AI Skills 已经封神，但新的问题却越来越严重！

今年一月份，写了一篇文章专门介绍 AI Skills。

主要探讨了几个关键问题：Skills 是什么？去哪里找？怎么安装到 Claude Code、Codex、Cursor 等 AI Agent 中？

那时候，Skills 还处在快速普及的阶段。对大多数开发者来说，先找到一个好用的 Skill，再把它安装进自己的 Agent，就已经能够明显改善 AI 的输出质量。

短短半年时间，Agent 的强势发展，vibe coding 逐渐扩展到大众，局势发生了翻天覆地的变化；Skills 从最开始的 AI 概念，到现在的大面积普及，Skills 已经不是程序员的小众工具了，市面上出现了各式各样，各种功能的 Skills。

各领域的优秀 Skills

前端相关的 Skills 是最早的热门 Skills 之一。

Vue、React 等官方都下场开发了对应生态的 Skills，像一些组件库，比如 antdv-next 也推出了配套的 Skills，提供给 Agent，助力更高效和标准的开发。

而在编程之外，图像、写作、PPT 等办公领域也出现了不少热门 Skills。

Photo Abstract Editorial

一个将一张照片转化为「原始摄影区域 + 抽象记忆面板 + 诗意英文标题」的竖向编辑作品的 Skills。

guizang-ppt-skill

一个适配 Claude Code / Codex 等 Agent 环境的网页 PPT 技能,用于生成单文件 HTML 横向翻页 PPT、PPT 配图和多平台封面,并内置完整的排练与演讲者模式。

这个 Skills 制作出来的 PPT 效果已经比肩商业级的演示 PPT 了。

层出不穷的 Skills 已经很好的诠释了一开始我们说的那句话：Skills 是把经验和最佳实践沉淀为 AI 能力，将"知道"转化为"做到"的本领。

此外，国内的大厂，如腾讯还推出了专门的中文 Skills 平台：skillhub。

新的问题

但随着使用时间变长，新问题开始出现。

我们使用的 Agent 越来越多，安装和编写的 Skills 也越来越多：

Codex 里有一份
Claude Code 里有一份
Cursor 项目目录里可能还有另一份

我们处理的事情越来越多，Skills 的作用也逐渐区分开来：

有些是全局生效的
有些只属于某个项目
有的是开发用的
有的是办公用的
有些从 GitHub 安装
有些由个人或团队维护

当其中一个 Skill 被修改后，还要考虑其他 Agent 中的副本是否需要同步。

更换电脑时，又要重新整理和恢复原有的 Skills 环境，Skills 被散落在各地，杂乱无章。

这说明：

Skills 解决了 AI "会不会做"的问题，但当 Skills 越来越多以后，我们还需要解决"怎么管理"的问题。

针对这些痛点，一个开源的 Skills 与 MCP Server 桌面管理工具 SkillBuddy 应运而生。

GitHub：github.com/konnga/skil...

Agent 越来越多，Skills 散落得到处都是

现如今，同时使用多个 AI Agent 工作已经很常见。

开发者可能在不同场景下使用：

Claude Code
Codex
Cursor
Gemini CLI
GitHub Copilot
Trae
OpenCode
CodeBuddy
WorkBuddy

不同 Agent 的定位、模型和交互方式各有特点，但它们的 Skills 通常保存在各自约定的目录中。

当只使用一个 Agent、安装三五个 Skills 时，直接管理文件夹并没有什么问题。可是一旦 Agent 和 Skills 的数量增加，事情就没有那么简单了。

你可能会遇到这些情况：

不知道电脑里一共安装了多少 Skills；
不知道某个 Skill 被安装到了哪些 Agent；
同一个 Skill 被复制到多个目录，占据了多个独立副本；
新安装一个 Agent 后，需要重新寻找和安装常用 Skills；
全局 Skills 和项目级 Skills 混在一起；
已经不再使用的 Skill 留在某个角落，很久以后才被发现。

文件夹只能告诉用户"文件放在哪里"，却很难回答"当前拥有哪些能力"。

这就是第一个明显的管理痛点：Agent 众多，但缺少一个统一的 Skills 视图管理。

缺少的不是另一个 Skills 市场，而是可视化管理

现在已经有 skills.sh、skillhub、GitHub 等渠道帮助我们发现 Skills，也有命令行工具帮助用户完成安装。

它们很好地解决了 "去哪里找" 和 "怎么装" 的问题。

但长期使用时，用户还需要知道：

这个 Skill 是做什么的？
它来自哪里？
它安装在哪些 Agent 中？
它属于全局范围还是项目范围？
它当前是否启用？
多个 Agent 中的同名 Skill 内容是否一致？
哪些 Skills 是自己的，哪些来自插件或系统？

