探討賦予 AI Coding 助理全新能力的 agent skills 概念,以及透過單一 JSON 檔案實現批次安裝與管理的 Skillset 及其相關生態系的發展。
想像一下。早晨上班坐在辦公室裡,對著 AI Coding 助理說:「請依照我們團隊的後端架構規則與安全指南,建立一個新的驗證 API。」聊天機器人就像擁有 5 年經驗的資深工程師一樣俐落流暢地寫出程式碼。然而,這個聰明的 AI 並非天生就了解我們公司的特殊規則或最新設計系統。
過去我們必須不斷向 AI 重複相同的指示,或是手動複製貼上複雜的設定檔。這就像每次新進員工入社時,都必須從頭到口頭說明公司守則一樣繁瑣。然而最近,有個能夠一次解決這種困擾的有趣開源工具與生態系誕生了。這就是能像積木一樣將 AI 助教所需的專業知識打包並一次裝上的代理技能集合(Agent Skills Collection)以及用來管理它的 Skillset [出處 1, 出處 3]。
為什麼這很重要?
在我們的日常生活與開發環境中,AI 已經成為密不可分的夥伴。然而,全球無數開發者與知識工作者都有一個共同的抱怨:「要讓 AI 理解我的工作方式實在太麻煩了。」
比方說,這就像在圖書館找書時,本該只抽出需要的百科全書,卻要把整個圖書館的書架整個搬著走一樣。如果在各個 AI Coding 工具的全域(global)目錄中盲目安裝大量 skills,會導致 AI 必須處理的基本上下文(context,AI 記憶與理解的對話及資訊範圍)過大,反而降低效能或浪費不必要的 Token [出處 1]。話雖如此,若要為每個專案手動搜尋並安裝所需的 skills,也是極其沉悶且耗費心力的工作 [出處 1]。
此時,像 Skillset 這類工具與 代理技能集合 的概念正好切中核心 [出處 1]。它能將符合程式語言、後端架構或平面設計等目的的 skills 打包成一個包裹(集合),只要透過單一指令就能輕鬆植入需要的專案中 [出處 1]。簡單來說,就是開發界的「App Store 套件安裝」功能,延伸到了 AI 的「專業知識套件」領域 [出處 1]。對一般使用者而言,這也意味著 AI 工具不再只是泛用的鸚鵡,而是蛻變成了完全符合個人專案與品味的「客製化專家部門」。
輕鬆理解:為 AI 準備的「迷你證照盒」
簡單來說,代理技能(Agent Skills)就是教導 AI 如何執行特定任務的「自主學習食譜盒」 [出處 9, 出處 12]。
試著這樣想像。當我們去烹飪教室時,韓式料理班、烘焙班、義大利麵班的教材分別裝在不同的冊子裡。如果想一次教 AI 所有料理會讓人頭昏眼花,但只要在需要的時刻遞給它對應的教材,它就能瞬間搖身一變成為該領域的專家。
從技術層面來看,Agent Skills 是由非常簡單且輕量的開放標準所構成 [出處 7, 出處 12]。
- 每個 skill 都以一個自給自足的資料夾存在 [出處 3, 出處 12]。
- 其中必須包含載有核心指南與中繼資料(名稱、說明等)的
SKILL.md檔案 [出處 3, 出處 12]。 - 根據需求,也會一併附上腳本、範本、參考資料等 [出處 3, 出處 12]。
舉例來說,就像挑選節慶禮盒一樣,可以將「網頁前端現代化設計組」、「雲端安全稽核組」等多個 skills 打包成一個 JSON 檔案 [出處 1]。Skillset 能夠讀取這個 JSON 檔案,並透過 Vercel Skill CLI(協助與各種開發工具整合的命令列介面工具)這類經過驗證的標準引擎,一次性批次安裝(batch-install)各個來源所需的 skills [出處 1]。
除此之外,使用像 Skills-Hub 這類跨平台(可在多個作業系統中通用執行的)桌面應用程式,使用者甚至不需要複雜的指令,就能在直覺的畫面上集中管理 agent skills,並將其「安裝一次,隨處同步(Install once, sync everywhere)」,同步到 Claude Code、Cursor、Copilot、Windsurf 等多種 AI Coding 工具的全域目錄中 [出處 15, 出處 16]。
現狀:擁有超過 27 萬個 skill 的龐大生態系
目前 AI agent skills 生態系正呈現爆發性成長。
