Agent 开发:主流 Skills 推荐

Agent 开发:主流 Skills 推荐

从 SSD 规范驱动开发讲起,盘点 2025-2026 年最值得装的 Agent Skills,最后聚焦 Next.js 后端开发的实战组合。


一、SSD 规范驱动开发

在 Claude Code 里实现规范驱动开发(SSD),核心思路是把 "vibe coding" 的自由探索,约束到一套结构化的流程里。不是每次手动把规则文件塞进 Prompt,而是通过配置 Claude Code 的项目文件,让它自动加载这些"硬性规范"。

⚙️ 第一步:用 CLAUDE.md 加载"硬性规范"

CLAUDE.md 是项目根目录下的 Markdown 文件,会在每次会话开始时自动加载,并且在整个会话中持续生效,即使对话被压缩也不会丢失。

第二步:用 Skill 套用 SSD 工作流

CLAUDE.md 只是让 AI 遵守规则,要真正实现 SSD(规范→计划→代码)的完整流程,需要用 Skills(技能)。Skills 本质上是按需加载的、定义好特定工作流的指令文件。

也可以通过安装社区成熟的 SSD 框架,来获得一整套斜杠命令:

  • 如果只是想给 AI 加一个"写测试"的能力 :安装 writing-tests 这个 Skill 就够了
  • 如果想把整个开发流程改造成"规范驱动"模式:直接用 SSD 框架更省心,不需要自己研究"该按什么顺序调用哪些 Skills"

CLAUDE.md 与 .claude/ 目录的区别

很多新手容易混淆这两个概念:

CLAUDE.md .claude/ 目录
是什么 项目根目录下一个单独文件 一个隐藏文件夹,里面放多个配置文件
作用 项目级"始终在线"的约定 存放 Skills、自定义斜杠命令等结构化配置
加载时机 每次会话开始时自动加载,全程生效 Skills 按需加载,斜杠命令用 /command 触发
类比 给 Agent 的"员工手册",每次上班必读 给 Agent 的"工具箱",需要时拿对应的工具

Skills 与 SSD 框架的关系

维度 Skills(技能) SSD 框架
本质 独立的原子化功能模块 多个 Skills 的有序组合 + 流程管理
职责 执行单一具体任务(如"写规范"、"审代码") 定义"规范→计划→代码"的完整工作流
灵活性 可以单独使用,也可以随意组合 流程相对固定,但可在框架内替换底层 Skill
依赖关系 不依赖任何框架 依赖特定的 Skills 来执行具体步骤
类比 单个厨具(菜刀、平底锅) 一份完整菜谱(步骤 + 工具搭配)

同一个 Skill 可以被不同的框架复用。比如 brainstorming Skill 可能既被 Superpowers 使用,也被其他框架使用,只是调用时机和前后衔接逻辑不同。

安装后的文件结构

Skills 安装后以 SKILL.md 格式存储在项目中:

objectivec 复制代码
your-project/
├── CLAUDE.md                  ← 始终在线的项目约定
├── .claude/                   ← Claude Code 配置目录
│   ├── skills/                ← Skills 自动安装到这里
│   │   ├── brainstorming/
│   │   │   └── SKILL.md
│   │   ├── writing-plans/
│   │   │   └── SKILL.md
│   │   └── code-review/
│   │       └── SKILL.md
│   └── commands/              ← 自定义斜杠命令
│       ├── commit.md          ← /commit
│       └── review.md          ← /review
├── .cursor/                   ← Cursor 同理
│   └── skills/
└── ...

