AI 写代码很快，但「写对」很难

2025 年是 AI 编程助手爆发的一年。Claude Code、Cursor、GitHub Copilot、Gemini CLI——几乎每个开发者都在用某种 AI 工具写代码。效率确实提高了，但问题也随之而来。

AI Agent 默认走最短路径。它不会主动写 spec、不会先做 plan、不会主动写测试、不会考虑安全性。它只想尽快把代码交给你。

Addy Osmani 在他的博客里说过一句话："AI coding assistants are incredible force multipliers, but the human engineer remains the director of the show." AI 编程助手是强大的力量倍增器，但人类工程师必须始终掌控方向。

问题是，怎么掌控？

2026 年 2 月 15 日，Osmani 开源了 agent-skills——一个把 Google 工程文化中的最佳实践编码为 AI Agent 工作流的项目。3 个月内拿到了 39K+ Star。

一个 Agent 就是一个目录

agent-skills 的核心理念很简单：把资深工程师的工作流、质量门禁和最佳实践，编码成 AI Agent 可以遵循的结构化技能。

  DEFINE          PLAN           BUILD          VERIFY         REVIEW          SHIP
 ┌──────┐      ┌──────┐      ┌──────┐      ┌──────┐      ┌──────┐      ┌──────┐
 │ Idea │ ───▶ │ Spec │ ───▶ │ Code │ ───▶ │ Test │ ───▶ │  QA  │ ───▶ │  Go  │
 │Refine│      │  PRD │      │ Impl │      │Debug │      │ Gate │      │ Live │
 └──────┘      └──────┘      └──────┘      └──────┘      └──────┘      └──────┘
  /spec          /plan          /build        /test         /review       /ship

整个开发生命周期被分成 6 个阶段，每个阶段对应一个 slash command。你在开发过程中输入 /spec，Agent 就知道该怎么帮你做需求定义；输入 /ship，Agent 就知道该怎么帮你做发布检查。

7 个 Slash Command，覆盖完整开发生命周期

如果你不想逐步手动操作，还有一个 /build auto 模式——你审批一次计划，然后它自动实现每个任务，但每个任务仍然是测试驱动、单独提交的，遇到失败或风险步骤会暂停。

24 个技能，不只是 7 个命令

Slash command 是入口，真正的内容是 24 个结构化技能。每个技能都遵循一致的格式：

┌─────────────────────────────────────────────────┐
│  SKILL.md                                       │
│                                                 │
│  Frontmatter       → 名称、描述、触发条件        │
│  Overview          → 这个技能做什么              │
│  When to Use       → 触发条件                    │
│  Process           → 逐步工作流                  │
│  Rationalizations  → 常见借口 + 反驳             │
│  Red Flags         → 出问题的信号                │
│  Verification      → 证据要求                    │
└─────────────────────────────────────────────────┘

注意 Rationalizations（合理化借口）这一项。每个技能都内置了一张「Agent 可能用来跳过步骤的借口」表，附带反驳。比如：

• "测试后面再加" → 没有测试的代码不算完成
• "这个改动太小不需要 review" → 小改动同样可能导致 bug
• "直接写代码更快" → 没有 spec 的代码更容易返工

Verification（验证） 是不可协商的。每个技能都以证据要求结束——测试通过、构建输出、运行时数据。"看起来对了"永远不够。

按阶段划分的 24 个技能

Define（定义）— 3 个

Plan（规划）— 1 个

Build（构建）— 7 个

Verify（验证）— 2 个

Review（审查）— 4 个

Ship（发布）— 6 个

Meta 技能 — 1 个

using-agent-skills 是元技能，负责把传入的工作映射到正确的技能工作流。

4 个专家角色

除了技能，还有 4 个预配置的专家角色（Agent Persona）：

设计哲学：过程，不是文字

agent-skills 的几个关键设计选择：

1. Process, not prose（过程，不是文字）

技能不是 Agent 阅读的参考文档，而是 Agent 遵循的工作流。每个都有步骤、检查点和退出标准。

2. Anti-rationalization（反合理化）

每个技能都包含 Agent 跳过步骤的常见借口和反驳。AI 非常擅长说服自己跳过"不重要"的步骤——这张表就是防线。

3. Verification is non-negotiable（验证不可协商）

每个技能都以证据要求结束。不是"看起来对了"，而是"测试通过、构建成功、运行时数据正确"。

4. Progressive disclosure（渐进式披露）

SKILL.md 是入口。支持的参考文档只在需要时加载，最小化 token 消耗。

Google 工程文化的开源化

agent-skills 不是拍脑袋写的。它内置了 Google 工程文化的核心概念：

• Hyrum's Law（API 设计中）：一旦有人依赖了你的 API 的某个行为，这个行为就永远不能改
• Beyonce Rule（测试中）：If I liked it then I should have put a test on it
• 测试金字塔 80/15/5：80% 单元测试、15% 集成测试、5% 端到端测试
• Chesterton's Fence（代码简化中）：不理解为什么这样写之前，不要改它
• Trunk-based development（Git 工作流中）：主干开发，短生命周期分支
• Shift Left + Feature Flags（CI/CD 中）：尽早测试、渐进式发布
• Code as liability（弃用中）：代码是负债，不是资产

