obra/superpowers，一个给 Claude Code 装技能的仓库，30 万 star。我第一次刷到这个数的时候以为是看错了，又去仓库页抓了一遍 stargazerCount：300,156。这是 2026 年 10 月 16 日的快照。
同一个下午我把头部仓库挨个过了一遍：anthropics/skills，官方的，181,447 star、21.5k fork；mattpocock/skills，293,200；affaan-m/ECC，280,632；multica-ai/andrej-karpathy-skills，220,151。往下还有 ui-ux-pro-max-skill 的 136,331、caveman 的 112,788。这数一个比一个离谱，但都是真的。
图：GitHub 为 anthropics/skills 官方仓库自动生成的品牌卡，白底，标注「Public repository for Agent Skills」及 181k stars / 21k forks / 407 issues / 98 discussions / 17 contributors（图源：GitHub 官方仓库 anthropics/skills（og:image 社交卡） opengraph.githubassets.com/e1fe05dfc11...
热度不是问题。问题是我的技能列表装到后来挂了四十多条 description，每次会话都背着，真正被触发过的不到五条。这篇就是我删完之后剩下的东西，哪些值得装、哪些千万别装，一次说清。
安装次数没有任何公开口径，star 数、awesome 榜单位次全是代理指标。下面所有数字都只说明「这一天它有多少 star」，不说明「有多少人真在用」。
机制不过一遍，取舍没得谈
Skill 的本体就是一个文件夹，里面必须有一个 SKILL.md，YAML frontmatter 起头，name 和 description 必填。按 agentskills.io 的规范：name 是 1 到 64 个字符，只允许小写字母、数字和连字符，不能拿连字符开头结尾；description 非空，上限 1024 字符；可选的 compatibility 描述环境要求，上限 500 字符；还有个 allowed-tools 用来预授权工具，目前标着 Experimental，我不指望它短期稳定。scripts/、references/、assets/ 三个子目录都是可选的。
真有讲究的是加载方式。Anthropic 工程博客那篇讲得很直白，分三层：
第一层，启动时只把所有技能的 name 和 description 塞进系统提示词，一个大约 100 token；第二层，任务命中了才读 SKILL.md 正文，控制在 5k token 以内；第三层，正文里引用的脚本和参考材料，用到再去读，不限量。原话是 "we don't load the whole SKILL.md file into context"；scripts 是拿 bash 执行的，内容根本不进上下文。
走一遍实际发生的顺序更直观。我对 Claude Code 说「把这篇 docx 转成 Obsidian 笔记」：它先扫系统提示词里那列 description，发现 docx-to-obsidian 对得上，于是去读这个技能的 SKILL.md 正文，照正文里的步骤干活；正文让它调 scripts/ 下的转换脚本，脚本跑完，输出直接进对话，脚本源码从头到尾没占过上下文。整个过程里，没命中的那几十个技能一个字都没被读过。
这笔账值得算一下。我机器上现在挂着四十多条技能描述：自己写的 12 个 SKILL.md，superpowers 插件全家桶十几个，再加官方 marketplace 的几个，常驻开销粗算 4k token 上下。4k 不致命，但它是每一段对话都要付的固定成本，跟你在干什么无关。装 100 个技能的人，光目录就吃掉 10k。这还只是 token 的账，更要命的是触发互相抢：两条 description 写得像的技能，模型挑哪个看运气。
skill、MCP、CLAUDE.md 这三条界限，新用户最容易糊。MCP 是给模型接能力，调 API、连数据库；skill 是给模型塞程序性知识，「遇到这类任务按这套步骤做」；CLAUDE.md 是常驻规则，每一轮都在场。我的分法很朴素：永远适用的规则写 CLAUDE.md，特定任务才用的才值得做成 skill。
装与写：命令都在这
官方仓库的安装就三行，README 原文照抄：
bash
/plugin marketplace add anthropics/skills
/plugin install document-skills@anthropic-agent-skills
# 或者装示例合集
/plugin install example-skills@anthropic-agent-skillsdocument-skills 是 docx、pdf、pptx、xlsx 四个文档技能（source-available），example-skills 是示例合集。装完不需要任何特殊指令，自然语言点名就行，README 给的例子是 "Use the PDF skill to extract the form fields from path/to/some-file.pdf"，从提问到拿到表单字段列表就这一句话的事。不记得名字，去 /plugin 里走 Browse and install plugins 翻也行。
superpowers 已经进了 Claude 官方插件市场，一行搞定：
bash
/plugin install superpowers@claude-plugins-official我装的是 5.0.7，今年 4 月底装上一直在用。它的老社区源还保留着：/plugin marketplace add obra/superpowers-marketplace，再 /plugin install superpowers@superpowers-marketplace。
