企业官网建设流程全解析

3 个提示词配方，调对 2700+ 技能：agentic-awesome-skills 实战指南

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills

装完 agentic-awesome-skills，ls一下技能目录，几千个文件夹整整齐齐，然后呢？终端光标闪了半天，不知道该敲什么。技能调用本身很简单，难的是装完之后第一次对话该说什么、提示词怎么和工具对得上。这篇文章就解决这两件事。

一分钟建立心智模型：把技能库当菜单

整个项目就是一份 2,700 多页的大菜单：skills/目录下的每个子目录都是一份"菜谱卡片"（SKILL.md），AI 助手是后厨，而点单全靠你在提示词里说什么。

• 装好的是菜谱，不是厨师。npx 安装跑完，2,700+ 份 SKILL.md 落盘到宿主机的技能目录，仅此而已。
• 能干什么取决于点名。提示词里 @ 到哪道菜，助手就加载哪张菜谱开工；没点名的躺在硬盘上，不占一行上下文。
• 不能干什么。装完不等于自动开火，也没有"一键全上"：每次对话只加载点名的那几份。

捆绑包（bundle）：按岗位打包的主厨推荐单，不是独立安装包。不能@essentials直接调，它只是"如果你是 Web 开发，先试这几道"的建议清单。

一张表对齐各宿主工具的技能调用语法

底层机制只有一条：AI 助手只扫描自己宿主路径下的技能目录，所以落盘路径决定了谁能看见哪道菜。路径规则都写在安装器 tools/bin/install.js 的getTargets()里，Kiro、GitHub Copilot、OpenCode 则走--path自定义目录，同理。

写好技能调用提示词的 3 个配方

通用公式，四件东西缺一不可：

text 动词 + @技能名 + 目标对象 + 上下文限定

缺目标对象，AI 不知道对哪个文件动手；缺上下文限定，它会自由发挥。三个复杂度各一条，可直接复制：

1. 规划新功能（单技能）：

text Use @brainstorming to design the OpenAPI documentation for my Flask API, covering auth endpoints first

技能负责"问"，所以目标对象（Flask API 的文档）和优先级（认证端点先行）都写进提示词，AI 才会带着约束去追问，而不是一上来就写方案。

2. 审查已有代码（单技能 + 精确路径）：

text Use @lint-and-validate on app/routes/users.py to catch unused imports and unsafe patterns

把文件路径和检查规则都钉死，产出就是可直接执行的修改点清单，而不是泛泛的"建议"。

3. 一个提示词串两个技能（组合）：

text Use @brainstorming to design a login endpoint, then @openapi-spec-generator to write the spec from that design

顺序写进同一句里，第二个技能能直接消费第一个技能的设计产出，省掉一次人工转述。

场景实战：给 Flask API 补 OpenAPI 文档 + 安全审查

场景：手上有个跑了两年的 Flask API，没文档、没契约，要一次性补齐。五个步骤走一遍，每步一句提示词，看一句话级别的预期产出。

第 1 步 · 规划

text Use @brainstorming to plan OpenAPI docs for my Flask API: which endpoints, which auth schemes, YAML or JSON

预期产出：一份两三页的设计说明，端点范围和认证方式先谈拢，后面每一步都不返工。

第 2 步 · 生成规范

text Use @openapi-spec-generator to generate openapi.yaml from the Flask routes in app/routes/

预期产出：AI 直接从路由代码里提取端点、参数和数据模型，产出可导入 Swagger UI 的 openapi.yaml。

第 3 步 · 安全审查

text Use @api-security-best-practices to review the JWT and token endpoints in openapi.yaml plus app/routes/auth.py

预期产出：按严重程度排序的问题清单——比如 token 过期校验缺失、刷新令牌未失效，而不是吓人的"有漏洞"三个字。

第 4 步 · 补契约测试

text Use @pytest-skill to add contract tests for the endpoints in openapi.yaml, cover validation errors and auth failures

预期产出：tests/下新增测试文件，参数校验、错误码、越权访问都有断言。

第 5 步 · 收尾提交

text Use @lint-and-validate on the new spec and tests, then @git-pushing to commit and push

预期产出：新文件扫干净后，一条规范的 conventional commit 安全推到远端分支。

五步走完，文档、审查、测试、提交全部有迹可循，而且每一步 AI 都按对应 SKILL.md 里的既定流程在干活，不是临场发挥。

六个高频踩坑：现象、原因、处理

• ⚠️AI 不认技能名。现象：提示词里 @ 了，助手当普通单词处理。原因：技能文件落盘目录和当前宿主扫描的路径不一致。处理：ls一下实际安装目录，对照上一张表的参数补装一遍（--claude/--cursor/--gemini）。
• 对话几轮后开始卡壳。现象：前两轮很顺，后面越回越慢甚至挂起。原因：活动技能太多，上下文膨胀。处理：只保留 2~5 个高频技能再开新对话；装全量前先--dry-run看看会落多少文件。
• 想不起技能名。现象：知道有这个能力，但 ID 拼不出来。原因：技能 ID 和直觉命名经常对不上。处理：打开根目录 CATALOG.md 或 skills_index.json 搜关键词拿准确 ID，再回对话里点名，别凭印象拼。
• 拿捆绑包名当技能调。现象：Use @essentials ...毫无反应。原因：捆绑包是推荐清单，不是技能。处理：进 data/editorial-bundles.json 查清单，把里面具体的技能 ID 逐个写进提示词；想批量启用某套技能，用激活脚本 scripts/activate-skills.sh，它会把现有技能归档、解析捆绑包、逐个恢复指定 ID。
• 装完宿主没反应。现象：文件明明在，助手就是看不见。原因：宿主进程没重新扫描目录，或装错了目录。处理：先重启 IDE/CLI 再试；注意不带参数默认装到~/.agents/skills（Antigravity 专用目录），给 Cursor 或 Claude Code 用要显式加--cursor或--claude。
• Antigravity 拒绝装全量。现象：--antigravity不带选择直接报错。原因：安装器刻意要求显式挑选技能或显式--all，防止技能目录拖垮上下文。处理：加--skills <ids>精确挑，或先--dry-run预览再实装。

按背景选一条最简上手路径

• 如果你是纯 CLI 党，就选 Claude Code 或 Codex CLI：装到~/.claude/skills或~/.codex/skills，以后一切技能调用都发生在终端里，不离开键盘。
• 如果你是 IDE 重度用户，就选 Cursor：装到~/.cursor/skills，聊天面板里 @ 技能名，它还能看见当前打开的文件，上下文给得更足。
• 如果你只想试水，就先装 Essentials：五个技能（concise-planning、test-driven-development、lint-and-validate、systematic-debugging、git-pushing），在规划、提交前、卡住三个时机各试一次，一周内就能养成"先点名再干活"的手感。
• 如果你想自建宿主（给自家代理接技能库），就用根目录的 skills_index.json 当发现层：清单负责告诉你有哪些技能，只有对话里点名时才去加载对应的 SKILL.md，仓库里的 docs_zh-CN/integrations/jetski-cortex.md 有一套现成宿主接法可抄。

一句话记忆卡

装一次全量，对话里 @ 点名单个技能，按场景分批调用。

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills