Google Agent Skills：把 Google 工程师级 Cloud / GKE / BigQuery 实战 SOP 全栈开源

Skill超级捕获手 技术创作者 2026-08-08 11 阅读

Google 这次把自家工程师内部分发的”技能操作手册”——从 GKE 排障、BigQuery 调优，到 Gemini Enterprise Agent Platform 部署全流程——一次性打包开源，100+ 个 SKILL.md 直接通过 npx 一键安装到 Claude Code、Codex、Cursor 等 40+ AI Agent 工具链中。这是 Skills 市场进入”大厂官方下场”阶段的首个代表作。

总结

google/skills 是 Google 在 2026-03-31 正式开源的 官方 Agent Skills 仓库，GitHub Trending 上持续霸榜。截至 2026-08-07，Star 数 16,207，Forks 1,289，覆盖 Google Cloud、GKE、BigQuery、AlloyDB、Spanner、Gemini Enterprise Agent Platform 等 Google 全栈产品的官方级 SKILL.md 合集。它把过去藏在 Google 内部 SRE 文档库、客户工程师培训手册里的实战知识变成可插拔、可复用的 Skills，目前是 Trending 第一梯队的 “近期正在爆” Skill 候选，跟 Anthropic 官方 anthropics/skills 一起构成 Skills 市场的双权威。

功能与原则

核心能力： 把 Google 产品/技术领域的专家知识打包成结构化 SKILL.md，每个 Skill 都是独立的子文件夹，包含 YAML Frontmatter（name、category、description）+ Markdown 指令体 + 配套 references/，供 AI Agent 按需加载。

设计原则： 遵循开源 Skills 标准（agentskills.io）的三级加载机制——

  • 元数据层（~100 tokens）始终在上下文里，Agent 用它判断 Skill 是否相关
  • 指令层（< 5K tokens）触发时加载，给出 SOP
  • 资源层按需加载（references 文档、脚本、模板），不污染主上下文

覆盖范围： 100+ Skills 横跨 6 大领域——Getting Started with Google Cloud、Multi-product Solutions、AI/ML（Gemini + Agent Platform 全套）、Infrastructure（GKE 完整生命周期）、Databases & Analytics（BigQuery、AlloyDB、Spanner）、Developer Tools。

认可度

  • GitHub Stars： 16,207（截至 2026-08-07，GitHub API 实测）
  • Forks： 1,289（截至 2026-08-07）
  • GitHub Trending： 2026-08-07 日榜位列第 15 位，进入”近期正在爆”梯队
  • 创建时间： 2026-03-31（不到 5 个月突破 16k Star，增速远超平均 Skill 仓库）
  • Open Issues： 31（活跃维护状态）
  • Watchers： 106
  • 最近 Push： 2026-08-07（今天还在更新）

链接

原作者

Google Cloud / Google Developer Relations 团队联合维护，仓库隶属 google 组织官方账号（不是个人 fork）。从目录结构看是 Google Cloud Solution Engineering 团队负责——这是负责给 Fortune 500 企业落地 GCP 架构的核心交付团队，相当于 Google 把”To B 解决方案架构师”团队内部沉淀的 SOP 全部对外开源。

介绍

Google Agent Skills 是首个由大厂官方下场维护的全栈 Agent Skills 集合。它的核心价值不是”教 AI 怎么写代码”，而是”教 AI 怎么在 Google Cloud 上做工程师级别的运维和架构决策”——比如 GKE 集群升级要不要分批、BigQuery 查询成本怎么算、AlloyDB 的连接池要设多大、Gemini Agent Platform 的 RAG Engine 怎么调优，这些都是 ChatGPT 答不准、只有 Google SRE 才知道的实战细节。

仓库结构非常清晰：skills/ 目录按产品分类，每一类（如 cloud/）下放几十个独立 Skill 子目录，每个 Skill 都是标准的 SKILL.md + 可选 references/ + 可选 scripts/。从 google-cloud-recipe-auth（Google Cloud 认证方案专家）、gke-workload-troubleshooting（GKE 工作负载排障）到 agent-platform-tuning（Gemini 模型调优）——每一份都是即插即用的专家大脑模块。

更重要的是它标准化安装：npx skills add google/skills 一条命令，弹出交互式选择器，让用户从 100+ Skills 里挑选需要的，按 Symlink 方式安装到 .claude/skills、.codex/skills、.cursor/skills 等 40+ Agent 工具目录中。

特点

  • 官方权威 + 实战沉淀：来自 Google Cloud 内部解决方案架构师团队，每个 Skill 都是真生产环境验证过的 SOP，不是社区教程
  • 覆盖全栈：从底层 GKE 排障到顶层 Gemini Agent 编排，从 BigQuery 数据分析到 n-tier serverless Web 应用，100+ Skills 覆盖 Google 产品矩阵的 6 大领域
  • 标准兼容：遵循开源 agentskills.io 规范，能跟 Anthropic Skills、Addy Osmani 的 agent-skills、obra/superpowers 等生态完全共存
  • 轻量级安装：npx 一键安装 + Symlink 推荐方案，不污染项目，40+ Agent 全家桶通吃（Claude Code、Codex、Cursor、Amp、CodeBuddy、Cline……）
  • Active Development：README 顶部明示”This repository is under active development”，每天都在更新（pushed_at: 2026-08-07）

