发现 Skills 怎么用：装扩展的正确姿势

从一个常见困境说起

你在 Claude Code 里写 React 项目，突然想优化性能，却不知道该问什么 prompt。或者你需要审查 PR、生成变更日志，总觉得 agent 能做得更多——这时候你就需要「发现 Skills」。

这个 Skill 本身不做具体的事，它是整个开放 agent skills 生态的入口和导航员。

Skill 是什么，为什么要主动发现

Skills 是模块化包，通过专业知识、工作流程和工具来扩展 agent 的能力。可以理解为 AI 时代的「插件」或「npm 包」——只不过安装后，你的 Claude Code 或 Cursor 立刻获得某个领域的专家级能力。

Vercel Labs 维护的 vercel-labs/agent-skills 里，React、Next.js、Web 设计相关的 Skill 各自安装量都超过 10 万。Anthropics 官方的前端设计、文档处理 Skill 同样超过 10 万。这些数字说明：与其自己琢磨 prompt，不如先找有没有现成的专业 Skill。

「发现 Skills」这个 Skill 的价值就在于此——它把「我不知道能装什么」变成了「我帮你搜、帮你筛、帮你装」。

核心能力：不只是搜索

发现 Skills 的工作流分为六个步骤，远不止跑一条命令那么简单：

需求拆解：识别用户的领域、具体任务，判断是否属于常见可 Skill 化的场景
先看排行榜：优先查 skills.sh 的安装量排名，直接锁定经过实战检验的热门选项
CLI 搜索：npx skills find [query] 支持按关键词和 GitHub owner 过滤
质量核实：安装量低于 100 的谨慎推荐，优先选 vercel-labs、anthropics、microsoft 等官方来源
结构化展示：向用户说明 Skill 功能、安装量、安装命令
代劳安装：用户确认后，直接执行 npx skills add <package> -g -y

这套流程的设计意图很明显：避免用户被低质量、无人维护的 Skill 污染工作环境。

怎么启用

发现 Skills 的兼容工具是 Claude Code、Codex 和 Cursor。启用方式遵循这些工具的通用 Skill 加载机制——在兼容的 AI 工具中直接启用该 Skill 即可，无需额外命令行安装。

Skills CLI（npx skills）本身是这个生态的包管理器，但它是被调用方，不是发现 Skills 这个 Skill 的前置条件。

实操：帮用户找 React 性能优化方案

假设用户问：「怎么让我的 React 应用更快？」

第一步，先看 skills.sh 排行榜。Web 开发领域，vercel-labs/agent-skills 下有专门的 React 性能优化 Skill，18.5 万次安装。

第二步，如果排行榜没覆盖，执行 npx skills find react performance。返回结果后，核实安装量和来源信誉。

第三步，向用户展示：

找到「react-best-practices」Skill，来自 Vercel 工程团队的 React 和 Next.js 性能优化指南，18.5 万次安装。安装命令：npx skills add vercel-labs/agent-skills@react-best-practices

用户确认后，执行带 -g -y 的全局静默安装。整个过程从需求到可用，不超过两分钟。

谁最需要这个 Skill

三类人收益最明显：

全栈开发者：技术栈切换频繁，需要快速给 agent 装载特定领域知识
团队技术负责人：要统一团队的 agent 工作流，从排行榜选官方 Skill 比自建更稳妥
AI 工具重度用户：已经习惯用 Claude Code 或 Cursor 写代码，想让 agent 能力边界持续扩展

如果你只是偶尔用 AI 写几行脚本，可能暂时用不上。但一旦 agent 成为你工作流的核心，发现 Skills 就是必备的基础设施。

几个容易踩的坑

搜索关键词要具体。「react testing」比「testing」返回的结果更精准；如果「deploy」没结果，试试「deployment」或「ci-cd」。

不要迷信搜索结果里的每一个 Skill。发现 Skills 明确要求编辑先核实安装量、来源信誉、GitHub star 数，再向用户推荐。这是一个反垃圾机制，也是对用户工作环境的保护。

最后，如果确实没找到匹配的 Skill，可以直接用通用能力帮用户完成任务，同时告知 npx skills init 的自定义 Skill 路径——把「没有」变成「你可以创造一个」。