Google 工程总监的 23 份 SKILL：3.7 个月把 49.7K Star 拉爆的”工程纪律即 prompt”

GitHub: https://github.com/addyosmani/agent-skills

一句话总结

把 Google Chrome 团队 16 年沉淀的工程纪律（spec → plan → build → verify → review → ship）打包成 23 份 SKILL.md，让 Claude Code / Cursor / Gemini CLI 等 8 个 Agent harness 强制遵循——本质是「给 AI 写 SOP，而不是给 AI 喂资料」。

值得关注的理由

品牌 × 内容 × 生态三重背书：Addy Osmani（Google 工程总监，《Learning JavaScript Design Patterns》作者）+ 23 个 skill 覆盖完整 SDLC + 同时支持 8 个 IDE/harness——是迄今最完整的跨 vendor Agent skill 套件。
49.7K stars 但只有 277KB：纯 markdown 知识资产，无 npm 依赖、无运行时，每个 commit 平均带动 ~235 stars——单位 commit 含金量极高。
Anti-Rationalization Table 首创：每个 skill 都有一节专门反驳”agent 想偷懒的借口”，把流程型 prompt 的偷工问题结构化解决——这套模式可迁移到任何 prompt 工程场景。

项目展示

Addy's Agent Skills

README 顶部 banner，作者本人品牌色。仓库本身是 markdown 知识库，没有 demo GIF、没有架构图——SKILL.md 类内容仓库的固有形态，价值在文本而非图。

项目画像

维度	数据
GitHub	https://github.com/addyosmani/agent-skills
Star / Fork	49,710 / 5,553
Watcher	330
代码行数	808（Shell 76.6% / JS 21.7% / JSON 1.7%）
文档行数	6564 行 Markdown（23 SKILL.md + 5 reference + 7 docs + 3 agent）
项目年龄	3.7 个月（2026-02-15 首 commit）
开发阶段	密集开发（近 90 天 177 commit，4 月单月 88 commit 为爆发期）
贡献模式	明星项目早期（Addy 本人 55.4%，32 名贡献者，Federico Bartoli 14 commit 是核心 #2）
热度定位	大众热门 × 小众精品内核（49.7k stars / 277KB / 211 commits）
质量评级	内容[优秀] 文档[优秀] 测试[充分] CI/CD[完善]
版本	v0.6.1（3 个 tag，SemVer 0.x 阶段）
仓库体积	277KB（与 4.97 万 stars 极不匹配，强证内容型定位）

作者视角：为什么存在这个项目

创始人/作者背景

Addy Osmani——Google 工程总监，Chrome 团队出身，16.9 年 GitHub 资历，公开身份 “Director at Google working on Gemini and Google Cloud”。著有《Learning JavaScript Design Patterns》《Image Optimization》，是 Web 性能领域的顶级布道者。近一年明显转向 AI 工程化方向：同期维护 web-quality-skills（Lighthouse/CWV 技能集，2202 stars）、agent-engineer、agentic-seo、oust 等姐妹仓。这次把 Chrome 团队长期打磨的工程纪律（Hyrum’s Law、Beyonce Rule、Chesterton’s Fence、~100-line PR、trunk-based dev）打包成 SKILL.md，本质是把”Google 工程文化”作为知识资产开源化。

问题判断

作者在《Long-running Agents》一文中明确：“shortcuts become archaeology after 30h”——当 AI agent session 持续 30 小时，第 5 小时跳过的 spec、跳过的 test 会在第 25 小时变成要考古的技术债。这是他自己做长跑任务时被自己绊倒的痛点，也是当前所有 agentic coding 工具的通病：模型默认走”最短路径到 done”，跳过 spec、跳过 test、跳过 review、跳过 performance verification，导致 prototype-quality 而不是 production-quality 输出。

解法哲学

Process over prose：SKILL 是 workflow 不是 reference doc，每个 skill 都有 steps / checkpoints / exit criteria。
Anti-Rationalization Tables：把 agent 想偷懒的借口显式列出并反驳——这是被作者点名为「最独特的设计选择」。
Verification as non-negotiable exit criterion：每个 skill 的「完成」必须有可验证证据，不是”我看了就行”。
Progressive Disclosure：meta-skill 只把相关 skill 拉进 ~5K token context，而不是 startup-eager-load 全部 23 份。
Scope Discipline：「touch only what you’re asked to touch」——禁止 agent 借机重构”顺手”代码。

