skills
skills 是 Expo 官方推出的一套专为 AI 智能体设计的技能集合，旨在辅助开发者更高效地构建、部署和调试基于 Expo 框架的移动应用。它本质上是一套结构化的知识库与操作指南，涵盖了从 UI 构建、数据获取到应用发布等全流程的最佳实践。
在开发 Expo 应用时，开发者常面临配置复杂、文档分散以及调试困难等痛点。skills 通过将官方推荐的工作流标准化并嵌入 AI 上下文，解决了通用 AI 模型在处理特定框架细节时可能出现的幻觉或建议过时问题。它能确保 AI 助手提供的代码示例和解决方案始终符合 Expo 的最新规范，从而显著提升开发效率与代码质量。
这套工具主要面向使用 Expo 进行跨平台移动应用开发的软件工程师，无论是前端新手还是资深专家都能从中受益。特别是那些习惯借助 AI 编程助手（如 Claude Code、Cursor 等）来提升工作流的开发者，将获得更精准的辅助体验。
skills 的技术亮点在于其“自动发现”机制。与需要手动触发的传统命令不同，当你在对话中提及相关开发任务时，AI 智能体会根据上下文自动匹配并调用最合适的技能模块（如 building-ui 或 deployment）。它针对 Claude Opus 模型进行了精细调优，同时也兼容其他主流 AI 代理。通过简单的插件安装或远程规则配置，即可无缝集成到现有的开发环境中，让 AI 真正变成懂 Expo 的结对编程伙伴。
使用场景
资深前端工程师李明正负责将一个复杂的 React Native 项目迁移至 Expo 架构，并计划利用 Expo Application Services (EAS) 实现自动化构建与发布。面对 Expo 特有的路由系统、原生模块配置以及云端构建流程，他需要快速解决一系列技术难题以确保项目按时上线。
没有 skills 时
- 文档检索低效：每次遇到 Expo Router 嵌套路由或数据获取问题，李明都需要在官方文档、Stack Overflow 和 GitHub Issues 之间反复切换搜索，耗费大量时间筛选过时信息。
- 配置易出错：在配置
app.json和 EAS 构建配置文件时，由于缺乏针对最新版本的上下文感知建议，常因字段弃用或语法错误导致构建失败，调试过程繁琐。 - 最佳实践缺失：AI 助手提供的代码片段往往通用但非最优，例如在处理原生模块链接或性能优化时，未能遵循 Expo 团队推荐的最新规范，埋下维护隐患。
- 部署流程断裂：从本地测试到提交 App Store 审核的步骤分散，AI 无法提供连贯的端到端指导，导致李明需手动拼凑多个教程，容易遗漏关键签名或环境变量步骤。
使用 skills 后
- 智能上下文匹配：skills 自动识别李明关于“Expo Router UI 构建”的提问，直接调用
building-ui技能，提供基于最新 API 的精准代码示例，无需人工筛选文档。 - 标准化配置生成：针对部署问题，skills 激活
deployment技能，自动生成符合当前项目结构的 EAS 配置模板，并解释关键参数，显著降低配置错误率。 - 遵循官方规范：所有生成的代码和建议均源自 Expo 官方团队微调的技能库，确保数据获取、状态管理等实现方式符合生产级最佳实践，提升代码质量。
- 端到端流程指引：当询问发布流程时，skills 整合构建、签名和提交步骤，提供清晰的流水线指导，将原本碎片化的操作转化为连贯的执行方案。
skills 通过将官方最佳实践内化为 AI 的即时能力，将开发者从繁琐的文档查阅和试错中解放出来，大幅提升了 Expo 应用的开发效率与交付质量。
运行环境要求
- 未说明
未说明
未说明
快速开始
Expo 技能
来自 Expo 团队的官方 AI 助手技能，用于构建、部署和调试健壮的 Expo 应用。
安装
Expo 主要使用 Claude Code，这些技能针对 Opus 模型进行了微调。不过，你也可以将这些技能与任何 AI 助手一起使用。
Claude Code
添加市场：
/plugin marketplace add expo/skills
安装插件：
/plugin install expo
Cursor
从 GitHub 安装
- 打开 Cursor 设置（Cmd+Shift+J / Ctrl+Shift+J）
- 导航到
Rules & Command→Project Rules→ 添加规则 → 远程规则（GitHub） - 输入：
https://github.com/expo/skills.git
工作原理： 技能会根据上下文由助手自动发现并使用。当你询问有关 Expo 开发的问题时，助手会根据技能描述自动调用相关技能（例如 building-ui、data-fetching、deployment）。
注意： 技能不会出现在 / 斜杠命令菜单中。Cursor 中的 / 菜单用于自定义命令（存储在 .cursor/commands/ 目录下），而不是技能。技能通过自动发现机制工作——当你的问题与技能描述匹配时，助手会自动使用它们。
验证安装： 添加远程规则后，尝试向助手提出与 Expo 相关的问题，例如：
- “如何使用 Expo Router 构建 UI？”
- “如何在我的 Expo 应用中发起 API 请求？”
- “如何将我的 Expo 应用部署到 App Store？”
如果技能正常工作，助手会利用相关技能内容来回答你的问题。
任何助手
bunx skills add expo/skills
这将单独提取每个技能，因此你需要手动更新它们。
许可证
MIT
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。