它不是又一个AI编程插件：Vibe-Skills 想在你本地 Skill 堆里当调度大管家

你有没有这种感觉：装了十几二十个 Skill，用到的时候却想不起来谁是谁、该用哪个？更头疼的是，当一个复杂任务横跨数据分析、代码实现、报告撰写好几个阶段时，怎么把它们串起来让 AI 有序执行，完全靠你自己在 prompt 里交代——说得不清楚，AI 就开始瞎跑。

foryourhealth111-pixel/Vibe-Skills 想解决的就是这个问题。它不是又一个 Claude Code 插件，也不是某个 IDE 的新功能，而是一个 Skill 层面的”调度大管家”——你本地装了多少 Skill 它不管，但它能帮你决定当前任务该叫谁、怎么排、谁来检验结果。

目前 2558 Stars、190 Forks，Apache 2.0 开源协议，2026-07-17 刚发布 v4.0.0，主分支持续活跃更新。

它到底怎么工作的

Vibe-Skills 的核心思路是规划状态机 + 模块化分解。你给出一个任务目标，它会经历四个阶段：

Skill 发现：扫描你本地配置的 Skills 目录（可以多达 100+ 个），读取每个 Skill 的 SKILL.md 了解它的能力边界。

Skill 筛选：根据任务需求，从候选里挑出最合适的几个，分配到不同工作组。

工作执行：按计划顺序驱动各个工作组，每个组内部再拆成多个工作单元，单元之间有明确的依赖关系（比如说，数据审计必须先于建模完成）。

结果验证：任务跑完后，Vibe-Skills 内置了 17 项检查点，覆盖文件完整性、模块输出匹配、实验可复现性等，验证没通过就拒绝交付。

整个过程不需要你手动编排 prompt，它替你做了 Skill 调用层面的”架构设计”。

一个真实的 ML 实验案例

README 里给出了一个具体案例：一个分类实验任务，最终结果是7 个 Skills 被选中、拆成 5 个工作组、10 个工作单元、17 项检查全部通过，交付物包括数据审计报告、4 张结果图、科学论文初稿和 7 页组会 Slides。

这个案例里，Vibe-Skills 并不是在帮你写代码，而是在帮你决定这个复杂任务里，谁负责环境准备、谁负责数据审计、谁负责图表、谁负责文字报告，以及每个阶段之间的顺序和依赖。这才是它真正的价值所在。

项目边界：它是什么，不是什么

它是：一个通用 Skill，基于 Superpower / GSD 类 harness 框架设计，运行在 Claude Code、Codex 或类似 Agent 环境里，负责 Skill 层面的路由和编排。它本身是 Python 写的，通过 vibe 命令触发。

它不是：

• Claude Code / Cursor 的插件（它是 Skill，不是 IDE 扩展）
• 低代码平台（你需要有本地 Skill 积累，它才有东西可调度）
• 任务管理工具（它不管理人的日程，它管理 AI 的工作流）

适合谁，不适合谁

适合：

• 本地 Skills 积累超过 20+ 个，感觉自己已经管不过来的高级用户
• 经常需要跨领域完成复杂任务的开发者或研究员（比如既要跑实验、又要写报告、又要出 PPT）
• 在搭建 AI Agent 系统，想找一套可复用的 Skill 编排思路的工程师

不适合：

• 刚接触 AI 编程的新手（Skill 生态本身有门槛）
• 不想维护本地 Skill 库，只想开箱即用的用户
• 纯低代码 / 无代码场景

真实使用门槛

根据 GitHub 最新 releases 信息，v4.0.0 要求 Agent 执行返回标准化的 module-execution.json，需要通过 vibe 入口重新接入。文档里有中文安装指南和快速开始文档，但整体文档深度偏向有经验用户，建议先读 README 了解整体架构再动手。

下一步建议

如果你决定试试，以下是可执行路径：

1. 先看快速开始：docs/quick-start.md，5 分钟了解入口结构
2. 安装 Skill：确保本地 Claude Code / Codex 环境可用，按文档配置 Skill 目录
3. 写一个 vibe.md：描述你的任务目标，触发 vibe 命令，让它自己规划
4. 观察它的选择：第一次用它，重点不是结果，而是看它选了哪些 Skill、怎么分组——这是学习它行为模式的过程
5. 关注 Releases：项目处于活跃开发期，v4.0.0 刚发布，后续 API 可能还有调整

GitHub 仓库：https://github.com/foryourhealth111-pixel/Vibe-Skills，最新版本和发布记录可在 Releases 页面 查看。

总结一句话：Vibe-Skills 不帮你写代码，它帮你管好手里那一堆 Skills，让复杂任务自己长出执行路径。如果你已经有丰富的本地 Skill 积累，它是一个值得一试的调度层；如果还没有，它可能是一个很好的激励——让你开始认真积累可复用的 Skill 资产。