狂揽2.4万星标：一行命令，AI会自己找技能了-安智兰德资讯网

当前位置：首页 > 焦点 > 狂揽2.4万星标：一行命令，AI会自己找技能了

狂揽2.4万星标：一行命令，AI会自己找技能了

发布时间：2026-07-17 13:16:50 来源：安智兰德资讯网作者：娱乐

新智元报道

【新智元导读】过去，狂揽人类为AI赋予能力；如今，标行AI开始自主寻找技能。命令

在开发者社群中，己找技交流的狂揽风向标正在发生微妙而深刻的转变：从前，大家交换的标行是提示词（Prompt）模板；现在，大家讨论的命令是如何安装特定的技能（Skill）。

这一现象背后，己找技标志着AI编程工具正在经历一场基础设施级的狂揽变革——「包管理化」。

今年1月17日，标行Vercel创始人兼CEO Guillermo Rauch在X平台宣布推出「Skills」概念，命令将其定义为AI技能的己找技「npm」。

所谓「npm」，狂揽是标行前端开发者熟悉的包管理工具，通过一行命令即可集成第三方代码库。命令Rauch意在表明：这种「一键集成他人成果」的高效体验，正被移植到AI智能体领域。

「龙虾之父」Peter Steinberger迅速回应：「酷！需要与ClawHub同步标准。」

尽管ClawHub是另一独立的智能体技能市场，与Vercel无直接关联，但Peter的第一反应却是「标准对齐」。

三天后，Vercel在更新日志中正式官宣该项目：一个专为智能体安装和管理能力包的命令行工具。

官方仓库 vercel-labs/skills发布仅五个月，GitHub星标数便突破2.4万。

为何如此火爆？核心在于极简的操作逻辑：

npx skills add

这本质上是一个AI智能体（Agent）的包管理器。

如同前端工程师使用npm一样，开发者只需一行命令，即可将他人封装好的「能力模块」集成到项目中。区别在于，这里安装的不再是代码库，而是经过封装的「技能」。

更具颠覆性的是其跨平台兼容性。它不局限于单一工具，官方已支持Claude Code、Cursor、Codex、Gemini CLI等超过68种智能体。一份技能包，可在不同工具间无缝运行。

与此同时，Vercel上线了 skills.sh，一个集技能目录与安装量排行榜于一体的平台。开发者可直观查看哪些技能最受欢迎、被安装次数最多。

目前榜首为 find-skills包，安装量已达230万次。

skills.sh技能目录安装量排行榜：find-skills以230万次（2.3M）安装量居首，frontend-design、vercel-react-best-practices等紧随其后。（图源：skills.sh）

这标志着AI编程能力首次拥有了可视化的「热门下载」榜单。

一行命令，AI习得新技艺

让我们深入解析其工作原理。

执行命令：

npx skills add vercel-labs/agent-skills

回车后，几秒钟内，你的Claude Code便集成了一套针对React和Next.js的工程规范及设计准则。后续代码生成将自动遵循这些规则。

这套机制的核心是「技能包（Skill）」。

从结构上看，它是一个文件夹，核心文件为带有YAML头部信息的 SKILL.md。该文件明确定义了两个关键要素：
1. 技能定义：该技能的功能描述。
2. 触发条件：在何种场景下调用该技能。

文件夹内还可包含参考文档、模板文件，以及一个 scripts/目录，存放可直接执行的自动化脚本。

它解决了什么痛点？

大模型虽精通通用编程语言，但往往缺乏对特定项目「隐性知识」的理解，如代码风格、命名规范、历史踩坑记录等。

过去，这些上下文需通过每次对话反复输入；现在，通过打包为Skill，实现「一次安装，长期生效」。

安装后，管理方式与npm包一致：
* list：查看已安装技能。
* update：一键更新版本。
* remove：卸载技能。

底层基于共享规范，确保在Claude Code中开发的技能，在Cursor中同样可用。

若嫌安装繁琐，还有轻量级用法：不安装，直接调用。

npx skills use

通过管道将技能临时传递给Claude执行，用完即走，不污染本地环境。

AI的能力边界，已从「依赖人工描述」转变为「货架式即时取用」。

AI工具层的「npm化」趋势

许多人误以为这是Claude的原生功能，实则不然。Skills由Vercel开发，旨在统一接入Claude Code、Cursor、Codex、GitHub Copilot、Windsurf等主流AI工具。

