HumanLayer Skills：让 AI 编程始终跑在人工审批的护栏里

Skill超级捕获手 技术创作者 2026-09-06 12 阅读

HumanLayer Skills 是一套面向 Claude Code 等 AI 编程 Agent 的人类在环（Human-in-the-Loop）技能集，共 5 款工具，分别解决代码审查、React 类型收窄、CLAUDE.md 改进、迭代式 Agent 循环构建、控制环设计等高频开发场景。核心逻辑是将人工审批节点固化为可复用、可配置的模块，让 AI 编程在保持人工监督的前提下规模化运行，而非退化为「全自动但不可控」的暴力生成。9 月以来该库日均获星 400+，下载量持续攀升，已成 coding agent 生态里 human-in-the-loop 方向的事实标准。

功能与原则

HumanLayer Skills 是一组面向 Claude Code（也支持 Codex、OpenCode 等主流 Agent）的结构化指令集（skill files），每款 Skill 对应一个具体工程问题，遵循三条设计原则：人工审批优先——关键操作必须经过人类确认才能推进；本地优先——产物落在项目仓库内，不依赖外部 SaaS；可组合——各 Skill 既可单独安装，也可串联形成完整的 AI 编程治理流水线。

5 款 Skill 分工明确：

  • show-me：让 Agent 用图表、树形图、diff 等可视化方式「展示」代码结构或改动，供人工快速审查
  • improve-claude-md：用 <important if> 块结构重写项目 CLAUDE.md，提升 Agent 对指令的遵循度
  • design-control-loop：通过对话访谈，帮团队设计一套「传感器→控制器→执行器」形态的 Agent 控制环，并生成本地可运行组件和 GitHub Actions 调度工作流
  • build-iterated-agentic-loop：在 design-control-loop 基础上更进一步，直接在仓库内生成一个可定时/手动触发的迭代式 coding agent 工作流，含 PR 标签管控防止 Agent 批量制造未审核 PR
  • narrow-react-prop-types：将 React 组件的 prop types 从 Storybook/test/mock 路径收窄到真实代码路径，减少类型逃逸

认可度

截至 2026 年 9 月 6 日，GitHub 星标数为 2,892（当日新增 442 星），Forks 4 个。5 款 Skill 合计安装量约 573 次（show-me 单项约 2,000 次，其余四项 45–491 次不等），在 Claude Skills Marketplace 属于 hot leaderboard 常驻项目。9 月 5 日有科技媒体 AICrier 专门报道其热度上升趋势，将其定位为「coding agent 工具里的人工审核模式代表」。

链接

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

原作者

项目由 dexhorthy（HumanLayer 创始人）主导维护，HumanLayer 是专注于 AI 编程 Human-in-the-Loop 基础设施的商业公司， Skill 集合代表了其将企业级审批治理能力开源社区化的尝试。

介绍

随着 Claude Code、Codex 等 coding agent 在团队中规模化部署，一个核心矛盾日益突出：Agent 生成代码速度极快，但人工 Code Review 的节奏远远跟不上——导致要么堆了大量未审核 PR，要么为了安全而降级使用，最终浪费了 Agent 的核心价值。

HumanLayer Skills 的解题思路是将「人工审批」从松散的人类习惯固化为可配置的技能模块。show-me 让 Agent 在提交前主动「展示」改动，逼迫 Agent 梳理清楚自己的输出逻辑；design-control-loop 则更进一步，将审批门禁设计成可编程的控制环——不是靠人类自觉去 review，而是让 Agent 在关键节点主动暂停等待信号。

这套方案在多个维度上与传统 Code Review 不同：传统 Review 是事后检查，HumanLayer 是事中拦截；传统 Review 依赖人类自觉，HumanLayer 将审批节点编码进 Agent 工作流本身；传统 Review 每次都要人类介入，HumanLayer 通过 build-iterated-agentic-loop 实现了「同类任务只开一个 PR」的自动合并逻辑，大幅降低人类干预频率。

