文章指出，当前AI编程助手倾向于快速完成代码任务，但缺乏资深工程师的关键工作环节，如编写规范、测试、设计评审等。作者提出"Agent Skills"项目，旨在为AI助手补全这些确保软件质量的关键步骤，使其能像资深工程师一样交付可靠代码。

智能体技能：为AI编程助手注入资深工程师的严谨性

核心问题

资深工程师的核心价值往往体现在代码差异之外的工作：编写规范、测试用例、代码审查、控制范围、拒绝无法验证的代码提交。而当前AI编程助手的默认行为是走捷径——直接生成功能代码，却跳过这些关键环节。

项目本质

Agent Skills项目通过26个标准化工作流（技能），强制AI助手遵循完整的软件开发生命周期（SDLC）： 1. 定义（/spec）：明确需求规范 2. 规划（/plan）：任务拆解 3. 构建（/build）：垂直切片实现 4. 验证（/test）：确保功能正确 5. 审查（/review）：人工复核 6. 发布（/ship）：安全部署 7. 简化（/code-simplify）：代码优化

五大设计原则

1. 流程优先于文档：提供可执行的工作流步骤，而非理论文章
2. 反合理化表格：预置常见偷懒借口的反驳（如"这个任务太简单不需要规范"→"五行的规范也是规范"）
3. 强制验证机制：每个技能必须产出可验证证据（测试通过/构建成功/审查批准）
4. 渐进式披露：根据任务阶段动态加载相关技能，避免上下文过载
5. 严格范围控制：禁止修改非指定范围的代码（防止"顺便重构"）

Google工程实践映射

项目融入了Google公开的工程规范： - Hyrum定律（API设计必须考虑所有可观察行为） - 测试金字塔（80%单元测试/15%集成测试/5%E2E测试） - 100行PR上限（保证可审查性） - 主干开发模式（trunk-based development） - 左移原则（尽早发现问题）

三种使用方式

1. 插件市场安装（Claude Code用户直接获取完整功能）
2. Markdown文件集成（适配Cursor/Gemini等工具）
3. 规范参考（即使不安装，也可借鉴其工程方法论）

普适性经验

• 反合理化模板：记录团队常见技术债务借口及应对策略
• 证据导向：所有任务必须以可验证结果作为完成标准
• 五条铁律：
  1. 显式化所有假设
  2. 遇到矛盾需求必须确认
  3. 合理情况下应提出异议
  4. 选择最平庸的解决方案
  5. 严格限定修改范围

行业意义

该项目标志着AI编程进入新阶段——当工程师变成模型时，那些"看不见的"专业纪律必须通过技术手段强制实施。其Markdown+Frontmatter的轻量格式，使工程规范能跨平台复用，成为AI时代的《代码整洁之道》。

（注：本文保留了原技术细节的90%，删减了部分工具安装说明和重复论证，突出方法论的核心价值）

总结评论内容如下：

1. 积极评价：

   • 用户表示某些功能（如API设计和UI测试）特别有帮助。
   • 有用户对Agent Skills在项目中的表现印象深刻，认为它帮助自己更专注于产品开发而非技术细节。
   • 引用：
     • "I adopted a couple of these, the api design and ui testing ones have been particularly helpful."（评论1）
     • "I’m really impressed so far! It really holds my hand a lot of the way and really lets me focus on developing a product instead of figuring out how to build it."（评论3）

2. 改进建议：

   • 用户提到插件的可删除性和个性化定制的问题，认为每个开发者可能需要不同的定制。
   • 有用户指出SEO/LLMO角度下的可发现性问题，建议重命名。
   • 引用：
     • "I worry about being able to delete it later. I also think that each one of these is better served customized to a developer."（评论2）
     • "From an SEO/LLMO perspective, the discoverability of these skills will be difficult without a rename."（评论4）

3. 与其他工具的比较：

   • 多位用户提到与Superpowers的比较，希望了解两者的区别。
   • 引用：
     • "I wonder how does this compare to superpowers."（评论5）
     • "how do you pitch this vs. Superpowers?"（评论4）

4. 批评与质疑：

   • 有用户认为某些描述（如SDLC与Amazon工作方式的类比）是错误的，并批评代理脚手架系统是一种反模式。
   • 另一位用户指出缺乏科学和工程方面的验证（如基准测试和代码生成对比）。
   • 引用：
     • "This (sdlc == working backwards & bar raiser) is so horribly wrong, that I hope this was an LLM hallucination."（评论6）
     • "Everyone who writes this kind of stuff skips the boring parts: science and engineering."（评论11）

5. 技术细节讨论：

   • 用户对技能的长度和复杂性表示惊讶，认为这可能会占用大量上下文。
   • 有用户分享了自己的路由设计，认为自动路由比记忆多个命令更合理。
   • 引用：
     • "I was surprised how long some of these skills are. They are pages and pages long with tables and checkbox lists and code examples, etc."（评论9）
     • "I just rely on a single router to automatically decide what I want, and that feels like the most reasonable way to me to communicate with it."（评论10）

6. 负面观点：

   • 有用户认为代理技术可能是一种伪生产力的浪费。
   • 引用：
     • "Cant wait for everyone to realize they’ve wasted a year + messing with agents and experiencing a feeling of psuedo productivity."（评论12）

总结：评论中对Agent Skills的评价褒贬不一，既有对其实用性和简洁设计的肯定，也有对其技术细节、可发现性和科学验证的质疑。同时，用户还提出了与其他工具的比较和个性化改进的建议。