Agent Skills Marketplace 完全指南：AI 编程助手技能开发与应用

完整 Frontmatter 字段

---
name: git-automation
description: Automate common Git workflows and commands
license: MIT
compatibility:
  - claude-code
  - openai-codex
allowed-tools: exec read write
user-invocable: true
disable-model-invocation: false
argument-hint: "<action>"
server: "https://github.com/example/git-skill"
---

字段说明

目录结构规范

skill-name/
├── SKILL.md # 必需：技能定义文件
├── scripts/ # 可选：脚本文件
│   ├── setup.sh
│   └── run.py
├── templates/ # 可选：模板文件
│   └── component.template
├── examples/ # 可选：示例
│   └── usage.md
└── references/ # 可选：参考资料
    └── docs.md

平台核心功能与架构

1. 智能搜索系统

AI 语义搜索

SkillsMP 支持 AI 语义搜索，理解用户的真实需求而非简单的关键词匹配。

搜索示例

# 搜索类型 1：AI 语义搜索
search --ai "帮我找出项目中的安全漏洞"

# 搜索类型 2：关键词搜索
security vulnerability scanner

# 搜索类型 3：组合过滤
category:security sort:popularity

2. 分类浏览系统

平台按主要用例组织技能分类：

categories/
├── code-review/ # 代码审查
├── testing/ # 测试自动化
├── documentation/ # 文档生成
├── deployment/ # 部署自动化
├── security/ # 安全扫描
├── git-automation/ # Git 工作流
└── data-processing/ # 数据处理

3. 质量指标系统

筛选标准

4. 趋势分析

基于技能最后推送时间（非当日提交数）进行趋势分析，帮助用户发现活跃维护的技能。

技能安装与使用指南

安装路径

Claude Code

# 个人技能（全局）
~/.claude/skills/
# 项目技能（局部）
<project>/.claude/skills/

OpenAI Codex CLI

# 个人技能
~/.codex/skills/
# 项目技能
<project>/.codex/skills/

安装步骤

方法 1：手动安装

# 1. 克隆技能仓库
git clone https://github.com/author/skill-name.git

# 2. 复制到技能目录
cp -r skill-name ~/.claude/skills/

# 3. 验证安装
claude skills --list

方法 2：使用技能工具

# 使用技能创建/安装工具
skill-creator install author/skill-name

使用方式

模型自动调用

AI 会根据上下文自动选择合适的技能：

用户：帮我审查这段代码的安全问题
AI: [自动调用 code-security-reviewer 技能]

手动调用（斜杠命令）

用户：/code-reviewer src/main.py

多技能组合

Claude 支持同时使用多个技能：

用户：审查并提交这些更改
AI: [组合使用 code-reviewer + git-automation 技能]

技能开发实战

开发工作流

1. 确定需求
2. 搭建脚手架
3. 编写 SKILL.md
4. 添加脚本/模板
5. 本地验证
6. 发布到 GitHub
7. 提交到 SkillsMP
8. 持续维护

实战案例：创建代码审查技能

步骤 1：创建目录结构

mkdir code-reviewer
cd code-reviewer
mkdir scripts templates examples

步骤 2：编写 SKILL.md

---
name: code-reviewer
description: Review code for bugs, security issues, and best practices
license: MIT
compatibility:
  - claude-code
  - openai-codex
allowed-tools: read exec
user-invocable: true
---
# Code Reviewer
Automated code review skill that analyzes code for:
- Logic errors and bugs
- Security vulnerabilities
- Code style violations
- Performance issues
- Best practice violations

## Usage
Use this skill when:
1. User requests code review
2. Before committing changes
3. After implementing new features

## Process
1. Read the target file(s)
2. Analyze code structure
3. Check for common issues
4. Provide actionable recommendations

