agent-skills
agent-skills 是一个专为专业 AI 编程助手打造的安全技能注册库。你可以把它想象成给 Antigravity、Claude Code、Cursor 或 Copilot 等 AI 工具安装的“可信插件包”,旨在通过预定义的指令和资源,教会 AI 掌握新的工作流、代码模式及专业知识,从而扩展其能力边界。
在当前开放的 AI 技能市场中,超过 13% 的现有技能包存在严重安全漏洞,这给开发环境带来了潜在风险。agent-skills 正是为了解决这一信任危机而生。它提供了一个经过严格验证、测试且完全开源的技能库,确保用户在使用时无需担心恶意代码或安全隐患。
这款工具特别适合重视代码安全与稳定性的软件开发者和技术团队使用。如果你希望在不牺牲安全性的前提下,让 AI 助手更高效地协助编写代码或处理复杂任务,agent-skills 是理想的选择。
其核心技术亮点在于构建了一套严密的防御体系:所有技能在发布前均会通过 Snyk Agent Scan 进行自动化扫描;库内内容 100% 开源透明(无二进制黑盒);并在持续集成流程中引入了静态分析、文件完整性哈希校验以及人工策展机制。此外,其命令行工具还具备路径隔离和防符号链接攻击等深度防御特性,全方位守护开发环境的安全。
使用场景
某金融科技公司的高级后端工程师正在利用 Claude Code 和 Cursor 重构核心交易系统的支付模块,急需引入复杂的合规校验逻辑。
没有 agent-skills 时
- 安全隐患巨大:从公开市场下载的第三方技能包中,有超过 13% 包含严重漏洞,可能导致敏感交易数据泄露或被恶意注入代码。
- 验证成本高昂:每次集成新能力前,团队必须人工审查源代码、运行静态分析并手动测试,严重拖慢了迭代速度。
- 执行结果不可控:未经验证的技能指令可能产生幻觉或错误操作文件,导致生产环境配置被意外覆盖,缺乏回滚保障。
- 信任链条断裂:由于无法确认技能来源和完整性,开发人员不敢轻易让 AI 代理执行关键数据库迁移或密钥管理任务。
使用 agent-skills 后
- 原生安全防御:所有技能均经过 Snyk Agent Scan 扫描及人工策展,确保 100% 无二进制陷阱且无已知高危漏洞,直接放心调用。
- 开箱即用的可信扩展:依托不可变的完整性哈希锁文件和 CI/CD 静态分析,无需重复验证即可将合规校验等复杂工作流集成到代理中。
- 操作原子化与隔离:内置的路径隔离、符号链接防护及原子锁文件机制,确保文件修改安全可控,彻底杜绝误删或覆盖风险。
- 全链路审计追踪:每个技能的执行过程均有详细审计记录,满足金融行业对代码变更和操作来源的严格合规要求。
agent-skills 通过构建一个经过严格验证的技能注册中心,让开发团队能在零信任环境下安全、自信地释放 AI 编程代理的全部生产力。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
🧠 代理技能
面向专业AI编码代理的安全、经过验证的技能注册表
在一个生态系统中,超过13%的市场技能包含严重漏洞, Agent Skills 作为一个强化的库脱颖而出,其中包含已验证、经过测试且安全的功能。您可以满怀信心地扩展Antigravity、Claude Code、Cursor等工具。
https://tech-leads-club.github.io/agent-skills/
📖 目录
✨ 什么是技能?