特点

  • 5 款 Skill 即装即用，覆盖代码展示、上下文改进、类型安全、控制环设计、迭代自动化，无需自研
  • 人工审核节点可编码，不只是建议，而是通过控制环将审批固化为 Agent 行为的必经步骤
  • GitHub Actions 原生集成，build-iterated-agentic-loop 生成的工作流直接可用，支持定时/手动触发
  • PR 标签防堆积，自动检测同名 Agent 的 open PR 数量，超限停止生成，解决「AI 批量制造 PR」疲劳
  • 框架无关，基于 npx skills CLI，支持 Claude Code、Codex、OpenCode 等主流 Agent，Python/JS/TS/Go 项目均适用

使用方法

安装（整体包）：

npx -y skills add humanlayer/skills --agent claude-code

安装单个 Skill：

npx skills add humanlayer/skills --skill show-me
npx skills add humanlayer/skills --skill design-control-loop
npx skills add humanlayer/skills --skill build-iterated-agentic-loop
npx skills add humanlayer/skills --skill improve-claude-md
npx skills add humanlayer/skills --skill narrow-react-prop-types

调用：

# 在项目目录下直接对话 Claude Code
/improve-claude-md
/design-control-loop
/build-iterated-agentic-loop
/show-me
/narrow-react-prop-types

build-iterated-agentic-loop 的典型引导流程：

  1. Agent 探索仓库：识别包管理器、CI 模板、现有 workflow 规范
  2. 向用户提问：选择 coding agent 类型（Claude Code/Codex 等）、调度频率（每日/工作日/手动）、任务范围、PR 数量上限
  3. 生成产物：.claude/skills/<name>/SKILL.md + .github/workflows/agent-<name>.yml + .github/agent-memory/<name>.md
  4. 工作流自动用标签隔离 PR，同一 Agent 只保留 1 个 open PR

使用场景与人群

适用场景：

  • 团队引入 coding agent 后，Code Review 成为瓶颈，需要将人工审批节点前移
  • 大型仓库需要定时 Agent 自动巡检（依赖清理、文档更新、小型重构），但不能接受 Agent 随意开 PR
  • 多名开发者共享 Agent 工作流，需要统一的控制标准和审批门禁
  • React 项目 prop types 散落在 Storybook/mock 路径，需要 Agent 协助收窄到真实代码路径

目标用户：

  • 已经在团队中部署 Claude Code 等 Agent 的工程团队
  • 需要给 AI 编程加「安全护栏」的 Tech Lead / DevOps 工程师
  • 关注 AI 编程治理、Human-in-the-Loop 最佳实践的开发者

输入与输出案例

案例一：improve-claude-md

输入：项目根目录有一个简单或结构混乱的 CLAUDE.md，Agent 执行 /improve-claude-md

输出：新的 CLAUDE.md，用 <important if> 块结构重写，每个指令块标注「在什么条件下必须遵守」，例如：

<important if="文件涉及支付逻辑">
每次改动前必须展示 diff 并等待人工确认
</important>

人类评审后，Agent 对指令的遵循度显著提升。

案例二：build-iterated-agentic-loop

输入：用户执行 /build-iterated-agentic-loop，回答 Agent 提问「选择 Claude Code、每周运行、任务为更新过时依赖、允许最多 1 个 open PR」

输出：项目目录下生成三个文件：

  • .claude/skills/dep-updater/SKILL.md（Agent 行为规范：检查过时依赖、生成升级 PR）
  • .github/workflows/agent-dep-updater.yml（定时每周一 9:00 触发，若存在 label=agent-dep-updater 的 open PR 则跳过）
  • .github/agent-memory/dep-updater.md（记忆文件，存放上次运行的上下文和反馈）

Agent 后续每周自动开一个依赖升级 PR，人类只需在 GitHub 页面点 Approve/Rename，无需任何对话交互。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 12 阅读