开源分享:AI Agent Skills 资源合集,一键安装 Cursor/Claude Code/Copilot 技能包

前言

最近在使用 Cursor 和 Claude Code 进行开发,发现 Agent Skills 这个功能非常强大——它可以让 AI 更专业地完成特定任务,比如代码审查、生成 Git Commit、自动生成测试用例等。

但网上的资源比较零散,于是我整理了一个开源合集分享给大家。

项目地址

GitHub:https://github.com/JackyST0/awesome-agent-skills

什么是 Agent Skills?

Agent Skills 是 AI Agent 可以发现和使用的指令、脚本和资源包。

简单来说,就是给 AI 一套「技能说明书」,让它知道如何更专业地帮你完成工作。

比如:

  • 代码审查 Skill:AI 按照最佳实践审查代码,给出改进建议
  • Git Commit Skill:自动生成规范的提交信息
  • 单元测试 Skill:根据代码自动生成测试用例

支持哪些平台?

平台全局目录项目目录
Cursor~/.cursor/skills/.cursor/skills/
Claude Code~/.claude/skills/.claude/skills/
GitHub Copilot~/.copilot/skills/.github/skills/
Windsurf~/.windsurf/skills/.windsurf/skills/
Codex~/.codex/skills/.codex/skills/

一键安装

macOS / Linux

# 交互式模式curl -sL https://raw.githubusercontent.com/JackyST0/awesome-agent-skills/main/install.sh |bash# 直接安装所有 Skills 到 Cursorcurl -sL https://raw.githubusercontent.com/JackyST0/awesome-agent-skills/main/install.sh |bash -s -- -p cursor -a 

Windows (PowerShell)

# 下载并运行irm https://raw.githubusercontent.com/JackyST0/awesome-agent-skills/main/install.ps1 |iex# 或者先下载再运行Invoke-WebRequest-Uri "https://raw.githubusercontent.com/JackyST0/awesome-agent-skills/main/install.ps1"-OutFile "install.ps1".\install.ps1 

项目收录内容

官方资源

  • Anthropic 官方 Skills 仓库(56k+ Stars)
  • Agent Skills 官方规范文档

社区精选

  • awesome-cursorrules(37k+ Stars)
  • everything-claude-code(32k+ Stars)
  • awesome-claude-skills(27k+ Stars)

示例 Skills

项目提供 5 个可直接使用的示例:

  1. code-review - 代码审查
  2. git-commit - Git 提交信息生成
  3. unit-test-generator - 单元测试生成
  4. api-doc-generator - API 文档生成
  5. debug-helper - 调试助手

使用效果

安装 code-review Skill 后,让 AI 审查代码:

输入:帮我审查这段代码:def add(a,b): return a+b 输出: ## 代码审查报告 ### 发现的问题 - [ ] 参数之间缺少空格 - [ ] 运算符周围缺少空格 - [ ] 缺少类型提示 - [ ] 缺少文档字符串 ### 改进后的代码 def add(a: float, b: float) -> float: """计算两个数的和。""" return a + b ### 评分 - 代码质量:6/10 - 可读性:7/10 - 可维护性:5/10 

总结

项目还在持续完善中,欢迎 Star 支持!

如果你有好用的 Skills,也欢迎提交 PR。

Read more

无监督学习在医疗AI领域的前沿:多模态整合、疾病亚型发现与异常检测

无监督学习在医疗AI领域的前沿:多模态整合、疾病亚型发现与异常检测

引言 人工智能技术在医疗领域的应用正经历着从辅助决策向深度赋能的转变。无监督学习作为人工智能的核心范式之一,因其无需大量标注数据、能够自动发现数据内在规律的特性,在医疗AI领域展现出独特优势。尤其在2025年,无监督学习技术在医疗AI应用中呈现出多模态整合、疾病亚型发现、异常检测等多方面的显著突破,为精准医疗提供了新的技术路径。 多模态与跨模态学习 TANGLE框架:基因表达与病理切片的多模态自监督学习 哈佛大学的研究团队开发的TANGLE框架代表了多模态无监督学习在医疗领域的重大突破。该框架通过结合基因表达数据与病理切片图像,实现了多模态自监督学习,为计算病理学带来了革命性变化。 TANGLE框架的核心创新在于利用转录组学数据指导全切片图像的嵌入表示,通过跨模态对比学习机制,使不同模态的数据在特征空间中实现有效对齐。这种多模态整合方法在少样本分类和原型分类等任务中表现出显著优于传统监督学习模型的性能,为医疗AI领域提供了一种新的范式。 研究表明,TANGLE框架在计算病理学分析能力方面取得了重大突破。通过整合基因表达数据和病理切片图像,该框架能够更全面地捕捉疾病的生物学

