开源分享:AI Agent Skills 资源合集,一键安装 Cursor/Claude Code/Copilot 技能包

前言

最近在使用 Cursor 和 Claude Code 进行开发,发现 Agent Skills 这个功能非常强大——它可以让 AI 更专业地完成特定任务,比如代码审查、生成 Git Commit、自动生成测试用例等。

但网上的资源比较零散,于是我整理了一个开源合集分享给大家。

项目地址

GitHub:https://github.com/JackyST0/awesome-agent-skills

什么是 Agent Skills?

Agent Skills 是 AI Agent 可以发现和使用的指令、脚本和资源包。

简单来说,就是给 AI 一套「技能说明书」,让它知道如何更专业地帮你完成工作。

比如:

  • 代码审查 Skill:AI 按照最佳实践审查代码,给出改进建议
  • Git Commit Skill:自动生成规范的提交信息
  • 单元测试 Skill:根据代码自动生成测试用例

支持哪些平台?

平台全局目录项目目录
Cursor~/.cursor/skills/.cursor/skills/
Claude Code~/.claude/skills/.claude/skills/
GitHub Copilot~/.copilot/skills/.github/skills/
Windsurf~/.windsurf/skills/.windsurf/skills/
Codex~/.codex/skills/.codex/skills/

一键安装

macOS / Linux

# 交互式模式curl -sL https://raw.githubusercontent.com/JackyST0/awesome-agent-skills/main/install.sh |bash# 直接安装所有 Skills 到 Cursorcurl -sL https://raw.githubusercontent.com/JackyST0/awesome-agent-skills/main/install.sh |bash -s -- -p cursor -a 

Windows (PowerShell)

# 下载并运行irm https://raw.githubusercontent.com/JackyST0/awesome-agent-skills/main/install.ps1 |iex# 或者先下载再运行Invoke-WebRequest-Uri "https://raw.githubusercontent.com/JackyST0/awesome-agent-skills/main/install.ps1"-OutFile "install.ps1".\install.ps1 

项目收录内容

官方资源

  • Anthropic 官方 Skills 仓库(56k+ Stars)
  • Agent Skills 官方规范文档

社区精选

  • awesome-cursorrules(37k+ Stars)
  • everything-claude-code(32k+ Stars)
  • awesome-claude-skills(27k+ Stars)

示例 Skills

项目提供 5 个可直接使用的示例:

  1. code-review - 代码审查
  2. git-commit - Git 提交信息生成
  3. unit-test-generator - 单元测试生成
  4. api-doc-generator - API 文档生成
  5. debug-helper - 调试助手

使用效果

安装 code-review Skill 后,让 AI 审查代码:

输入:帮我审查这段代码:def add(a,b): return a+b 输出: ## 代码审查报告 ### 发现的问题 - [ ] 参数之间缺少空格 - [ ] 运算符周围缺少空格 - [ ] 缺少类型提示 - [ ] 缺少文档字符串 ### 改进后的代码 def add(a: float, b: float) -> float: """计算两个数的和。""" return a + b ### 评分 - 代码质量:6/10 - 可读性:7/10 - 可维护性:5/10 

总结

项目还在持续完善中,欢迎 Star 支持!

如果你有好用的 Skills,也欢迎提交 PR。

Read more

【Cursor 和 Copilot 对比分析】

【Cursor 和 Copilot 对比分析】

Cursor 和 Copilot 对比分析 引言 在人工智能技术快速发展的 2025 年,AI 编程工具正深刻改变着软件开发的工作方式。作为这一领域的两大代表性产品,Cursor和GitHub Copilot分别代表了两种截然不同的技术路线:Cursor 作为AI 原生 IDE,从底层重新定义了开发体验;而 GitHub Copilot 则以插件化集成的方式,在不改变传统开发习惯的前提下提供 AI 辅助。 根据最新市场数据,GitHub Copilot 占据了 **41.9%** 的市场份额,拥有超过 1500 万用户,年收入达到 20 亿美元。与此同时,Cursor 在短短两年内实现了从 0 到 5 亿美元年收入的突破,付费用户超 36 万,其母公司 Anysphere

