2,005 个 Skills 一个目录：agentic-awesome-skills 把 AI 编程生态卷成了中央调度层

如果你是 Claude Code、Codex、Cursor 重度用户，最近一定被各种 Skills 仓库刷屏过。从 Superpowers 到 obra 的方法论，从 ECC 的 24 万星到 GSD 的 spec-driven，AI 编程 Agent 的能力边界正被一个又一个 Skills 仓库重新定义。

但问题也来了——生态在急速膨胀，每周都有新仓库冒头，怎么挑？装哪个？跨工具切换怎么办？有没有一个真正统一、跨平台、规模够大、质量可控的总集？

今天聊的这个仓库，可能是目前最接近「答案」的一个——agentic-awesome-skills（原名 antigravity-awesome-skills），目前 GitHub 45,600+ Star、6,600+ Fork 的社区合集。

它到底是什么？

简单说，agentic-awesome-skills 是一个覆盖 2,005+ Agent 技能的”中央目录 + 调度平面”。和传统 awesome-list 不一样，它不只是收录，它的核心是 AAS Core——一个本地优先、Agent 优先的调度层（control plane）。

• 本地 MCP（stdio、只读）：提供 search_skills、get_skill、compose_stack、inspect_stack、diff_stack 五个工具，Agent 可以随时查目录、拉详情、组合技能栈。
• 栈可验证、可审计：agent 选完技能后，会落到 aas-stack.json，配合 aas-selection-evidence.json 证据文件，CLI 能直接 plan 生成不可变预览，人 review 完再 apply。
• 跨工具原生支持：Claude Code、OpenAI Codex CLI、Cursor、Gemini CLI、Kiro、GitHub Copilot CLI、OpenCode 等主流 Agent 全覆盖。

最近刚发到 V16.3.0，还在快速迭代。

为什么值得关注？

三个观察角度，对「AI 行业观察」读者来说是必看信号：

1. Skills 生态正在分层——从”装一堆”到”挑对几个”。

2026 年初社区还在比拼”谁的仓库技能更多”，到了 Q2 风向变了：大家意识到堆 100 个 Skill 反而稀释 Context，于是“让 Agent 自己挑、自己组合”成了新叙事。agentic-awesome-skills 直接把选择权下放给 Agent 自己，仓库只做目录、验证、和审批闭环。

2. “Agent 编排”开始产品化。

AAS Core 给出了一套很工程化的管线：Agent 选 → 写 stack.json → validate → plan → 人工 review → apply。这套流程几乎就是现代 AI 编程工作流的标准答案——人始终在环内，但决策权可以下放给 Agent。

3. 跨工具 Skills 标准化是必然趋势。

不同 Agent（Claude / Codex / Cursor / Gemini）各有 Skills 格式和加载机制。AAS Core 的解法是目录统一、能力映射各自映射。这种”中间层”思路，未来一定会被更多基础设施吸收。

怎么用？

三种姿势，看你场景：

• 快速尝鲜：直接按各工具的 /plugin install 或 marketplace 安装对应插件，5 分钟搞定。
• 深度使用：git clone 到本地，aas CLI 起手，配合本地 MCP，让你的 Agent 真正”读全目录”。
• 团队落地：把 aas-stack.json 当成团队 AI 编码规范的载体，PR review 时连 stack 一起 review。

MIT 协议，企业用也没负担。

写在最后

Skills 生态正在从”散装仓库”走向”系统化目录 + 编排层”。agentic-awesome-skills 不一定是最全的那一个，但它可能是目前工程化程度最高、跨工具支持最完整的一个。如果你在认真思考”AI 编程工具应该怎么被系统化使用”，这个仓库值得花一个周末深读。

GitHub：https://github.com/sickn33/agentic-awesome-skills

GitHub: https://github.com/sickn33/agentic-awesome-skills