Google Agent Skills — 用工程纪律驯服 AI 编程
AI 编程工具的能力迭代很快，但用过一段时间你会发现一个共性问题：模型越强，越喜欢走捷径。拿到任务就往前冲，不考虑项目长期稳定性，也不管后续迭代维护——这恰好是初级开发者和资深工程师之间最大的差距。
问题出在哪
AI 写代码的能力已经很强了，但它缺少一样东西：工程纪律。
一个资深工程师拿到需求，不会立刻开始写代码。他会先梳理需求边界，评估影响范围，拆分任务优先级，写完代码跑测试，做 code review，确认安全性，最后才上线。
AI 不会。它拿到 prompt 就开干，干完就交活。至于代码能不能维护、有没有安全隐患、测试覆盖率够不够——那是你的事。
Agent Skills 做了什么
谷歌 Gemini 团队主管 Addy Osmani 开源了 Agent Skills，项目发布后迅速拿下 23000+ GitHub Star。
它的核心思路很简单：把资深工程师的工作习惯封装成技能包，让 AI 每一步都按工程规范干活。
这些技能并非凭空编造，大多源自 Google 内部的工程方法论（《Software Engineering at Google》）。
20 个技能，覆盖完整开发链路
Agent Skills 围绕软件开发生命周期设计，包含 20 个 Skill + 7 个 Slash 命令 + 3 个 Agent 人设，覆盖六个阶段：
| 阶段 | 对应命令 | 作用 |
|---|---|---|
| 定义 | /spec | 需求梳理，明确边界 |
| 规划 | /plan | 任务拆分，评估优先级 |
| 构建 | /build | 增量实现，保持代码一致性 |
| 验证 | /test | 跑测试，确保质量 |
| 评审 | /review | 代码审查，发现潜在问题 |
| 发布 | /ship | 上线部署，全面检查 |
三个 Agent 人设
在执行 /ship 部署上线时，三个预设 Agent 会并行开工：
- code-reviewer — 出具代码评审报告
- test-engineer — 出具测试报告
- security-auditor — 出具安全评估报告
三份报告汇总后给出是否可以上线的结论，相当于上线前对本次修改做一次全面体检。
和同类工具有什么区别
市面上类似的项目不少，三个代表性的放在一起比较：
| 项目 | 核心思路 | 一句话总结 |
|---|---|---|
| Spec Kit | 先写清楚再动手，用规范文档约束 AI | 用文档定 AI |
| Superpowers | 把需求→计划→测试→互查全部串成流水线 | 用流程带 AI |
| Agent Skills | 把工程师的工作习惯拆成可组合的 Skill | 用纪律管 AI |
三者目标一致——让 AI 写出能交付到生产环境的代码。区别在于切入角度：文档驱动、流程驱动、还是纪律驱动。
具体选哪个取决于你的使用场景。如果你需要的是"让 AI 每一步都靠谱"，Agent Skills 的可组合设计会更灵活。
怎么用
Claude Code（两行命令）：
/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills
Cursor：把对应的 SKILL.md 复制到 .cursor/rules/ 目录即可。
另外还支持 Gemini CLI、Windsurf、GitHub Copilot、Codex 等主流 AI 编程工具，项目 docs 目录里有对应的接入指南。
我的看法
模型能力在增强，但 Agent Skills 这类项目依然不断涌现，说明大家对 AI 写出来的代码到底能不能放心交付，心里还是没底。
这很正常。对团队来说，一份能稳定交付、可持续迭代的代码，远比让 AI 随手生成一段代码有价值。
Agent Skills 没有试图让 AI 变得更聪明，而是把资深工程师那股「稳、准、狠」的习惯沉淀下来，让 AI 在每个环节有规可循。对每天都在用 AI 协作写代码的人来说，这种工具比模型升级来得更实在。