AI安全:视觉提示词注入攻击代码/实战教学| 针对Hugging Face开源大模型Stable Diffusion Model

AI安全:视觉提示词注入攻击代码/实战教学| 针对Hugging Face开源大模型Stable Diffusion Model

提到提示词注入(Prompt Injection),大家的第一反应往往是精心构造的文本越狱指令。 而在图生图任务中,输入图像在本质上扮演了视觉提示词的角色,与文本指令共同指导生成模型。 基于这一视角,本文展示针对视觉提示词的注入攻击:通过PGD对抗攻击算法对输入图像进行像素级微调,使其生成的违规图像能够绕过开源大模型的NSFW安全检测机制。 临近毕业,感觉市场对提示词注入比较感兴趣,因本人读博期间一直研究对抗攻击算法,所以决定尝试用对抗攻击的思路完成提示词注入攻击,误导开源模型生成违规图像。 完整代码链接:https://github.com/YujiangLi0v0/Injection_Attack_Inpainting.git 目录 * 一、 NSFW防线:开源模型的安全过滤机制 * 二、 攻击场景定义 (Threat Model) * 三、 环境搭建 * 四、 核心攻击流程详解 * 4.1. 固定随机因子 * 4.2 数据预处理 * 4.3. 攻击部分 * 4.3.1 重写扩散模型推理过程

怎么查AI重复率?4步轻松搞定+ AIGC检测工具实测指南

怎么查AI重复率?4步轻松搞定+ AIGC检测工具实测指南

当ChatGPT、Claude等AI工具成为学术写作的辅助手段时,一个新的问题开始困扰学生和研究者:如何确认自己的论文中AI生成内容的占比?AI重复率(又称AIGC率)的检测不仅关系到学术诚信,更可能影响论文的最终通过。很多人尝试用常规查重工具,但发现它们无法精准识别AI生成的文本——要么误判原创内容,要么漏掉AI生成的段落。这时候,选择一款专门针对AIGC率查询的工具就变得至关重要。PaperPass作为深耕学术查重领域近20年的平台,其最新升级的AIGC检测功能正好解决了这一痛点,帮助用户快速、准确地识别论文中的AI生成内容。 什么是AI重复率(AIGC率)? AI重复率并非传统意义上的文本复制比,而是指论文中由人工智能生成的内容占总字数的比例。随着AIGC技术的普及,学术机构越来越关注AI工具的合理使用边界。《2026年全球学术诚信报告》显示,超过62%的高校已将AI生成内容的未标注列为学术不端行为。但AI生成的文本往往没有明显的“复制痕迹”,常规查重工具依赖的字词匹配算法对此束手无策。这就像用普通X光片无法诊断深层组织病变一样,需要更精准的“医学影像技术”来识别AI生成的

Ollama下载模型太慢?试试国内HuggingFace镜像+LLama-Factory组合

Ollama下载模型太慢?试试国内HuggingFace镜像+LLama-Factory组合 在本地跑一个大模型,第一步不是写代码、调参数,而是——等它下载完。 这听起来有点荒诞,却是许多中国开发者的真实日常。当你兴致勃勃地打开终端,输入 ollama run llama3:8b,满心期待地准备开启微调之旅时,现实却给你泼了一盆冷水:进度条纹丝不动,网络连接频繁中断,几个小时过去连基础权重都没拉下来。 问题出在哪?根源就在于——Ollama 默认从 HuggingFace 官方仓库拉取模型,而这个服务器远在海外。对于国内用户来说,这无异于“越洋取经”,不仅速度慢如龟爬,还常因网络波动导致失败重试,白白浪费时间和算力资源。 但其实,我们完全不必硬扛这条路。真正聪明的做法是:绕开公网瓶颈,借助国内镜像高速获取模型 + 使用 LLama-Factory 实现低门槛、高效率的本地微调。这套组合拳不仅能让你把“等待下载”的时间省下来喝杯咖啡,还能让7B甚至13B级别的模型在一张消费级显卡上顺利训练起来。 镜像加速:别再用裸连 HuggingFace