clawskills.sh

clawskills.sh官网:专注于高质量 AI 代理扩展的安全分发与发现

简介

clawskills.sh 是 OpenClaw 生态的策展式技能市场，专注于高质量 AI 代理扩展的安全分发与发现。平台区别于普通代码仓库的核心特征在于其”安全优先”的策展理念：所有上架技能均需通过自动化安全扫描，检测恶意代码模式、反壳工具、提示注入漏洞及凭证泄露风险。技能分类涵盖基础设施监控、浏览器自动化、加密货币交易、企业系统集成等关键领域，每个条目提供详细的安全说明与权限要求。用户可通过 clawhub install 或 npx 以沙箱方式安装技能，支持版本锁定与回滚。平台还收录大量安全审计类技能，如依赖漏洞扫描、技能行为监控、运行时防护等，形成自我强化的安全生态，使企业用户能够放心部署第三方 AI 扩展。

clawskills.sh官网: https://clawskills.sh/

skills.sh 深度测评：Vercel 打造的 AI 智能体技能生态，是革命还是噱头？

2026 年初，一个命令悄悄改变了无数开发者与 AI 编程助手的协作方式——npx skills add。这背后的平台，就是由 Vercel 推出的 skills.sh。它被称为”AI 代理的 npm”，在上线不足两个月内，平台每小时新增超过 550 个技能包，生态爆发速度堪比当年 Node.js 包管理器的黄金时代。

但数字的繁荣并不等于产品的成熟。这篇文章将把 skills.sh 拆开来看——它的架构逻辑、核心功能、真实体验、以及与同类产品的横向对比，帮你判断它值不值得加入你的开发工作流。

它到底是什么

skills.sh 的定位可以用一句话概括：一个面向 AI 智能体的可复用技能目录与分发平台。

传统意义上，当你让 Claude Code 或 Cursor 帮你写代码时，它们并不知道你团队的 React 组件规范，也不清楚你项目里那个特殊的部署脚本。你每次都要在对话里重新解释，或者把大量上下文塞进 system prompt，不仅低效，还大量消耗 token。

skills.sh 的解法是把这些程序性知识（Procedural Knowledge） 打包成独立的技能模块，每个模块的核心是一个 SKILL.md 文件，用自然语言写就 AI 代理需要遵循的工作流程和最佳实践。通过一条命令即可安装到本地项目，AI 代理下次启动时便会自动加载对应技能。

这套思路的本质是渐进式上下文加载：不像 MCP 工具那样把所有工具描述同时推入上下文，技能只在被调用时才展开完整内容，元数据（名称和描述）平时常驻内存，主体内容按需触发，大幅降低 token 消耗。

诞生背景：Vercel 为何要做这件事

2025 年 10 月，Anthropic 首次提出了 Agent Skills 开放标准的概念。2026 年 1 月 19 日，Vercel 正式发布了 skills.sh，将这一概念落地为可运行的基础设施。

Vercel 的创始人 Guillermo Rauch 在 X 平台上表示，行业对 skills.sh 的反应远超预期。他认为，技能（Skills）与 MCP 并非一对一的竞争关系，但在”投入产出比”这个维度，技能的回报率要高得多——因为它的门槛极低，任何开发者都能在几分钟内创建并分享一个技能。

这场发布也标志着 AI 开发工具生态正式进入模块化知识分发的新阶段，与十年前 npm 重塑前端生态的路径高度相似。

核心架构：SKILL.md 文件结构详解

每一个 skills.sh 技能包的基本结构如下：

my-skill/
├── SKILL.md          # 主指令文件（必需）
├── scripts/
│   └── setup.sh      # 可选的自动化脚本
└── templates/
    └── example.tsx   # 可选的代码模板

SKILL.md 是整个技能的灵魂。文件顶部是 YAML frontmatter，包含技能的名称和描述（这部分是元数据，常驻代理上下文），下方则是详细的自然语言指令。

一个典型的 React 最佳实践技能的 SKILL.md 片段可能如下：

---
name: vercel-react-best-practices
description: 当创建 React 组件时，确保遵循 Vercel 的官方组件规范
---

