先泼个冷水：大部分 Skills 是换了壳的 Prompt
安装了几十个 Skills 之后，最深的一个体会是——许多所谓的 Skill，打开 SKILL.md 一看，核心不过是一段 Prompt：“你是一个 XX 专家，请按照以下步骤……”。这种内容直接对 AI 说一句话就能达到相同效果，完全没必要专门装一个 Skill。
真正具备价值的 Skill，一定改变了 AI 的工作流程，而不仅仅是换了一段 Prompt。
下面 5 个全部符合这个标准。
第 1 个：Superpowers — 245K Star，改变 AI 写代码的方式
GitHub： obra/superpowers（245K ⭐，21.7K Fork）
npx skills add obra/superpowers
Superpowers 其实不是一个单一的 Skill，而是一套包含 20+ 子模块的开发框架。安装之后，AI 写代码的行为模式会发生根本性变化。
安装之前 vs 安装之后：
| 场景 | 没装 | 装了 Superpowers |
|---|---|---|
| 你说“帮我实现一个搜索功能” | AI 直接开始写代码，写完交给你 | 先问你几个问题（模糊搜索还是精确？要不要防抖？数据量多大？），然后才动手 |
| 遇到 bug 说“这里报错了” | 直接改报错那一行，经常引出新 bug | 先复现 → 定位根因 → 验证假设 → 修复 → 回归测试，整条链走完 |
| 你说“帮我重构这个文件” | 一口气改完整个文件，改动太大没法 Review | 先列出重构计划让你确认，然后分步执行，每步可以单独验证 |
| 实现新功能 | 只写功能代码 | 先写测试用例，再写实现，跑通测试才算完 |
核心变化：AI 从“听话的打字员”变成“会思考的同事”。
有开发者发布过对照实验数据：12 个相同复杂度的任务，装了 Superpowers 的会话比没装的 Token 用量平均低 14%。原因挺反直觉——因为它会先花时间问清楚需求，避免后面返工。
Superpowers 里日常用到的子模块：
| 子模块 | 什么时候触发 | 解决什么问题 |
|---|---|---|
| systematic-debugging | “报错了”/“不工作了” | 不再头痛医头，按流程排查 |
| tdd | “实现一个功能” | 先写测试再写代码 |
| brainstorming | “我想做一个 XX” | 先发散 5 个方案再选最优 |
| code-review | /review | 提 PR 前自动审查 |
第 2 个：Taste Skill — 51.8K Star，解决“AI 做的页面一股模板味”
GitHub： Leonxlnx/taste-skill（51.8K ⭐）
npx skills add Leonxlnx/taste-skill
如果你用 AI 生成过前端页面，大概率遇到过这种情况：功能全对，但看起来就是“不对劲”——间距不均匀、颜色太跳、按钮长得像 Bootstrap 默认样式、排版像没设计师参与过的内部工具。
Taste Skill 不提供任何组件代码。它只做一件事：在 AI 生成 UI 时注入一套设计审美规则。
安装之前 vs 安装之后：
| 维度 | 没装 | 装了 Taste Skill |
|---|---|---|
| 间距 | 大小随机，页面像没对齐 | 遵循 4/8/16/24px 的倍数系统 |
| 配色 | 经常出现高饱和度撞色 | 主色+辅色+中性色，有层次 |
| 排版 | 标题和正文大小差不多 | 明确的字号层级，视觉重心清晰 |
| 按钮/卡片 | 圆角大小不统一 | 全局一致的圆角和阴影 |
最适合的场景：落地页、产品官网、作品集、Demo——这些页面“好不好看”直接影响用户第一印象的地方。
这个 Skill 在掘金 6 月 GitHub 热榜排名前十，51.8K Star 不是白来的。前端开发者如果经常用 AI 出页面，可以说是必装。
第 3 个：Graphify — 41.8K Star，接手陌生项目的第一件事
GitHub： safishamsi/graphify（41.8K ⭐）
npx skills add safishamsi/graphify
解决的问题：接手一个跑了两三年的老项目，几万行代码，README 已经过时了，文档和代码对不上。以前理清整个项目结构至少要一两周——挨个读文件、画关系图、问同事“这个模块是干嘛的”。
Graphify 做的事情：扫描整个代码库，生成一张知识图谱——模块间的依赖关系、核心调用链、公共工具函数的引用网络，全部可视化展示。
