程序员、设计师、产品经理、自媒体人，各自该装哪些 Agent Skills？

我在 AI 工具这个领域折腾了将近一年，亲眼见过太多人走同一条弯路：花了大量时间配置 Claude Code 或 Codex，结果发现 AI "能用但不够聪明"，要么跑偏，要么做到一半失忆，要么写出来的界面全是廉价感。

问题几乎从不出在模型上。真正的原因是 Skill 没配对。

Agent Skill 本质上是一份"说明书 + 工作流"，告诉 Agent 在特定场景下该怎么思考、按什么步骤做事。没有 Skill，Agent 每次都要从零推理；有了合适的 Skill，它直接调用预设好的专业流程。一句话：模型决定 Agent 的智力上限，Skill 决定它在你的场景里能发挥多少。

Anthropic 在 github.com/anthropics/skills 维护了官方 Skill 仓库（67K+ Stars），社区生态已经扩展到数万个 Skill。问题不是没得选，而是选什么。

下面按职业场景给出我认为最值得装的配置，先从所有人都需要的底座开始。

所有人先装这 5 个

不管你是什么职业，这 5 个是地基。

Skill Vetter（安全审查）

装任何其他 Skill 之前，先装这个。它会在你安装新 Skill 时自动扫描安全风险，检测 Prompt 注入、隐藏恶意代码、权限越界等问题，并给出安全评分报告。Skill 生态目前良莠不齐，这个相当于给你的工具链装了一道门禁。社区有多个实现版本，可在 findskills.org 搜索 skill-vetter 安装。

Skill Creator（Anthropic 官方）

把你反复解释的固定流程，沉淀成可复用 Skill。你每周让 AI 写周报，每次都要重新说格式、口吻、字段要求？用 Skill Creator 一次性固化下来，以后直接调用。用大白话描述流程，或者把操作手册丢给它，它自动生成标准 Skill 文件。建议全局安装。源码在 anthropics/skills 官方仓库。

Find Skills

不知道该装什么 Skill 时，直接问它。它连接 skill.sh 平台，根据你的需求自动搜索、对比、推荐安装量高的 Skill，并一行命令帮你装好。真正的用法是直接给 Agent 派任务，让它发现自己不会时自动去找对应 Skill。可在 findskills.org 搜索 find-skills 安装。

Self-Improving Agent（自我进化）

解决 AI 失忆症。它会把每次的错误日志、成功经验、你的偏好自动存到本地记忆库，下次遇到类似问题直接调用历史经验。这个 Skill 的价值不在第一天，而在第三十天——用得越久，Agent 越像你的数字分身。社区有多个实现，可搜索 self-improving-agent 安装。

Tavily Search（AI 专属联网搜索）

让 Agent 不再靠过期知识回答问题。返回结构化内容，没有广告，AI 拿到就能直接用。官方文档显示每月有 1000 次免费 API Credits，无需信用卡，在 Tavily 官网注册获取 API Key 后配置即可。

程序员 / 全栈开发者

和做 AI 工具的朋友聊过很多次，他们提到最普遍的两个痛点：AI 写的代码能跑，但跑偏了；以及做到一半失忆，重来一遍。这两个问题有对应的解法。

必装

Superpowers（github.com/obra/superpowers，90K+ Stars）

这是目前口碑最高的开发类 Skill，核心是把测试驱动开发（TDD）变成 Agent 必须遵守的硬规则：

• 强制 Agent 先写失败测试，再写最少量代码让测试变绿，最后优化
• 自动开启两轮内部审计：一轮对齐需求，一轮检查代码质量
• 把大任务拆成小碎活，每步有明确验收标准，严禁跳步

第一遍就能把代码写到 80 分以上，省掉后续无数次 debug。长期来看反而更省 token。

有一个坑值得提前说：Superpowers 包含 20 多个子技能，全开会撑爆上下文。建议只开 Brainstorming（需求对齐）和 Planning with Files（任务规划），其他按需加载。

Planning with Files（github.com/OthmanAdi/planning-with-files）

解决 AI 长任务失忆问题。Agent 每次动手前先建一个计划文件，每完成一步就打勾，就算上下文清空了，重新读文件就能接着干。跨天的重构任务必备。

Rough Loop

解决 AI 摸鱼问题。通过 Hook 拦截 Agent 的退出动作，检查完成标准是否达标，没达到就塞回去继续写。社区有多个同类实现（ralph、infinite-agentic-loop 等），可在 skill.sh 搜索 rough-loop 安装。

关键细节：完成条件必须写具体。"做完用户模块"等于没说，要写成"登录接口可用 + 单元测试覆盖率 80% + README 包含 API 文档"，AI 才没法浑水摸鱼。

进阶选配

GStack（github.com/garrytan/gstack，71K Stars）

YC 总裁 Garry Tan 的个人 Claude Code 配置，他在 README 里写道：过去 60 天写了 60 万行生产代码，其中 35% 是测试，每天产出 1-2 万行，同时还在全职运营 YC。

G Stack 内置 23 个专家角色（CEO、设计师、发布工程师等），通过斜杠命令调用：

• /office-hours：开工前的灵魂拷问，把不靠谱的假设先掐死
• /review：资深工程师视角，专盯 CI 能过但上线会爆的隐患
• /qa：真实打开浏览器点击验证，不是纸上谈兵
• /ship：自动跑测试、推代码、开 PR，一气呵成

Security Review

写认证、支付等功能时自动检查安全漏洞。这类功能出问题代价太高，值得单独装一个。

推荐组合

底座 5 个 + Superpowers（只开 Brainstorming）+ Planning with Files + Rough Loop
进阶：加上 G Stack + Security Review