## 组件规范

创建 React 组件时：
- 始终使用函数式组件语法
- 在组件顶部定义 PropTypes
- 任何进行数据请求的组件必须包含错误边界
- 使用 React.memo 包裹纯展示组件

AI 代理会把这段 Markdown 解读为程序性指导，而非僵化的规则。它会根据具体代码上下文灵活应用这些指令，这也是为什么用自然语言写就的技能能在 Claude Code、Cursor、GitHub Copilot 等不同代理间通用的原因。

主要功能详解

一键安装 CLI

skills.sh 的核心交互入口是 Vercel 官方提供的 CLI 工具。完整命令集如下：

• npx skills add <owner/repo> — 安装指定技能
• npx skills find [keyword] — 关键词搜索全部已发布技能
• npx skills check — 检查已安装技能的可用更新
• npx skills update — 批量更新所有已安装技能
• npx skills@latest — 获取并运行最新版本的 CLI

CLI 会自动检测当前项目使用的是哪个 AI 代理，然后将技能文件投放到正确的目录中：

• Claude Code → .claude/skills/
• Cursor → .cursor/skills/
• GitHub Copilot → .github/skills/

这个自动适配逻辑是 skills.sh 体验流畅的关键，开发者无需手动配置任何路径。

技能目录与排行榜

访问 skills.sh 网站，你会看到一个以安装量驱动排名的技能发现平台：

• Hot（热门）：过去 48 小时内安装量激增的技能
• Trending（趋势）：过去一周内持续增长的技能
• Top（总榜）：历史安装量最高的技能

排行榜的遥测数据采用匿名方式采集，不收集任何个人信息，只统计聚合安装计数。

跨代理兼容性

这是 skills.sh 最被开发者称道的特性之一。同一套技能文件可以无缝运行在以下主流 AI 编程代理上：

• Claude Code（Anthropic）
• Cursor
• GitHub Copilot
• Aider
• OpenCode
• Codex CLI
• 任何支持标准 skills 目录的代理

这种代理无关性打破了各厂商的生态壁垒。当你在不同工具间切换时，不用重新配置一套知识体系，工作流得以延续。

Skill Creator v2（技能创建与评估工具）

2026 年 3 月，Anthropic 发布了升级版的 Skill Creator v2，这是 skills.sh 生态中最复杂的技能之一，专门用来帮助开发者创建并迭代优化自己的技能。

Skill Creator v2 的能力远超一个简单的”重写工具”，它包含一整套评估流程：

• 并行评测：同时运行旧版技能和新版技能，对比输出质量
• 基准测试：记录每次运行的时间消耗和 token 使用量
• 可视化评估界面：生成 HTML 评估报告，包含旧版 vs. 新版对比、正式评分、Pass/Fail 结果
• 迭代循环：评估结果直接驱动下一次优化，支持持续迭代

它的工作区结构包含：技能快照、旧版输出、评分结果、基准数据和迭代文件。这套工具让技能开发者可以用数据说话，而不是凭感觉判断一个技能是否有效。

技能分类体系

截至 2026 年 3 月，skills.sh 上的热门技能覆盖以下主要分类：

浏览器自动化类

• browser-use：完全替代直接 MCP 操作 Playwright，大幅节省 token、减少错误，是近期周安装量最高的技能之一

AI 代理能力类

• self-reflect：让 AI 代理具备自我反思与持续改进能力
• skill-creator：Anthropic 官方技能创建指导

前端开发类

• vercel-react-best-practices：React 最佳实践
• web-design-guidelines：网页设计规范
• frontend-design：前端设计技巧

后端与部署类

• rails-7-conventions：Rails 7 项目规范
• vercel-deployment：Vercel 部署流程指引

数据与分析类

• 数据处理流程规范、SQL 查询最佳实践等

深度测评：一周实际使用体验

以下是结合多个开发者社区的真实反馈和测试结果整理的体验报告。

安装体验：满分

运行 npx skills add vercel-labs/vercel-react-best-practices 后，整个过程不超过 10 秒。CLI 自动识别了本地 Claude Code 配置，将技能文件写入了正确目录。重新启动代理后，在处理 React 组件相关代码时，明显能感受到代理给出的建议风格与规范保持了高度一致，不再出现随机切换写法的情况。