当 Skills 从几个变成几十个甚至更多时，继续依赖命令行和文件目录，会逐渐失去整体视角。

更理想的方式，是提供一个类似软件包管理器的工作台，打开以后就能看到本机所有 Agent、Skills、安装位置和状态，而 SkillBuddy 则是为此而来。

SkillBuddy 启动后会自动检测本机已经安装的 Agent，并扫描它们的 Skills 目录。不同 Agent、全局范围和项目范围中的 Skills，会被聚合到同一个界面中。

你可以用列表或网格浏览 Skills，查看描述、来源、安装位置和内容，而不需要逐个打开隐藏目录。

同一个 Skill，为什么会出现好几个版本？

把一个 Skill 安装到多个 Agent，本质上通常意味着在多个目录中保存它的副本。

刚安装时，它们的内容完全相同。但使用一段时间后，很容易出现这样的情况：

Codex 中的 Skill 规则被修改；
Claude Code 中还保留着旧内容；
Cursor 的项目目录中又有一个针对当前项目调整过的版本；
三个目录里的文件名相同，但内容已经不一样了。

这类问题可以称为 Skills 内容漂移。

它比"有没有安装"更难发现。因为从文件名来看，一切似乎都很正常，只有真正比较文件内容时，才能发现它们已经不是同一份 Skill。

SkillBuddy 会聚合不同 Agent 中的同名 Skills，并提示内容不一致。用户可以查看差异，选择一个可信版本作为基准，再同步到其他目标。

这意味着 Skills 管理不再只是复制文件，还包括：

识别重复副本；
检测内容差异；
判断哪个版本是基准；
预览同步范围；
将确认后的内容分发到其他 Agent。

全局 Skills 和项目 Skills，也应该分开管理

并不是所有 Skills 都适合全局安装。

例如：

Vue 3 通用开发规范，可以作为个人全局 Skill；
某家公司的接口约定，只适合公司的项目；
某个仓库的目录结构和业务规则，只应该跟随当前项目；
临时实验规则，可能只在一个项目中使用几天。

如果把所有 Skills 都放在全局目录中，Agent 会接收到越来越多与当前任务无关的信息。如果全部放进项目，又会出现大量重复配置。

因此，Skills 管理需要明确区分：

用户级 Skills：面向个人，在多个项目中复用；
项目级 Skills：跟随仓库，只服务于特定项目；
插件或系统 Skills：由外部工具维护，通常不应随意修改。

SkillBuddy 可以添加项目目录，扫描项目中的 Skills，并把它们与用户级 Skills 分开展示。

这样，用户看到的不再是一堆没有上下文的文件，而是一套有来源、有作用范围的 AI 能力。

一个 Skill 不够，更需要管理"技能包"

在真实项目中，开发者很少只依赖一个 Skill。

以 Vue 项目为例，一套完整的开发能力可能包括：

Vue 3 最佳实践；
Vue Router 使用规范；
Pinia 状态管理规范；
VueUse 组合式函数规范；
组件测试规范；
UI 组件库规范；
项目自己的代码和设计规范。

如果每次创建项目都逐个寻找、选择和安装，不仅操作重复，还很容易漏掉其中一项。

这和开发环境中的依赖管理很相似：最终需要管理的不是一个个孤立工具，而是一套可以复用的能力组合。

所以 SkillBuddy 支持把多个 Skills 组合成技能包，用于：

保存常用的个人开发组合；
一次安装到多个 Agent；
给新项目快速配置一套 Skills；
导入、导出和分享组合；
批量启用或管理相关 Skills。

可以建立：

Vue 前端技能包；
React 性能优化技能包；
UI 设计审查技能包；
Node.js 后端技能包；
代码评审技能包；
某个岗位或项目的专属技能包。

Skills 只有能够被组织和复用，才会逐渐从"几份提示词文件"变成真正的能力体系。

个人 Skills 和团队 Skills，是两种不同的问题

个人使用 Skills 时，用户更关心：

安装了什么；
哪些 Agent 可以使用；
多台电脑之间如何迁移；
如何备份自己编写的 Skills；
如何保持多个副本一致。

因此，SkillBuddy 支持将个人用户级 Skills 和技能包备份到私有 Git 仓库。更换电脑时，可以先预览远端内容和安装目标，再决定恢复哪些资源。

但团队管理完全是另一个层次的问题。

团队不能把未经确认的 Skill 直接分发给所有成员。它通常需要考虑：

哪些 Skills 已经通过团队审核；
谁可以维护和发布 Skills；
如何记录每次修改；
不同岗位应该安装哪些 Skills；
新成员如何快速获得标准能力；
项目要求的 Skills 是否缺失或过期；
如何阻止不符合安全要求的 MCP 配置。

