Claude Code 突然变成了 66 个专家？这个 5.8k Star 的开源项目，让我重新理解了什么叫"会用 AI"

前两天在 GitHub 上刷到一个项目，看完之后说实话------沉默了大概三秒钟。

不是因为技术多炸裂，而是因为它让我意识到：大多数人用 Claude Code，可能只用了它 5% 的能力。

这个项目叫 claude-skills，作者 Jeff Smolinski，目前 5.8k Star，370 Fork。

它做了一件事：给 Claude Code 装上 66 个"专家大脑"，让它在不同场景下自动切换身份。

你说"帮我实现 JWT 认证"，它不是一个泛泛的 AI 在回答你，而是一个 NestJS 安全专家在帮你写代码。

你说"优化一下这段 SQL"，接手的是一个数据库调优专家，带着 PostgreSQL 的最佳实践来的。

这不是换了个 prompt。这是换了个人。

先说它到底做了什么

claude-skills 本质上是一套 Claude Code 的技能插件系统。

它把全栈开发中你可能遇到的所有场景，拆成了 12 个大类、66 个专业技能，每个技能背后都有独立的知识库和行为规范。

来感受一下这 66 个"专家"的阵容：

后端与框架专家

前端专家

数据与基础设施

安全与质量

AI / ML 方向

还有 Rust、Go、C++、Swift、Kotlin、Spark、WebSocket、GraphQL、Shopify、WordPress、Salesforce、游戏开发、嵌入式系统......

66 个。 覆盖了一个全栈团队从前端到后端、从安全到运维、从 AI 到游戏的全部技能树。

真正牛的不是数量，是"自动切换"

很多人看到这里可能会想：不就是 66 个 system prompt 吗？

不是。

claude-skills 做了一件更聪明的事------Context-Aware Activation（上下文感知激活） 。

你不需要手动选择用哪个技能。当你输入任务描述时，系统会根据你的代码上下文、技术栈、任务类型，自动激活最合适的专家技能。

举个例子：

你说："Implement user authentication in my NestJS API"

系统自动激活：NestJS Expert + Secure Code Guardian

两个专家协同工作------一个管框架实现，一个管安全合规

这才是这个项目最值钱的设计。

它不是给你一个工具箱让你自己翻，而是根据你的处境，自动派出最合适的专家组合。

多技能工作流：不是一个人在战斗

单个技能已经很强了，但 claude-skills 还设计了预置工作流，把多个技能串联起来，模拟真实团队协作：

新功能开发流

Feature Forge → Architecture Designer → Fullstack Guardian → Test Master → DevOps Engineer

产品设计 → 架构设计 → 全栈实现 → 测试覆盖 → 部署上线，五个专家接力。

Bug 调查流

css 复制代码

Debugging Wizard → Fullstack Guardian + 框架技能 → Test Master → Code Reviewer → DevOps Engineer

定位根因 → 全栈修复 → 回归测试 → 代码复审 → 部署上线。

安全加固流

css 复制代码

Secure Code Guardian → Security Reviewer → Test Master

安全编码 → 安全审计 → 安全测试，三重保障。

你一个人写代码，但背后有一个虚拟团队在帮你把关。

365 份参考文档：每个专家都"读过书"

你一个人写代码，但背后有一个虚拟团队在帮你把关。这个项目最容易被忽略的细节是：每个技能背后都有独立的深度参考文档。

总计 365 份 reference files。

这意味着当 NestJS Expert 帮你写代码时，它不是靠 Claude 自己的通用知识在"猜"，而是基于作者精心整理的 NestJS 最佳实践、安全规范、性能优化指南在工作。

以 NestJS Expert 为例，技能文件夹的结构：

bash 复制代码

skills/nestjs-expert/
├── SKILL.md                    # 技能定义与行为规范
└── references/                 # 深度参考文档（6 份）
    ├── authentication.md
    ├── controllers-routing.md
    ├── dtos-validation.md
    ├── migration-from-express.md
    ├── services-di.md
    └── testing-patterns.md

这就是"Context Engineering"（上下文工程）的实战样本。

不是简单地写一段 prompt 告诉 AI "你是一个 NestJS 专家"，而是真的把专家知识注入进去。

还有项目管理？

没错。claude-skills 还内置了 9 个项目管理命令 ，支持从需求发现到回顾复盘的完整流程，并且可以对接 Jira 和 Confluence。

这意味着它不只是一个编码助手，而是想做一个完整的 AI 驱动开发工作台。

对我们的启发是什么？

看完这个项目，我提炼了三个核心认知：

Prompt Engineering 已死，Context Engineering 当立

单纯写一句"你是一个高级工程师"的时代过去了。真正有效的做法是：为 AI 构建完整的知识上下文------角色定义、行为规范、参考文档、决策树。

claude-skills 用 66 个技能 + 365 份文档证明了：给 AI 喂的上下文质量，直接决定了输出质量。

AI 的真正杠杆在"组合"，不在"单点"

一个 AI 专家很强，但多个 AI 专家自动协作才是质变。claude-skills 的工作流设计，本质上是在用 AI 模拟一个跨职能团队。

这给所有构建 AI 工具的人一个启示：不要只做一个聪明的 chatbot，要做一个能自动组队的系统。

开源社区正在重新定义"全栈"

过去，全栈 = 前端 + 后端。

现在，全栈 = 前端 + 后端 + AI + 安全 + 运维 + 测试 + 架构。

一个人掌握这些不现实，但一个人 + 66 个 AI 专家------突然就现实了。

如何开始使用？

如果你已经在用 Claude Code，两步即可：

bash 复制代码

# 安装插件
/plugin marketplace add jeffallan/claude-skills
# 加载技能包
/plugin install fullstack-dev-skills@jeffallan

然后，像平常一样写代码就行。系统会自动识别场景、激活技能。

项目地址：github.com/Jeffallan/claude-skills

写在最后

我经常被问："AI 编程到底能帮到什么程度？"

以前我的回答是：能帮你写代码，但你得会问。

看完 claude-skills 之后，我的回答变了：AI 编程的上限，取决于你给它构建了怎样的知识系统。

66 个专家、365 份文档、自动激活、工作流串联------这不是一个人的灵光一闪，这是对 "如何让 AI 真正变成生产力" 这个问题的系统性回答。

如果你还在用"裸"的 Claude Code，是时候给它装上大脑了。

你在用 Claude Code 的过程中，有什么独门技巧？欢迎在评论区聊聊。