从”AI辅助编程”到”AI驱动工程化”：agent-skills 带来了什么？
最近在研究 AI 编程工具链时，发现了一个有意思的项目——addyosmani/agent-skills。这是一个将资深工程师开发流程打包成可复用 AI Agent Skills 的开源项目，GitHub 星标 2.3 万，fork 超过 2800，MIT 协议。
一句话定位
把资深工程师的开发流程打包成 AI Agent 可复用的 Skills，让 AI 编程从”灵光一现”升级为”系统工程”。
核心结构：7个命令 × 20个 Skills
7个命令，映射完整开发周期
- /spec → 需求澄清与边界定义
- /plan → 任务拆解与排期
- /build → 增量实现与代码生成
- /test → 测试编写与验证
- /review → 代码审查与反馈
- /code-simplify → 代码简化与重构
- /ship → Git工作流、CI/CD、文档
20个 Skills，覆盖完整开发阶段
Define（需求定义）
- idea-refine：需求精炼
- spec-driven-development：规范驱动开发
Plan（规划）
- planning-and-task-breakdown：任务拆解与规划
Build（构建）
- TDD：测试驱动开发
- front-end-ui-engineering：前端UI工程化
- api-design：API设计
- source-code-driven-development：源码驱动开发
- incremental-development：增量实现
Verify（验证）
- browser-testing：浏览器测试
- debugging：调试技能
Review（审查）
- code-review：代码审查
- security：安全审查
- hardening：代码加固
- performance-optimization：性能优化
- code-simplification：代码简化
Ship（交付）
- git-workflows：Git工作流
- ci-cd：持续集成/持续部署
- documentation-and-adr：文档与架构决策记录
- release-and-rollback：上下线与回滚
亮点设计：反Rationalization表格
每个 Skill 都内置了一套结构化工作流 + 反Rationalization表格（防止 AI 找借口跳过步骤）+ 验证门。这意味着 AI 不是想偷懒就偷懒——每个步骤都有明确的完成标准。
支持的 AI 编程工具
Claude Code（推荐）、Cursor、Windsurf、OpenCode、Gemini CLI、GitHub Copilot、Kiro——主流工具全覆盖。
对软件定制团队的价值
如果你也在用 AI 编程工具接单，这个框架可以直接拿来当：
- 交付标准——告诉客户”我的 AI 开发流程不是闭门造车，是有工程化保障的”
- 报价依据——规范化的流程意味着可量化的工时估算
- 内部质量门禁——用反Rationalization表格确保 AI 没有跳步
与 easy-vibe 的关系
之前介绍过的 easy-vibe（AI 编程方法论合集），其第三阶段专门有一章讲 Claude Code Skills，引用了这个项目作为工程化的参考。
结语
AI 编程的下半场，拼的不是”能不能生成代码”，而是”生成的代码有没有工程保障”。agent-skills 提供的不是技能清单，而是一套可复用的工程化流程。对于认真做软件定制的团队来说，这值得研究并逐步落地。