、跳过写测试、跳过安全审查，直奔「看起来能跑」的实现。几十年的软件工程沉淀下来的纪律——先写规格、测试驱动、代码审查、CI/CD——在 Agent 的默认路径里全部被「优化」掉了。

为什么模型会这样？根子在训练与评测的错配。模型在「给定需求→生成代码」的样本上训练，优化目标是「让评审觉得对」，而不是「让生产环境不炸」。它没见过你公司的合规红线，没背过你的架构约束，自然倾向于产出「看起来合理、实则裸奔」的代码。换句话说，模型的「理性」是统计意义上的，不是工程意义上的。你需要的不是更聪明的模型，而是把「工程意义上的对」编码进它的默认路径。

2022–2024 是「提示词驱动期」，AI 被动响应、无工具调用；2024–2025 是「上下文工程期」，RAG + 工具调用让 AI 能查资料、能调 API，但仍需人工引导、流程不稳定；2025 年至今进入「Agent + Skills 期」：AI 开始自主决策、任务分解、技能复用。但自主不等于可靠。Agent Skills 运动要解决的，正是「如何让 AI 自主，但不裸奔」——给 AI 装上资深工程师的工作纪律。

这不是又一个「提示词集合」。它把数十年工程最佳实践，提纯成一套高度可组合的 Markdown 指令集（SOP），强制 AI 在编码的每个环节遵循既定流程。它不接管你的代码库，而是给 AI 戴上工程纪律的「紧箍咒」。

二、核心概念：到底什么是 Agent Skill？

一个 Skill，本质是一份写给 AI 看的「标准作业程序」（SOP），以 SKILL.md 文件的形式存在。它告诉 AI「这件事应该怎么做」，而且往往比「做什么」更重要。

2.1 划清边界：Skills ≠ MCP

这里要先划清一条关键边界，因为它常被混淆：

MCP（Model Context Protocol） 解决的是「AI 能调用什么工具」——把数据库查询、文件系统、API 包装成标准化的 Tool。它是能力协议层。
Agent Skills 解决的是「AI 拿到工具后，应该怎么干才专业」——把 TDD、代码审查、需求拆解封装成行为约束层。

一个负责「插拔能力」，一个负责「工作纪律」。两者正交，可以叠加使用：MCP 给 Agent 装上扳手，Skills 教 Agent 怎么用扳手不砸到自己。

2.2 三大核心机制

纵观 mattpocock/skills、addyosmani/agent-skills、obra/superpowers 三套实现，它们不约而同地收敛出三大核心机制：

1) 阶段准入（Phase Gate / Workflow Constraint）
不是告诉 AI「去做什么」，而是用严密的阶段门禁约束「怎么做、何时能进入下一阶段」。比如 mattpocock 的 to-prd、to-issues 强制在写代码前，先把模糊需求转化为标准 PRD 与垂直切片的 Issue；没过门禁，不许动手写实现。这把「先想清楚再写」从口号变成了系统强制。

2) 检查点 + 退出条件（Checkpoint + Exit Criteria）
每个步骤都要有可验证的完成标准，AI 必须「执行完才能继续」，而不能嘴上说「我写了测试」就过关。addyosmani 的 /test 技能就带明确的 Checkpoint：

Step 1: 写测试
Checkpoint:
  - [ ] 测试覆盖率 > 80%
  - [ ] 所有测试通过
  - [ ] 无硬编码凭证
未通过？停止执行。

3) 反合理化（Anti-rationalization）
AI 最擅长找借口：「我会稍后补测试」「这只是原型」「能跑就行」。addyosmani 的做法极为巧妙——直接把借口写进技能，并附上反驳：

AI 常见借口	技能里的反驳
「我会稍后添加测试」	稍后 = 永不，现在就写
「这只是原型」	原型也会被部署
「重构太复杂」	小步重构更安全
「这代码能跑就行」	能跑 ≠ 可维护

