A2A：当 Agent 开始自己找人干活
文章探讨了 A2A 协议如何让不同框架的 Agent 实现跨系统协作，以及 Agent 进入组织所需的六项情境信息。指出光有知识和工具不够，Agent 还需理解角色、目标、规则等动态上下文。未来组织需将人治转变为 Agent 可读的结构。
🏷️ Skills
29 篇如何精通 Fable（基础指南）
本文是一份关于 Claude Fable 的综合使用指南。作者详细介绍了 Fable 与此前模型的主要区别，重点讲解了 Loop Engineering（循环工程）的概念及其在实现 AI 自动化工作流中的应用。文章还深入探讨了如何利用 Fable 的 Skills 功能构建自定义技能，强调了其强大的视觉能力在数据提取、UI 审查和逆向工程等场景的潜力，并提出了模型选择的“杠铃策略”以平衡性能与成本。
极客风格的 Agent Skills 管理实践：利用软链接实现高效复用
本文分享了一种“极客风格”的 Agent Skills 管理策略，旨在解决全局 Skills 占用过多上下文窗口及维护混乱的问题。核心方案包括：仅在项目内安装必要的 Skill 以节省空间；利用软链接（类似快捷方式）将项目内的 Skill 指向统一的 GitHub 仓库原件。这种方法不仅便于统一管理和更新（一次修改，全局生效），还能将 Bug 修复直接反哺开源项目。同时，作者建议利用 Agent（如 Codex）自动执行软链接命令，降低技术门槛。
构建 Agent 技能的自我改进循环
本文介绍了如何通过“自我改进循环”提升 Agent 的技能质量。作者以 Issue 分类为例，展示了如何构建双层循环架构：内层循环负责执行具体的分类任务，外层循环则根据人工反馈自动调整技能代码。利用 GitHub Actions 和云代理平台，系统能持续从历史交互中学习并优化自身。
Loop Engineering: 定义 AI 编程代理的未来
本文提出了“Loop Engineering（循环工程）”的概念，即从手动提示 Agent 转向设计自动执行的系统。文章探讨了构建循环的五个核心模块（自动化、Worktree、Skills、插件、子代理），并结合 Claude Code 和 Codex 两大工具，分析了如何实现 AI 编程任务的自主迭代与质量控制。
装完 Codex 不知道干什么？6个视频制作 Skills 教你搞钱
本文介绍了如何利用 6 个 GitHub Skills 将 Codex 转化为强大的视频生产工具。这些工具涵盖了从文字生成动效（HyperFrames）、视频剪辑（video-use）、代码批量制作（Remotion）到 AI 提示词生成（seedance2）的全流程。作者还针对口播、数据栏目和短剧等不同场景提供了组合方案，展示了 Codex 在自动化视频工作流中的应用潜力。
Agent 工作流构建：Skills + Interpreters 实践
本文介绍了“解释器技能”的概念，这是对 Agent 技能的扩展，允许在技能中包含 TypeScript 模块。Agent 可以在行为适用时导入并运行这些代码，就像执行工作流一样。这种机制结合了 SKILL.md 的指令逻辑和解释器的代码执行能力，使 Agent 能够处理更复杂的任务，如生成子代理、调用工具，并确保关键流程的确定性和可复用性。
Hermes Agent 推出 Bundle 功能：一键打包 Skills 与 MCP
本文介绍了 Hermes Agent 推出的 Bundle 功能，通过一条命令即可完成 Skills、MCP、Rules 和 Hooks 的配置。文章详细解析了 Bundle 包含的四大核心组件，展示了社区预设的 developer、content-creator 等技能包，并强调了其自进化能力，即 Agent 能在任务后自动生成新的 Skill，极大提升了 AI Agent 的落地效率。
Claude 官方宝藏仓库指南：一键安装生成 PDF/Word/PPT/Excel
文章介绍了 Anthropic 官方维护的 Claude Code Skills 插件仓库。通过安装该技能包，用户可以直接利用 Claude 调用 Python 库，一键生成格式完美的 PDF、Word、PPT 和 Excel 文件，不仅能处理数据汇总、图表制作，还能用于合同审查和简历处理。文中详细提供了安装命令、实际应用场景及避坑指南。
新手必装：10 类 Codex Skills 优先推荐与配置指南
本文介绍了 Codex 新手在安装模型后，应优先配置的 10 类关键 Skills。文章指出模型只是下限，合理的 Skill 配置决定了工作效率。推荐优先级包括浏览器交互（playwright-interactive）、视觉验收（screenshot）、文档阅读、Web 搜索、任务拆解、代码审查、测试回归、长会话终端、CI/PR 处理以及自定义 Skill 工具。作者建议按梯队逐步安装，避免上下文污染，并附带了具体的安装命令。