设计师 / 前端开发者

AI 生成界面有一个公认的问题：十个 AI 生成的界面，十二个长得一样——圆角卡片加紫色渐变。这不是模型的问题，是没有给 Agent 配置设计规范。

必装

Frontend Design（anthropics/skills 官方仓库内）

核心是帮 AI 洗掉"廉价感"。它不是机械套用组件，而是根据产品调性推敲质感纹理、非对称布局、字体比例和模块留白。装上之后，你的 UI 从"一眼 AI"变成"手作设计"。

UI UX Pro Max（github.com/nextlevelbuilder/ui-ux-pro-max-skill）

如果说 Frontend Design 是帮你找灵感，这个就是直接给你配了一个设计总监：

• 内置 160+ 个行业深度规则（金融、医疗、电商等各有专属配色和字体规范）
• 能生成可持久化复用的设计系统，下次新项目直接复用，不用从零打磨
• 内置避坑指南，直接点出哪些设计在商业场景里不能碰

两者分工明确：Frontend Design 负责把画面画得出彩，UI UX Pro Max 负责把产品做得专业。有条件都装。

按需选配

推荐组合

底座 5 个 + Frontend Design + UI UX Pro Max + Playwright

产品经理

产品经理的核心需求是：需求分析有框架、PRD 写得快、原型出得准。

必装

Product Manager Skills（github.com/deanpeters/Product-Manager-Skills，资深 PM 开源，46 个产品管理框架）

装上之后，Agent 就像读过这些方法论的资深 PM，会主动按框架引导你工作：需求分析自动套用用户故事、JTBD 等框架，竞品分析有结构化模板，用户洞察有系统性提问路径。

这 46 个框架不只是 PM 能用——运营做用户洞察、创业者梳理产品定位、项目经理管理需求池，都适用。本质上是一套决策框架库。

Brainstorming（Superpowers 子技能）

把模糊想法聊成 2-3 个可选方案，每个方案说明取舍。新功能立项、内容策划开头必用。

Planning with Files

PRD 写到一半上下文被压缩是常见问题。前面程序员段已经介绍过这个 Skill——它把规划写入本地文件，随时可以接续，PM 同样适用。

进阶选配

AI 开发工作流 Skills（github.com/addyosmani/agent-skills，Addy Osmani 出品，21 个结构化工作流）

覆盖软件开发全生命周期：定义 → 规划 → 构建 → 验证 → 审查 → 发布，每步有明确验证门槛。适合兼顾产品和技术的 PM。

The Agency（61 个专家角色）

把一整个数字创意公司拆成 61 个专家，前端开发、UI 设计、增长黑客、项目管理、质量测试都有。适合需要多角色协作的复杂产品规划。

推荐组合

底座 5 个 + Product Manager Skills + Brainstorming + Planning with Files

自媒体人 / 内容创作者

做内容的人最大的痛点不是写内容本身，而是写完之后那些又碎又重复又不能不做的事：配图、改格式、换平台排版、写封面标题。这些环节加起来消耗的时间，往往比写内容本身还多。

必装

Markitdown（github.com/microsoft/markitdown，微软开源）

把 PDF、Word、PPT、Excel、图片、音频全部转成 AI 好读的 Markdown。很多时候 AI 总结不准，不是模型弱，而是输入文件结构太乱。先用 Markitdown 把材料变干净，再总结提取，结果稳定很多。

Obsidian Skills

如果你用 Obsidian 积累了大量笔记、资料、网页摘要，这个 Skill 能把它们变成 AI 可以重新组织的工作材料。知识库最大的问题是"资料一直堆，真正用的时候调不出来"，这个 Skill 解决的就是这个。

内容生产选配

发布微信 / 发布微博 Skill：从本地草稿到发布全流程在 Agent 内闭环，支持长文和图文摘要两种模式。

推荐组合

底座 5 个 + Markitdown + Obsidian Skills + Cover Image Skill + 对应平台发布 Skill

独立开发者 / 一人公司

一人公司需要同时扮演产品、开发、设计、运营多个角色，对 Skill 的要求是覆盖面广、协作能力强。

有一个在独立开发者圈子里流传的配置，被很多人验证有效：

Superpowers + G Stack + The Agency + Frontend Design

• Superpowers：工程规范底座，保证代码质量
• G Stack：YC 创业方法论，23 个专家角色从 CEO 到发布工程师
• The Agency：61 个专家角色，多 Agent 协作，一次会话搞定从市场验证到技术架构
• Frontend Design：产品界面不再有廉价感

进阶版可以加上 HiveWard（多 Agent 调度架构，让 Claude Code/Codex 协同工作）。

科研人员

Scientific Agent Skills（135 个可复用 Skill，可在 GitHub 搜索 scientific-agent-skills 找到）覆盖科研全流程：

• 生物信息学：接入 NCBI、UniProt、ChEMBL、ClinicalTrials.gov
• 药物发现：整合 RDKit、DeepChem、DiffDock、OpenMM
• 数据分析：统计检验、可视化、报告生成
• 论文写作：结构化写作流程

每个 Skill 都带 SKILL.md、代码示例、使用场景和最佳实践，不是一句提示词。

金融从业者

装 Skill 的 3 条原则

先装安全审查，再装其他。 Skill 生态鱼龙混杂，Skill Vetter 是第一道防线，不能省。

宁少勿多，按需加载。 有一种很普遍的情绪：装了很多 Skill，收藏了很多，但真正开工的时候还是不知道该用哪个。装太多 Skill 会撑爆上下文，反而降低效率。先把底座 5 个装好，再按实际遇到的问题逐步添加。

把自己的流程炼化成 Skill。 用 Skill Creator 把你反复做的事情固化下来，这才是长期效率提升的根本。有人把自己几年积累的内容脚本做成了专属 Skill，有人把代码风格偏好存进去——你的工作流才是最该被沉淀的东西。

快速对照表