有意思的是它的 README 同时给了 Codex 官方插件市场入口、droid 的 plugin marketplace add、agy 的 plugin install 三种写法。这是「skill 跨智能体通用」最硬的证据：SKILL.md 就是个 Markdown 文件，规范站在 agentskills.io，Claude Code、Codex、OpenClaw 谁都能读同一份。
不走插件、直接建目录也行，我大部分自建技能都是这么放的：
bash
~/.claude/skills/kb-lookup/SKILL.md # 用户级，所有项目可用
.claude/skills/toutiao-topic-essay/SKILL.md # 项目级，只在这个仓库生效插件和 skill 是什么关系？skill 是内容单位，插件是打包分发的方式。我装的 superpowers 就是个插件，拆开里面十几个技能（brainstorming、test-driven-development、systematic-debugging、writing-plans），在会话里都带 superpowers: 前缀。一个插件能不能只装其中一个技能，现在不行，只能整包进。
自己写一个最小的，十分钟的事：
bash
mkdir -p ~/.claude/skills/my-skill
cat > ~/.claude/skills/my-skill/SKILL.md <<'EOF'
---
name: my-skill
description: 把触发条件写清楚，模型靠这一行决定用不用你
---
# 怎么做
1. 第一步做什么
2. 第二步做什么
EOF骨架也可以让 skill-creator 生成，官方仓库 skills/ 目录里就带。但有一句实话得说：description 才是一个 skill 的命。模型第一层只看得见 name 和 description，写得含糊，这技能就永远不会被触发；写得太宽，又会在不相干的任务里乱跳。
举个例子。「查项目历史决策」这种 description，看着清楚，实际废的------「历史」「决策」这些词太泛，模型判断不了。我自己 kb-lookup 的 description 是这么写的：vault 路径、调用哪个 MCP、BM25 加向量加 RRF 的检索方式，然后一串触发场景：项目历史决策、过往踩坑、设计依据、Code Review 结论、可复用代码片段，还特意写了「这些信息外网搜不到」。关键词是照着「用户嘴上会怎么说」去铺的，中英文都铺。写完别急着交付，换个说法问它两句，看触不触发、有没有跟别的技能抢。
几个踩过的坑。SKILL.md 正文别写太长，5k token 的第二层预算超了，渐进披露就白设计了。我知识库项目里那几个长的（article-covers 151 行、docx-to-obsidian 134 行、csdn-publish 123 行），后来都把细节挪去了 references/ 和 scripts/，正文只留流程，最短的 frontend-design 只有 42 行，照样好使。脚本一律放 scripts/，别把代码贴正文里，脚本执行不占上下文。name 别用大写和下划线，规范里写死了只收小写字母、数字、连字符。还有一条最不起眼：会产出文件的技能，给它划个固定的 workspace 目录，不然项目根目录早晚被塞满，我现在这个项目里就躺着一个 toutiao-topic-essay-workspace，那技能自己生成的。
我留下的，和我不装的
选型之前先看别人怎么选。翻各家推荐时有个细节我记得牢：最先被安利的往往是 simple-english、grill-with-mocks、unslop 这类小切口技能，一个技能只干一件事，名字就是说明书。这些我没都装，但这个取向我认。反过来，几万 star 的大而全仓库，装的时候很爽，用的时候想不起来。
必装只有一档：superpowers 这类方法论框架。brainstorming、test-driven-development、systematic-debugging、writing-plans，内容是方法论，不绑定任何具体 API，过时得慢。它跟 CLAUDE.md 有重叠，但粒度细得多------CLAUDE.md 只告诉你 TDD 好，它的 skill 告诉你先写哪个测试、红灯绿灯怎么走。
图：GitHub 仓库 obra/superpowers 品牌卡：An agentic skills framework & software development methodology that works，300k Stars / 27k Forks / 60 位贡献者（图源：GitHub github.com/obra/superp...）
场景必装，按需开：
- skill-creator：写 skill 的 skill，官方仓库 skills/ 目录里就带。生成骨架、跑 eval、调 description 的触发准确率都管。第一次写 skill 别对着规范干瞪眼，拿它起手快得多，本机就装着一份。
- grill-me：RobMitt/grill-me-skill（952 star）。动手之前不停拷问你，问到需求真正对齐为止。AI 编程最贵的浪费是揣着一堆错误假设闷头跑，这技能治的就是这个。star 不多，胜在小而准。
- OpenSpec：Fission-AI/OpenSpec（72,095），规格驱动开发（SDD），先落规格再让 AI 动手，改了什么有据可查。跟 superpowers 不冲突，一个管方法论，一个管需求到规格那段路。
- 官方 document-skills：要处理 docx/pdf/pptx/xlsx 就是刚需，来源是官方，安全审查这一步可以直接省。
- show-me：humanlayer/skills 里的，Matt Pocock 点名推荐过的那个，用伪代码、调用树、组件树、文件树、Mermaid 流程、时序图、Diff、HTML 八种小图解释技术概念。写架构文档的时候真好用。
- caveman（112,788）：省 token 向的，涨得凶，当天的快照里记着它单日涨了 433 个 star。我没长期用，长上下文敏感的场景再考虑。
