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

PaperXie降重复|AIGC率中的英文Turnitin降AIGC:88.3%→9.88%的学术魔术

PaperXie降重复|AIGC率中的英文Turnitin降AIGC:88.3%→9.88%的学术魔术

paperxie-免费查重复率aigc检测/开题报告/毕业论文/智能排版/文献综述/aippt https://www.paperxie.cn/weight?type=1https://www.paperxie.cn/weight?type=1https://www.paperxie.cn/weight?type=1 当你盯着 Turnitin 报告上 88.3% 的红色重复率,看着 “疑似 AI 生成” 的刺眼标注,收到导师 “全文需大幅修改” 的邮件时,会不会突然意识到:在海外学术圈,一份干净的原创性报告,已经成了比 GPA 更重要的通行证。对于每一个在异国他乡求学的中国留学生来说,论文降重不再是 “锦上添花”,而是 “学术求生”

LLM项目实战:使用Llama-factory进行DPO训练

前言 LLM训练三板斧,预训练,微调,RHLF。DPO属于是最后环节RHLF中的一个方法,关于RLHF主流方法有PPO,DPO,GROP。关于这三种介绍RLHF方法,我之前分享过对着三种方法的一些思考,有兴趣的同学可以看看。 因为DPO对硬件的需求最小,显存占用最低,所以我们先采用DPO进行训练。 硬件信息: 4070 12g*2 、64g内存、操作系统:Ubuntu24.04、模型:QWEN-3vl-2B(因为我这个模型是上个多模态任务sft过的,所以选择vl模型,没有图片输入需求的同学可以下载纯语言模型) 本篇教程仅关于DPO训练,请提前配置好环境和下载好LLamafactory(关于llamafactory环境配置其实也是一大头疼的点,注意如果想要使用分布式训练,llamafactory仅支持到deeospeed10.0-16.0,截止到2025年11月20日llamafactory还没有完成对deepspeed最新版本的适配 碎碎念:很多初学大模型的同学还是使用Windows系统进行训练,本人之前也是。但是由于Windows总是出现各种奇怪的报错和显存不稳定

VS Code+GitHub Copilot避坑指南:从安装配置到最佳实践的完整手册

VS Code + GitHub Copilot 深度驾驭手册:从避坑到精通的实战心法 如果你是一名 Visual Studio Code 的用户,并且对那个传说中能“读懂你心思”的 AI 编程伙伴 GitHub Copilot 感到好奇,甚至已经跃跃欲试,那么这篇文章就是为你准备的。我们不再重复那些泛泛而谈的“AI 将改变编程”的论调,而是直接切入核心:如何在你最熟悉的 VS Code 环境中,真正驯服 Copilot,让它从一个偶尔“胡言乱语”的助手,变成你编码流中如臂使指的高效组件。我们将聚焦于从安装配置的第一分钟开始,到融入你日常工作流的每一个细节,过程中你会遇到哪些真实的“坑”,以及如何优雅地跨过它们。这不是一篇简单的功能罗列,而是一份融合了配置技巧、心智模型和实战策略的深度指南。 1. 环境搭建与初始配置:奠定高效协作的基石 在兴奋地敲下第一行代码之前,一个稳固且经过优化的起点至关重要。许多初次使用者遇到的挫折,