技能是封装好的指令和资源,用于扩展AI代理的能力。可以将其视为您AI助手的插件——它们教会您的代理新的工作流程、模式和专业知识。
packages/skills-catalog/skills/
(类别名称)/
技能/
SKILL.md ← 主要说明
templates/ ← 文件模板
references/ ← 按需文档
🛡️ 安全与信任
您环境的安全是我们首要考虑的因素。与开放市场上13.4%的技能含有严重问题不同,agent-skills是一个受管理的、强化的库:100%开源(无二进制文件),在CI/CD中进行静态分析,通过锁定文件和内容哈希实现不可变的完整性,并由人工精选提示。CLI采用纵深防御策略(净化、路径隔离、符号链接保护、原子锁定文件、审计轨迹);每个技能在发布前都会使用Snyk Agent Scan(原mcp-scan)进行扫描。
→ 完整的威胁模型、实施细节及漏洞报告: SECURITY.md
🤖 支持的代理
将技能安装到以下任何AI编码代理中:
| 第一梯队(流行) | 第二梯队(新兴) | 第三梯队(企业级) |
|---|---|---|
| Claude Code | Aider | Amazon Q |
| Cline | Antigravity | Augment |
| Cursor | Gemini CLI | Droid (Factory.ai) |
| GitHub Copilot | Kilo Code | OpenCode |
| Windsurf | Kiro | Sourcegraph Cody |
| OpenAI Codex | Tabnine | |
| Roo Code | ||
| TRAE |
没有找到您最喜欢的代理?提交一个问题,我们会添加支持!
🌟 精选技能
以下是我们不断扩充的技能目录中的一些亮点:
| 技能 | 类别 | 描述 |
|---|---|---|
| tlc-spec-driven | 开发 | 项目与功能规划分为四个阶段:需求定义 → 设计 → 任务分解 → 实现。能够创建带有验证标准的原子级任务,并在不同会话间保持持久化记忆。 |
| aws-advisor | 云 | 专业的 AWS 云架构顾问,提供架构设计、安全审查和实施指导服务。利用 AWS MCP 工具生成基于文档的支持性答案。 |
| playwright-skill | 自动化 | 使用 Playwright 完成完整的浏览器自动化操作。测试页面、填写表单、截取屏幕截图、验证用户体验,并自动化任何浏览器任务。 |
| figma | 设计 | 从 Figma 获取设计上下文,并将节点转换为生产代码。结合 MCP 集成实现设计到代码的自动化落地。 |
| security-best-practices | 安全 | 针对特定语言和框架的安全性审查。检测漏洞、生成报告,并提出默认安全的修复建议。 |
🚀 快速入门
在您的项目中安装技能
npx @tech-leads-club/agent-skills
这将启动一个交互式向导:
- 选择操作 — “安装技能”或“更新已安装技能”
- 浏览与选择 — 按类别筛选或搜索
- 选择代理 — 选择目标代理(Cursor、Claude Code 等)
- 安装方式 — 复制(推荐)或符号链接
- 作用范围 — 全局(用户主目录)或本地(仅限项目)
每一步都提供 ← 返回 选项,方便您返回并修改选择。
CLI 命令选项
注意:您可以使用
npx @tech-leads-club/agent-skills,也可以全局安装后直接使用agent-skills。
# 交互模式(默认)
npx @tech-leads-club/agent-skills
# 或:agent-skills(若已全局安装)
# 列出可用技能
agent-skills list
agent-skills ls # 别名
# 安装单个技能
agent-skills install -s tlc-spec-driven
# 一次性安装多个技能
agent-skills install -s aws-advisor coding-guidelines docs-writer
# 安装到指定代理
agent-skills install -s my-skill -a cursor claude-code
# 将多个技能安装到多个代理
agent-skills install -s aws-advisor nx-workspace -a cursor windsurf cline
# 全局安装(至 ~/.gemini、~/.claude 等)
agent-skills install -s my-skill -g
# 使用符号链接而非复制
agent-skills install -s my-skill --symlink
# 强制重新下载(绕过缓存)
agent-skills install -s my-skill --force
# 更新特定技能
agent-skills update -s my-skill
# 更新所有已安装技能
agent-skills update
# 移除单个技能
agent-skills remove -s my-skill
# 一次性移除多个技能
agent-skills remove -s skill1 skill2 skill3
agent-skills rm -s my-skill # 别名
