AI Skills:前端新的效率神器

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。

在这里插入图片描述


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-- Agent 和 MCP

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

在这里插入图片描述


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

在这里插入图片描述


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
在这里插入图片描述


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:

在这里插入图片描述
  • 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。

在这里插入图片描述

前端 Skills

agent-skills

在这里插入图片描述


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)

Github 地址:https://github.com/vercel-labs/agent-skills

vue-skills

在这里插入图片描述


在这里插入图片描述


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

vue-skills Github 地址:https://github.com/hyf0/vue-skills

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:
npx skills add https://github.com/vercel-labs/agent-skills --skill vercel-react-best-practices 
在这里插入图片描述


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:

在这里插入图片描述
  • Antigravity
  • Codex
  • Cursor
  • Gemini CLI
  • Trae

启用的范围:

在这里插入图片描述
  • 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。

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:

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。

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。


↘AI Skills:前端新的效率神器!

Read more

手把手教你用安信可星闪模组做智能家居中控:AT指令控制RGB灯+多设备透传联动

手把手教你用安信可星闪模组做智能家居中控:AT指令控制RGB灯+多设备透传联动 最近在折腾智能家居项目,发现一个挺有意思的现象:很多开发者一提到无线通信,脑子里蹦出来的还是Wi-Fi和蓝牙。不是说它们不好,但在一些对实时性要求高的场景,比如灯光随音乐律动、多个传感器数据同步上报,传统方案的延迟和稳定性就成了瓶颈。直到我上手试了安信可的星闪模组,尤其是用ComboAT指令集玩转点对点透传后,才感觉找到了一个更优解。这东西的强抗干扰和超低延迟特性,拿来做个高性能的智能家居中控,简直是降维打击。 这篇文章,我就从一个实际开发者的角度,带你一步步用安信可的星闪模组(以Ai-BS21-32S为例),搭建一个既能精细控制RGB灯带,又能同时管理多个传感器数据透传的智能中控系统。我们会从最基础的AT指令讲起,一直深入到如何利用单一模组实现主机/从机模式的灵活切换与多路数据管理。你会发现,用好这些指令,远不止是让灯亮起来那么简单。 1. 项目核心:为什么选择星闪与ComboAT? 在做智能家居中控时,我们通常面临几个核心痛点:设备联动延迟高、多设备同时连接稳定性差、复杂环境下通信易受干扰。传

波士顿动力机器人技术全解析从四足Spot到人形Atlas的机器人革命

波士顿动力公司(Boston Dynamics)作为全球移动机器人领域的领导者,其产品以卓越的运动能力和动态平衡技术闻名于世。本文系统介绍了波士顿动力的三大核心产品:四足机器狗Spot、物流机器人Stretch和人形机器人Atlas。2026年1月,波士顿动力在CES展会上首次公开演示了全新电动版Atlas产品版本,标志着人形机器人正式进入商业化阶段。Atlas配备56个自由度,可举重110磅(50公斤),能够在低至-20°C到高至40°C的环境中工作,并具备自主更换电池的能力。公司已与现代汽车和Google DeepMind建立战略合作,计划于2028年在现代乔治亚州工厂部署Atlas进行汽车装配。本文深入分析了波士顿动力30余年的技术积累、核心机器人产品特性、AI驱动的控制系统,以及其在工业自动化领域的革命性影响。 1. 公司背景与发展历程 1.1 创立与早期研究 波士顿动力公司由Marc Raibert于1992年从麻省理工学院(MIT)独立出来成立,最初源于Raibert在MIT和卡内基梅隆大学的腿部实验室(Leg Laboratory)。该实验室为建立动态移动机器人的

GTC2026前瞻(二)Agentic AI 与开源模型篇+(三)Physical AI 与机器人篇

GTC2026前瞻(二)Agentic AI 与开源模型篇+(三)Physical AI 与机器人篇

(二)Agentic AI 与开源模型篇 Agentic AI与开源模型:英伟达想定义的,不只是“更聪明的模型”,而是“能持续工作的数字劳动力” 如果说过去两年的大模型竞赛,核心问题还是“谁能生成更像人的答案”,那么到了 GTC 2026,问题已经明显变了。英伟达把 Agentic AI 直接列为大会四大核心主题之一,官方对这一主题的定义也很明确:重点不再是单轮问答,而是让 AI agent 能够推理、规划、检索并执行动作,最终把企业数据转化为可投入生产的“数字劳动力”。这说明,Agentic AI 在英伟达的语境里,已经不是一个前沿概念,而是下一阶段 AI 商业化的主战场。(NVIDIA) 一、GTC 2026真正的变化,是 AI 开始从“会回答”走向“会做事”

Flutter 三方库 ethereum_addresses 的鸿蒙化适配指南 - 掌控区块链地址资产、精密校验治理实战、鸿蒙级 Web3 专家

Flutter 三方库 ethereum_addresses 的鸿蒙化适配指南 - 掌控区块链地址资产、精密校验治理实战、鸿蒙级 Web3 专家

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 ethereum_addresses 的鸿蒙化适配指南 - 掌控区块链地址资产、精密校验治理实战、鸿蒙级 Web3 专家 在鸿蒙跨平台应用执行高级区块链身份管理与多维以太坊地址资产指控(如构建一个支持全场景秒级交互的鸿蒙大型全量钱包中枢、处理海量 Ethereum Address Payloads 的语义认领或是实现一个具备极致指控能力的资产管理后台地址审计中心)时,如果仅仅依赖官方的基础 Regular Expression 或者是极其繁琐的手动 Checksum 计算,极易在处理“由于大小写敏感导致的资产认领偏移”、“高频地址校验下的认领假死”或“由于多语言环境导致的符号解析冲突死结”时陷入研发代码区块链逻辑崩溃死循环。如果你追求的是一种完全对齐现代 Ethereum 标准、支持全量高度可定制校验(Type-safe Web3)且具备极致指控确定性的方案。今天我们要深度解析的 ethereum_addresses——一个专注于解决“地址