## Examples
See examples/ directory for usage examples.

步骤 3：添加分析脚本

#!/usr/bin/env python3
"""代码分析器 - 检查常见问题"""
import ast
import sys
from pathlib import Path

def analyze_file(filepath: str) -> list:
    """分析单个文件，返回问题列表"""
    issues = []
    try:
        with open(filepath, 'r', encoding='utf-8') as f:
            code = f.read()
        # AST 分析
        tree = ast.parse(code)
        # 检查项 1: 未使用的导入
        imports = [node for node in ast.walk(tree) if isinstance(node, ast.Import)]
        # 检查项 2: 复杂函数
        functions = [node for node in ast.walk(tree) if isinstance(node, ast.FunctionDef)]
        for func in functions:
            complexity = calculate_complexity(func)
            if complexity > 10:
                issues.append(f"函数 '{func.name}' 复杂度过高：{complexity}")
        return issues
    except Exception as e:
        return [f"分析失败：{str(e)}"]

def calculate_complexity(func_node) -> int:
    """计算函数圈复杂度"""
    complexity = 1
    for node in ast.walk(func_node):
        if isinstance(node, (ast.If, ast.While, ast.For, ast.ExceptHandler)):
            complexity += 1
    return complexity

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("用法：python analyzer.py <file>")
        sys.exit(1)
    issues = analyze_file(sys.argv[1])
    for issue in issues:
        print(f"⚠️ {issue}")

步骤 4：创建使用示例

## 示例 1：审查单个文件
用户：/code-reviewer src/auth.py

## 示例 2：审查整个目录
用户：帮我审查 src 目录下所有 Python 文件

## 示例 3：提交前审查
用户：在提交前审查这些更改
AI: [自动调用 code-reviewer 技能分析变更文件]

步骤 5：本地验证

# 使用验证脚本
python quick_validate.py
# 或使用 Claude 插件验证
claude plugin validate

步骤 6：发布

# 推送到 GitHub
git init
git add .
git commit -m "Initial release: code-reviewer skill"
git push origin main
# 确保仓库公开且获得至少 2 个 stars

安全与最佳实践

安全准则

安装前检查清单

• 审查 SKILL.md 内容
• 检查 scripts/目录中的脚本
• 验证 allowed-tools 权限范围
• 查看 GitHub 仓库 stars 和活跃度
• 确认不包含要求粘贴密钥到聊天的代码

危险信号

开发最佳实践

1. 保持技能专注

每个技能应专注于单一职责，避免功能臃肿。

# 推荐：单一职责
name: code-formatter
description: Format code according to style guides

# 不推荐：多功能
name: all-in-one-tool
description: Format, lint, test, deploy, and monitor code

2. 清晰的描述

描述应明确说明技能的用途和使用时机。

# 好的描述
description: Review Python code for PEP 8 violations and suggest fixes

# 模糊的描述（不推荐）
description: A tool for code

3. 合理的工具权限

仅声明必要的工具权限。

# 只读操作
allowed-tools: read
# 需要执行命令
allowed-tools: read exec
# 需要文件写入
allowed-tools: read write exec

4. 提供充分文档

在 SKILL.md 中包含：

• 使用说明
• 适用场景
• 示例
• 注意事项

5. 版本控制与更新

• 使用语义化版本
• 编写变更日志
• 保持向后兼容
• 定期维护更新

生态系统对比

Claude Code vs OpenAI Codex

技能 vs 斜杠命令

跨平台兼容性

SKILL.md 设计为跨平台标准，但需要注意：

1. 文件系统路径差异
2. 加载时机差异（渐进式 vs 全量）
3. 平台特定 Bug（如 Claude Code 曾有的插件技能 Bug，已于 2026-02-20 修复）

总结与展望

核心要点回顾

生态系统发展趋势

1. 标准化加速：更多 AI 平台将采用 SKILL.md 标准
2. 质量提升：社区驱动的质量评估和认证体系
3. 工具链完善：自动化创建、测试、发布工具
4. 企业应用：团队内部技能市场和私有技能库
5. 技能组合：复杂工作流的技能编排和自动化

开始你的技能之旅

对于使用者

1. 访问 https://skillsmp.com/
2. 搜索或浏览需要的技能
3. 审查源码后安装
4. 享受 AI 编程助手增强的能力

对于开发者

1. 确定要解决的痛点
2. 参考现有技能学习最佳实践
3. 创建并发布你的第一个技能
4. 持续维护和优化

资源链接

• SkillsMP 官网：https://skillsmp.com/
• Anthropic Skills 仓库：https://github.com/anthropics/skills
• SKILL.md 规范文档：参考官方文档
• 技能创建工具：skill-creator
• 验证工具：quick_validate.py, claude plugin validate