AI 一想要偷懒，就撞上预埋的反驳，被拉回正轨。

2.3 四个工程特征

小而可组合：不是大而全的方法论框架，而是一组独立技能。你可以只装 grill-me + tdd，不绑定任何整体。
模型无关：SKILL.md 是纯文本指令，Claude、Gemini、GPT 都能读。mattpocock/skills 明确标注可与不同模型一起工作。
开放标准：遵循 Agent Skills 开放标准（SKILL.md 约定格式 + skills.sh 分发机制），可移植、可组合、可扩展。
无状态运行时 + 持久化记忆：Skills 体系拒绝全盘接管代码库，运行时保持无状态；所有项目上下文（领域语言、架构规范）以本地文件（CONTEXT.md、ADR）形式持久化在你的工程目录里。

2.4 SKILL.md 开放标准格式

一个合规的 SKILL.md 由 frontmatter 与正文组成。frontmatter 的 description 不只是说明，而是触发条件——Agent 据此判断何时自动加载：

---
name: tdd-strict
description: 实现任何功能前先写失败测试，遵循红-绿-重构。当用户要求
  "实现/修复/加功能" 且尚未提供测试时触发。
---

# 正文：给 AI 的指令、流程、Checkpoint、Anti-rationalization

name 是技能唯一标识；description 要写清「什么时候该用我」，包含触发动词与前置条件。分发侧（skills.sh）据此做检索与组合。这套约定让 Skill 能从「个人提示词」升级为「可版本化、可共享的工程资产」。

三、架构分析：三套主流实现的骨架

3.1 mattpocock/skills：工作流约束架构

作者是 Total TypeScript 创始人 Matt Pocock。截至 v1.1.0，它包含 21 个正式 skill，核心理念是「Skills for Real Engineers」——直接来自作者日常使用的 .claude 目录。

它采用「工作流约束」架构，把系统精妙地划分为四层：

User 层      开发者 / Agent 终端（Claude Code、Cursor、Copilot CLI…）
   ↓
Entrypoint 层  /slash-command 精准触发对应技能（加载特定 SKILL.md）
   ↓
Skill Buckets 层  垂直能力池：工程(Engineering) / 生产力(Productivity) / 杂项
   ↓
Config 层     CONTEXT.md / ADR —— 系统的「持久化记忆」

因为运行时无状态，所有项目上下文都直接存在工程目录文件中。代表性 skill：

grill-me / grill-with-docs：动手前先穷追不舍地质问需求，并顺便建立项目通用语言与文档。
tdd：强制「红—绿—重构」循环，确保每一行代码都经过验证。
diagnose：系统化排查问题，而不是瞎猜。
to-prd / to-issues：把模糊上下文整理成 PRD 与垂直切片 Issue。
zoom-out：先看全局再看局部，避免陷入细节。
improve-codebase-architecture：收敛「面条化」代码库。
git-guardrails：拦截危险 Git 操作（如 force push）。
handoff：自动生成上下文交接文档。
write-a-skill：让 AI 学习编写新的 Skill——元技能。

安装极简，一行命令安装全部 21 个技能：

# 全量安装（新手体验）
npx skills@latest add mattpocock/skills --yes --global

# 生产环境：只装单个技能
npx skills@latest add mattpocock/skills/tdd

# 首次务必带上仓库级配置
npx skills@latest add mattpocock/skills/setup-matt-pocock-skills

支持的客户端：Claude Code（100% 完整）、Claude Apps 网页版、Claude API、Cursor 0.40+、Windsurf 1.2+、Codex、OpenCode。注意在 Codex / OpenCode / Cursor 里不走 npx skills add，而是按各自机制放置 SKILL.md。

3.2 addyosmani/agent-skills：六阶段生命周期

作者是 Google 工程总监 Addy Osmani。它把 Google 内部严苛的工程规范封装成 20 个结构化 Markdown 技能 + 7 个斜杠命令，对应软件开发的完整闭环：

DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP
  /spec    /plan  /build   /test    /review   /ship
                                    /code-simplify

/spec：定义需求，强制先写 PRD 或 API 契约，明确「做什么」再动手。
/plan：任务拆解，把大需求拆成原子化子任务，防止一次性生成无法维护的「巨无霸」代码。
/build：增量构建，一次只实现一个功能切片，每步可验证。
/test：验证驱动，遵循 TDD，先写测试证明功能再写实现。
/review：代码审查，模拟资深工程师视角检查健康度、安全性与性能。
/ship：交付。
/code-simplify：代码简化。