使用方法

第 1 步：安装 Skills CLI（一次性）

npm install -g skills-cli
# 或者直接用 npx 临时调用

第 2 步：把 Google Skills 添加到你的 Agent

npx skills add google/skills

弹出交互式菜单：列出 100+ Skills，键盘上下移动、空格多选、回车确认；接着选目标 Agent（Claude Code / Codex / Cursor 等 40+ 个）；最后选项目范围 vs 全局、Symlink vs Copy。

第 3 步：在项目里直接调用

Claude Code 里直接说：

帮我用 Google Cloud 的最佳实践设计一个 GKE 多租户集群架构

Agent 会自动加载 gke-multitenancy + gke-basics + gke-networking 等相关 Skills，按 Google SRE 的标准流程回答。

使用场景与人群

适用场景：

  • 用 Claude Code / Cursor / Codex 做 Google Cloud 项目时，需要官方认可的架构方案
  • 给 AI Agent 注入 Gemini / Vertex AI / Agent Platform 的最新 API 知识
  • 内部培训——把 Google 工程师的实战经验变成 AI 培训教材
  • DevOps 自动化——用 Skills 让 Agent 直接给出 GKE、BigQuery 的故障排查路径

目标用户：

  • Google Cloud 重度使用者——不想每次都翻文档的开发者/架构师
  • AI Agent 重度使用者——希望 Agent 更”专业”而不是泛泛而谈的程序员
  • B 端解决方案架构师——给客户设计 GCP 架构的咨询/外包公司
  • AI 培训内容创作者——需要权威信源做技术内容

输入与输出案例

案例 1：GKE 工作负载排障

输入（在 Claude Code 中）：

我的 GKE 集群里有个 Deployment 一直 CrashLoopBackOff，事件显示 "Failed to pull image gcr.io/my-project/api:v2.3.1: rpc error: code = Unknown desc = Error response from daemon: pull access denied"
帮我用 Google SRE 的标准流程排查

输出（Agent 自动加载 gke-workload-troubleshooting + google-cloud-recipe-auth 两个 Skill 后）：

第一步：身份认证检查（google-cloud-recipe-auth 触发）

  1. 当前 Pod 用的 Service Account 是什么？运行 kubectl get serviceaccount <sa-name> -o yaml
  2. 该 SA 是否绑定了 roles/artifactregistry.reader 或 roles/storage.objectViewer（取决于镜像在 Artifact Registry 还是 GCR）？

第二步：镜像拉取权限诊断（gke-workload-troubleshooting 触发）

  • 检查 Workload Identity 是否开启：gcloud container clusters describe CLUSTER_NAME --format="value(workloadIdentityConfig.workloadPool)"
  • 如果集群开了 WI，但 KSA default 没绑 GSA，IAM 会拒绝拉取
  • 给 KSA 绑定 GSA：kubectl annotate serviceaccount <ksa> iam.gke.io/gcp-service-account=<gsa>@PROJECT_ID.iam.gserviceaccount.com

第三步：常见踩坑

  • 镜像 tag 写错 vs 网络出口 ACL 拦截 vs GCR API 没启用——三者症状相似，但修法完全不同
  • 推荐按”先用 gcloud auth print-identity-token 验证本地身份 → 再用 docker pull gcr.io/... 测试直连 → 最后回到 K8s 检查 RBAC”的顺序排查

案例 2：BigQuery 成本优化

输入：

我的 BigQuery 查询每天跑 200 次，scan 了 8TB 数据，账单爆炸。怎么优化？

输出（加载 bigquery-basics + bigquery-bigframes Skill 后）：

诊断 5 步法：

  1. 看 bytes processed：跑 SELECT job_id, total_bytes_processed, cache_hit FROM region-US.INFORMATION_SCHEMA.JOBS_BY_PROJECT WHERE creation_time > TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY) ORDER BY total_bytes_processed DESC LIMIT 20
  2. 检查 SELECT *：所有命中列的子查询都改成显式列
  3. 用分区剪裁：表按 event_date 分区，加 WHERE event_date >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)
  4. 用聚簇表：高频 filter 列建 CLUSTER BY
  5. 考虑 BI Engine 或 Slots 预订：当查询量大到一定阈值，包月 Slots 比按需扫描便宜 60%+

预期节省： 80% 以上成本（按典型反模式 workload 估算）

GitHub: https://github.com/google/skills

评论区

0 条评论

登录后可评论。

Skill超级捕获手 11 阅读