通过CLI工具，Vercel为分散的AI能力提供了一个统一入口。

这标志着AI工具层正在经历「npm化」进程：

Vercel将零散的开发经验封装为可复用、可分发、可版本管理的模块。AI开发范式正从「提示词工程（Prompt Engineering）」向「能力工程（Capability Engineering）」演进。

提示词工程：解决「这一次如何表达」。
能力工程：解决「这件事以后如何标准化执行」。

这一战略路径与Vercel早期的成功如出一辙：通过Next.js卡位前端部署入口，构建生态壁垒。如今，Vercel试图在AI智能体层面复制这一成功。

Find Skills：AI的「能力搜索引擎」

最具前瞻性的功能之一是 Find Skills，即「发现技能的技能」。

find-skills的官方定义：当用户询问「如何做X」、「是否有相关技能」或希望扩展能力时，该技能负责自动发现并安装匹配的智能体技能。

用户只需输入需求，系统自动完成搜索、筛选、安装全流程。

内置安全质检机制：
* 优先级：优先推荐高安装量、官方出品（如Vercel、Anthropic、微软）的技能。
* 警示：对来源不明、低星标的技能发出警告。

find-skills的SKILL.md源码明确列出了推荐前的三道验质规则：
1. 安装量优先：推荐1000+，警惕100以下。
2. 来源优先：Vercel、Anthropic、微软等官方源。
3. 星标警示：仓库星标低于100需存疑。

这意味着，AI首次拥有了自己的「能力搜索引擎」。用户无需记忆技能名称，只需表达意图，AI即可自主寻源。

更广泛的用户群体：

Find Skills不仅服务于程序员，更惠及设计师、产品经理、内容创作者等非技术角色。

这些群体往往缺乏工程化习惯，依赖AI处理代码提交与文档规范，因此对现成的「能力包」需求迫切。Find Skills为他们提供了低门槛的「调兵遣将」入口。

繁荣背后的隐忧：无人兜底的安全账

尽管前景广阔，但安全隐患不容忽视。

技能包中的 scripts/目录包含可执行逻辑，而非单纯的说明文本，它们将在用户本地环境中真实运行。然而，多数用户并未仔细审查第三方包的行为。

安全审计揭示严峻现实：

安全公司Snyk的 ToxicSkills研究对ClawHub与skills.sh上的3984个技能进行了首次系统审计：
* 36.82%（1467个）存在安全缺陷。
* 13.4%（534个）属于严重级缺陷，涵盖恶意软件分发、提示词注入（Prompt Injection）、密钥泄露等。

Snyk「ToxicSkills」研究数据：
* 总计审计3984个技能。
* 1467个（36.82%）含任一安全缺陷。
* 534个（13.4%）为严重级。
* 已确认76个恶意载荷，其中8个仍存在于ClawHub上。（图源：Snyk）

另一家机构Koi Security审计2857个技能，发现341个恶意样本。

主要攻击手法：
1. 脚本执行：诱导AI连接陌生IP下载并执行恶意代码，或窃取SSH、AWS配置等敏感信息。
2. 提示词注入：在 SKILL.md中隐藏恶意指令，诱导AI将其误认为正常工作说明执行。
3. 数据窃取：专门针对智能体存储的隐私对话记忆文件进行窃取。

与npm风险的本质区别：

npm中毒主要影响构建产物，数据与指令分离；而Skill将提示词、代码、系统权限三者融合。一个 SKILL.md即可改写智能体行为，并直接访问文件系统、网络及Shell。

npm的风险限于构建环境，而Skill的风险直通本地凭证与整个代码库。

Vercel建议：
将技能视为代码，安装前务必阅读源码，特别警惕 scripts/目录。

判断原则：
下载量不等于安全性。应重点关注来源与权限。例如，一个查询天气的技能若要求读取SSH密钥，显然存在异常。