# 从特定代理移除
agent-skills remove -s my-skill -a cursor windsurf
# 强制移除(绕过锁文件检查)
agent-skills remove -s my-skill --force
# 管理缓存
agent-skills cache --clear # 清除所有缓存
agent-skills cache --clear-registry # 仅清除注册表缓存
agent-skills cache --path # 显示缓存位置
# 查看审计日志
agent-skills audit # 显示最近的操作
agent-skills audit -n 20 # 显示最近 20 条记录
agent-skills audit --path # 显示审计日志位置
# 显示贡献者及致谢
agent-skills credits
# 显示帮助
agent-skills --help
全局安装(可选)
npm install -g @tech-leads-club/agent-skills
agent-skills # 使用 'agent-skills' 代替 'npx @tech-leads-club/agent-skills'
⚡ 工作原理
CLI 会按需从我们的 CDN 获取技能:
- 浏览 — CLI 获取技能目录(约 45KB)
- 选择 — 您选择所需的技能
- 下载 — 所选技能会被下载并缓存在本地
- 安装 — 技能会被安装到您的代理配置中
缓存机制
下载的技能会被缓存在 ~/.cache/agent-skills/ 中,以便离线使用。
# 清除缓存
rm -rf ~/.cache/agent-skills
🔌 MCP 服务器
@tech-leads-club/agent-skills-mcp 是一个 MCP 服务器,它通过 渐进式披露 的方式,直接向 AI 代理公开技能目录——先搜索,再只获取所需内容。
| 工具 | 目的 |
|---|---|
list_skills |
按类别浏览所有技能 |
search_skills |
根据意图查找技能(模糊搜索) |
read_skill |
加载技能的主要指令 |
fetch_skill_files |
获取特定的参考文件 |
list_skills 应当仅在用户明确要求浏览或列出目录时调用。
快速安装(适用于任何兼容 MCP 的客户端):
{
"mcpServers": {
"agent-skills": {
"command": "npx",
"args": ["-y", "@tech-leads-club/agent-skills-mcp"]
}
}
}
→ 针对所有客户端(Cursor、Claude Code、VS Code 等)、缓存机制以及错误参考的完整设置,请参阅:packages/mcp/README.md
🤝 贡献
我们欢迎各位的贡献!请参阅我们的 CONTRIBUTING.md 文件,了解如何搭建本地开发环境、创建新技能、参与市场建设,以及遵循我们的发布流程等详细指南。
🛡️ 内容与作者权
本仓库是一个精选技能的集合,旨在造福社区。我们深切尊重所有创作者的知识产权及意愿。
如果您是此处包含内容的作者,并希望将其 移除 或 更新,请 提交问题 或联系维护人员。
📄 许可与署名
- 软件引擎:应用程序源代码(CLI、脚本、工具)采用 MIT 许可证 许可。
- Tech Leads Club 技能:除非另有说明,由仓库维护者编写的全部技能文件(
SKILL.md)均采用 知识共享署名 4.0 国际许可协议 (CC-BY-4.0) 许可。 - 第三方技能:本目录中包含的部分技能由社区或原作者创建。这些技能保留其原始许可和版权。请查看各个
SKILL.md文件,以了解具体的许可和作者署名信息。
如果您使用我们的技能目录,无论以何种方式使用,都必须注明 Tech Leads Club 的出处。
⭐ 星标历史
由 Tech Leads Club 社区用心打造
版本历史
v1.4.62026/04/01skills-catalog-v0.14.12026/04/01mcp-v0.1.32026/04/01skills-catalog-v0.14.02026/04/01v1.4.52026/04/01skills-catalog-v0.13.02026/03/14v1.4.42026/03/14mcp-v0.1.22026/03/12skills-catalog-v0.12.02026/03/12v1.4.32026/03/12skills-catalog-v0.11.22026/03/04v1.4.22026/03/03skills-catalog-v0.11.12026/03/01mcp-v0.1.12026/02/28skills-catalog-v0.11.02026/02/28skills-catalog-v0.10.02026/02/27v1.4.12026/02/27mcp-v0.1.02026/02/26skills-catalog-v0.9.02026/02/26v1.4.02026/02/26常见问题
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。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
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。