anthropics/skills（约 17.3 万星）是 Anthropic 官方的 Agent Skills 仓库,也是 agentskills.io 规范的参考实现。它包含 100 多个采用 SKILL.md 格式的技能,是技能应如何组织与分发的典范。作为出自 Claude、Claude Code 以及 agentskills.io 规范背后公司之手的仓库,它在定义该格式方面具有举足轻重的影响力。
google/skills（约 1.9 万星）提供了 174 个以上专注于 Google Cloud、AI 和 ML 产品的技能。相比 Anthropic 的通用型方法,它是一个更为聚焦、面向特定产品的合集,但也表明主要云服务商正在投入技能分发这一模式。
microsoft/skills（约 3,000 星）包含 174 个面向 Azure SDK 的技能。值得注意的是,微软在此同时也在整合自身的智能体基础设施——Semantic Kernel 自 2026 年 4 月起进入维护模式,所有新项目均转向 Microsoft Agent Framework。
agentskills/agentskills（约 2.4 万星）是 Agent Skills 标准（agentskills.io）的规范仓库。它定义了格式、元数据模式以及支撑整个生态的渐进式披露（progressive disclosure）模型。以 2.57 万星和 1,900 次 fork,它构成了该标准的治理层。
面向工程实践的技能框架
mattpocock/skills（约 24.5 万星,快速上升）是面向真正工程师的工程技能合集,提供 TDD、代码评审和架构方面的技能。它支持双重安装路径,并经历了快速的星标增长,是最受欢迎的技能仓库之一。
addyosmani/agent-skills（约 4.9 万星）提供 23 个生产级工程技能,支持自动激活,并兼容 70 多种智能体。其对生产可用性和广泛智能体兼容性的关注,使其与更专业化的合集区分开来。
alexander-kastil/skills-collection（约 4.9 万星）提供跨 8 个平台的 860 多个通用智能体技能,是目前最广泛的跨平台技能合集之一。
alirezarezvani/claude-skills（约 2.5 万星）包含跨多个领域的 380 个 Claude Code 技能。它是一个聚焦于 Claude、文档详尽的专属合集。
带有技能系统的多智能体编排平台
crewAIInc/crewAI（约 5.8 万星,8,600 次 fork）提供多智能体编排能力,内置基于 SKILL.md 包和渐进式披露的技能系统。其技能系统与更广泛的 crew 架构紧密集成,是构建多智能体工作流团队的天然之选。
Significant-Gravitas/AutoGPT（约 18.7 万星）是开创性的自主智能体项目,推广了将任务拆解为子任务并自主执行的理念。它包含可视化构建器和插件生态。然而,原始的 AutoGPT 仓库现已返回 404（已弃用），项目的活跃开发已转移至别处。
langchain-ai/langchain（约 14.6 万星,2.46 万次 fork）是占主导地位的智能体工程平台。技能通过 LangSmith 分发,该框架于 2026 年 9 月发布 1.0 版本,标志着其已越过实验阶段趋于成熟。
Significant-Gravitas/AutoGPT（约 18.7 万星）被列为关键仓库,但需要指出的是它已实质上被弃用——原始仓库返回 404。其在自主智能体理念上的历史重要性依然显著。
值得关注的专项项目
affaan-m/ECC（约 24.2 万星）被描述为一个"智能体运行时操作系统"（Agent Harness Operating System）,拥有 261 个技能、64 个智能体和 84 个命令。它作为跨运行时的 OS 运行,内置安全扫描,定位更偏向基础设施而非单纯的技能合集。
JuliusBrussee/caveman（约 10.8 万星）凭借一个"技能+代理"组合走红,面向编码智能体,通过其"原始人speak"（caveman speak）技能实现了 65% 的 token 削减。它代表了推动生态增长的那种爆款、单一用途的技能创新。
vercel/eve（约 5,000 星）是一个以文件系统为先的智能体框架,从 agent/skills/ 目录加载技能。其方式极简且对开发者友好,与 Vercel 一贯追求简单、易部署工具的理念一致。
millionco/react-doctor（约 1.5 万星）能够从代码库审计中生成可安装的技能,弥合了静态分析与智能体技能创建之间的鸿沟。
2.2 智能体技能格式
Agent Skills 格式已成为智能体能力的通用打包约定。一个技能是一个包含以下内容的文件夹:
- SKILL.md — 核心文件,包含 YAML 前置元数据（frontmatter）,后接 Markdown 说明
- scripts/ — 智能体可按需运行的可执行脚本
