此文可以帮你快速找到可用的 Agent Skills，不用只靠 GitHub 关键词乱搜。

前面聊 Agent Skills 的时候，我提到过一个观点：未来 AI Agent 真正能不能干活，很大程度取决于它能调用哪些 Skills。

但问题也来了，Skills 去哪里找？

如果只在 GitHub 里搜 diagram skill、writer skill，当然也能搜到一些结果。但结果很散，质量也不好判断。你得自己点进仓库，看目录结构、看 SKILL.md、看更新时间，还要判断这个 Skill 到底能不能用在 Codex、Claude Code 或其他工具里。

所以这篇文章整理几个我最近看过的 Skills 资源平台。它们不一定完美，但很适合用来做第一轮筛选。

背景

Agent Skills 现在有点像早期的 npm 包圈子。

有人做写作 Skill，有人做测试用例 Skill，有人做 PPT、PDF、数据库、浏览器自动化、代码审查、部署相关 Skill。数量变多以后，最大的问题不是“有没有”，而是“怎么找到靠谱的”。

我现在找 Skills，一般不会直接从 GitHub 开始，而是按这个顺序：

先去 Skills 平台搜索关键词看平台上的分类、描述、安装命令和热度再跳到 GitHub 看源码和 SKILL.md最后决定要不要安装到本地

这样效率会高很多。

skills sh

这是 Vercel 推出的 Agent Skills 目录。它的定位很清楚，就是让你发现、搜索和安装 Skills。Vercel 自己的说明里也提到，可以按分类、热度、安装情况来浏览 Skills。

它支持搜索。比如搜 “Technical Writer”，就能看到相关技能：

点进详情页后，一般能看到这几个信息：

Skill 描述使用场景安装方式来源仓库

比如安装命令可能长这样：

npx skills add https://github.com/shubhamsaboo/awesome-llm-s --skill technical-writer

这个体验有点像给 Agent 装 npm 包。你先在平台上找，再通过命令安装。

从页面里也能看到技能来自 GitHub 开源项目：

我觉得 skills.sh 更适合找“通用型 Skill”，比如写作、网页开发、部署、AI SDK、UI 设计、自动化流程这类。

SkillsMP

SkillsMP 更像一个 Skills 搜索引擎。它抓取公开 GitHub 仓库里的 SKILL.md 文件，再按分类、职业、仓库、更新时间等维度整理出来。

它的数量增长很快，所以文章里不建议死记某个具体数字。你只要知道一点：它的覆盖面很大，适合用来搜索和观察大家都在做什么 Skills。

SkillsMP 支持直接搜索：

也可以按职业和分类浏览：

进入技能详情页后，可以看到介绍、GitHub 地址、star 数、安装命令和入口：

这类平台的好处是全，坏处也是全。很多 Skill 可能只是别人实验项目里的一个文件，不一定维护得很好。所以我一般把 SkillsMP 当成“发现入口”，不会看到一个 Skill 就直接安装。

MCP Market

严格说，MCP Market 不只是 Skills 平台，它主要是 MCP Server 市场，同时也提供 Agent Skills 相关入口。

如果你已经在研究 MCP，这个平台值得顺手看一下。

它可以看排行榜，也能发现最近大家都在接哪些工具、哪些服务：

这里要注意一点：MCP Server 和 Agent Skill 不是一回事。

MCP 更偏“连接外部工具和数据源”，Skill 更偏“封装一套任务流程和经验”。但在实际使用里，它们经常会一起出现。比如一个数据库排查 Skill，可能会调用 MySQL MCP 提供的查询能力。

所以 MCP Market 更适合用来找工具连接能力，不一定适合直接找某个具体的写作 Skill、测试 Skill。

实操步骤

除了平台，GitHub 还是绕不开。

最直接的方式是在 GitHub 搜关键词，比如：

diagram skill technical writer skill codex skills claude skills SKILL.md

比如搜索 diagram skill：

但这种方式我不太推荐作为第一选择。原因很简单：GitHub 搜索结果太杂，你要花很多时间自己过滤。

更好的方式是先看一些集合型仓库。

比如 Awesome Agent Skills 这类项目，会把官方和社区的 Skills 按类型收集起来：

还有 Anthropic 官方 Skills 仓库：

OpenAI 这边也有 Codex Skills 文档 和 openai/skills 仓库可以参考：

如果你想看更偏应用案例的项目，也可以看看 awesome-llm-s。这个仓库里不只是 Skills，还有很多 AI Agent、RAG、工作流相关示例。

另外，草稿里提到的 Claude Code 配置集合也很火：

这类仓库不一定都是严格意义上的 Agent Skills，但很适合学习别人怎么组织 AI 工具链、命令、上下文和工作流。

我的建议是：平台负责“找”，GitHub 负责“验”。

找到一个 Skill 后，不要急着安装，先看这几处：

SKILL.md 的描述是否清楚触发场景是否具体有没有 scripts、assets、references 目录是否要求读取本地敏感文件或执行危险命令最近更新时间是否太久远issue 和 PR 里有没有明显问题

尤其是带脚本的 Skill，一定要先看代码。Skill 本质上是在给 Agent 增加行动能力，如果它能执行命令、读写文件、访问网络，就不能只看 star 数。

注意事项

使用这些资源平台时，我会特别注意三件事。

第一，不迷信排行榜。

排行榜能帮你发现热门项目，但热门不等于适合你。一个写得很泛的 Skill，可能 star 很多，但放到你的项目里并不一定好用。

第二，不迷信收录数量。

有的平台会展示几十万、上百万的 Skills 数量。这个数字说明相关项目很多，但不代表每个 Skill 都值得装。本质上还是要回到具体仓库，看它解决什么问题。

第三，不直接信任第三方 Skill。

Agent Skills 不是普通文章，它可能包含脚本、模板、命令和工作流。如果你把一个没检查过的 Skill 装进自己的工作环境，相当于把一部分操作权交给了别人写的说明和代码。

我自己的做法比较保守：

先装官方或可信团队维护的 Skills，再研究社区项目。遇到带脚本的，一定先读代码。遇到要访问账号、密钥、生产环境的，宁愿慢一点，也不要随手授权。

总结

如果你刚开始找 Agent Skills，可以按这个顺序来：

先看 skills sh，找通用 Skills 和安装命令再用 SkillsMP 搜更广的 GitHub 公开资源如果你在研究 MCP，可以顺手看 MCP Market最后回到 GitHub，看源码、更新时间和 SKILL.md

Skills 相关项目现在变化很快，今天的热门项目，过几个月可能就没人维护了。

所以找 Skills 的关键不是收藏一堆链接，而是形成自己的判断标准：这个 Skill 解决什么问题？说明写得清不清楚？代码能不能信？能不能放进我的工作流？

想清楚这些，再安装也不迟。