GitHub 趋势不能只看谁涨星快

AI agent 相关仓库在 GitHub 上增长很快，但 star velocity 容易受热点影响。真正值得跟的，是哪些项目把 agent 工作流从一次性 prompt 变成可复用工程资产。

SkillsMD、agent_skills_directory、openai/skills、各种 awesome skills 和 repo-local context 工具，指向同一个方向：agent 行为正在被包装、索引、安装和版本化。

这比单纯“又一个 agent 框架”更有长期意义。

Skills 是 prompt 的下一种形态

一个成熟 skill 通常不只是几句提示词。它可能包含说明、脚本、模板、参考资料、测试命令、资产文件和触发规则。

这让它更像软件包。团队可以把 skill 放进仓库，review 它的改动，固定版本，在不同 agent 工具之间迁移，甚至给它做安全扫描。

当 skills 变成工程资产，agent 的能力就不再完全依赖某个用户的提示习惯，而可以被团队沉淀。

跨工具适配会变成新维护成本

今天不同 agent 工具有不同目录和配置：Claude、Codex、Copilot、Cursor、Gemini、OpenCode 都有各自习惯。一个 skill 想跨工具使用，就要处理路径、格式、hook、权限和上下文差异。

这会催生 registry、adapter 和目录工具。它们帮助团队发现、安装、同步和审计 skills。

但这也会带来风险：不清楚来源的 skill 可能带有危险指令、错误脚本或 prompt injection。越是工程化，越需要供应链思维。

判断一个 skills 项目的三个标准

第一，看它是否解决真实工作流，而不是只展示漂亮 prompt。能跑测试、做 code review、生成报告、处理发布、接入数据的 skill 更有价值。

第二，看它是否可维护。有没有版本、文档、示例、依赖边界、权限说明和安全检查。

第三，看它是否能被团队使用。个人收藏夹很容易膨胀，团队资产必须能被 review、能被禁用、能被回滚。GitHub 趋势里的 agent skills，下一阶段会按这些标准分化。