关键点

  • 每个 Skill 是一个独立文件夹,里面至少有一个 SKILL.md
  • npx skills add 自动下载到对应路径,无需手动操作
  • SKILL.md 遵循通用标准,同一份文件 Cursor / Claude Code / Codex / Gemini CLI 都能读
  • 斜杠命令存在 .claude/commands/*.md,文件名即命令名

二、主流 Skills 推荐

🔧 通用工程流(几乎必装)

1. Superpowers(obra/superpowers)

由 obra 维护,是目前社区最成熟的 Agent 工程流框架。它不是一个单一 Skill,而是把一整套软件工程方法论拆成了 6 个互相衔接的 Skill:

阶段 Skill 做什么
1 brainstorming 把模糊想法变成结构化的产品需求,输出 PRD
2 writing-plans 根据 PRD 生成技术方案:架构图、数据流、分步实施计划
3 test-driven-development 先写测试、再写实现,确保每行代码都有测试兜底
4 debugging 科学调试:假设 → 插桩 → 复现 → 分析 → 修复 → 验证
5 code-review 按 bug / 安全 / 风格三个维度审查代码
6 verification 最后把关:检查实现是否符合计划、测试是否通过、是否有遗漏

它的杀手级特性是 Sub-Agent(子代理)并行:复杂任务可以自动拆解,同时启动多个子代理并行推进不同的 Skill 阶段,大幅缩短开发时间。

bash 复制代码
# Claude Code
/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

# 通用(Cursor/Claude Code 都支持)
npx skills add https://github.com/obra/superpowers -g -a cursor -a claude-code -y

Claude Code 用户首推这个;Cursor 用户也可以装,但同源的 systematic-debugging、test-driven-development 不必重复装。

2. spec-driven(tlc-spec-driven)

tlc-spec-driven 是专门为"规范驱动开发"设计的项目级工作流,核心价值在于把需求和设计文档作为一等公民,而不只是写完就扔的中间产物

四阶段流程:

复制代码
Specify(规格化)
  ↓  模糊需求 → 结构化 Spec 文档(用户故事、验收条件、边界情况)
Design(设计)
  ↓  数据模型设计、API 契约定义、认证授权方案、技术选型
Tasks(拆解)
  ↓  将设计拆成原子级任务列表,每个任务独立、可验证、有明确完成标准
Implement(实现)
  ↓  逐个执行任务 → 验证完成标准 → 进入下一个任务

与传统开发相比,它的独特优势:

  • 可中断续接:任何时候中断对话,下次继续时 Agent 会读取已生成的 Spec / Design / Tasks 文档,无缝接上
  • 可追溯 :每个阶段都产出一份 Markdown 文档(spec.mddesign.mdtasks.md),项目历史和决策过程一目了然
  • 可协作:文档本身就是团队沟通的介质,即使不用 Agent,人类开发者也能照着 tasks.md 逐个实现
bash 复制代码
npx @tech-leads-club/agent-skills install -s tlc-spec-driven -a claude-code

两者配合的黄金组合:Superpowers 管"怎么写"(工程方法),spec-driven 管"写什么"(需求到任务的转化)。两个一起装,就是完整的规范驱动开发体验。

3. 内置 / 经典 slash 级(Claude Code 自带或可单独装)

这些属于"每天都能用"的,建议先把内置的玩熟,再考虑覆盖自定义版本:

命令 功能
/commit 按 staged changes 生成 conventional commit
/create-pr 读 diff 写 PR description 并推送
/review 代码审查(bug / 安全 / 风格)
/security-audit 深度安全审计(OWASP Top 10 向)
/test 按实现生成单测
/architect 给定需求做系统设计再动笔
/refactor 带目标的重构

自定义斜杠命令:在项目根目录创建 .claude/commands/*.md,文件名即 /command,内容即 prompt。


🎨 前端 / 设计向

4. frontend-design(Anthropic 官方)

专治 AI 生成页面"千篇一律"的毛病------强制 bold 排版 + 非常规布局,避免 generic UI。

5. taste-skill(Leonxlnx/taste-skill)

13 合集,前端向最有用的是 design-taste-frontend(强制设计规范)+ minimalist-skill + output-skill(强制完整可运行代码,无占位)。还有 imagegen-frontend-web/mobilebrandkitmoodboard 做视觉素材。

bash 复制代码
# 安装全部 13 个
npx skills add https://github.com/Leonxlnx/taste-skill

# 或只装核心
npx skills add https://github.com/Leonxlnx/taste-skill --skill design-taste-frontend
6. ui-ux-pro-max(nextlevelbuilder)

