SkillsMP

SkillsMP官网,收录74w+个开源Skills的聚合平台,助你发现生产力工具

什么是skillsmp?

针对中国用户的使用习惯，SkillsMP 提供完整的中文界面支持，消除了海外技术社区的语言壁垒。平台针对国内网络环境进行优化，开发者无需代理即可流畅访问超过十万条技能数据。SkillsMP 的技能覆盖前端开发、后端架构、全栈工程、AI 模型训练、数据可视化、自动化测试、安全审计、智能合约开发等全技术栈领域，每个技能都包含任务说明、执行步骤、最佳实践和跨平台适配规范。用户可以通过关键词搜索或 AI 驱动的语义查询快速找到所需能力，例如输入”数据分析”或”PDF 处理”即可获得相关技能推荐。平台还提供一键安装功能，部分技能支持通过 marketplace.json 配置文件实现自动化部署，真正达成”即搜即用”的体验。对于希望贡献技能的开发者，只需在 GitHub 创建符合 SKILL.md 规范的公开仓库，即可被 SkillsMP 自动索引并展示给全球用户。

skillsmp官网: https://skillsmp.com/zh

SkillsMP 深度测评：2026 年最值得关注的 AI Agent 技能市场，到底香不香？

2025 年底，一个悄然兴起的平台开始频繁出现在各类开发者社区的讨论里——SkillsMP。没有大厂背书，没有铺天盖地的营销预算，却在短短几个月内聚合了超过 20 万个 Agent Skills，成为 Claude Code、OpenAI Codex CLI 以及 ChatGPT 用户最常提及的技能发现平台之一。

它究竟解决了什么问题？值不值得花时间去了解？和同类产品相比有哪些优劣？这篇文章会从产品定位、核心功能、实际使用体验到同类产品横向对比，把所有你想知道的都讲清楚。

什么是 Agent Skill，为什么它很重要

在深入聊 SkillsMP 之前，有必要先把”Agent Skill”这个概念讲明白，因为这是整篇文章的基础。

简单来说，Agent Skill 是一种以 Markdown 格式编写的知识包。它不是插件，也不是代码库，而是一套写给 AI 看的”操作手册”——告诉 Claude 或 Codex 在处理特定任务时应该遵循哪些步骤、规范和最佳实践。

2025 年 12 月，Anthropic 正式将 Agent Skills 规范作为开放标准发布，随后 OpenAI 也为其 Codex CLI 和 ChatGPT 采用了相同的格式。 这意味着一个技能文件可以在多个主流 AI 工具之间通用，生态瞬间被打通了。

每个 Skill 的核心是一个 SKILL.md 文件，可以附带 references/（参考文档）、assets/（模板资产）和 scripts/（可执行脚本）等子目录。当你把一个 Skill 安装到 Claude Code 后，Claude 在启动时只扫描每个 Skill 的名称和描述（约消耗 100 个 token），只有当判断当前任务与某个 Skill 相关时，才会加载完整内容（上限约 5000 个 token）。 这种”懒加载”机制让你可以同时装很多 Skill，而不必担心把上下文窗口撑爆。

这类工具的价值远不止”写代码更快”。想象一下：一位在公司干了十年的法务总监离职了，他对合同审查的直觉判断、对风险条款的敏感度就这样消失了。但如果他在离开前把这套工作流编写成一个 Skill，那份经验就变成了可复用的组织资产。 这才是 Agent Skills 更深层的商业价值所在。

SkillsMP 是什么

SkillsMP（全称 Agent Skills Marketplace）是一个独立社区项目，与 Anthropic 没有任何隶属关系。它的定位是 Agent Skills 的发现与分发平台，做的事情本质上类似于一个”应用商店”——但货架上摆的不是 App，而是 AI 技能。

平台从 GitHub 上的公开仓库自动聚合 Skill 文件，统一分类、打标签、建立搜索索引，让开发者不必自己漫无目的地在 GitHub 上淘宝。截至 2026 年 3 月，平台已索引超过 20 万个技能，每天持续更新。

