OpenAgentSkill Skill：AI Agent 技能的 npm，让 Skill 选型安装可验证

Skill超级捕获手 技术创作者 2026-09-21 1856 阅读

OpenAgentSkill 是一个开源的 AI Agent Skill 注册与决策层平台，旨在成为 Agent 技能领域的”npm”。它解决的问题很直接：Skill 仓库越来越多，质量参差不齐，Agent 在安装前无法判断哪个 Skill 真正适合自己的任务。OpenAgentSkill 通过 Trust Score v5 评分、Resolve API 和可验证的安装凭证，让 Agent 在真正执行前完成”发现→评估→安装→反馈”的完整闭环。2026 年 9 月持续活跃在 GitHub Trending，已索引超过 200 个经过验证的 Skill 仓库，是当前 Skill 生态基础设施建设中值得关注的新项目。

核心能力与设计原则

OpenAgentSkill 的核心是 Task-to-Skill Resolve 机制：输入一个任务描述，返回最匹配的 Skill 及其 Trust Score、安装风险等级和替代方案。这不是一个静态列表，而是一个基于真实运行数据持续迭代的动态决策层。

设计原则有三：
– 可验证性：Trust Score v5 综合 Stars、维护记录、开源协议、安装安全性、真实运行结果等多维信号，避免单纯依赖 Stars 数的”刷榜”误导
– 安装安全：CLI 在执行安装前强制显示完整计划，支持 --dry-run 和 --no-telemetry，防止 Skill 静默获取敏感权限
– 结果闭环：安装后的运行结果（成功/失败/阻塞）会反馈到系统，持续优化后续推荐

认可度

  • GitHub Star：352（截至 2026-09-21），Forks 29
  • 最近推送：2026-09-21 15:14 UTC，活跃度极高
  • Trending：2026 年 9 月持续出现在 GitHub Trending 列表
  • 索引规模：超过 200 个经过验证的 Skill 仓库，覆盖 Claude Code、Codex、Cursor 等主流 Agent
  • 社区讨论：在 Agent Skills 标准化社区（如 Smithery、skills.sh）有较高关注度

链接

GitHub 仓库：https://github.com/Leon-Drq/openagentskill

原作者

Leon-Drq（GitHub 个人账号）—— 独立开发者，专注于 AI Agent 基础设施工具建设。项目采用 TypeScript + Next.js + Supabase 技术栈，代码活跃维护中。

详细介绍

当前的 AI Agent 技能生态有一个结构性问题：Skill 仓库数量爆发，但缺乏统一的评估标准。一个仓库可能 Stars 很高，却因为安全风险、维护缺失或功能不符而根本不适合特定 Agent。OpenAgentSkill 试图用工程化的方式解决这个问题。

项目的核心产品是一个 Resolve API：GET /api/agent/resolve?task={任务}&agent={目标Agent}&max_risk={风险等级}。调用后返回一个结构化响应，包含推荐 Skill、Trust Score、安装指令和替代方案。以”从 PDF 报告中提取表格”为例，API 会综合各 Skill 的描述匹配度、历史运行数据、安装安全性给出最优解，而非简单按 Stars 排序。

此外，OpenAgentSkill 还提供了 Skill 排名（Rankings）、审核索引（Audit Index）、技能包（Skill Packs）和创作工具（Creator Kit），形成了一个完整的从发现到发布的 Skill 生命周期管理平台。所有数据均以机器可读格式暴露（JSON、OpenAPI、llms.txt），方便 Agent 直接消费。

特点

  • Trust Score v5：多维加权评分系统，综合任务匹配度、Stars、维护状态、开源协议、安装风险和真实运行结果
  • Resolve API：将自然语言任务映射为最匹配的 Skill，返回结构化安装计划
  • Outcome Loop：Skill 运行结果反馈系统，成功的安装记录会强化推荐权重
  • 多 Agent 支持：Codex、Claude Code、Cursor 均已适配，支持跨 Agent 迁移
  • 零依赖 CLI：通过 GitHub Release 分发的独立二进制，无需 npm 全局安装

使用方法

通过 Web 界面（最简方式）
访问 https://www.openagentskill.com/resolve ，输入任务描述，选择目标 Agent，即可获得推荐方案。

通过 CLI 安装 Skill

# 下载独立 CLI（零依赖）
px --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.3.0/openagentskill-0.3.0.tgz resolve "extract tables from PDF reports" --agent codex

# 搜索 Skill（不安装）
px --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.3.0/openagentskill-0.3.0.tgz find "browser automation"

# 预览安装计划（dry-run）
px --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.3.0/openagentskill-0.3.0.tgz add <skill-slug> --agent codex --dry-run

通过 API 集成到工作流

import { OpenAgentSkill } from './packages/sdk/openagentskill.mjs'

const client = new OpenAgentSkill({
  baseUrl: 'https://www.openagentskill.com',
})

const plan = await client.resolve('audit a repository', {
  agent: 'codex',
  maxRisk: 'medium',
})

await client.reportOutcome({
  event_id: plan.feedback.event_id,
  skill_slug: plan.recommendation.best_skill.slug,
  task: 'audit a repository',
  outcome: 'success',
  dry_run: true,
})

使用场景与人群

适用场景：在为 Agent 添加新能力时，需要从众多 Skill 中筛选最合适候选的开发者；希望建立规范化的 Skill 评估与选用流程的团队；需要给 Skill 添加可信度背书和安装安全审计的工具链维护者。

目标用户：AI Agent 开发者、DevRel/平台工程师、以及关注 Skill 生态健康度的开源社区成员。

输入与输出案例

输入（任务描述）：

“我需要一个 Skill 让 Claude Code 能自动审查代码的安全漏洞”

输出（Resolve API 返回）：

Best Skill: <recommended skill>
Trust Score v5: <score and decision>
Risk: <risk level>
Install: npx skills add <recommended-skill>
Alternatives: [<ranked alternatives>]
Receipt: <stable install handoff for the agent>

这套输出让 Agent 在安装前就清楚 Skill 的可信度等级、是否有替代选项，以及安装后的预期行为——真正做到了”安装前验证”而非”装完再踩坑”。

GitHub: https://github.com/Leon-Drq/openagentskill

评论区

0 条评论

登录后可评论。

Skill超级捕获手 1856 阅读