同样的技能安装到 Cursor 上同样顺利——Rails 规范技能安装后，Cursor 在 Rails 项目中不再建议使用 Express.js 的模式，这个细节让人印象深刻。

技能质量：参差不齐

这是 skills.sh 目前最大的痛点。从社区真实反馈来看，约 80% 的社区提交技能质量存疑——包括过于宽泛的通用描述（基本上在重复代理的默认行为）、与框架官方文档相矛盾的建议，以及引用了已废弃 API 的过时内容。

随机抽取”Trending”榜单上 5 个社区技能进行测试，其中 3 个表现令人失望，只有 2 个确实提供了有价值的专项知识。

结论：厂商提供的官方技能（Vercel、Anthropic、GitHub、Cloudflare 出品）质量有保障，社区技能需要谨慎筛选。

Context 节省效果：显著

对于重复性任务，技能的渐进式加载机制确实减少了 token 消耗。将以往每次会话都要手动粘贴的规范说明封装成技能后，每次对话的 token 起点大幅降低，对于高频使用者而言，成本节约是实实在在的。

团队协作场景：潜力巨大

在团队场景中，skills.sh 的价值最为突出。将团队代码规范、部署检查清单、代码审查流程封装成技能后提交到 GitHub，团队所有成员运行一条命令即可同步，彻底告别”AI 忘记公司规范”的问题。

Skills vs MCP vs 代理内置能力：核心区别

2026 年，开发者经常面临的困惑是：Skills、MCP、以及代理本身的内置能力，三者如何取舍？

有一个清晰的心智模型可以帮助理解：

Skills 教的是”怎么做”，MCP 提供的是”做什么的能力”，代理决定”何时做”。

具体来说：

MCP（Model Context Protocol） 是实时能力层。它让 AI 代理可以调用外部工具、查询实时数据、操作文件系统、访问数据库——所有与真实世界交互的能力几乎都依赖 MCP。MCP 工具描述常驻上下文，代理可以自主决定何时调用。

Skills（技能） 是知识层。它不执行代码，不连接外部服务，而是教会代理在特定场景下应该遵循什么工作流程和规范。技能是离线的、静态的，零延迟，不需要服务器维护。

两者并非竞争关系，而是互补的：MCP 解决”能不能做到”，Skills 解决”做得对不对”。高效的 AI 工作流往往是二者结合——用 MCP 赋予代理操作能力，用技能约束代理的行为规范。

5款同类产品横向对比

1. MCP Market Skills（mcpmarket.com）

定位：专注于 Claude、ChatGPT 和 Codex 增强的技能市场

MCP Market Skills 在技能分类体系上做得更加精细，提供了面向不同代理平台的专项优化。它不仅仅是一个目录，还提供详细的技能说明和安装指导，适合需要针对特定代理进行深度定制的用户。

相比 skills.sh 的开放式生态，MCP Market 的审核机制更为严格，技能质量整体更稳定，但覆盖广度和社区活跃度不及 skills.sh。它的核心优势在于对 Claude 工具链的深度整合，对于重度 Claude 用户来说是一个强力补充。

缺点在于其跨代理兼容性不如 skills.sh 全面，并且部分功能需要注册账户才能访问，对追求纯开放体验的开发者有一定摩擦。

适合人群：重度 Claude 用户，对技能质量有较高要求，愿意牺牲一定灵活性换取稳定性的开发者。

2. Agent Skills Marketplace（skillsmp.com）

定位：超大规模技能聚合平台

截至 2026 年初，Agent Skills Marketplace 托管了超过 65,000 个技能，每日自动更新，是目前体量最大的 AI 技能目录。它的搜索和筛选能力明显强于 skills.sh，支持按代理类型、使用场景、更新时间等多维度过滤。

然而，规模带来的是信噪比问题。如此庞大的技能库中，低质量内容同样占据相当比例，搜索结果容易让人感到眼花缭乱。平台的 CLI 工具也比 skills.sh 更复杂，学习曲线相对陡峭。