它同时支持三个主流 AI 编码助手：Claude Code、OpenAI Codex CLI 以及 ChatGPT，覆盖范围在同类平台中属于较广的。

核心功能与特色

海量技能库与智能搜索

规模是 SkillsMP 最直观的优势。20 万以上的技能数量意味着，无论你在找什么方向的技能——前端设计、代码测试、产品经理工作流、法律文件审查、运营增长策略——大概率都能找到现成的。

搜索体验是 SkillsMP 的一大卖点。平台提供两种搜索模式：关键词搜索和 AI 语义搜索。语义搜索的好处在于它理解”你想要什么”，而不是机械地匹配关键词。比如你搜”帮我写测试”，系统会返回所有与测试相关的技能，哪怕那些技能的名字里根本没有”test”这个词。

SDLC 全阶段覆盖

对于软件开发者来说，SkillsMP 提供了贯穿整个软件开发生命周期（SDLC）的技能地图。 从需求分析、产品规格评审、前端 UI 生成、代码测试自动化，到部署运维，每个阶段都有对应的技能分类，开发者可以快速定位自己当前卡点处于哪个阶段，然后找到对应工具。

平台按 SDLC 的 6 个核心阶段组织内容，这种分类方式对工程师来说非常直觉友好——不需要你先了解平台的信息架构，直接按开发流程找就行。

一键安装命令

SkillsMP 为每个技能提供即用型安装命令。最常见的安装方式是通过 npx skills add <owner/repo> 命令行指令，整个过程 30 秒内完成。 你不需要手动下载文件、配置路径，平台会自动把技能放置到 Claude Code 可以识别的目录下（全局安装在 ~/.claude/skills/，项目级安装在 .claude/skills/）。

安装完成后，Claude Code 会在下一次会话启动时自动检测新技能，之后便可以用 /skill-name 手动调用，或者让 Claude 根据上下文自动判断是否加载。

MCP 服务器集成

SkillsMP 还提供了一个轻量级 MCP 服务器，允许 AI 助手在运行时动态搜索和安装技能。 这意味着你可以直接在 Claude 对话中让它自己去 SkillsMP 上找合适的技能并安装——把发现和使用这两个步骤合并成一个自动化闭环。这个功能对于构建复杂自动化工作流的团队来说价值很高。

Token 效率优化

上文提到的懒加载机制值得单独拿出来强调。Skills 的设计哲学是”按需加载”：Claude 启动时只扫描技能的名称和描述（每个大约 100 个 token），只有在判断当前对话需要某个技能时，才加载其完整的 SKILL.md 内容（上限约 5000 个 token）。 和 MCP 服务器在启动时一次性加载所有工具定义的方式相比，这种机制在多技能共存的场景下有明显的成本优势。

多平台兼容性

兼容 Claude Code、OpenAI Codex CLI 和 ChatGPT 三大平台，技能文件格式完全基于开放标准 SKILL.md，不存在平台锁定问题。 这对于在多个 AI 工具之间切换的开发者来说是一个实际利好——你在一个平台积累的技能库，可以直接迁移到另一个平台使用。

实际使用体验测评

上手难度

SkillsMP 的上手门槛相当低。打开网站，搜索你想要的技能类型，点击安装按钮或复制命令，粘贴到终端回车——整个流程对非技术背景的用户也不构成障碍。官方文档清晰，步骤说明到位，没有多余的废话。

搜索质量

语义搜索的表现超出预期。在实际使用中，用模糊描述性语言（如”让代码审查更系统化”）也能返回相关度较高的结果，不会像某些工具那样非得输入精确关键词才有用。不过，由于聚合来源完全依赖公开 GitHub 仓库，部分技能的质量参差不齐——有些是显然经过精心打磨的专业作品，有些则像是随手提交的实验性文件。