图：GitHub 仓库 Fission-AI/OpenSpec 品牌卡：Spec-driven development (SDD) for AI coding assistants，72k Stars（图源：GitHub github.com/Fission-AI/...）
图：GitHub 仓库 RobMitt/grill-me-skill 品牌卡：interview the user relentlessly until reaching shared understanding，952 Stars（图源：GitHub github.com/RobMitt/gri...）
观望不装的也说三条。
ECC，280,632 star。这个数说明它确实击中了什么，但我到现在说不清它替我做了哪些决定。一个说不清边界的重框架，出了问题你得排障排到 skill 里去，我不愿意付这个成本。
multica-ai/andrej-karpathy-skills，220,151。不是不好，是重复。它把 Karpathy 那套 AI Coding 原则（编码前思考、简洁优先、精准修改、目标驱动）做成了一个 skill。我项目 CLAUDE.md 里那四条规则跟它几乎一一对应，这种永远适用的原则，贴在 CLAUDE.md 里常驻比做成 skill 更合适，做成 skill 反而多一层「这次会不会被触发」的不确定。
图：GitHub 仓库 multica-ai/andrej-karpathy-skills 品牌卡：A single CLAUDE.md file to improve Claude Code behavior，220k Stars / 22k Forks / 8 位贡献者（图源：GitHub github.com/multica-ai/...）
网上一些流传的稿子还停在旧数据，写着它原来的 forrestchang 仓库和 66.7k star。仓库已经迁到 multica-ai 组织了，两个名字现在都是 220,151。搜 skill 资料时，旧数据比没数据更害人。
安全这道坎，别跳过去
整篇我就想让人记住一句话：把第三方 skill 当不信任的第三方代码。
Trend Micro Research 那篇《When Skills Become Liabilities: Prompt Injection in Claude Code》给了实战案例：藏在 SKILL.md 里的注入文本，进入上下文之后会被模型当可信指令，能静默覆盖正常行为，他们的演示是让 Claude Code 去读 .env 这类敏感文件并外传。更麻烦的一条：skill 里带 API 调用的 JS 可以绕过 allowed-tools 白名单，等于任意命令执行。
我的规矩就三条，也够用：装前把 SKILL.md 全文和 scripts/ 下每个脚本读一遍；只装可信来源：官方的、认识的人维护的、star 高且我读过代码的；读完觉得不对就不装，star 数救不了你。
圈子里流传很广的一条说法是，OpenClaw 生态装任何第三方 skill 前先装个叫 Skill Vetter 的安全技能。我去 GitHub 核了一下：搜 "skill-vetter"，首个同名仓库是 app-incubator-xyz/skill-vetter，61 个 star，main 分支 README 还是 404。这个推荐我写不进清单。「装前先审查」的思路完全对，但我找不到一个配得上「必装」二字的实名仓库。现阶段，审查这活儿还得自己干。
还有个更社会性的争议，叫「同事.skill」：有人把老工程师的工作经验打包成 skill 分享，评论区吵翻了，经验被做成 skill 之后还算不算那个人的东西，被 AI 学走之后归谁。这个没有答案。它只提醒了一件事：你写进 SKILL.md 的每一句话，都得当成打算公开的来写。
收个尾
skill 生态现在像早期的 npm：规范刚定型，官方仓库当了样板，一夜之间冒出一堆十万 star 级的仓库。npm 后来靠 lockfile 和审计收拾了供应链问题，skill 这边连个像样的版本锁定都没有------上游改名、迁移、删库，你本地那份就永远是旧的四原则。
我留下的这几个，一个月后大概还会再删一两个。真正悬着的就一个问题：description 的常驻成本线性涨，触发又互相抢，这笔账现在没人替你算。四十条的时候还行，等哪天到一百条，第一层那 10k token 花得值不值，得有人给出比「装就完了」更认真的答案。
参考链接
- GitHub：anthropics/skills 仓库 README 与官方安装命令 github.com/anthropics/...
- GitHub：obra/superpowers 仓库 README，官方市场与 Codex/droid 安装方式 github.com/obra/superp...
- Anthropic 工程博客：用 Agent Skills 装备真实世界的智能体，三层渐进披露与 token 量级 www.anthropic.com/engineering...
- agentskills.io：Agent Skill 规范，name/description 硬参数与目录约定 agentskills.io/specificati...
- Claude Code 官方文档：Skills code.claude.com/docs/en/ski...
- Trend Micro Research：Claude Code 的 skill 提示注入实战案例 www.trendmicro.com/en_us/resea...
- GitHub：multica-ai/andrej-karpathy-skills，Karpathy 四原则与仓库迁移 github.com/multica-ai/...
- GitHub：ComposioHQ/awesome-claude-skills，收录 1000+ 条目的技能索引 github.com/ComposioHQ/...
- GitHub：Fission-AI/OpenSpec，规格驱动开发工具 github.com/Fission-AI/...
- GitHub：RobMitt/grill-me-skill，需求拷问技能 github.com/RobMitt/gri...