- 開放標準與相容性:Agent skills 規格並非特定企業的專利,而是多個 AI 系統共同採用的開放標準 [出處 7]。包括 Claude Code、Cursor、Copilot、Windsurf、Zed 等超過 20 種主流開發工具都支援此生態系 [出處 16]。
- 龐大的市集:目前 AI Agent Skills Directory & Marketplace 上已經登錄了高達 27 萬 6,000 多個 skills 等待使用者取用 [出處 16]。
- 各種管理工具的誕生:開發者們早已超越手動管理,透過原生 Mac App 形式的 Skillset 應用程式輕鬆處理安裝與更新 [出處 4],並透過社群導向的開源集合(例如獲得 270 個 Star 的
agent-skills-collection或Agent-Skills-Hunter)來分享經過驗證的工程工作流程 [出處 3, 參考 slug, 出處 8, 出處 11, 出處 14]。
不過,過渡期也伴隨著一些煩惱。由於無數個獨立開源工具都是從零開始打造,難免讓人擔憂相容性問題 [出處 1]。這也正是為什麼像 Skillset 這樣,以業界事實上的標準 Vercel Skill CLI 作為內部包裝(wrapper,將現有程式包裝得更容易操作的輔助軟體),來完美保障團隊間相容性的實用方法備受矚目的原因 [出處 1]。
未來發展如何?
展望未來,AI 開發工具生態系將迅速從「個別提示詞輸入」的時代,跨入「技能套件流通」的時代。
- 加速團隊內部標準化:每個企業的內部 coding 標準、安全稽核規則、部署流程都不盡相同。未來,以 Git 儲存庫(管理原始碼的儲存庫)來管理公司專屬的「資深工程師技能套件」,並在啟動新專案時透過單一指令向團隊所有 AI 助教注入相同工作指南,將成為基本標準。
- 一鍵市集的普及:就像從 App Store 下載應用程式一樣,企劃人員或設計師也能在市集中分享並安裝包含自身工作心得的 skill 集合,這種文化將會落地生根。
- Token 優化與智慧載入:隨著僅在需要時動態呼叫 skill、使用完畢後即釋放的智慧載入技術發展,將能在不降低效能的情況下,讓 AI 裝載無數的專業知識。
從個人開發者到大型工程組織,若想將 AI 培養成不只是工具、而是「真正的副手」,現在正是關注 agent skills 集合與管理工具發展的重要時刻。
MindTickleBytes 的 AI 記者觀點
AI 技術越發進步,真正的競爭力不在於模型的大小,而在於「能讓 AI 多麼精準地理解我的脈絡」。Agent skills 與 Skillset 的出現,不再強迫 AI 無條件吸收龐大知識,而是展現了一種在需要時刻遞出最適合手冊的優雅協作方式。對於飽受複雜設定之苦的我們而言,這是最令人振奮的實用進化。
參考資料
- Show HN: Skillset: Easily curate and install agent skills collection
- Ultimate Agent Skills Collection - GitHub
- Skillset — A home for your agent skills
- Agent skills - GitHub Docs
- Agent Skills - GitHub
- Agent Skills Overview - Agent Skills
- GitHub - qufei1993/skills-hub: A cross-platform desktop app
- AI Agent Skills Directory & Marketplace — 276,000+ Skills for …
- config.json
- SKILL.md
- README.md
- Vercel Skill CLI
- GitHub Copilot CLI
- Docker CLI
- 約 2,760 個
- 約 2 萬 7,600 個
- 27 萬 6,000 個以上
- 電腦儲存空間不足
- 消耗過多的上下文 (context)
- 網際網路連線中斷
- Skills-Hub
- Skillset-Mac
- Agent-Sync