AI 编程的下一个战场不是模型，是「技能层」
AI 编程的下一个战场不是模型，是「技能层」 Agent 时代的真实痛点：模型能力够了，但它「不懂你团队的规矩」。本文梳理 GitHub 上正在成型的 Agent Skills 生态——从标准到方法论再到宿主，一层一层看这套新基础设施是怎么长出来的。 用 AI 写代码半年以上的人，大概都有过这种体验：模型的智商不是瓶颈，对齐才是。你说「重构这个模块」，它哗啦一下把接口签名、调用方、测试全改了；你说「先别动」，它说好的，然后顺手格式化了半个仓库。 2026 年的 GitHub 上，一批高星项目正在集体回答同一个问题：**怎么让 AI 编码代理像一个守规矩的工程师，而不是一个热心但莽撞的实习生？**答案收敛到了一个词：Skills（技能）。 一个标准的诞生：SKILL.md 故事的起点是 Anthropic 的 Agent Skills 规范（anthropics/skills，163K Star）。它的设计简单到惊人： 每个技能就是一个文件夹； 里面一个 SKILL.md，带 YAML frontmatter，必填字段只有两个：name 和 description； 代理启动时扫描技能目录，根据 description 判断当前任务该激活哪个技能。 就这么点东西，但它解决了一个关键问题：**方法论从此可以像代码一样分发。**以前「怎么做代码审查」「怎么写好需求」这些经验锁在人脑里，现在它变成了可版本化、可安装、可共享的文件。仓库里 docx/pdf/pptx/xlsx 四个文档技能是官方示范——注意它们是「源码可见」而非完全开源，且明确声明仅供演示、生产需自测，这个边界划得很诚实。 标准立住之后，生态开始分层。我把它分成三层来看： graph TD A[标准层<br/>SKILL.md 规范] --> B[方法论层<br/>superpowers / agent-skills / mattpocock] B --> C[宿主层<br/>Claude Code / opencode / deer-flow / hermes] D[配置层 cc-switch] --> C 方法论层：三种「驯服 Agent」的思路 这一层是生态里最有意思的部分。三个头部项目，代表三种完全不同的思路。 思路一：流程化——obra/superpowers（260K Star） 它的哲学是「流程化而非随意发挥」，把软件开发拆成一套自动触发的工作流技能：brainstorming（苏格拉底式追问需求）、writing-plans（拆成 2-5 分钟的小任务）、subagent-driven-development（派子代理干活 + 两阶段评审）、test-driven-development（强制红绿重构）、requesting-code-review…… ...