- references/ — 参考材料与文档
- assets/ — 静态资源,如图片、模板或配置文件
渐进式披露模型（progressive disclosure model） 是技能运作方式的核心:智能体在启动时加载技能的名称与描述,仅在激活时获取完整说明,并仅在需要时加载资源和脚本。这样可以在保持能力随需可用的同时,最大限度降低 token 用量和启动开销。
由 agentskills/agentskills 规范仓库维护的 agentskills.io 开放标准,正在成为通用格式。Anthropic 的规范是事实标准,已被 Claude、Claude Code、Cursor、Windsurf 和 Kiro 采用。据 addyosmani/agent-skills 显示,SKILL.md 格式（YAML 前置元数据 + Markdown 说明）目前已被 70 多种智能体支持。
Agent Plugins 1.0.0 标准（2026 年 8 月 6 日）旨在进一步规范技能分发方式,但目前采用尚处早期阶段,跨平台的兼容性也无法得到保证。
2.3 技能框架与工具
Microsoft Agent Framework（1.38 万星,2,400 次 fork）提供了完善的技能架构,支持基于文件、内联及基于类的技能类型,并集成 MCP。它是 Semantic Kernel（自 2026 年 4 月起进入维护模式）与 AutoGen 的官方继任者。该框架支持 YAML 声明式工作流定义、检查点（checkpointing）,以及通过 RequestPort 实现的人机协同（HITL）。
crewAIInc/skills（42 星）是 crewAI 编排框架的官方配套技能仓库。规模虽小,但体现了编排与技能打包之间的紧密集成。
skills.rest（75.4 万以上精选技能）是已知规模最大的技能市场。它作为一个精选目录,供开发者跨平台发现和采用技能。
skills.sh 是专门用于分发技能的 Claude Code 插件市场。它规模较小（约 2,000 个技能）,但专注于 Claude 生态,因而具有明确的定位。
MCP（Model Context Protocol,模型上下文协议） 正在成为智能体与技能间通信的标准互操作层。MCP Registry（MCP 注册中心）列出了约 25,125 个活跃服务器,是工具集成类技能的支柱。然而安全隐患十分显著:23% 的条目缺少源代码仓库,约 5 万份清单文件中有 543 份违反了模式（schema）校验。
IETF ZTDS（零信任数据清洗,Zero-Trust Data Sanitization） 正在成为处理 PII/PHI（个人身份信息/健康信息）的标准技能类别。安全类技能是一个快速增长的类别,crewAI 和 LangChain 仓库上已出现与 ZTDS 相关的 PR。
2.4 市场与注册中心
技能市场生态呈碎片化但增长迅速。下表汇总了主要的市场平台:
| 市场 | 大致规模 | 备注 |
|---|---|---|
| Skills Directory | 63.5 万以上技能 | 已知规模最大的合集;覆盖面广 |
| ClaudeSkills.com | 19.1 万以上技能 | 专注于 Claude 兼容技能 |
| LobeHub | 16.9 万以上技能 | 多平台技能市场 |
| AgentArea | 13.8 万以上技能 | 社区驱动的技能交流平台 |
| SkillsMP | 300 万以上技能 | 按原始数量计规模最大;可能包含大量重复/测试条目 |
| skillmarketplace.ai | 40 万以上技能 | 商业化市场 |
| Agensi | 200 以上技能 | 精选、质量较高的合集 |
| Skills.sh | 约 2,000 技能 | 规模较小、定位明确的市场 |
| Claude Skills Hub | 4.2 万以上技能 | 面向 Claude 专属技能的集散地 |
| Agent Skill Exchange | 2,500 以上技能 | 以交流为导向,有社区评审机制 |
市场规模的巨大差异——从 200 到超过 300 万——反映出各平台在审核标准、去重机制,以及是否将测试或草稿条目计入统计上的不同做法。SkillsMP 的 300 万这一数字属于异常值,很可能包含大量低质量或重复条目。更成熟的市场（如 ClaudeSkills.com 的 19.1 万、LobeHub 的 16.9 万）往往具备更好的质量把控。
2.5 社区与生态趋势
生态正在从单体框架向模块化技能系统转变。这是最重要的结构性趋势:开发者越来越倾向于组合离散、可复用的技能,而不是构建单体化的智能体应用。
Fork 数量 揭示了社区的参与模式:
langchain-ai/langchain：2.46 万次 forkanthropics/skills：2.1 万次 forkcrewAIInc/crewAI：8,600 次 fork
这些高 fork 数表明存在大量为定制化和集成而进行的活跃 fork 行为,是一个健康、由开发者驱动的生态的标志。
