个人知识库

2026-07-06-ltn-claude-code-skills-5

9分钟阅读

我筛了 1400 个 Claude Code Skills，留下 5 个天天在用的

真正值得安装的 Skill 不是换壳 Prompt，而是会改变 AI 工作流程、思维模式或信息获取方式的工作流增强层。

基本信息

核心观点

  1. Skill 的价值分水岭不是“提示词写得好”，而是是否改变 AI 的工作流程：作者装过几十个 Skill 后认为，很多所谓 Skill 打开 SKILL.md 只有“你是某某专家，请按步骤做”的提示词包装；如果核心内容能用一句话直接对 AI 说清楚，就不值得安装。真正有价值的 Skill 会改变 AI 做事顺序、上下文获取方式或审美/验证规则。
  2. Superpowers 的核心不是多一个命令，而是把 AI 写代码从“立刻动手”改成“澄清—计划—验证”：文章给出 245K Star、21.7K Fork 的数据，并列举 systematic-debugging、tdd、brainstorming、code-review 等子模块；对照实验称 12 个相同复杂度任务中，使用 Superpowers 的会话 token 用量平均低 14%，原因是先问清需求减少返工。
  3. Taste Skill 把 UI 生成中的“模板味”变成可约束的设计规则：它不提供组件代码，而是在 AI 生成 UI 时注入 4/8/16/24px 间距系统、主色/辅色/中性色层级、字号层级、统一圆角和阴影等审美规则，适合落地页、官网、作品集、Demo 等第一印象场景。
  4. Graphify 把陌生代码库理解从线性读文件改成图谱导航：它通过扫描代码库生成模块依赖、核心调用链、公共工具函数引用网络，让接手老项目、重构影响评估、新人 onboarding 从“读一两周”变成“几分钟看全局结构”。文章特别强调它不只支持 Claude Code，也兼容 Codex、Cursor、Gemini CLI 等主流 AI 编程工具。
  5. Deep Research 与 find-skills 代表“任务入口型 Skill”：Deep Research 用多角度扇形搜索、多个来源交叉校验、矛盾信息投票和结构化引用报告，适合技术选型和方案评估；find-skills 则解决 1400+ Skills 大海捞针的问题，用关键词直接发现新 Skill。二者共同说明：当 Skill 生态数量爆炸，搜索、筛选和调研入口本身会变成基础能力。

实操内容保留

代码/配置

npx skills add obra/superpowers
npx skills add Leonxlnx/taste-skill
npx skills add safishamsi/graphify
/deep-research "你的问题"
/find-skills "前端 UI 设计"
/find-skills "测试 自动化"
/find-skills "性能优化"

Prompt 模板

（本文无完整 Prompt 模板；核心可复用判断句如下。）

打开它的 SKILL.md，如果核心内容你可以用一句话对 AI 说出来——那就不需要这个 Skill。

操作步骤

  1. 先不要看到“必装 Top 30”就全装；从一个能明显改变工作流的 Skill 开始试用。
  2. 如果主要痛点是 AI 写代码太急、容易跑偏，先安装 obra/superpowers 并用一周观察 AI 是否会先澄清需求、制定计划、复现问题、回归测试。
  3. 如果痛点是 AI 生成前端页面“功能对但不好看”，安装 Leonxlnx/taste-skill，把视觉规范注入页面生成过程。
  4. 如果接手陌生代码库，先用 safishamsi/graphify 生成项目知识图谱，再让 AI 基于全局结构回答问题或评估重构影响。
  5. 对需要决策的调研任务使用 /deep-research；对未知 Skill 需求使用 /find-skills 按关键词搜索，而不是手动翻 GitHub。

关键概念

  • Skill — 本文核心讨论对象；文章把“工作流型 Skill”和“换壳 Prompt”明确区分开。
  • Claude Code — Skill 生态的主要运行环境之一，本文的 5 个推荐围绕 Claude Code 使用场景展开。
  • Superpowers — 改变 AI 编程行为模式的复合工作流框架。
  • Taste Skill — 将 UI 设计审美规则注入 AI 页面生成过程的 Skill。
  • Graphify — 为陌生代码库生成知识图谱、依赖关系和调用网络的 Skill。
  • Deep Research — 调研型任务入口，本文未展开为独立实体，先按功能名标注。
  • find-skills — Skill 搜索入口，本文未展开为独立实体，先按命令名标注。

与其他素材的关联

  • 与 2026-05-11-claude-code-6-skills 的关系：高度互补。5 月素材强调“装太多会降低触发准确率”和“每天省一步手动动作”；本文把筛选标准进一步收敛为“是否改变 AI 工作流程，而不只是换壳 Prompt”，并给出 Superpowers、Taste Skill、Graphify、Deep Research、find-skills 五个更新样本。
  • 与 2026-05-27-juejin-claude-code-5-tools 的关系：延伸。此前素材把 Superpowers 放在 Claude Code 生态五类工具的“工作流”方向；本文补充了 245K Star、21.7K Fork、20+ 子模块、token 平均降低 14% 的使用论据，并把 systematic-debugging、tdd 等子模块落到日常触发场景。
  • 与 2026-06-29-bnext-anthropic-17-claude-skills 的关系：互补。官方 17 个 Skill 是基础能力矩阵，本文更像社区 Skill 生态的实战筛选清单；二者共同指向“少装、精选、按工作流价值筛选”。
  • 与 2026-06-17-ai-skill-workflow-封装 的关系：呼应。Rik 提出“Skill 是给 AI 写 SOP”，本文则用反面标准说明：如果一个 Skill 没有 SOP、规则、脚本、图谱或审美约束，只是帮你说一句提示词，它就没有必要被安装。

原文精彩摘录

这是我装了几十个之后最大的感受。很多所谓的 Skill，打开 SKILL.md 一看，核心就是一段 Prompt——“你是一个 XX 专家，请按照以下步骤……”。这种东西你直接对 AI 说一句话就能达到同样效果，根本不需要装一个 Skill。

真正好用的 Skill，改变的是 AI 的工作流程和思维模式，不只是换一段 Prompt。Superpowers 让 AI 先想再写，Taste Skill 让 AI 在生成每一个 UI 元素时都过一遍设计规则，Graphify 让 AI 先理解项目全局再回答问题——这些是“换一段 Prompt”做不到的。

有人在 GitHub Issue 里发了对照实验数据：12 个相同复杂度的任务，装了 Superpowers 的会话比没装的 Token 用量平均低 14%。原因很反直觉——因为它会先花时间问清楚需求，避免后面返工。

Skills 生态现在很像 2020 年的 VS Code 插件——数量爆炸但质量参差不齐。看到“必装 Top 30”别急着全装。先装一个 Superpowers 用一周，感受一下“AI 行为模式的变化”。如果觉得确实不一样，再按需加其他的。

相关页面

关系图谱

快速导航

反向链接