AI Skills:前端新的效率神器!

近来,AI 领域有个火爆的话题:Skills

Github 上被疯狂 star 的仓库,很多都是和 skills 有关的。

有的仓库仅仅上线三个月就获得了快 50K 的 star,Skills 的火热可见一斑。

不管是大模型,还是 Cursor、Codex、Claude、Trae、Copilot 等编程 IDE 都在争先支持 Skills。

围绕 Skills,它们在做的就是为了完成一件事情:技能是通过学习和反复练习获得的,而 Skills 是把经验和最佳实践沉淀为 AI 能力,将“知道”转化为“做到”的本领。

详解什么是 Skills

要说清楚什么是 Skills,先来了解一下关于 AI 的 2 个核心概念-- AgentMCP

关于 Agent

让 Agent 开发一个在线商城平台,要完成购物功能,它只需要考虑用户输入的“我要购买一个商品”指令,并最终完成购买商品这个目标,它并不关心项目是否前后端分离,前端用 vue 还是 react 来实现,后端用 java 还是 php,选什么数据库,也就是说,Agent 不在乎细节。

Agent 是面向目标的。

关于 MCP

我们在开发项目的过程中,一个项目不可能所有的功能都自己实现,往往需要一些第三方的服务,比如短信通知,微信、支付宝支付。而使用这些服务的方式就是通过调用第三方平台的 API,每个平台的都有自己的 API 规则。

而 MCP 就是 AI 的 API,Agent 通过 MCP 来实现调用第三方服务,和第三方服务进行通信。

回到 Skills

讲清楚了 Agent 和 MCP 的概念后,我们知道,AI 在使用 MCP 或者完成一些目标任务时,会产生很多的重复性的工作,我们可以把这些重复性的工作整合成一个工具包,只需要让 AI 调用这个工具包就行,而这个工具包就是 Skills

这个工具包,可以是前端的组件开发,文件下载,后端 SQL 查询,接口文档生成。所有人都可以使用这些工具包来完成自己工作。



简单来说,Skills 通过固定的规则和标准化的能力,来保证结果的稳定和一致

下面从我们前端的角度出发,来看看 Skills:

开发一个增删改查的功能,你要创建 API 文件,状态管理、路由生成,增删改查的页面开发。想要按照项目或者公司的前端开发规范来完成这些任务,用 AI 来实现的话,仅凭一句提示词:帮我写一个文件管理功能,它可以做出来,但最终结果不是你想要的。

现在你可以使用 增删改查 Skill 来完成这项任务,完全按照你设定的规范来执行,设置帮你把接口联调好,再多的增删改查都能一个 Skill 搞定。

这就是 Skill 的便利性,让你从重复劳动中解放。

Skills 的应用场景

Skills 是经验、规则、最佳实践的积累,它把你“封装组件”“封装函数”的能力都学会了。

在使用 Skills 时,我们要明确 2 个问题:

  1. 这件事情是否是重复的?
  2. 这件事情是否能够标准化?

当你得到肯定答案的时候,就可以考虑使用 Skills 来简化工作。

Skills 最适合的应用场景:

  • 频繁重复性工作:比如增删改查。
  • 标准化的输出:基于UI规范,输出标准化的组件或功能页面。
  • 知识沉淀:项目或者公司的开发规范,前端的样式规范,色彩和字体的使用规范等。

skills.sh

目前社区已经涌现出了很多官方和个人分享的 Skills。

skills.sh 是 Vercel 发布的一个可视化的 AI Skills 平台,可以说它是AI Skills 界的 NPM

它汇总了所有的公开 Skills,在上面可以看到 Skills 的信息,下载安装量,其中包括了前端、后端、DevOps、安全等 Skills,能快速检索出你想要的 Skills。

前端 Skills

agent-skills

vercel 推出的 skills 项目:

是 React 和 Next.js 的 Skills 集合。包含 8 个类别共 45 条规则,旨在指导自动化重构和代码生成。

目前 agent-skills 里面包括三个主要的技能集合:

react-best-practices

专门用于 react 和 nextjs:

基于 Vercel 工程团队的 React/Next.js 性能优化指南,含 40+ 分级规则:

适用场景:

  • 新组件 / 页面开发
  • 数据请求实现
  • 代码性能评审、包体积
  • 加载速度优化

核心规则:

  • 消除请求瀑布(核心)
  • 包体积优化(核心)
  • 服务端性能
  • 客户端数据请求
  • 重渲染优化
  • ...