它的杀手锏就是前面提到的 Checkpoint + Anti-rationalization。它不是一个独立软件，而是 Claude、Cursor、Gemini 等主流 AI IDE 的「纪律插件」，协议 MIT。

3.3 obra/superpowers：强制而非建议

obra/superpowers 是一套完整的软件开发工作流系统，同样为 Cursor、Claude Code 等 Agent 设计。它的哲学更极端：技能不是建议，而是强制性流程。通过一组可组合的「技能」——TDD、代码审查全自动，并带自我纠错能力——让 Agent 像 10 倍效率的架构师。它证明了「流程强制」可以工程化、可复制。

3.4 三套实现横向对比

维度	mattpocock/skills	addyosmani/agent-skills	obra/superpowers
作者背景	Total TypeScript 创始人	Google 工程总监	资深开源维护者
入口形态	21 个细粒度 skill	7 个斜杠命令 + 20 技能	强制流程框架
核心哲学	工作流约束、可组合	六阶段生命周期、反合理化	强制而非建议、自纠错
触发方式	slash + 自动匹配	slash 命令	自动强制
协议	MIT / 开放标准	MIT / 开放标准	开放标准
最适用	个人/团队工程纪律增强	全生命周期生产级标准	全自动工作流

三套实现的共识很清楚：把工程纪律从「人的自觉」变成「系统的强制」。

四、代码实战：把 Skills 真正跑起来

4.1 接入一个技能库

以 mattpocock/skills 为例，在任意项目根目录执行：

# 安装全部技能（全局）
npx skills@latest add mattpocock/skills --yes --global

# 或只装 TDD + 需求澄清（最实用组合）
npx skills@latest add mattpocock/skills/tdd
npx skills@latest add mattpocock/skills/grill-me

装完后，在 Claude Code / Cursor 里直接输入 /tdd、/grill-me 即可触发。注意：/setup-matt-pocock-skills 会让你选择问题跟踪器（Linear / GitHub Issues / Jira）和文档偏好，每个仓库配置一次，后续工程类技能都依赖它补齐仓库级配置。

4.2 一个 SKILL.md 到底长什么样？

SKILL.md 遵循开放标准，核心是 name + description（含触发条件），其余是给 AI 的指令。下面是一份遵循 agent-skills 模式的示意性 Skill，演示 Checkpoint 与 Anti-rationalization 怎么落地（非官方逐字文件，而是该模式的精简还原）：

---
name: tdd-strict
description: 实现任何功能前先写失败测试，遵循红-绿-重构。当用户要求
  "实现/修复/加功能" 且尚未提供测试时触发。
---

# TDD 严格模式

实现任何功能前，必须先有会失败的测试。禁止直接写实现。

## 流程
1. 红：写一个描述预期行为的测试，运行确认它失败。
2. 绿：写最少量的实现，使测试通过。
3. 重构：在测试保护下优化结构。

## Checkpoint（未满足则停止）
- [ ] 存在一个失败测试，描述本次需求
- [ ] 测试运行后由红转绿
- [ ] 无新增跳过（skip）的测试
- [ ] 无硬编码凭证 / 魔法数字

## Anti-rationalization
- 「我会稍后补测试」→ 稍后 = 永不，现在写。
- 「这只是原型」→ 原型也会被部署。
- 「时间紧先上再说」→ 没有测试的上线 = 埋雷。

注意 description 里的触发条件——这是 Skills 能「自动插拔」的关键：Agent 读到用户意图匹配时，主动加载对应 Skill，无需人手动点。

4.3 /tdd 红绿重构：带真实代码

假设需求是「给订单算折扣：满 100 减 10，VIP 再打 9 折」。先用 /tdd 进入严格模式。

红：先写测试（TypeScript + Vitest）：

// discount.test.ts
import { describe, it, expect } from "vitest";
import { calcDiscount } from "./discount";

describe("calcDiscount", () => {
  it("满100减10", () => {
    expect(calcDiscount(120, false)).toBe(110);
  });

  it("VIP 满100：先减10再打9折", () => {
    // (120-10)*0.9 = 99
    expect(calcDiscount(120, true)).toBe(99);
  });

  it("不满100的普通用户无折扣", () => {
    expect(calcDiscount(80, false)).toBe(80);
  });
});