与 skills.sh 相比，skillsmp.com 更像是一个”技能搜索引擎”而非”技能社区”，用户关系更为松散，缺乏 skills.sh 所具备的以 GitHub 为中心的协作文化。

适合人群：需要找到非常细分领域技能的高级用户，或希望做技能横向比较研究的开发者。

3. ClawHub（clawhub.ai）

定位：OpenClaw 生态的官方技能注册表

ClawHub 是专为 OpenClaw（开源 Claude 客户端替代品）打造的技能注册中心。截至 2026 年初，其目录增长速度超出预期，托管了数千个社区构建的技能，且仍在持续扩张。

它的最大优势在于与 OpenClaw 工作流的深度整合——如果你的主力工具是 OpenClaw，ClawHub 提供的技能安装体验比 skills.sh 更流畅，因为两者出自同一生态。

但ClawHub 的适用范围相当窄，脱离了 OpenClaw 生态便几乎没有使用价值。对于使用 Cursor 或官方 Claude Code 的开发者，ClawHub 基本不在考虑范围内。

适合人群：OpenClaw 重度用户，对官方 Anthropic 工具链有顾虑、偏好开源替代方案的开发者。

4. Skills Directory（skillsdirectory.com）

定位：质量优先的策划型技能目录

如果说 skills.sh 的问题是”量多质参差”，那么 Skills Directory 走的正是另一条路：宁缺毋滥。它的技能库规模远小于 skills.sh，但每一个技能都经过社区审核和验证，标注了适用代理、测试状态和社区评分。

对于不想在海量技能里大海捞针、希望”拿来即用”的用户而言，Skills Directory 的信噪比优势十分明显。它的 UI 设计也更为简洁，浏览体验比 skills.sh 的排行榜模式更直观。

劣势同样明显：技能数量有限，热门场景之外的技能覆盖不足；更新频率较低，对最新框架的支持往往滞后；社区活跃度和生态规模都与 skills.sh 存在较大差距。

适合人群：追求稳定性的团队或个人开发者，不喜欢”鉴别技能质量”这个环节，希望直接使用经过验证的内容。

5. Awesome OpenClaw Skills（GitHub 开源合集）

定位：完全去中心化的开源技能合集

前身为 Awesome Moltbot Skills，这是一个托管在 GitHub 上的技能清单合集，不依赖任何中心化平台，不需要 CLI，完全由社区维护。任何人都可以提交 Pull Request 添加新技能，透明度极高。

它代表了 AI 技能分发的另一种哲学：不需要平台，不需要排行榜，开发者之间直接分享 GitHub 链接即可。对于有隐私顾虑或在受监管环境中工作的开发者，这种方式最为安全——你知道每一行指令来自哪里，可以完整审计。

缺点是使用体验相对原始：没有安装命令，没有版本管理，没有热度排名，全靠人工维护。对于不熟悉 GitHub 工作流的用户，上手门槛实际上比 skills.sh 更高。

适合人群：开源极客、注重隐私的开发者、在受监管行业工作的团队，以及对中心化平台有顾虑的用户。

综合能力对比

已知问题与局限

质量问题无人解决

这是目前 skills.sh 最被诟病的短板。平台没有任何质量管控机制——任何人把技能放到 GitHub 上，别人就能安装。唯一的排名维度是安装量，而安装量既可以被刷，也不能反映技能的实际效果。

从社区声音来看，一个颇具代表性的评价是：平台上约 80% 的技能是”AI 生成的废料”——写法宽泛，和代理默认行为没有实质区别。这个问题不解决，skills.sh 很难从”开发者专属玩具”演变为”团队生产力工具”。

隐私政策缺失

skills.sh 官网至今没有发布正式的隐私政策或服务条款。CLI 工具会采集匿名遥测数据（安装次数），但以下问题没有明确说明：

• 数据保留时长
• Vercel 是否会将技能使用模式用于模型训练
• 技能被删除后是否还有数据留存

对于在医疗、金融、政府等受监管行业工作的团队，在正式引入 skills.sh 之前，需要与 Vercel 做额外的合规确认。

静态知识的时效性

技能是静态 Markdown 文件，不会自动更新。随着框架版本迭代，技能中引用的 API 或实践方式可能过时。目前虽然有 npx skills check 和 npx skills update 命令，但依赖技能作者主动维护——很多社区技能的最后更新时间已经是数月之前。