都是非常实用的。

web-design-guidelines

对 UI 代码进行多维度合规性审计,含 100+ 规则:

适用场景:

  • UI 评审
  • 可访问性检查
  • 设计审计
  • 站点最佳实践校验

核心规则:

  • 无障碍适配
  • 焦点状态
  • 表单设计
  • 动画性能
  • 排版规范
  • 图片优化
  • 暗黑模式适配
  • ...

解决 AI 开发中的各种 UI 问题。

vercel-deploy-claimable

实现应用一键部署到 Vercel 平台,支持所有权转移:

适用场景:

  • 应用部署
  • 生产环境发布
  • 获取线上预览链接

核心规则:

  • 自动识别 40+ 前端框架
  • 生成预览 URL 和所有权认领 URL
  • 自动过滤无用文件(node_modules/.git)

vue-skills

vue-skills 是 voidzero 团队成员发起的项目:



专门为 AI 创建 Vue 技能,以增强 AI 在 Vue 3 开发中的能力。

也就是教 AI 怎么写 Vue3。

vue-skills 中包含 3 个主要的技能集合:

vue-best-practices

核心规则:

  • vue3 最佳实践
  • Composition API 最佳实践
  • vue-router 类型处理
  • vue3 代码可维护性

vueuse-best-practices

核心规则:

  • VueUse 组合式 API 的最佳实践
  • VueUse 常见问题规范

pinia-best-practices

核心规则:

  • Vue3 应用中 Pinia的 TypeScript 配置
  • Pinia 的最佳实践
  • Pinia 常见问题规范

 

如何快速上手 Skills

这些 Skills 包是实打实的能在你的项目中发挥作用的,下面来看看如何快速使用。

  1. 安装

在项目中执行以下命令:

csharp

体验AI代码助手

代码解读

复制代码

npx skills add https://github.com/vercel-labs/agent-skills --skill vercel-react-best-practices

安装过程中会让你确认: 选择支持的 AI 工具。

目前支持的工具包括:

  • Antigravity
  • Codex
  • Cursor
  • Gemini CLI
  • Trae

启用的范围:

  • 项目
  • 全局

安装完成后,会自动根据你的提示词来启用 Skills,无需手动操作。

开始编码

接下来你就可以正常进行你的任务了,比如让 AI 帮你开发组件,它会自动调用 Skills 来完成任务。



帮我开发一个 segment 组件,要符合 vue3 的最佳实践。

企业/个人 Skills 开发

Skills 这么好用,我们也想自己开发一个 Skills 来提高我们的工作效率。

一个标准的 Skills 文件结构:

perl

体验AI代码助手

代码解读

复制代码

my-Skill/ ├── Skill.md          # 必需:核心指令 ├── rules/            # 可选:规则设置 │   └── crud.md ├── examples/         # 可选:输入/输出示例 │   ├── input.md │   └── output.md ├── templates/        # 可选:可复用的模板 │   └── component.tsx ├── LICENSE.txt       # 可选:开源协议 └── resources/        # 可选:参考文件、运行脚本或素材     └── style-guide.md

你可以自由的去设计自己的 Skills,一个CRUD的 Skill 或者是项目的 UI Skill。



自定义 Skill 的一个小技巧是,先让 Skill 能正常运行,再一步步去优化。

新的起点

vercel 率先祭出了 skills.sh 这个平台,更多类 NPM 的 Skills 平台将会如雨后春笋一般出现,AI 也要有自己的 Skills NPM 平台,这势必又是一场话语权的争夺。

而更多的、更高质量的 Skills 将会出现:

  • 3D、2D 模型 skills
  • node skills
  • ios skills
  • ui skills
  • 企业 skills
  • 个人 skills
  • ...