运行 vitest，三个测试全红（函数尚未实现）。

绿：写最少实现：

// discount.ts
export function calcDiscount(amount: number, isVip: boolean): number {
  let price = amount;
  if (amount >= 100) price -= 10;
  if (isVip) price *= 0.9;
  return Math.round(price * 100) / 100;
}

重构：测试转绿后，在保护下优化——抽常量、加类型守卫、补边界（负数拦截）。整个过程 AI 被 Checkpoint 锁死：没测试不许写实现，没转绿不许声称完成。

4.4 /spec + /plan + /build 垂直切片

遇到大需求（如「做一个博客系统」），先用 /spec 逼出 PRD：

# PRD：轻量博客
- 用户能发布/编辑/删除文章（作者态）
- 访客能按标签筛选、分页浏览
- 非功能：首屏 < 1s，支持 Markdown
- 边界：不做评论、不做多用户协作（v1 范围）

再 /plan 拆成垂直切片 Issue：

[ ] Issue1: 文章 CRUD 数据模型 + 接口
[ ] Issue2: Markdown 渲染与发布页
[ ] Issue3: 标签筛选 + 分页列表

/build 一次只实现一个切片，每片可独立验证、可独立合并。这彻底消灭了「一次生成一个 2000 行无法维护的巨文件」的惨剧。

4.5 用 CONTEXT.md 与 ADR 做持久化记忆

Skills 运行时无状态，靠本地文件承载上下文。在仓库根放 CONTEXT.md：

# CONTEXT.md
技术栈：Node.js 22 + TypeScript 5.7 + PostgreSQL 18 + Vitest
领域语言（UL）：
  - 文章(Article) = 带 Markdown 正文的内容单元
  - 标签(Tag) = 文章的多对多分类
约束：所有金额用整数分存储，禁止浮点；接口须返回 RFC3339 时间
错误约定：业务错误抛 AppError(code, message)，禁止吞异常

关键架构决策写 ADR（Architecture Decision Record）：

# ADR-001：金额用整数分存储
状态：已采纳
背景：浮点运算导致 0.1+0.2≠0.3 的财务误差
决策：所有金额字段用 bigint（单位：分）
影响：展示层负责 /100 格式化，DB 层禁止 decimal

AI 每次开工先读 CONTEXT.md + ADR，等于拿到了项目的「长期记忆」，不会再犯「用 float 算钱」的低级错。

4.6 自己写一个 Skill（write-a-skill）

当内置技能不够，用 write-a-skill 让 AI 沉淀你团队独有的纪律。比如一条「数据库迁移必须可回滚」的团队规则：

---
name: migration-reversible
description: 当用户要写数据库迁移/ schema 变更时触发，强制迁移可回滚。
---
# 可逆迁移
每条迁移必须同时提供 up 与 down。
Checkpoint:
  - [ ] 存在对应的 down 脚本
  - [ ] down 执行后数据不丢（仅结构回退）
  - [ ] 已在 staging 跑过 up+down 验证
Anti-rationalization:
  - 「这只是加个字段，不用回滚」→ 加字段也可能锁表，必须可回滚。

写好的 SKILL.md 放进 .claude/skills/ 或 Agent 约定的技能目录，团队全员共享——工程纪律第一次变成了可版本化、可 Code Review 的资产。

4.7 把 Checkpoint 接进 CI：让纪律可机器验证

Skill 的 Checkpoint 之所以强，是因为它天然可机器验证。把它接进 CI，纪律就从「Agent 自觉」变成「流水线强制」。例如一个 GitHub Actions，在每次 PR 验证测试覆盖率与 lint：