战略意图

在作者更大的图景中，agent-skills 是通用生命周期层（横向），web-quality-skills 是领域纵深（前端质量），agentic-seo / oust / agent-engineer 是其他领域——形成矩阵布局而非单点产品。MIT 协议、纯开源、无 SaaS / 托管版 / 企业版；商业价值靠作者个人品牌（Google Director + Head of Chrome DX）放大，而非仓库本身变现。

核心价值提炼

创新之处

#	创新点	新颖度	实用性	可迁移性
1	Anti-Rationalization Table	4/5	5/5	5/5
2	Three-Layer Orchestration（skills + personas + slash commands 分层）	4/5	4/5	5/5
3	Validator-Owned Exemption（被校验文件不能自己声明豁免）	3/5	5/5	5/5
4	HTTP 304-Driven Cache（用服务器验证代替 TTL）	3/5	4/5	5/5
5	Block-Level Simplify-Ignore（注释 + hash 占位的代码保护）	4/5	4/5	4/5
6	Parallel Fan-Out + Merge（多 persona 并行评审，主 agent 合并）	3/5	4/5	4/5
7	DAMP Over DRY（test 里的反 DRY 原则）	2/5	5/5	5/5

最值得借鉴的是 Anti-Rationalization Table——把”agent 会偷懒的借口”显式枚举并反驳，比”提醒它别偷懒”有效得多。例（test-driven-development）：借口”tests slow me down”，反驳”15 min of tests saves 15 hours of debugging”。

可复用的模式与技巧

Skill Anatomy：每个 prompt skill 必有 name + description + Overview/When to Use/Process/Rationalizations/Red Flags/Verification 五段。
Meta-Skill Routing：用 ASCII 决策树把”任务 → skill”映射画出来，作为 session-start hook 的注入内容。
Cross-IDE Command Adaptation：同一命令用不同 frontmatter（.claude/commands/spec.md YAML frontmatter vs .gemini/commands/spec.toml TOML）指向同一 skill。
Section-Budget Hard Cap：SKILL.md ≤ 500 行是硬约束不是建议——token 经济性做成硬约束。
Quality Bar 四条：Specific / Verifiable / Battle-tested / Minimal——4 个形容词 + 一句话解释。
Validator-Owned Exemption Policy：豁免权只能 validator 自己授予，不能由被校验对象声明。
HTTP 304 Cache in Agent Tool Hook：跨 session 的文档缓存只信任服务器 304 Not Modified，没有 validator 一律不缓存。
Skill-Override Precedence：用户级别覆盖 plugin 级别——把 Claude Code 的 scope priority 用规则化语言写进文档。

关键设计决策

决策	Trade-off	适用场景
Markdown-only 跨 harness 复用	放弃自动化执行能力，换 8 个 harness 零修改复用	任何”声明式 prompt pack”项目
session-start Hook 自动注入 meta-skill	每次新 session 额外注入 ~2k tokens，换 agent 第一个 prompt 就知道路由表	所有 Claude Code plugin
sdd-cache hook 用 HTTP 304 而不是 TTL	每次 cache miss 多一次 HEAD roundtrip，换”服务器说没变就用”的语义干净性	所有需要”既要缓存又不能 stale”的 agent 系统
progressive disclosure + 500-line hard cap	偶尔需要 agent 主动加载附件，换 23 skill 共用不到 2000 token description 预算	任何”系统提示 + 知识库”系统

竞品格局与定位

竞品对比矩阵

维度	addyosmani/agent-skills	obra/superpowers	anthropics/skills	wondelai/skills	awslabs/agent-plugins
Skill 数量	23（完整 SDLC）	~15（集中 TDD/Review/Plan）	较少（spec + 几个 demo）	510	~10（AWS 主题）
Star	49.7K	~116K（数据待核）	N/A（官方）	1.2K	N/A
跨 IDE 支持	8 个 harness	仅 Claude Code	Claude 生态	Claude + agentskills.io	Claude + AWS
核心差异化	Anti-Rationalization + Google 工程实践	协议先驱 / 社区共建	Spec 权威	协议胶水	AWS 工具箱
工程纪律出处	SWE-book + eng-practices 可追溯	社区共识	Anthropic 内部	通用	AWS 架构
Validator	自研 `validate-skills.js` + CI 三 job	较轻	官方 SDK	无显著	AWS 内部
作者	Google Director	社区	Anthropic 官方	个人	AWS Labs

差异化护城河

不是技术护城河（协议开放、markdown 开放），而是三重：

品牌护城河（最强）：Addy Osmani 个人 IP + Google 工程文化背书；
内容护城河：anti-rationalization table + section anatomy + 23 skill 完整度；
生态护城河：8 个 IDE/harness 同时支持。