安装之前 vs 安装之后：
| 场景 | 没装 | 装了 Graphify |
|---|---|---|
| 接手新项目 | 读一两周代码才敢动手改 | 3 分钟看到全局结构，当天就能定位要改哪里 |
| 重构前评估影响 | 手动 grep 引用，很可能漏掉 | 一眼看到“改了这个文件会影响哪些模块” |
| 给新人介绍项目 | 口头讲半天，听完还是不懂 | 直接给他看图谱，5 分钟搞懂 |
不只是 Claude Code 能用。Graphify 兼容 Codex、Cursor、Gemini CLI 等主流 AI 编程工具。
第 4 个：Deep Research — 调研型任务的质变
触发方式： /deep-research "你的问题"
这不是第三方 Skill，是 Claude Code 内置功能，但很多人不知道。
和直接让 AI 搜索的区别：
| 直接说“帮我搜一下 XX” | /deep-research | |
|---|---|---|
| 搜索方式 | 一个角度搜一轮 | 多角度扇形搜索，自动扩展关键词 |
| 信息来源 | 可能只搜到 1-2 个 | 抓取多个来源并交叉校验 |
| 验证 | 不验证，搜到什么就给你什么 | 对矛盾的信息做投票，标注置信度 |
| 输出 | 一段文字 | 结构化报告，带引用来源 |
实际使用场景：
- 技术选型：“React Server Components vs Next.js App Router 哪个更适合我们的项目？”
- 方案评估：“前端监控用 Sentry 还是自建？成本对比是什么？”
- 新技术了解：“Bun 1.2 和 Node.js 22 在性能上到底差多少？有没有真实的基准测试？”
每次调研下来大概要消耗不少 Token，不适合频繁用。但在需要做决策的时候，它给出的信息密度和准确度远超自己东搜西搜。
第 5 个：find-skills — 别在 GitHub 里大海捞针了
1400+ 个 Skills，不可能一个个去翻 GitHub。用 find-skills 直接按关键词搜。
/find-skills "前端 UI 设计"
/find-skills "测试 自动化"
/find-skills "性能优化"
Skills 生态还在高速增长，每周都有新项目冒出来。有这个入口才能及时发掘好用的新 Skill，不至于信息滞后。
速查对照表
| Skill | Star | 核心价值 | 安装 |
|---|---|---|---|
| Superpowers | 245K | AI 从“打字员”变成“会思考的同事” | npx skills add obra/superpowers |
| Taste Skill | 51.8K | 治好 AI 生成 UI 的“模板味” | npx skills add Leonxlnx/taste-skill |
| Graphify | 41.8K | 陌生代码库 3 分钟看懂 | npx skills add safishamsi/graphify |
| Deep Research | 内置 | 调研型任务的质变 | /deep-research |
| find-skills | 内置 | Skills 搜索入口 | /find-skills |
卸掉的那些 Skill 有什么共性
装了几十个卸掉大部分之后，总结出一个判断标准：
打开它的 SKILL.md，如果核心内容可以用一句话对 AI 说出来——那就不需要这个 Skill。
比如“你是一个代码优化专家，请帮我优化以下代码”——这种 Prompt 自己说就行了，不需要装一个 Skill 来帮你说这句话。
真正好用的 Skill，改变的是 AI 的工作流程和思维模式，不只是换一段 Prompt。Superpowers 让 AI 先想再写，Taste Skill 让 AI 在生成每一个 UI 元素时都过一遍设计规则，Graphify 让 AI 先理解项目全局再回答问题——这些是“换一段 Prompt”做不到的。
最后
Skills 生态现在很像 2020 年的 VS Code 插件——数量爆炸但质量参差不齐。看到“必装 Top 30”别急着全装。先装一个 Superpowers 用一周，感受一下“AI 行为模式的变化”。如果觉得确实不一样，再按需加其他的。
而且别忘了，这些 Skills 不只是 Claude Code 能用——Cursor、Codex、Gemini CLI 都支持。不管你用哪个工具，都值得试试。
如果你有发现其他好用的 Skill，不妨分享出来，说不定能成为下一期的主角。
