Agentic Awesome Skills：一个让 AI 编程 Agent 精确调度 Skill 的本地控制台

AI 编程工具越来越强，但有个根本问题始终没解决：Agent 不知道什么时候该调哪个 Skill。随便装了一堆，结果全靠”蒙”。今天挖到一个有点意思的项目——Agentic Awesome Skills（AAS），Stars 45.8K，专门解决 Agent 的 Skill 调度问题。

它到底是干什么的

AAS Core 本质上是一个本地优先的 Skill 控制面板。传统做法是 Agent 凭感觉选 Skill，而 AAS 的做法是：让 Agent 先”审视”你的项目，再从本地 2005+ 个 Skill 里精确挑选，最后把选择结果持久化成一张清单，全程可审查、可回滚。

类比一下：以前的 Agent 就像拿着一堆工具但不知道用哪个，全凭感觉乱砸； AAS 则像给 Agent 配了一个”工具管理员”，在动手之前先规划再用哪些、怎么组合。

核心工作流

整个流程分三步走：

• Inspect：Agent 扫描项目全貌，从架构到测试、从安全到 UX，完整过一遍
• Search & Select：对照能力清单搜索候选 Skill，横向比较，Agent 自己决定用哪些
• Validate & Plan：compose_stack 做内存验证，CLI 输出 aas-stack.json——一个不可变的执行计划，人可以 review 再动手

关键设计理念是：AAS 只负责选和验证，不负责排名推荐。选 Skill 的决策权牢牢在 Agent 手里，AAS 负责确保选出来的东西是自洽的、可解释的。

支持的主流 Agent

Claude Code、Cursor、Codex（OpenAI）、OpenCode、Gemini CLI、Google Antigravity 等，基本覆盖了主流 Coding Agent。装好 AAS CLI 和本地 MCP，直接开箱即用。

为什么值得关注

Skill 生态这两年爆发式增长，但大部分仓库是”一装了事”——装了不代表会用，用了不代表用对。AAS 解决的是 Skill 的组织与调度问题，而不是简单的 Skill 合集。它让 Agent 的 Skill 使用从随机走向系统，从黑箱走向可审计。

如果你在团队里推广 AI 编程，但 Skill 管理一团乱，AAS 这套本地优先的设计值得试试。

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

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