技能质量问题

这是 SkillsMP 目前最明显的短板。平台自己的 About 页面也坦承，”无法判断一个技能是 AI 生成的还是专家精心编写的”，质量筛选是下一步要解决的问题。 Reddit 上的用户反馈也印证了这一点——有开发者指出大量技能”不值得花时间”，真正高质量的技能需要自己甄别。 平台目前正在规划社区评分、使用统计和专家认证功能，但截至目前尚未上线。

安装稳定性

基于 SKILL.md 开放标准的安装方式非常稳定。由于技能本质上只是 Markdown 文件，没有复杂的依赖关系，理论上不存在版本冲突或环境问题。这是相比 MCP 服务器（需要运行一个独立进程）的显著优势——”没有依赖，没有速率限制，没有崩溃”。

适用场景评估

SkillsMP 最适合以下几类用户：

• 重度 Claude Code 用户，希望为日常重复性任务建立标准化工作流
• 团队 Lead 或资深工程师，想把个人经验和最佳实践转化为团队可复用的知识资产
• 跨平台 AI 工具用户，需要一个统一的技能库在不同工具间通用
• 产品经理和非技术岗位从业者，希望借助 AI 将自己的专业知识流程化

以下场景 SkillsMP 帮助有限：

• 一次性、无需复用的简单任务
• 需要连接外部 API、数据库或实时数据的场景（这类需求更适合 MCP）
• 对技能质量要求极高、无法容忍筛选成本的场景

同类产品深度对比

市场上目前存在多个定位相似的 Agent Skills 平台，以下是五个主要竞品的详细比较。

竞品一：Skills.sh

Skills.sh 是一个开放目录和排行榜平台，专注于可复用 AI Agent 技能的发现与安装。和 SkillsMP 的”量大覆盖广”路线不同，Skills.sh 更注重可发现性和社区排名机制，提供技能热度榜单，帮助用户快速找到被广泛认可的高质量技能。

安装方式采用 CLI 命令 npx skills add <owner/repo>，体验流畅。平台兼容性覆盖 Claude Code、Cursor、GitHub Copilot、Aider 等多个工具，范围甚至比 SkillsMP 更广。其排行榜机制在一定程度上解决了质量筛选问题，但技能总量相对较少，细分领域的覆盖深度不如 SkillsMP。

竞品二：MCP Market Skills

MCP Market（mcpmarket.com）旗下的技能目录是另一个重要竞品，其特点是专注于 Claude.ai、Claude Code、ChatGPT 和 Codex 的 Agent 优化，并为技术和非技术用户都提供详细的分步安装指南。

MCP Market 的优势在于平台专项优化——针对每个支持的 AI 平台做了专门适配，安装指南的友好度较高。但其技能库规模远小于 SkillsMP，据比较数据显示约为 7.1 万个技能（对比 SkillsMP 的 20 万以上）。 对于只使用单一平台、希望每一步都有详细指引的用户来说，MCP Market 可能是更好的选择。

竞品三：Skills Directory（Agensi）

Agensi（agensi.io）旗下的 Skills Directory 主打质量验证路线，收录约 3500 个经过社区验证的技能，支持 Claude Code、Cursor、Windsurf 等多个 AI 编码工具。 每个技能都经过一定程度的审核，大幅降低了用户的筛选负担。

这是一个典型的”少而精”策略。3500 个技能和 SkillsMP 的 20 万相比确实微不足道，但如果你不想花时间甄别质量，直接从一个经过把关的小型库里挑选，效率反而可能更高。Agensi 还提供 ZIP 文件下载方式安装技能，灵活性较好。

竞品四：Anthropic 官方 GitHub 技能库

Anthropic 在 GitHub 上（github.com/anthropics/skills）维护了 17 个官方 Claude Code 技能，这是最”正统”的技能来源。 官方技能包括 /skill-creator（一个能帮你创建新技能的元技能）、/frontend-design（从一句话描述生成生产级 UI）、/webapp-testing（基于 Playwright 的自动化测试）等实用工具。

