SkillsVote Skill：让 Agent 在百万技能库中学会选对、用好、持续进化

SkillsVote：让 Agent 在百万技能库中学会”选对、用好、持续进化”

当 GitHub 上的 SKILL.md 文件突破 168 万个，Agent 生态正式进入”技能过剩”时代——不是缺技能，而是缺判断力。SkillsVote 正是为解决这一问题而生的开源项目：它不做一个简单的技能目录，而是构建推荐→执行→反馈→进化的完整闭环，让 Agent 真正学会”选对、用好、持续优化”技能。

功能与原则

SkillsVote 定位为面向 Agent 的”技能网关”（Skill Gateway），核心围绕四个环节展开：

• Skill 画像：在推荐前先回答”这个 Skill 到底能不能用”——分析操作系统兼容性、命令依赖、联网需求、环境变量、文件写入权限、高风险操作等。相当于给每个 Skill 建立”能力档案”，让 Agent 知道它适合什么任务、依赖什么环境、在哪些场景可能失效。
• 质量评估：检查描述与实际内容是否一致、引用的脚本和资源是否真实存在、给 Agent 的指令是否清晰可执行。
• 可验证性评估：针对可验证的 Skills 合成任务，在执行后分析 Agent 轨迹，将结果归因到 Skill 使用、Agent 探索、环境因素和最终信号。
• 反馈与进化：只有被成功验证且可复用的经验才能通过”证据门控”进入技能库更新，形成正向闭环。

认可度

• 技能规模：从 GitHub 开源仓库中发现 168 万个 SKILL.md 文件，其中 79 万+ 经过官方 Anthropic Skill 验证器认证为格式有效，是全球最大的开放 Agent 技能库（截至 2026-08-11）。
• 学术支撑：配套论文已被arXiv收录（arXiv:2605.18401），并在 GitHub 上获得持续关注。
• 生态热度：2026 年中旬开始密集出现在各大技能趋势榜单和 AI Agent 社区讨论中，被视为 Agent Skills 从”堆叠”走向”治理”的关键节点。

链接

GitHub：https://github.com/MemTensor/skills-vote

原作者

MemTensor 团队，专注于 AI 记忆与技能治理，旗下还有 MemTensor memos 等开源项目。SkillsVote 是其针对 Agent 技能生命周期管理的核心产品，旨在解决大规模技能库下的精准推荐与质量评估难题。

介绍

随着 Claude Code、OpenAI Codex、Cursor、Gemini CLI 等 Coding Agent 全面普及，SKILL.md 文件正以惊人速度增长。 SkillsMP、LobeHub、SkillHub 等技能市场也相继出现，看似 Agent 已经”全副武装”。

但问题也随之而来：一个 Skill 描述很漂亮，但依赖环境根本不存在；有的 Skill 看起来相关，实际执行时却把 Agent 带偏；还有大量 Skill 只是把普通提示词包装成 Markdown，看起来像技能，实际并没有稳定可复用的能力。SkillsBench 论文数据显示，精心策划的 Skills 平均能将任务通过率提升 16.2 个百分点，但在 84 个任务中有 16 个反而因 Skills 变差。

SkillsVote 的解决思路是：从”拼模型”进入”拼 Skill 质量”阶段，让 Agent 在执行任务前就知道哪些技能值得用、为什么值得用、怎么组合使用，以及用完之后效果到底好不好。

特点

• 百万级 Skill 治理：已发现 168 万+ SKILL.md 文件，79 万+ 格式验证通过，覆盖全球最大开源 Agent 技能库
• 四维评估体系：从环境适配、内容质量、可验证性、实际效果四个维度对 Skill 进行系统化画像，而非简单关键词匹配
• 证据门控反馈机制：只有被成功验证的经验才能进入技能库更新，防止噪声累积
• 多 Agent 支持：兼容 Claude Code、Codex、OpenClaw、Gemini CLI 等主流 Agent 平台
• 本地私有部署选项：提供 local-first 版本，支持企业或个人在本地、私有 Skill 库中做推荐

使用方法

方式一：接入托管版 SkillsVote 服务

直接安装 Skill（支持 Skills 的 Agent 均可用）：

npx skills add MemTensor/skills-vote --skill skills-vote

安装时配置两个环境变量：
– SKILLS_VOTE_API_KEY：从 skills.vote 获取
– GH_TOKEN：GitHub Token（用于访问 GitHub API）

方式二：本地私有化部署

npx skills add MemTensor/skills-vote --skill skills-vote-local

安装完成后进入 Skill 根目录，配置 configs/config.yaml 中的本地索引路径，详见官方安装指南。

使用场景与人群

适用场景：

• Agent 需要在多个可选 Skill 中做出最优选择
• 团队拥有大量自建或第三方 Skill，需要质量评估和推荐机制
• 需要对 Skill 执行效果进行归因分析，识别哪些 Skill 真正提升了任务通过率
• 构建企业级 Agent 技能治理体系，避免”技能堆积却无效”

目标用户：

• AI Agent 开发者与框架维护者
• 企业 AI 平台工程师（需要管理内部 Skill 库）
• AI 研究者（关注 Agent 技能选择与进化机制）
• 高阶 Agent 用户（希望深度定制 Agent 行为）

输入与输出案例

场景一：复杂多步任务推荐

• 输入：Agent 需要完成”资料检索 → 生成 PPT → 输出 HTML 展示页”任务
• 输出：SkillsVote 推荐 deep-research + pptx-generator + html-presentation 技能组合，并生成步骤化执行指南，说明各 Skill 的适用顺序和依赖关系

场景二：执行归因分析

• 输入：Agent 调用某 Skill 完成代码审查任务，最终任务成功
• 输出：SkillsVote 将成功归因分解为 Skill 贡献（60%）、Agent 探索策略（25%）、环境因素（15%），明确告知该 Skill 的真实贡献率；同时，如果该 Skill 连续多次被验证有效，则提升其在推荐系统中的权重

当 Agent 面对的不再是几十个工具，而是百万级技能库时，真正稀缺的不是更多 Skill，而是判断哪些 Skill 真正好用的能力。SkillsVote 正在建立这套判断标准。

GitHub: https://github.com/MemTensor/skills-vote