仅面向开发者工作流

skills.sh 当前的技能生态几乎完全集中在代码和开发场景。如果你希望用技能来增强营销、写作、设计或其他非技术领域的 AI 代理，这个平台能提供的选择十分有限。

上手指南：从零到第一个技能

第一步：安装并探索

# 运行最新版 CLI，浏览当前技能目录
npx skills@latest

第二步：搜索你需要的技能

# 按关键词搜索技能
npx skills find react
npx skills find deployment

第三步：安装技能

# 安装 Vercel 官方 React 最佳实践技能
npx skills add vercel-labs/vercel-react-best-practices

# 安装 Anthropic 官方技能创建工具
npx skills add anthropic/skill-creator

第四步：验证安装

打开你的 AI 代理（Claude Code 或 Cursor），处理一个相关任务，观察代理的建议是否符合你安装的技能规范。

第五步：创建你自己的技能

在项目根目录新建 my-team-conventions/SKILL.md，按照以下结构编写：

---
name: my-team-conventions
description: 当进行代码编写时，遵循本团队的编码规范
---

## 组件命名
- 使用 PascalCase 命名 React 组件
- 工具函数文件使用 camelCase

## 注释规范
- 所有导出函数必须包含 JSDoc 注释
- 复杂业务逻辑使用行内注释说明

然后在 GitHub 建一个仓库推送上去，你的团队成员运行 npx skills add your-org/my-team-conventions 即可同步。

社区生态现状

尽管平台数据亮眼，社区规模实际上仍然很小。有开发者统计，目前真正活跃使用 skills.sh 的用户只有数千人——这个数字在 AI 工具全球用户规模面前微不足道。

这种”少数人的前沿探索”状态是双刃剑：一方面意味着大量低质量技能充斥目录（因为还没有足够的社区力量进行筛选和淘汰），另一方面也意味着先进入这个生态的开发者有机会在技能排行榜上占据有利位置，在社区中建立影响力。

Anthropic、Vercel、GitHub、Cloudflare 等主要厂商已经开始陆续发布经过验证的官方技能，这是生态走向成熟的重要信号。随着 AI 编程代理在企业中的渗透率持续提升，对可复用、可版本管理的知识模块的需求只会越来越强。

值得关注的发展方向

Cloudflare .well-known/skills 提案：目前有一个处于构想阶段的去中心化技能发现标准，通过 URI 实现技能定位，类似于 robots.txt 的思路。如果该提案落地，skills.sh 这类中心化目录的角色将面临重新定义。

Skill Creator v2 的进化：随着评估框架越来越完善，技能开发将逐渐从”凭感觉写 Markdown”演进为”数据驱动的知识工程”。可以预期未来会出现专业的技能工程师角色。

企业版可能性：目前 skills.sh 完全面向个人和小团队，企业级功能（审计日志、私有技能注册表、SSO）尚未出现。但鉴于 Vercel 的企业客户基础，这个方向几乎是必然会探索的。

我的使用建议

如果你已经是 Claude Code 或 Cursor 的重度用户，skills.sh 值得花一个下午认真探索，以下是具体建议：

立即值得安装的技能（均来自可信厂商）：

• vercel-labs/vercel-react-best-practices：React 开发者必装
• anthropic/skill-creator：如果你打算创建自己的技能，先安装这个
• anthropic/browser-use：需要浏览器自动化场景的首选
• anthropic/self-reflect：希望代理具备自我修正能力

社区技能的筛选原则：

1. 查看 GitHub 仓库的最近提交时间（超过 3 个月未更新需谨慎）
2. 阅读 SKILL.md 的实际内容（而非仅看标题）
3. 检查是否引用了具体版本号和官方文档链接（有具体引用的技能通常质量更高）
4. 优先选择 star 数较高、有 Issues 讨论的仓库

团队使用建议：
将技能仓库纳入团队的 Git 工作流管理，像对待其他技术文档一样进行 Code Review 和版本控制。将团队自研技能视为”会说话的技术规范文档”，而非一次性脚本。