优势显而易见：官方出品，质量有保障，与 Claude Code 的集成是最深度的。劣势同样明显：只有 17 个技能，覆盖范围极为有限，完全无法满足开发者多样化的垂直领域需求。它更像是一个参考实现，而非一个完整的技能生态。

竞品五：PM Skills Marketplace

PM Skills Marketplace（github.com/phuryn/pm-skills）是一个垂直型技能库，专注于产品经理（PM）的工作流场景，收录 100 多个经过验证的技能，涵盖发现（Discovery）、假设验证（Assumption Mapping）、优先级排序（Prioritization）和产品策略（Strategy）等核心 PM 框架。

作为一个垂直深耕的细分平台，PM Skills 的每个技能都编码了具体的 PM 方法论，而非泛泛的通用工作流。这类专业深度是 SkillsMP 这种综合平台很难在某一垂直领域匹敌的。如果你的主要使用场景集中在产品管理，PM Skills Marketplace 比在 SkillsMP 海量库中淘宝的效率要高很多。

五大平台功能横向对比

如何在 Claude Code 中安装和使用 SkillsMP 技能

整个流程非常简洁，分三种主要方式：

方式一：命令行安装（推荐）

前往 skillsmp.com，找到你想安装的技能，复制平台提供的安装命令，在终端执行：

npx skills add anthropics/skills/skill-pdf

执行后技能会自动安装到全局目录 ~/.claude/skills/（对所有项目生效）或项目目录 .claude/skills/（仅当前项目生效），下次启动 Claude Code 会话时自动生效。

方式二：ZIP 文件手动安装

下载技能的 ZIP 压缩包，解压到 ~/.claude/skills/ 目录，确保解压后的文件夹直接位于 skills/ 目录下（不要多嵌套一层），重新启动 Claude Code 会话。

方式三：通过 Claude 官方 Web/Desktop 界面

在 Claude.ai 的界面中，进入 Customize > Skills，点击 + 按钮，可以从组织目录安装或上传自定义 ZIP 技能包。 这种方式适合不习惯命令行操作的用户。

安装后，可以通过 /skill-name 命令显式调用特定技能，也可以让 Claude 根据对话上下文自动判断是否加载。如果安装后没有反应，检查 SKILL.md 文件是否直接位于 skills/<skill-folder>/ 目录下，路径不能多嵌套。

如何创建并发布自己的 Skill

技能的创建门槛极低，本质上就是写一个 Markdown 文件。一个标准的 Skill 结构如下：

my-skill/
├── SKILL.md          # 核心指令文件（必须）
├── references/       # 参考文档（可选）
│   └── best-practices.md
└── assets/           # 模板和资源文件（可选）
    └── template.json

SKILL.md 里写的是给 Claude 的操作指令——你希望 Claude 在处理这类任务时遵循哪些步骤、注意哪些细节、避免哪些常见错误。语言可以是任意语言，格式可以根据需要灵活组织。

写好之后，把文件夹推送到 GitHub 公开仓库，SkillsMP 会在例行同步时自动索引到你的技能，其他用户就可以通过平台搜索并安装了。如果你想让 Claude 帮你创建技能，Anthropic 官方提供了一个 /skill-creator 元技能，可以引导 Claude 帮你完成整个创建过程。

对于团队使用场景，可以把内部知识（产品规范、代码规范、工作流手册）编写成私有 Skill，不对外发布，仅在团队内部通过 ZIP 文件或私有仓库分发。这是把隐性组织知识显性化、可复用化的有效方式。

Skills 与 MCP 的本质区别

由于这两个概念经常被混淆，这里做一个清晰的区分。

Skills 解决的是”知道怎么做”的问题，是知识和工作流的载体。它是静态的 Markdown 文件，不需要运行任何服务，安装后直接生效，token 消耗低，人人都可以创建。