我测试了 247 个 Claude Skills 并删掉了 224 个：留下的这 23 个改变了我的工作方式
作者花费 6 周时间实测了 247 个 Claude Skills，基于质量提升、效率节省和上下文开销等标准，最终仅保留了 23 个。文章详细列出了 S 级必装工具（如 frontend-design, superpowers）和 A 级垂直领域工具，并给出了安装顺序建议。
Codex APP 保姆级教程攻略：从下载到精通
这是一篇 Codex APP 的详细使用教程。文章涵盖了环境搭建、安装登录、核心功能、权限沙箱、上下文管理及 Git 集成等内容。重点介绍了 Codex 的安全机制、计划模式、Skills 和 MCP 扩展能力，展示了其作为本地 AI 劳动力在代码编写、项目管理和自动化方面的优势，适合想要从零开始上手 Codex 的用户阅读。
If You're Not Using These 100 Repos, Delete CLAUDE CODE
文章指出许多人低估了 Claude Code 的潜力，仅仅将其视为普通的 AI 编码工具。作者通过整理 100 个最佳仓库，展示了如何利用 configs、plugins、skills 和 subagents 极大提升开发效率。文中详细列出了精选列表、官方 Anthropic 仓库以及技能集合等资源，帮助开发者构建强大的 AI 辅助开发工作流。
通过MCP构建触达生产系统的Agent：MCP到底死没？
文章探讨了智能体接入生产系统的三种方式（API、CLI、MCP），并深入分析了MCP协议如何通过统一中间层解决连接难题。针对MCP被诟病的Token消耗问题，介绍了“按需加载工具定义”和“程序化工具调用”两大优化方案。同时，文章总结了构建优秀MCP服务器的五大原则，并阐述了MCP与Skills结合的“组合拳”模式，指出MCP正成为云端智能体的标准化接入层。
如何构建和销售产生被动收入的 Claude 插件（完整教程）
本文详细介绍了如何在 Claude 生态系统早期通过开发和销售插件来建立被动收入。文章将插件构建过程分解为六个步骤：选择细分领域（针对特定角色如 PM 或营销人员）、设计斜杠命令、编写 Claude Skills 技能代码、打包测试、获取真实用户反馈以及最终上线销售。此外，还涵盖了插件定价策略（一次性买断 vs 订阅制）及市场渠道。
大部分 skills 都是垃圾，如何找到真正好用的呢？
文章指出现有的 AI Agent Skills 库中充斥大量无效内容，并介绍了一款名为 SkillsVote 的工具。与只能单纯检索工具的 find-skills 不同，SkillsVote 能够根据具体任务推荐合适的 Skill 组合，并提供环境解析、质量评估及安全扫描。实测显示，该工具在执行效率上远超手动搜索，且正确的 Skill 组合带来的效果优于单纯升级模型。
Top 67 Claude Skills That Turn a $20 Subscription Into a Full Dev Team
文章介绍了如何通过安装和使用 Claude Skills（技能文件夹）将 Claude 从简单的自动补全工具转变为全能开发团队。内容涵盖了从 Meta 技能管理、规划设计（如 PRD 撰写、代码审查）到具体代码开发（如 TDD、Bug 诊断、QA 测试）的 67 个实用技能，并附带了详细的安装命令和资源链接。
Anthropic内部分享：别再造Agent了，造Skills就够了
Anthropic 内部分享指出，与其为每个场景构建新 Agent，不如给通用 Agent 配置“Skills”。Skills 是打包程序化知识的文件夹，通过渐进式加载解决上下文窗口问题。文章介绍了 Skills 与 MCP 的互补关系，及其在金融、科研等领域的生态发展，类比将其比作“应用层”，强调通过知识积累让模型不断进化。
分享6个我觉得应该必装的Skills
本文作者分享了6个他认为必装的 Claude Skills，旨在提升 AI Agent 的实用性与效率。推荐的 Skills 包括：解决 AI 审美问题的“Frontend Design”、提供原生格式文档支持的“办公必备四件套”、增强联网搜索能力的“Web Access”、解决 AI 摆烂问题的“PUA”、提供持久化记忆的“Claude-mem”，以及最重要的自定义工具“Skill-Creator”。文章强调了技能封装的价值，认为真正重要的是用户创造个性化工具的能力。
SKILLS 开发与商业变现指南：下一个独立开发者的金矿