目前 AI 开发已经不再局限于大模型的能力,高质量的代码取决于你给 AI 赋予了什么技能。

AI + Skills 的开发方式已经不可避免的成为未来前端开发的新方向。

原文:https://juejin.cn/post/7598807837868539930

Read more

SpringBoot+Vue +常规应急物资管理系统平台完整项目源码+SQL脚本+接口文档【Java Web毕设】

SpringBoot+Vue +常规应急物资管理系统平台完整项目源码+SQL脚本+接口文档【Java Web毕设】

摘要 近年来,自然灾害和突发公共事件频发,应急物资管理成为保障社会稳定的重要环节。传统物资管理方式依赖人工操作,效率低下且易出错,难以满足快速响应和精准调配的需求。随着信息技术的发展,数字化管理平台成为解决这一问题的有效途径。应急物资管理系统通过信息化手段实现物资的入库、出库、库存监控和调度优化,提升应急响应能力。该系统能够整合多方资源,实现物资动态跟踪和数据分析,为决策提供科学依据。关键词:应急物资管理、数字化平台、库存监控、调度优化、快速响应。 本系统基于SpringBoot和Vue技术栈开发,采用前后端分离架构,确保系统的高效性和可扩展性。后端使用SpringBoot框架实现RESTful API,结合MyBatis进行数据库操作,提供稳定的数据服务。前端采用Vue.js框架,结合Element UI组件库,构建用户友好的交互界面。系统功能包括物资分类管理、库存预警、采购计划、分配调度和数据分析模块。通过角色权限控制,实现管理员、仓库人员和普通用户的多级操作权限。系统还提供数据可视化功能,便于实时监控物资状态。关键词:SpringBoot、Vue.js、库存预警、权限控制、数

By Ne0inhk
字节全员涨薪 35%,L3 年薪 150 万:前端人的“贫富差距”,正在被马太效应彻底拉大...

字节全员涨薪 35%,L3 年薪 150 万:前端人的“贫富差距”,正在被马太效应彻底拉大...

大家好,我是 Sunday。 昨天是 12 月 19 号,周五。原本应该是一个等待放假的好日子😂。但是!整个互联网圈子,尤其是技术圈,被一封邮件彻底炸醒了。 相信大家在群里、朋友圈里都刷屏了:字节跳动全员涨薪。 说实话,当看到这个消息的时候,我就在想:“我当年咋没遇到这么好的时候啊?” 现在很多同学总在说“寒冬”,总在说“降本增效”,总觉得大环境不行了。但字节跳动反手就给了这个观点一记响亮的耳光: 薪资投入提升 35%,调薪投入提升 1.5 倍,L3 职级(原 2-2,大致相当于之前的 阿里 P7)年薪拉高到 90w-150w。 这说明了什么? 这说明,这个行业从来就不缺钱,缺的是值得这笔钱的人。 今天这篇文章,我想把那些新闻通稿撇在一边,单纯从一个技术人、一个教育者的角度,

By Ne0inhk
【年终总结】从非科班无实习到准字节前端:我始终相信,开发之外的事,才是破局关键

【年终总结】从非科班无实习到准字节前端:我始终相信,开发之外的事,才是破局关键

目录 【年终总结】从非科班无实习到准字节前端:我始终相信,开发之外的事,才是破局关键 一、求其外,善其内 1、坚持出发点正确的博文写作 2、博文更新对我心态的淬炼 3、社区交流对我视野的启发 4、向外拓展,反哺内修 二、陷入前端则前端死,跳出前端则前端活 1、从不务正业到泛前端 2、从泛前端到大前端,从有形到无形 三、秋招多少事 四、结语         作者:watermelo37         ZEEKLOG优质创作者、华为云云享专家、阿里云专家博主、腾讯云“创作之星”特邀作者、火山KOL、支付宝合作作者,全平台博客昵称watermelo37。         一个假装是giser的coder,做不只专注于业务逻辑的前端工程师,Java、Docker、Python、LLM均有涉猎。 --------------------------------------------------------------------- 温柔地对待温柔的人,包容的三观就是最大的温柔。

By Ne0inhk
LazyLLM 多 Agent 应用全流程实践:从源码部署到可视化 Web 调试的低代码方案

LazyLLM 多 Agent 应用全流程实践:从源码部署到可视化 Web 调试的低代码方案

LazyLLM 多 Agent 应用全流程实践:从源码部署到可视化 Web 调试的低代码方案 前言:为什么选择 LazyLLM 构建多 Agent 大模型应用? LazyLLM 作为低代码构建多 Agent 大模型应用的开发工具,可大幅降低大模型应用的开发与部署门槛。本文聚焦其在豆包模型的落地实践,将从源码部署豆包文本模型的完整配置步骤入手,延伸至官方 WebModule 启动可视化 Web 界面的实操流程,并配套精准性、简洁度等多维度的部署测试说明,为开发者提供可直接对照的实操指南,助力高效完成豆包模型在 LazyLLM 框架下的部署与验证。 LazyLLM 整体架构解析:三层联动的多 Agent 运行体系 LazyLLM 的架构分为三层级递进结构,各层级分工明确且联动协同,实现从应用开发到落地执行的全流程覆盖:上层(LazyPlatform AI 大模型应用开发平台):核心含应用编排平台以可视化编排、发布、回流、调优的闭环完成应用构建迭代与平台管理模块通过租户、权限管理支撑多用户运维,是开发者的高效开发管理入口中层(

By Ne0inhk