MCP（Model Context Protocol）解决的是”能连接什么”的问题，是功能扩展的载体。它需要一个运行中的服务器进程，可以让 Claude 实时连接 GitHub、数据库、外部 API、浏览器等工具，功能强大但配置复杂，token 消耗也更高。

最佳实践是两者结合使用：用 MCP 连接外部系统（比如让 Claude 读取你的 GitHub 仓库或查询数据库），用 Skills 注入领域知识（比如你们团队的代码审查标准或部署流程规范）。两者互补，而非竞争关系。

SkillsMP 的现状与未来规划

SkillsMP 目前仍处于快速成长阶段，官方将当前定义为”聚合阶段”——核心工作是从 GitHub 抓取尽可能多的技能，构建可搜索的索引。

根据平台已公布的路线图，下一阶段的重点包括：

• 社区评分与使用统计：类似 npm 的下载量和用户评分，帮助用户判断技能质量
• 质量筛选机制：过滤低质量的 AI 批量生成技能，突出真正有价值的内容
• 专家认证体系：为特定领域（法律、财务、医疗等）的技能提供专业人士背书

这些功能如果真的落地，会很大程度上解决目前平台最核心的痛点——海量内容但质量难以评估。从行业趋势看，随着 Agent Skills 开放标准被越来越多的 AI 工具采用，像 SkillsMP 这样的聚合发现平台的战略价值会随生态规模持续放大。

适合谁，不适合谁

高度推荐使用的场景和用户类型：

• 每天使用 Claude Code 进行开发、写作或分析工作，希望把重复流程标准化
• 团队负责人希望把资深员工的方法论沉淀为可在团队内传播的知识资产
• 跨 AI 工具用户，需要一套在 Claude、Codex、ChatGPT 之间通用的技能库
• 对某个垂直领域有深厚积累、希望通过制作技能建立个人品牌的专业人士

使用价值有限的场景：

• 你的工作以一次性任务为主，不存在需要重复处理的标准化流程
• 你的核心需求是实时连接外部系统（这是 MCP 的专长，不是 Skills 的）
• 你没有时间和精力甄别技能质量，又对结果一致性要求极高

开发者社区的真实评价

来自 Reddit 等开发者社区的反馈呈现出一个有趣的分层：真正深度使用过 Claude Code 的工程师对 Skills 这个概念的评价普遍很高，认为高质量的技能确实能显著改变工作流效率；但对 SkillsMP 平台本身，最常见的抱怨是”好技能太难找”。

有开发者描述了自己筛选技能的经历：在数万个搜索结果里，真正能用的大概只有个位数。这不是搜索质量的问题，而是供给侧的质量分布问题——大量技能是开发者或 AI 工具批量生成的，缺乏实际打磨，找到真正有价值的需要花时间甄别。

对于有耐心的用户来说，这个代价是值得的。对于希望即开即用的用户来说，等待平台质量筛选机制成熟或许是更好的时机选择。一个可行的折中方案是：用 SkillsMP 的搜索功能发现候选技能，再结合 Agensi 的验证数据交叉比对，优先安装那些有社区验证背书的版本。

一个值得关注的方向：Skills 经济

有一个更大的问题值得思考。当 Agent Skills 开放标准被广泛采用，一个真正的”专业知识变现”生态会不会出现？

目前所有主流 Skills 平台（包括 SkillsMP）都是免费的，技能的分发和交换也完全免费。这在生态早期是正确的选择，有助于快速积累用户和内容。但从长期来看，如果一个资深外科医生真的把自己二十年的临床诊断框架编写成高质量 Skill，免费分发是否合理？

这个讨论在 ClaudeCode 社区已经出现，但目前尚无定论。可以预见的是，随着技能质量的分化越来越明显，某种形式的付费或订阅机制将会出现。SkillsMP 目前的模式决定了它不会直接切入变现层，但如何与未来可能出现的付费生态协作，是这个平台需要提前思考的问题。