竞争风险

最可能被 anthropics/skills 演化替代——若 Anthropic 把官方 skill 库扩展到同等规模，agent-skills 的”23 skill 完整度”优势会被磨平；护城河只剩品牌。次风险是 obra/superpowers 继续扩张社区共识。

生态定位

处于三层架构的中间层：① Anthropic spec（底层协议）→ ② Addy agent-skills（通用生命周期）→ ③ 领域 skills（web-quality-skills / agentic-seo / oust / agent-engineer，作者姐妹仓纵向）。和 obra/superpowers 是横向竞品，但定位更”产品化”。

套利机会分析

信息差：不算被低估（已是大众热门量级），但作为”知识资产型”仓库，49.7k stars / 277KB / 211 commits的密度说明单位 star 含金量高——仍有”小众精品内核 + 大众传播外衣”的组合优势。
技术借鉴：Anti-Rationalization Table、Three-Layer Orchestration、Validator-Owned Exemption、HTTP 304 Cache in Hook——这四个模式可直接迁移到任何 prompt 工程、multi-agent 系统、linter 工具。
生态位：填补了”通用工程流程层”的空白——既不是 spec 定义者（Anthropic），也不是领域专题（web-quality-skills），而是横向全生命周期。
趋势判断：强烈增长——4 个月 49.7K stars，单日 ~200 stars 的爆发曲线说明仍在加速；8 harness 适配矩阵和 v0.6.1 节奏说明产品成熟度还在提升。比 superpowers 有后发优势（更完整 + 更跨平台）。

风险与不足

协议依赖风险：完全依赖 Anthropic Agent Skills 协议的稳定性。若协议改版（frontmatter schema、description 长度限制、progressive disclosure 模型），全部 23 个 skill 需同步修订——这是”协议红利”的反面。
作者集中度：Addy 55-67% commits 是真实投入也是单点风险——若 Google 工作变化或个人兴趣转移，节奏可能断档。Issue 矩阵里多处提到 Addy 个人 review bot 化的可能。
Hook 兼容性脆弱：Issue #110 揭示 SessionStart hook 在 Claude Code 上 silently fail 是已知问题——把 hook 当作 enforcement layer 使用的策略与上游 harness 的稳定性耦合。
版本号不一致：.claude-plugin/plugin.json 写 1.0.0 而 git tag 是 0.6.0（Issue #145 已 close），但仍是未来隐患。
零测试代码：Test commit 仅 0.5%（1 次），验证手段靠 frontmatter 校验 + 人工 review，不是单元测试——对”流程型 prompt”而言可接受，但与生产代码项目标准差距大。
markdown-only 张力：Issue #136 揭示部分 skill 提到 scripts 目录却没有脚本——刻意拒绝做成”可执行代码项目”的代价是一些 skill 的”可执行”承诺无法兑现。

行动建议

如果你要用它：直接通过 /plugin marketplace add addyosmani/agent-skills 装 Claude Code，或参考 docs/ 下对应 IDE setup；推荐先用 /ship 跑一个真实 PR 体验三层 orchestration，再逐步启用 test-driven-development + code-review-and-quality + security-and-hardening 三个核心 skill。不建议装完全部 23 个——按团队痛点选 3-5 个试用，渐进引入。
如果你要学它：优先读 4 份文件——skills/using-agent-skills/SKILL.md（meta-skill 路由决策树）、docs/skill-anatomy.md（skill 写作规范）、references/orchestration-patterns.md（5 种 endorsed + 5 种 anti-pattern 模式）、scripts/validate-skills.js（豁免权管理）。这四份覆盖了怎么写 skill、怎么路由、怎么编排、怎么校验的完整闭环。
如果你要 fork 它：可改进方向——① 给 validate-skills.js 加 custom rule 插件机制，让下游 fork 可以扩展规则集；② 把 simplify-ignore 的 block-level 保护做成语言无关（当前依赖 JS/TS 注释语法）；③ 补一个 scripts/run-eval.js——把每个 skill 的”能否让 agent 实际遵循”做成可度量的 eval（不只是 frontmatter 合规）；④ 把 sdd-cache 的 HTTP 304 缓存做成可插拔 backend（目前用本地 JSON，未来可支持 Redis / SQLite）。

知识入口

资源	链接
DeepWiki	https://deepwiki.com/addyosmani/agent-skills
Zread.ai	https://zread.ai/addyosmani/agent-skills
关联论文	无（仓库本质是工程实践集，非研究产物）
在线 Demo	无（每个 skill 设计为在 Claude Code/Cursor 中实际执行，隐式 demo）
作者博客	Agent Harness Engineering · Long-running Agents