AI 生成的贡献 在主要仓库中十分常见,反映出使用 AI 编码智能体为 AI 基础设施项目做贡献的做法日益普遍。这形成了一个反馈循环:AI 智能体在帮助构建 AI 智能体所使用的工具。
微软的整合 是一项值得关注的战略举措:Semantic Kernel 已进入维护模式,AutoGen 已基本被弃用,所有新项目均流向 Microsoft Agent Framework。这与更广泛的行业趋势相呼应,即向更少、更强大的平台方向整合。
AutoGPT 已基本被弃用——原始仓库返回 404 错误。尽管它开创了自主智能体的理念,但并未维持其开发势头。
社区驱动的合集 发挥着重要的策展作用。其中最突出的包括:
VoltAgent/awesome-agent-skills（3.5 万星,1,497 个以上技能）skills-library/agentic-skills（4.13 万星,1,600 个以上技能）multica-ai/andrej-karpathy-skills（15.6 万星)alirezarezvani/claude-skills（1.87 万星,337 个技能)ComposioHQ/awesome-claude-skills（约 1.6 万星,1,000 个以上技能)
这种"awesome"模式——借鉴了在开源世界中广受欢迎的 awesome-* 列表——为身处仓库数量庞大、发现困难的生态中的开发者,提供了一种熟悉的导航模型。
2.6 安全与新兴标准
安全是智能体技能生态中的首要关切。关键问题包括:
- MCP Registry 供应链风险：23% 的条目缺少源代码仓库,约 5 万份清单文件中有 543 份违反模式校验。若智能体动态地从注册中心加载 MCP 服务器,可能执行未经验证的代码,造成类似 npm 和 PyPI 生态中所见的供应链漏洞。
- IETF ZTDS（零信任数据清洗）：正在成为处理 PII/PHI 的标准技能类别。crewAI 和 LangChain 上已出现与 ZTDS 相关的 PR,表明安全正在成为技能开发中的一等关切。
- AI 生成的贡献：在主要仓库中很常见,这引发了对非人工撰写贡献的可靠性和安全审查的疑问。
Agent Plugins 1.0.0 标准（2026 年 8 月 6 日）是首次尝试从安全与兼容性角度对技能分发进行规范化,但目前采用仍处于早期阶段。
对比表
下表对比了排名前 15 的仓库在关键维度上的表现:
| 仓库 | Star 数 | Fork 数 | 主要角色 | 技能数量 | 格式 | 状态 |
|---|---|---|---|---|---|---|
| anthropics/skills | 约 17.3 万 | 2.1 万 | 官方参考实现 | 100+ | SKILL.md | 活跃 |
| mattpocock/skills | 约 24.5 万 | — | 工程技能 | — | SKILL.md | 活跃,快速上升 |
| affaan-m/ECC | 约 24.2 万 | — | 智能体运行时 OS | 261 | 自定义 | 活跃 |
| Significant-Gravitas/AutoGPT | 约 18.7 万 | — | 自主智能体 | — | 自定义 | 已弃用（404） |
| langchain-ai/langchain | 约 14.6 万 | 2.46 万 | 智能体平台 | 通过 LangSmith | 自定义 | 活跃,1.0 版 |
| JuliusBrussee/caveman | 约 10.8 万 | — | 编码智能体技能+代理 | 1（爆款） | 自定义 | 活跃 |
| addyosmani/agent-skills | 约 4.9 万 | — | 生产级工程技能 | 23 | SKILL.md | 活跃 |
| alexander-kastil/skills-collection | 约 4.9 万 | — | 通用技能 | 860+ | 多平台 | 活跃 |
| crewAIInc/crewAI | 约 5.8 万 | 8,600 | 多智能体编排 | 内置 | SKILL.md | 活跃 |
| alirezarezvani/claude-skills | 约 2.5 万 | — | Claude 专属技能 | 380 | 自定义 | 活跃 |
| agentskills/agentskills | 约 2.4 万 | 1,900 | 规范仓库 | — | 规范 | 活跃 |
| microsoft/semantic-kernel | 约 2.9 万 | — | 企业级 SDK | — | 自定义 | 维护模式（自2026年4月起） |
| google/skills | 约 1.9 万 | — | Google Cloud/AI 技能 | 174+ | SKILL.md | 活跃 |
| vercel/eve | 约 5,000 | — | 以文件系统为先的智能体框架 | 来自 agent/skills/ | 自定义 | 活跃 |