文章深入探讨了 Claude Code 的 Skills 系统，将其比作 AI 时代的 App Store。文中详细解析了 Skill 的技术机制（渐进式加载、文件结构）与开发原则（自由度匹配），并通过实战案例展示了开发流程。更重要的是，文章提出了六条商业变现路径，从开源引流、行业订阅到企业定制，论证了 Skills 如何成为低门槛、高复利的数字资产，为独立开发者提供了生态位占位指南。
一文讲透.claude/文件夹：Claude Code团队配置指南和最佳实践
本文深入解析了 Claude Code 中 .claude/ 文件夹的配置体系，阐明了项目级、用户级和本地覆盖三层作用域的区别。文章详细介绍了 CLAUDE.md、rules、skills、subagents 及 settings.json 的最佳实践，重点解答了配置优先级、Git 提交策略及安全边界设置等常见问题，旨在帮助团队建立高效的 AI 编程协作规范。
构建 Claude Code 的经验：我们如何使用 Skills
Anthropic 工程师分享 Claude Code 的 Skills 功能实战经验。文章总结了内部常用的九类 Skills（如库参考、产品验证、业务自动化等），并提供了编写 Skills 的最佳实践，包括利用文件系统结构、明确触发条件以及通过脚本增强模型能力，旨在帮助团队系统化构建和分发 Skills 以加速开发。
简单快速地用 Claude Code 创建 PPT 生成 Skills
本文介绍了如何利用 Claude Code 的 Skills 功能创建一个 PPT 生成助手。作者以“Nano Banana PPT”为例，详细演示了从环境准备、资料梳理、需求规划到利用 Plan 模式自动构建 Skills 的全过程。此外，文章还涵盖了如何使用 Git 进行版本控制以及编写 README 的技巧，强调了将复杂流程拆解为独立工具的重要性。
保姆教程：用 Gemini + NotebookLM 打造你的24h首席AI顾问
文章介绍了一种利用 AI 工具克隆特定人物数字分身的“保姆级”教程。作者以克隆技术大 V“宝玉”为例，展示了如何使用 baoyu-skills 抓取公开数据，利用 NotebookLM 进行 RAG（检索增强生成）以构建知识库，最后通过 Gemini 创建 GEM 并注入特定的 System Instructions。测试表明，该数字分身成功复刻了原作者的工程审美与批判性思维。
我用 Claude Code Skills 搭建了一套公众号自动发布系统，效率提升 12 倍
作者分享了如何利用 Claude Code 的 Skills 功能，将公众号的选题、去AI痕、配图生成及格式发布等流程自动化。通过组合不同的技能包，实现了从写完文章到发布草稿仅需 10 分钟，效率提升 12 倍，并强调了从“加速”到“重构”流程的思维转变。
从手动安装到一行命令：Vercel Skills CLI 解锁 AI 助手新玩法
作者分享了从繁琐的手动 Git 操作配置 Claude Code Skill，到发现 Vercel 推出的 skills CLI 工具的经历。该工具被称为“AI 助手的 npm”，支持一行命令安装，并能自动检测并同步到本地所有 AI 编程助手（如 Cursor、Windsurf 等）。文章还介绍了 Anthropic 官方的 Skills 库、openskills 的同步方案，以及 Claude Code 2.1.0 的热重载功能，展望了 AI 能力模块化、可组合化的未来趋势。
2026年最热门的 Claude Skills 开源项目盘点
本文整理了 GitHub 上 2026 年最热门的 Claude Skills 相关开源项目，涵盖了官方 Agent Skills、超强核心技能库、科学领域技能等五大仓库。文章不仅列出了项目的 Star 数和特点，还提供了简单的技能安装与使用方法，帮助开发者快速入门和扩展 Claude 的功能。
用 Claude Code 快速创建 PPT 生成 Skills 实战指南
本文介绍了如何利用 Claude Code 的 Skills 功能，从零开始构建一个用于生成 PPT 的定制化 Agent。文章详细讲解了通过提示词自动安装技能、准备 Markdown 上下文资料、使用 Plan 模式进行规划开发，以及利用 Git 进行版本管理和迭代的全过程。
Claude Skills 入门：一篇文章搞懂 AI 怎么从「嘴替」升级成「打工人」
本文深入浅出地解析了 Claude Skills 的概念与价值，构建了从「编程函数」到「函数调用」再到「Skills」的三层认知框架。文章指出，Skills 不仅是工具的集合，更是包含指令、脚本和资源的完整解决方案，使 AI 能处理复杂工作流。通过实战案例（如自动排版发布）展示了其如何提升生产力，并介绍了如何使用和创建 Skills，强调非程序员也能通过定义工作流将专业知识转化为 AI 能力。