后端转 AI 创作?脉脉功能实测:一起聊聊技术人的出路

后端转 AI 创作?脉脉功能实测:一起聊聊技术人的出路

本文为本人亲测,无任何广告嫌疑,求审核大大允以通过 【前言】 对于职场人而言,高效获取行业动态、精准链接优质人脉,是提升职业竞争力的核心诉求。在众多职场类平台中,脉脉凭借实名制社交机制构建了独特的职场生态,成为不少人的必备辅助工具。近期我以普通用户身份深度体验了脉脉的核心功能,同时全程参与了平台热门的**【AI创作者×AMA】**活动,现将真实体验与核心信息整理如下,涵盖功能实测、活动详情等关键内容,供职场同仁参考。 一、平台核心定位:实名制构建的职场信息生态 不同于泛娱乐社交平台,脉脉的核心定位是实名制职场社交与内容平台,自2013年上线以来,始终以「真实身份认证」为基础,搭建起连接职场人的信息桥梁。这种定位带来两大核心优势: * 真实性保障:从源头规避虚假信息,平台内容多为同行实操经验、行业政策解读、目标企业真实点评,信息可信度高; * 传播精准性:内容推送聚焦用户所属行业与岗位,避免无关娱乐信息干扰,让优质职场信息高效触达目标人群。 实测发现,脉脉用户群体覆盖互联网、金融、AI、新能源等多个领域的中高端职场人,形成了高质量的专业交流氛围。优质内容的传播效率十分可

医疗AI中的马尔科夫链深度应用与Python实现(2026年版)

医疗AI中的马尔科夫链深度应用与Python实现(2026年版)

核心应用场景 马尔科夫模型在医疗健康领域的应用核心在于其处理时序与状态转移的能力,尤其适用于以下几类具有明确阶段性的临床与管理问题: 1. 疾病进展建模:量化慢性病(如糖尿病、心血管疾病、慢性肾病)在不同临床分期之间的转移风险,为早期干预提供依据。 2. 治疗决策优化:在考虑治疗效果、副作用、成本及患者偏好的多维度下,模拟不同治疗策略的长期结局,辅助制定个性化方案。 3. 生存分析与预后预测:动态评估患者的生存概率或特定终点事件(如复发、再入院)发生风险,随时间更新预测。 4. 医疗资源需求预测:基于患者群体的状态流模型,预测未来不同科室(如ICU、康复病房)的床位、设备及人力需求。 实战示例:构建糖尿病进展预测模型 以下是一个基于模拟数据的糖尿病进展马尔科夫模型构建框架,展示了从数据到模拟的核心流程。 import numpy as np

AI 绘制图表专栏:用豆包实现HTML 5 种好看的时间轴曲线图,附详细代码讲解​

AI 绘制图表专栏:用豆包实现HTML 5 种好看的时间轴曲线图,附详细代码讲解​

AI 绘制图表专栏:用豆包实现HTML 5 种好看的时间轴曲线图,附详细代码讲解 AI 绘制图表专栏:用豆包实现HTML 5 种好看的时间轴曲线图,附详细代码讲解 ,本文详细介绍用豆包结合 ECharts 实现 5 种时间轴曲线图的方法,先说明前置知识,需明确图表库选择与豆包提问关键信息。接着分场景展开,基础渐变折线图用蓝紫渐变与阴影提升美观;多系列对比图以不同颜色区分系列并支持图例交互;带标注图在关键节点加图标与说明;堆叠面积图借相同标识实现数据占比展示;动态实时图每 2 秒更新数据且超阈值预警。还给出豆包优化技巧、常见问题解决办法,助力读者高效完成数据可视化,新手也能上手。 前言     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。无论你是刚接触 AI 的新手,还是有一定基础想提升的人,都能在这里找到合适的内容。从最基础的工具操作方法,到背后深层的技术原理,专栏都有讲解,