| millionco/react-doctor | 约 1.5 万 | — | 代码库审计 → 技能 | 生成式 | SKILL.md | 活跃 |
趋势分析
从单体框架到模块化技能系统
最重要的结构性趋势,是从单体智能体框架向模块化、可组合的技能系统转变。五年前,主导模式是单一框架（如 LangChain、AutoGPT）提供智能体所需的一切。如今,趋势转向可在不同智能体运行时之间混合搭配的小型专用技能包。这与更广泛的软件行业从单体应用向微服务和包生态转变的趋势相呼应。
支持这一趋势的证据十分有力:"awesome"合集的大量涌现、专属技能市场的增长,以及 agentskills.io 标准的兴起,都指向一个模块化的未来。即便是 LangChain 和 crewAI 这样的大型框架,也是在其现有架构之上叠加技能打包能力,而非取而代之。
Anthropic 规范作为事实标准
Anthropic 的 agentskills.io 规范已成为智能体技能的事实标准,被 Claude、Claude Code、Cursor、Windsurf 和 Kiro 采用。这一点意义重大,因为它意味着单一公司的规范正在塑造整个生态打包和分发智能体能力的方式。该规范的渐进式披露模型（启动时加载名称/描述、激活时加载完整说明、按需加载资源/脚本）已被证明是一种能够兼顾可发现性与效率的有效模式。
市场平台的崛起
技能市场正在成为生态中一个独立的层级,与规范/标准层及框架层均不相同。MCP Registry（约 25,125 个活跃服务器）以及 Skills Directory（63.5 万以上技能）、ClaudeSkills.com（19.1 万以上技能)等专属市场,正逐渐成为开发者发现和采用技能的场所。然而质量把控仍是一个隐忧——市场规模的巨大差异以及缺乏统一的质量指标,意味着开发者必须逐一甄别技能。
安全成为首要关切
安全在智能体技能生态中不再是事后考虑。MCP Registry 的供应链漏洞（23% 的条目缺少源仓库,543 处模式违规)、IETF ZTDS 作为标准技能类别的兴起,以及对 AI 生成贡献作为安全隐患的日益认识,均表明该生态正在应对其信任模型问题。Agent Plugins 1.0.0 标准（2026 年 8 月)是通过规范化分发来应对这些顾虑的早期尝试。
微软的整合
微软对其智能体基础设施的整合——将 Semantic Kernel 和 AutoGen 逐步淘汰,转向 Microsoft Agent Framework——是一项与更广泛行业整合趋势相呼应的战略举措。该 Agent Framework（1.38 万星,2,400 次 fork）被定位为企业级智能体开发的统一平台,并从底层构建了技能架构。这种整合可能减少微软生态内的碎片化,但也增加了供应商锁定的风险。
建议
面向构建智能体技能的开发者
采用 SKILL.md 格式并配合 agentskills.io 元数据。 渐进式披露模型已在 70 多种智能体上得到良好支持,是目前可移植性最强的格式。除非有明确理由要锁定单一运行时,否则应避免使用专有格式。
利用社区合集进行发现。 "awesome"合集（VoltAgent/awesome-agent-skills、skills-library/agentic-skills)提供了精选的生态入口。应优先从这些渠道入手,而非直接浏览各类市场。
对照规范验证技能。
agentskills/agentskills规范仓库提供了权威的模式定义。在发布前应对照其验证你的 SKILL.md 文件,以确保兼容性。
面向评估框架的团队
优先选用原生支持技能的框架。 CrewAI、LangChain 以及 Microsoft Agent Framework 均内置了技能打包能力。选择原生支持 SKILL.md 格式的框架,可减少集成摩擦。
持续监控 MCP Registry 的安全态势。 在从注册中心动态加载 MCP 服务器之前,应核实该条目是否具备源代码仓库及有效清单。目前 23% 的缺失源仓库比率,对生产环境部署而言是实质性风险。
面向投资智能体基础设施的组织
为格式碎片化做好规划。 尽管 SKILL.md 是主流格式,但该生态尚未完全标准化。Agent Plugins 1.0.0 标准（2026 年 8 月)或许能够解决这一问题,但目前采用尚早。应构建能够适应格式变化的抽象层。
投资于技能的安全工具建设。 MCP Registry 中的供应链风险,以及 AI 生成贡献的普遍存在,意味着对技能的安全审查应成为一等流程,而非事后补救。可考虑为处理 PII 或 PHI 的技能实施符合 IETF ZTDS 标准的数据清洗机制。
关注 Microsoft Agent Framework 的整合进展。 如果你身处微软生态,应规划从 Semantic Kernel 和 AutoGen 向 Microsoft Agent Framework 的迁移路径。旧工具的维护模式状态意味着它们将不再获得新特性或安全补丁。