# .github/workflows/skill-gate.yml
name: skill-gate
on: [pull_request]
jobs:
  quality:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with: { node-version: 22 }
      - run: npm ci
      - run: npx vitest run --coverage
        # 失败则 PR 被挡，等价于 /test 的 Checkpoint 未通过
      - run: npx eslint . --max-warnings=0

更进一步，可以用一个轻量脚本统一跑「Skill 断言」，让 CONTEXT.md 里的约束被自动检查：

// scripts/skill-gate.ts
import { readFileSync } from "node:fs";

const ctx = readFileSync("CONTEXT.md", "utf-8");
const forbidden = ["float", "decimal"];
for (const w of forbidden) {
  if (ctx.includes(`禁止${w}`)) {
    // 约定：CONTEXT.md 声明禁止的项，代码不得出现
    console.assert(
      !readFileSync("src/money.ts", "utf-8").includes("number"),
      `违反 ${w} 约束`
    );
  }
}

这样，Skill 写的「纪律」与 CI 写的「门禁」形成闭环：Agent 在本地被 Skill 约束，提交后被流水线二次验证。

4.8 MCP + Skills 协同实战

单独用 MCP 或 Skills 都不够。一个典型高危场景：「导出用户数据」。MCP 提供 read_users 工具，但如果不加约束，Agent 可能直接全表导出。叠上 Skills 后：

---
name: export-guard
description: 当用户要导出/下载用户相关数据时使用，强制权限与脱敏。
---
# 导出守卫
Checkpoint:
  - [ ] 调用前已确认调用者具备 export 权限（读 CONTEXT.md 的 RBAC）
  - [ ] 导出字段经过脱敏（手机号/邮箱掩码）
  - [ ] 导出动作写入审计日志
Anti-rationalization:
  - 「就导一条测试数据」→ 仍须走脱敏与审计，规则不因量小而豁免。

MCP 负责「能不能导」，Skills 负责「该怎么安全地导」。能力与纪律互补，才是生产可用的 AI 编程。

五、工程实践：什么时候该上 Skills，什么时候别上

Skills 不是银弹。清醒地用，才能吃到红利。

适合上的场景

需求模糊、容易「跑偏」的探索性开发——用 grill-me 先澄清。
生产级业务代码——用 tdd + git-guardrails 锁质量与安全。
团队协作标准化——把团队规范写成 Skill，新人接手即对齐，告别「口口相传的约定」。
长周期、多步骤任务——用 /spec /plan /build 切片推进，防止失控。

反模式（别这么用）

过度约束：给每个 trivial 改动都套 7 步流程，反而拖慢节奏。小脚本、一次性胶水代码，直接写就行。
把 Skill 当文档堆：Skill 是「强制流程」，不是「参考资料」。写成一大段说明 AI 看完「大概知道」，等于没写。必须带 Checkpoint 与退出条件。
忽视持久化：不写 CONTEXT.md / ADR，Agent 每次从零理解项目，纪律无从落地。

与 MCP 协同
MCP 给 Agent 接上数据库、文件系统、内部 API；Skills 约束 Agent 怎么用这些能力。典型组合：MCP 提供「读用户表」工具，git-guardrails + tdd 确保「导出用户」这类高危操作有测试、有权限校验、有审查。能力层与纪律层叠加，才是生产可用的 AI 编程。

过度约束的代价
Checkpoint 太严会让 Agent 频繁卡住等你确认，反而打断心流。建议：核心高风险的（测试、安全、迁移）强约束，低风险的（命名、注释）弱约束甚至不约束。纪律是手段，交付价值才是目的。

避坑清单（FAQ）

Q：装了 Skills 后 Agent 变慢了？A：多半是 Checkpoint 太密。把低风险步骤改为「建议」而非「强制」。
Q：Skills 会泄露我的代码吗？A：SKILL.md 与 CONTEXT.md 都在你本地仓库，不上传第三方；仅 npx skills add 时拉取公开技能定义。
Q：多模型团队怎么统一？A：Skills 是模型无关的纯文本，同一份 SKILL.md 在 Claude / Gemini / GPT 上行为一致，正是它的优势。
Q：和现有 lint / 测试框架冲突吗？A：不冲突，Skills 是「前置纪律」，CI 是「后置门禁」，二者互补。

