Claude Code装上这个官方Skill后，通过率从29%飙到95%——LangChain Skills深度解读

Agent 时代的「官方外挂」：LangChain Skills 深度解读

昨天看到一串数据挺有意思：Claude Code 装上 LangChain Skills 之后，任务通过率从 29% 直接飙到 95%。不是 30% 到 35%，是 29% 到 95%。这个涨幅让我专门去翻了它的 GitHub 仓库。

LangChain Skills（github.com/langchain-ai/langchain-skills）是 LangChain 官方在 2026 年初放出的 Agent Skills 合集，Stars 数在 1.1K 左右，Forks 76 个，目前维护得相当活跃（最近一次更新就在上周）。

它解决什么问题

原理很直接：Coding Agent 在处理专业领域任务时，光靠通用 Prompt 是不够的——它不知道 LangGraph 的 StateGraph 怎么写，不知道 Human-in-the-loop 怎么接，不知道哪些包版本是稳定的。

Skills 就是来解决这个Gap的。它是一种「渐进式披露」的指令集：Agent 先看到简短的 Skill 描述，判断相关就加载完整 SKILL.md，里面包含了操作步骤、代码模板、最佳实践。

核心 Skill 清单

仓库里现在有 11 个 Skill，分三类：

• LangChain：create_agent() 用法、middleware 写法、tool pattern、LangChain Fundamentals
• LangGraph：StateGraph 写法、Human-in-the-loop、持久化（checkpointing）、CLI 部署
• Deep Agents：Deep Agents 项目的初始化、配置、SubAgent 编排、Memory 路由

其中有几个值得重点关注：

langgraph-persistence：覆盖了 checkpointers、thread_id、time travel、Store 以及 subgraph checkpointer 的作用域配置——这是 LangGraph 在生产环境里最核心也最容易被踩坑的部分。

deep-agents-orchestration：讲 SubAgentMiddleware、TodoList 规划和 Human Approval 的接入方式，想做复杂 Agent 协作的必读。

swarm：批量分发任务用的，支持 create table → fan out → aggregate results 的模式，处理独立 item 的并行任务很好使。

怎么装

一条命令搞定：

npx skills add langchain-ai/langchain-skills --skill '*' --yes

也可以针对特定 Agent 安装（Claude Code、Codex 等都支持）：

npx skills add langchain-ai/langchain-skills --agent claude-code --skill '*' --yes --global

装完之后，Agent 在处理 LangChain/LangGraph 项目时会自动触发相关 Skill 加载，不需要人工干预。

我的判断

LangChain Skills 不是一个「功能」，是一套「领域知识注入机制」。95% 通过率的背后，是把 LangChain 团队沉淀了两年的踩坑经验变成了 Agent 可复用的指令。

如果你在用 Claude Code / Codex 做 LangChain 项目，或者在维护基于 LangGraph 的 Agent 系统，这套 Skills 值得直接装上。它不改变你的工作流，但能让 Agent 少走很多弯路。

GitHub 仓库 →

GitHub: https://github.com/langchain-ai/langchain-skills