输入"做个 SPA 落地页",它会推理行业→配色→字体→反模式提示,交付前还出检查清单(emoji 不能当图标、hover 状态要完整这类细节)。


🛡️ 安全向

7. Anthropic Cybersecurity Skills(mukul975/Anthropic-Cybersecurity-Skills)

817 个安全技能,覆盖威胁情报 / 漏洞管理 / 渗透测试 / 事件响应 / 合规审计 / 云安全 / AI 安全,每个技能映射到 MITRE ATT&CK、NIST CSF 2.0、D3FEND、NIST AI RMF、MITRE F3、MITRE ATLAS 六大框架。

bash 复制代码
npx skills add mukul975/Anthropic-Cybersecurity-Skills

装完后直接对 Agent 说:"按 MITRE ATT&CK 检测过去 7 天横向移动(T1021.001, T1570)",它会自动加载对应 SKILL.md 按步骤执行。

8. Trail of Bits(真实安全公司出品)

CodeQL + Semgrep + 审计工作流,Verified 级。


🔬 科研向

9. Scientific Agent Skills(K-Dense-AI/scientific-agent-skills)

138 个科研技能,17 个领域(基因组学 / 药物发现 / 临床变异 / 单细胞 RNA-seq 等),直连 100+ 数据库(PubChem、ChEMBL、UniProt...),集成 70+ Python 包(RDKit、Scanpy、BioPython、OpenMM)。

bash 复制代码
npx skills add K-Dense-AI/scientific-agent-skills

🔌 垂直工具向(Cursor Marketplace 为主)

这类不是 SKILL.md 标准包,而是 Cursor 的 Plugin / MCP 形态,但效果类似------让 Agent 懂某个垂直工具:

  • Composio --- 1000+ SaaS 集成(OAuth + 结构化 action),一站打通
  • Shopify --- 搜文档 + 生成校验 GraphQL / Liquid / UI 扩展
  • RevenueCat / Chargebee / Airwallex --- 支付计费向
  • ParadeDB --- Postgres 里做 Elastic 级搜索(BM25 / 向量)
  • Dagster --- 数据编排
  • Asana / Monday.com / Merge --- 企业协作(Jira / Salesforce / Slack 等几百种)

📦 安装方式速记

载体 路径 / 命令
Claude Code 内置 slash .claude/commands/*.md,文件名即 /command
Claude Code npx 装第三方 npx skills add <repo>/plugin marketplace add
Cursor .cursor/skills/*.md 或 Cursor Marketplace 一键装
通用(跨 Agent) 遵循 SKILL.md 标准,写一次 Cursor/Claude Code/Codex/Gemini CLI 都能吃

🎯 新手推荐组合

如果你是第一次装,建议这个"起步包"就够用:

bash 复制代码
superpowers        (工程流骨架 --- 管"怎么写")
spec-driven        (项目级需求→实现 --- 管"写什么")
frontend-design    (做前端时)
/security-audit    (安全向)

三、Next.js 后端开发常用 Skills

Next.js 后端开发(API Routes、Server Actions、Server Components、Middleware)的核心思路:CLAUDE.md 的项目级约定 + Skills 工作流,双管齐下

  • CLAUDE.md 解决"代码风格和架构约定"------让 Agent 在每一轮对话中自动遵守技术栈和编码规范
  • Skills 解决"工作流"问题------规范→设计→实现→验证的完整链路

📋 推荐 CLAUDE.md 配置模板

在项目根目录创建 CLAUDE.md

markdown 复制代码
# 技术栈
- 框架:Next.js 14+ (App Router)
- 语言:TypeScript strict mode
- ORM:Prisma(或 Drizzle)
- 认证:Auth.js v5
- 校验:Zod
- API 风格:Server Actions + Route Handlers 混用

