我篩了 1400 個 Claude Code Skills，留下 5 個天天在用的
先潑個冷水：大部分 Skills 是換了殼的 Prompt這是我裝了幾十個之後最大的感受。很多所謂的 Skill，打開 SKILL.md 一看，核心就是一段 Prompt——「你是一個 XX 專家，請按照以下步驟……」。這種東西你直接對 AI 說一句話就能達到同樣效果，根本不需要裝一個 Skill。
真正有價值的 Skill，一定是改變了 AI 的工作流程，而不只是改變了一段 Prompt。
下面 5 個全部符合這個標準。
第 1 個：Superpowers — 245K Star，改變 AI 寫程式的方式
GitHub： obra/superpowers（245K ⭐，21.7K Fork）
bash 代碼解讀複製代碼npx skills add obra/superpowersSuperpowers 不是一個 Skill，是一套包含 20+ 子模組的開發框架。裝了之後 AI 寫程式的行為模式會發生根本變化。
裝之前 vs 裝之後：
場景沒裝裝了 Superpowers你說「幫我實作一個搜尋功能」AI 直接開始寫程式，寫完交給你先問你幾個問題（模糊搜尋還是精確？要不要防抖？資料量多大？），然後才動手遇到 bug 說「這裡報錯了」直接改報錯那一行，經常引出新 bug先復現 → 定位根因 → 驗證假設 → 修復 → 回歸測試，整條鏈走完你說「幫我重構這個檔案」一口氣改完整個檔案，改動太大沒法 Review先列出重構計畫讓你確認，然後分步執行，每步可以單獨驗證實作新功能只寫功能程式碼先寫測試案例，再寫實作，跑通測試才算完核心變化：AI 從「聽話的打字員」變成「會思考的同事」。
有人在 GitHub Issue 裡發了對照實驗資料：12 個相同複雜度的任務，裝了 Superpowers 的會話比沒裝的 Token 用量平均低 14%。原因很反直覺——因為它會先花時間問清楚需求，避免後面返工。
Superpowers 裡我日常用到的子模組：
子模組什麼時候觸發解決什麼問題systematic-debugging「報錯了」/「不工作了」不再頭痛醫頭，按流程排查tdd「實作一個功能」先寫測試再寫程式brainstorming「我想做一個 XX」先發散 5 個方案再選最優code-review/review提 PR 前自動審查---
第 2 個：Taste Skill — 51.8K Star，解決「AI 做的頁面一股模板味」
GitHub： Leonxlnx/taste-skill（51.8K ⭐）
bash 代碼解讀複製代碼npx skills add Leonxlnx/taste-skill如果你用 AI 生成過前端頁面，大概率遇到過這種情況：功能全對，但看起來就是「不對勁」——間距不均勻、顏色太跳、按鈕長得像 Bootstrap 預設樣式、排版像沒設計師參與過的內部工具。
Taste Skill 不提供任何元件程式碼。它只做一件事：在 AI 生成 UI 時注入一套設計美感規則。
裝之前 vs 裝之後：
維度沒裝裝了 Taste Skill間距大小隨機，頁面像沒對齊遵循 4/8/16/24px 的倍數系統配色經常出現高飽和度撞色主色+輔色+中性色，有層次排版標題和正文大小差不多明確的字級層級，視覺重心清晰按鈕/卡片圓角大小不統一全域一致的圓角和陰影最適合的場景： 落地頁、產品官網、作品集、Demo——這些頁面「好不好看」直接影響使用者第一印象的地方。
這個 Skill 在掘金 6 月 GitHub 熱榜排名前十，51.8K Star 不是白來的。前端開發者如果經常用 AI 出頁面，我覺得必裝。
第 3 個：Graphify — 41.8K Star，接手陌生專案的第一件事
GitHub： safishamsi/graphify（41.8K ⭐）
bash 代碼解讀複製代碼npx skills add safishamsi/graphify解決的問題： 接手一個跑了兩三年的老專案，幾萬行程式碼，README 已經過時了，文件和程式碼對不上。以前理清整個專案結構至少要一兩週——挨個讀檔案、畫關係圖、問同事「這個模組是幹嘛的」。
Graphify 做的事情：掃描整個程式碼庫，生成一張知識圖譜——模組間的依賴關係、核心呼叫鏈、共用工具函式的引用網路，全部視覺化展示。