5.5 度量：工程纪律的 ROI 怎么算

上 Skills 不是信仰，是可度量的工程投资。建议从四个维度量化它的回报：

返工率（Rework Rate）：上线后 7 天内因「漏测/漏审」回滚的 PR 占比。Skill 强制 TDD 后，这一项通常先升后降——因为原本被「Done!」掩盖的缺陷，现在在交付前就暴露了。
首过质量（First-Pass Quality）：一次 PR 即通过的占比。Checkpoint 把审查前置，Code Review 的来回轮次会明显下降。
高危操作拦截数：git-guardrails 拦下的 force push、export-guard 拦下的裸导出次数。这是「没出事」的隐性收益，最该进周报。
新人对齐成本：新人从「问人」到「读 CONTEXT.md + 装 Skills 即可干活」的时间。团队级 Skill 库把约定从人脑搬进仓库，这部分省下的沟通是最贵的。

一个务实的起点：先只装 tdd + grill-me 两周，对比前后返工率，再决定是否铺开全生命周期。别一上来就 21 个技能全上，那样只会收获一堆被忽略的 Checkpoint。

六、总结与展望

6.1 落地路线图

如果你今天就想把工程纪律接进团队，推荐一条渐进路径：

第 0 周：装 tdd + grill-me，写一份 CONTEXT.md 沉淀技术栈与领域语言。不动流程，先看 AI 输出质量变化。
第 2 周：加 git-guardrails + export-guard 等高危守卫，把最容易出事的环节先锁死。
第 4 周：把 Checkpoint 接进 CI（见 4.7），让纪律从「Agent 自觉」升级为「流水线强制」。
第 8 周：用 write-a-skill 把团队独有的规范固化成私有 Skill 库，新人入职即对齐。

这条路的精髓是「小步快跑、用数据说话」——每一步都用 5.5 的度量验证收益，而不是 blindly 信任任何框架。

Agent Skills 运动，本质是给 AI 编程栈补上了缺失的**「工程纪律层」**：

底层：模型（智商）
能力层：MCP（工具插拔）
纪律层：Agent Skills（行为约束）
记忆层：CONTEXT.md / ADR（项目长期上下文）

当这一层成熟，AI 编程助手的角色从「能生成代码的打字机」进化为「戴着手套的初级工程师」——它可能还会犯错，但错误被流程拦截在交付之前，且每一次犯错都沉淀成可复用的 Skill。

几个值得关注的趋势：

Skills 市场化成标准分发：skills.sh 这类开放分发机制会让「优质工程纪律」像 npm 包一样被检索、安装、组合，出现「技能商店」。
团队级 Skill 库：企业把内部规范（合规、安全、架构约束）固化为私有 Skill 库，新人入职即对齐，审计可溯源。
Skill 自我进化：write-a-skill 预示一个正反馈——Agent 在犯错中学会写新 Skill，团队的工程水位随使用而自动抬升。
与评测结合：Checkpoint 天然可机器验证（覆盖率、lint、测试通过率），未来 Skills 会直接对接 CI，把「纪律」写进流水线而非依赖人盯。

最后给一句工程师视角的结论：不要指望模型自己变「靠谱」，要把靠谱变成系统的默认值。 Vibe Coding 让你爽三分钟、修 bug 三整天；而一套好的 Skills，是把资深工程师几十年的「不该这么干」编码进每一次 AI 的默认路径里。这才是 2026 年 AI 编程真正的生产力拐点。

写在最后：Agent Skills 不是要取代工程师，而是把工程师最宝贵的「不该这么干」的直觉，变成系统里可复用、可审计、可传承的资产。当你下次看到 Agent 潇洒地回「Done!」却没有测试时，不妨先问一句：我给它装上纪律了吗？

参考项目：mattpocock/skills（GitHub Trending 日增千星）、addyosmani/agent-skills（MIT，7 斜杠命令）、obra/superpowers（强制流程框架）。均遵循 Agent Skills 开放标准，可组合、模型无关、可移植。

复制全文生成海报 Agent Skills AI编程工程纪律 mattpocock addyosmani Superpowers SKILL.md TDD