只把文件放进一个共享目录，并不能解决这些问题。

SkillBuddy 的团队库使用 Git 仓库作为事实来源。团队可以在仓库中管理经过审核的 Skills、MCP 定义、岗位技能包和项目策略，并继续利用 Git 已有的分支、提交和 Pull Request 审核流程。

个人 Skills 可以自由实验，团队 Skills 则需要可审核、可追踪、可分发。把两者分开，是团队真正采用 Skills 时必须面对的一步。

Skills 之外，MCP Server 也在面临同样的问题

在之前的文章中，已经介绍过 MCP。它让 AI 应用能够以统一协议连接外部工具和数据。

但在本地使用时，MCP Server 的配置同样散落在不同 Agent 中。

每个 Agent 的配置文件、字段格式和支持能力可能不同。用户需要面对命令、参数、环境变量、远程地址和启用状态，很难快速确认某个 MCP Server 当前到底安装在哪里。

因此，SkillBuddy 也会扫描和聚合本地 MCP Server：

查看 MCP Server 的配置和安装目标；
管理启用与禁用状态；
将配置同步到其他支持的平台；
在修改前预览将要写入的配置文件；
校验目标平台是否支持对应能力；
避免在团队资源中保存明文 Token 和密码。

SkillBuddy 管理的不只是某一种文件，而是开发者交给 AI 的整套本地能力。

SkillBuddy 是怎样工作的？

SkillBuddy 没有创造一种新的 Skills 格式，也不会要求 Agent 通过 SkillBuddy 才能运行 Skills。

它直接读取各个 Agent 原本使用的本地目录，并在用户确认后，把内容写入用户选择的目标位置。

可以把它理解为位于不同 Agent 之上的一个管理层：

text 复制代码

                  SkillBuddy
                       │
        ┌──────────────┼──────────────┐
        │              │              │
  Claude Code        Codex          Cursor       ...
        │              │              │
   各自原有的 Skills 与 MCP 配置目录

即使不再使用 SkillBuddy，已经安装的 Skills 仍然保存在 Agent 原有目录中，不会被锁定在某个私有平台里。

目前 SkillBuddy 内置支持以下 Agent 的 Skills 目录约定：

Claude Code
Codex
Cursor
OpenCode
GitHub Copilot
Gemini CLI
CodeBuddy
Trae / Trae CN
WorkBuddy
豆包
Kimi Code
Z Code
...

目前还在不断扩充中，当然你也可以通过自定义目录添加其他 Agent。

为什么选择桌面应用？

Skills 和 MCP 配置首先是本地文件。

如果要扫描多个 Agent 的目录、比较文件差异、管理项目级资源、打开本地安装包，那么桌面应用比纯网页更适合。

SkillBuddy 采用本地优先的方式：

不要求注册 SkillBuddy 账号；
默认扫描和管理本地文件；
只修改用户明确选择的目标；
私有 Git 仓库认证交给系统 Git、SSH Agent 或凭据管理器；
不保存 Git 仓库密码；
Git 备份不会包含 MCP 配置、Token、本机绝对路径和项目级 Skills。

当然，能够操作本地文件也意味着工具必须更加谨慎。SkillBuddy 会在主进程中校验可管理路径，拒绝写入受管目录之外的位置，并在批量变更前尽可能展示目标和具体操作。

当前版本和一些限制

SkillBuddy 目前仍处于公开预览阶段，还有很多细节需要继续完善。

当前提供以下安装包：

macOS Apple Silicon：DMG、ZIP；
Windows x64：EXE、ZIP；
Windows ARM64：预览版本；
Linux x64：AppImage、DEB、RPM；
Linux ARM64：预览版本。

目前暂不支持 Intel Mac。

下载和体验

SkillBuddy 已经在 GitHub 开源，使用 MIT 协议。

安装完成后，可以先尝试下面这条最短体验路径：

打开 SkillBuddy，查看自动检测到的 Agent；
查看本机已有的用户级 Skills；
添加一个项目目录，检查项目级 Skills；
选择一个 Skill，查看它在不同 Agent 中的安装状态；
尝试把它安装或同步到另一个 Agent；
将几个常用 Skills 保存为一个技能包。

Skills 的下一步，是从"安装"走向"管理"

一开始我们关注如何让 AI 获得新的能力。

而当这些能力越来越多，新的问题就变成了：怎样才能真正管理好它们？

随着 Agent 数量增加，Skills 生态很可能会继续扩大。开发者需要更多高质量的 Skills，同时也需要解决可视化、作用范围、版本漂移、技能包、备份迁移和团队协作等问题。

SkillBuddy 是对这个问题的一次开源尝试。

它现在还处于早期阶段。如果你也在同时使用 Claude Code、Codex、Cursor 或其他 AI Agent，欢迎体验 SkillBuddy，并分享：github.com/konnga/skil...

你在管理个人或团队 Skills 时，还遇到过哪些问题？