裝之前 vs 裝之後：
場景沒裝裝了 Graphify接手新專案讀一兩週程式碼才敢動手改 3 分鐘看到全域結構，當天就能定位要改哪裡重構前評估影響手動 grep 引用，很可能漏掉一眼看到「改了這個檔案會影響哪些模組」給新人介紹專案口頭講半天，聽完還是不懂直接給他看圖譜，5 分鐘搞懂不只是 Claude Code 能用。 Graphify 相容 Codex、Cursor、Gemini CLI 等主流 AI 程式設計工具。
第 4 個：Deep Research — 調研型任務的質變
觸發方式： /deep-research "你的問題"
這不是第三方 Skill，是 Claude Code 內建功能，但很多人不知道。
和直接讓 AI 搜尋的區別：
直接說「幫我搜一下 XX」/deep-research搜尋方式一個角度搜一輪多角度扇形搜尋，自動擴展關鍵字資訊來源可能只搜到 1-2 個抓取多個來源並交叉校驗驗證不驗證，搜到什麼就給你什麼對矛盾的資訊做投票，標註置信度輸出一段文字結構化報告，帶引用來源實際使用場景：
- 技術選型：「React Server Components vs Next.js App Router 哪個更適合我們的專案？」
- 方案評估：「前端監控用 Sentry 還是自建？成本對比是什麼？」
- 新技術了解：「Bun 1.2 和 Node.js 22 在效能上到底差多少？有沒有真實的基準測試？」
每次調研下來大概要消耗不少 Token，不適合頻繁用。但在需要做決策的時候，它給出的資訊密度和準確度遠超自己東搜西搜。
第 5 個：find-skills — 別在 GitHub 裡大海撈針了
1400+ 個 Skills，不可能一個個去翻 GitHub。用 find-skills 直接按關鍵字搜。
arduino 代碼解讀複製代碼/find-skills "前端 UI 設計"
/find-skills "測試 自動化"
/find-skills "效能優化"Skills 生態還在高速成長，每週都有新專案冒出來。有這個入口才能及時發現好用的新 Skill，不至於資訊落後。
速查對照表
SkillStar核心價值安裝Superpowers245KAI 從「打字員」變成「會思考的同事」npx skills add obra/superpowersTaste Skill51.8K治好 AI 生成 UI 的「模板味」npx skills add Leonxlnx/taste-skillGraphify41.8K陌生程式碼庫 3 分鐘看懂npx skills add safishamsi/graphifyDeep Research內建調研型任務的質變/deep-researchfind-skills內建Skills 搜尋入口/find-skills---
我卸掉的那些 Skill 有什麼共性
裝了幾十個卸掉大部分之後，我總結出一個判斷標準：
打開它的 SKILL.md，如果核心內容你可以用一句話對 AI 說出來——那就不需要這個 Skill。
比如「你是一個程式碼優化專家，請幫我優化以下程式碼」——這種 Prompt 你自己說就行了，不需要裝一個 Skill 來幫你說這句話。
真正好用的 Skill，改變的是 AI 的工作流程和思維模式，不只是換一段 Prompt。 Superpowers 讓 AI 先想再寫，Taste Skill 讓 AI 在生成每一個 UI 元素時都過一遍設計規則，Graphify 讓 AI 先理解專案全局再回答問題——這些是「換一段 Prompt」做不到的。
最後
Skills 生態現在很像 2020 年的 VS Code 外掛——數量爆炸但品質參差不齊。看到「必裝 Top 30」別急著全裝。先裝一個 Superpowers 用一週，感受一下「AI 行為模式的變化」。如果覺得確實不一樣，再按需加其他的。
而且別忘了，這些 Skills 不只是 Claude Code 能用——Cursor、Codex、Gemini CLI 都支援。不管你用哪個工具，都值得試試。
你裝了哪些 Skills？有沒有發現什麼小眾但特別好用的？ 評論區說說，有好的我加到列表裡。
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