这些不是抽象的原则——它们直接嵌入在 Agent 逐步执行的工作流中。

多平台支持

agent-skills 支持几乎所有主流 AI 编码工具：

Claude Code（推荐）

/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

Gemini CLI

gemini skills install https://github.com/addyosmani/agent-skills.git --path skills

Cursor：把 SKILL.md 复制到 .cursor/rules/

Antigravity CLI

agy plugin install https://github.com/addyosmani/agent-skills.git

还支持 Windsurf、OpenCode、GitHub Copilot、Kiro IDE、Codex 等。所有技能都是纯 Markdown，任何接受 system prompt 的 Agent 都能使用。

Addy Osmani 的 AI 编程工作流

agent-skills 的背后是 Osmani 多年积累的 AI 编程方法论。他在博客中总结了自己的核心原则：

1. Spec before code：不要直接让 AI 写代码。先描述问题，和 AI 一起迭代出 spec.md，包含需求、架构、数据模型和测试策略
2. Small chunks：把项目分解成迭代步骤，一次一个任务。"如果一次给 AI 太多，它会产出一个混乱的东西"
3. Context packing：给 AI 所有必要的上下文——代码、文档、约束、已知陷阱
4. Choose the right model：不同任务用不同模型，必要时切换
5. Human in the loop：AI 生成的代码要像初级开发者的代码一样审查——读一遍、跑一遍、测一遍
6. Commit often：频繁提交就是存档点，可以随时回退 AI 的错误
7. Customize with rules：用 CLAUDE.md、GEMINI.md 等规则文件定制 AI 的行为风格

agent-skills 本质上就是把这些原则从人类的脑子里搬到了 Agent 的执行环境里。

一个真实的使用场景

假设你要给一个 Next.js 项目添加一个新的支付模块：

> /spec
Agent 执行 spec-driven-development 技能：
- 采访你了解需求
- 生成包含目标、架构、API 设计、测试策略的 PRD

> /plan
Agent 执行 planning-and-task-breakdown 技能：
- 把 spec 分解成 12 个小任务
- 每个任务有验收标准和依赖关系

> /build
Agent 执行 incremental-implementation 技能：
- 一次实现一个切片
- 每个切片：写测试 → 实现 → 验证 → 提交
- 触发 test-driven-development 和 api-and-interface-design

> /test
Agent 执行 browser-testing-with-devtools 技能：
- Chrome DevTools 检查运行时行为
- 验证所有测试通过

> /review
Agent 执行 code-review-and-quality 技能：
- 五轴审查
- 检查变更大小（建议拆分为 ~100 行的小 PR）

> /ship
Agent 执行 shipping-and-launch 技能：
- 预发布检查清单
- Feature flag 配置
- 监控设置
- 分阶段发布计划

整个过程，Agent 不是在"帮你写代码"，而是在"按照高级工程师的标准帮你完成一个完整的功能交付"。

为什么 39K Star？

agent-skills 之所以火爆，不是因为它教 AI 写代码，而是因为它解决了一个真正的痛点：AI 写代码很快，但不按规矩来。

它会跳过测试、省略文档、忽略安全、写出 2000 行的函数、使用不安全的默认值。这些在原型阶段可以接受，在生产环境就是定时炸弹。

agent-skills 做的事情是：把「资深工程师的工程纪律」变成 AI 可以执行的指令。 不是 prompt engineering，而是 workflow engineering。

Osmani 在博客里说得好："The best results come when you apply classic software engineering discipline to your AI collaborations. It turns out all our hard-earned practices — design before coding, write tests, use version control, maintain standards — not only still apply, but are even more important when an AI is writing half your code."

快速上手

# Claude Code（推荐）
/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

# 或本地开发
git clone https://github.com/addyosmani/agent-skills.git
claude --plugin-dir /path/to/agent-skills

安装后，在任何项目中输入 /spec 开始工作。

作者: itech001
来源: 公众号：AI人工智能时代
网站: https://www.theaiera.cn/
每日分享最前沿的AI新闻资讯和技术研究。

本文首发于 AI人工智能时代，转载请注明出处。

参考来源：
- addyosmani/agent-skills | GitHub
- My LLM coding workflow going into 2026 | Addy Osmani
- How AI Agents Follow Senior-Engineer Production Workflows | Alpha Signal