# 代码规范
- 所有 async 函数必须 try-catch 或使用 error boundary
- API Route 返回值统一使用 NextResponse
- Server Actions 使用 "use server" 指令,文件顶部声明
- 数据库查询一律放在 service 层,不直接在组件 / route 中写 raw query
- 所有用户输入必须经 Zod schema 校验后再进入业务逻辑

# 项目结构
src/
  app/
    api/          → Route Handlers(RESTful 风格)
    (routes)/     → 页面路由 + Server Components
  server/
    actions/      → Server Actions
    services/     → 业务逻辑层(数据库查询等)
    schemas/      → Zod validation schemas
  lib/
    db.ts         → Prisma client 单例
    auth.ts       → Auth.js 配置

各环节推荐方案

环节 推荐 说明
工程骨架 superpowers + spec-driven spec-driven 的 Design 阶段天然适合设计 DB schema 和 API 结构
数据库 ORM CLAUDE.md 约定 CLAUDE.md 写明 ORM 选型,Agent 按约定生成 type-safe 查询和 migration
认证授权 Auth.js v5 + CLAUDE.md 配置 OAuth、session 管理、middleware 路由保护
输入校验 Zod Skill 统一 validation schema 风格,所有用户输入必经校验
类型安全 API tRPC Skill(可选) 定义 router / procedure,自动推断前端调用类型
AI/LLM 集成 Vercel AI SDK Streaming 响应、Tool calling、useChat / useCompletion
部署运维 Vercel Deployment Skill Edge Functions、ISR、环境变量、自定义域名

🎯 Next.js 后端最终组合

objectivec 复制代码
superpowers              (工程流骨架)
spec-driven              (需求 → 设计 → 实现)
CLAUDE.md 技术栈约定      (架构约束 + 代码风格)
Zod Skill                (输入校验)
Vercel AI SDK            (如需 LLM 集成)

四、总结

  1. SSD 是方向:规范驱动开发让 AI 编码从"凭感觉"变成"按流程",CLAUDE.md 是落地的第一步,Skills 是杠杆,SSD 框架是完整方案
  2. CLAUDE.md ≠ .claude/目录:前者管"规矩"(始终在线的项目约定),后者管"能力"(按需加载的 Skills 和命令),两者搭配才能发挥最大效能
  3. Superpowers + spec-driven 是黄金组合:一个管工程方法论(怎么写),一个管需求到任务的转化(写什么),两个一起装就能覆盖从 idea 到交付的完整流程
  4. Skills 是开源标准:所有 Skills 本质上是项目目录下的 SKILL.md 文件,遵循统一标准,一份编写、跨 Agent 复用
  5. Next.js 后端靠约定不靠堆砌CLAUDE.md 中写好技术栈和项目结构的约定,配合 superpowers + spec-driven 的工作流,比盲目装一堆 Skills 更有效

本文基于 2025-2026 年社区活跃项目整理,Skills 生态迭代很快,建议持续关注各项目仓库的最新动态。

相关推荐
花生了什么事o1 小时前
Function Calling:LLM 是怎么学会调工具的
agent
zhayujie1 小时前
如何设计一个 Agent 友好的 CLI 工具
ai·大模型·agent·cli·harness
zavoryn2 小时前
Word 图片如何进入 RAG:Apache POI、MinIO 与 URL 映射
word·agent·rag
枫叶丹42 小时前
OpenClaw Agent 搭建全流程:从本机自托管到可用、可控、可审计的个人 AI 助手
人工智能·agent
怕浪猫2 小时前
第16章 未来展望:通往 AGI 之路
openai·agent·ai编程
七牛开发者2 小时前
从 Fable 案例看 Coding Agent 的未知项管理
ai·agent·claude·loop·codex
老谷子.AI原始技术3 小时前
《Claude Code 工程化实战》第 27 爆款 Agent 的设计密码与工程范式
agent·claude code
Z-D-K12 小时前
我认为的AGI
人工智能·ai·人机交互·agent·agi
树獭非懒15 小时前
七、智能体的Reflection机制:让AI学会三省吾身
人工智能·llm·agent