狂揽2.4万星标：一行命令，AI会自己找技能了

新智元报道 【新智元导读】 从前是人给AI装能力，如今是AI自己去找。 以往，开发者们见面交换的是提示词（prompt）模板。 现在，风向变了。大家在互相打听的，是你该装哪个技能（skill）。 这背后，藏着一个更大的转变：AI编程工具，开始「装包」了。 今年1月17日上午，Vercel创始人兼CEO Guillermo Rauch在X上发了一条推文：我们正在推出skills——AI技能的「npm」。 所谓「npm」，是前端工程师天天用的那个包管理器，一行命令就能把别人写好的东西装进自己的项目。 Rauch的言下之意是： 这套「一行命令装好别人成果」的体验，这次要搬到AI身上了。 「龙虾之父」的Peter Steinberger第一时间回了一句：「酷！得跟ClawHub同步一下。」 ClawHub是另一套智能体生态的技能市场，跟Vercel并非一家。可Peter的第一反应却是「要对齐」。 三天后，Vercel在更新日志里正式官宣了它：一个为智能体安装和管理能力包的命令行工具。 这个官方仓库vercel-labs/skills，发布仅五个月，GitHub星标就冲到了2.4万。 凭什么这么火？简单到只有一行命令： npx skills add 。 说白了，它就是AI智能体（AI agent）的包管理器。 像前端工程师天天用的npm，一行命令把别人写好的东西装进项目，只不过这回装的不是代码库，而是「能力」。 更狠的是，它不挑工具。Claude Code、Cursor、Codex、Gemini CLI……官方支持的智能体已经超过68个。一份能力包，装进哪个工具都能跑。 Vercel还顺手上线了skills.sh，一个技能目录加安装量排行榜，哪个技能火、被装了多少次，一目了然。 榜首名叫find-skills的包，安装量已经冲到230万次。 skills.sh技能目录安装量排行榜，find-skills以230万次（2.3M）安装量居首，frontend-design、vercel-react-best-practices等紧随其后。（图源：skills.sh） AI编程能力，第一次有了「热门下载」的排行榜。 一行命令 AI学会了一门新手艺 先看它到底干了什么。 npx skills add vercel-labs/agent-skills，回车。 几秒钟后，你的Claude Code就多了一套React、Next.js的工程规范，外加一套设计准则。下次它写代码，自动按这套规矩来。 这套东西，官方叫「技能包（skill）」。本质上是一个文件夹，核心是一份带YAML头的SKILL.md，写清楚两件事：这个技能是什么，什么时候该用。 文件夹里还能放参考文档、模板，以及一个专门的scripts/目录，里面是能直接执行的脚本。 它解决的痛点特别实在。 模型懂通用的编程语言和框架，可它不懂你这个项目的「土规矩」：你们的代码风格、命名习惯、踩过的坑。 以前这些只能靠你每次开新对话一遍遍复述，现在打包成一个skill，装一次，长期生效。 装完还能像管npm包一样管它：list看装了哪些，update一键更新，remove删掉。 底层是一套共享规范，你给Claude Code装的，换到Cursor照样跑。 要是连装都嫌麻烦，还有更轻的玩法：不装，直接用。 一条npx skills use，把技能临时拉过来，管道一接喂给Claude跑，用完即走，连本地目录都不会「弄脏」。 过去AI的能力边界，靠你嘴皮子怎么描述。现在，能力变成了货架上一个个可以直接取下来的包。 AI工具层的「npm化」 很多人可能会把它当成Claude的新功能。但它来自Vercel，并非Anthropic的原生能力。 Claude Code、Cursor、Codex、GitHub Copilot、Windsurf……全是被支持的对象，skills CLI把它们一股脑接进来，统一一个入口。 入口背后，是AI工具层开始「npm化」了。 Vercel把这些零散经验封装成可复用、可分发、可版本管理的模块。 AI能力，正从「提示词工程」走向「能力工程（capability engineering）」。前者解决「这一次怎么说」，后者解决「这件事以后都这么干」。 这套打法，Vercel玩过一次。 当年它靠Next.js卡住了整个前端生态的部署入口，前端开发者绕不开它。 如今它想在AI智能体这一层，把同样的故事再讲一遍。 Find Skills AI第一次有了「能力搜索引擎」 最有未来感的一笔，是Find Skills，这是一个「找技能的技能」。 find-skills技能的官方定义——当用户问「如何做X」「有没有能……的技能」，或想扩展能力时，它负责发现并安装对应的智能体技能。 你说一句「帮我做X」，它就替你跑完一整套流程：搜索、筛选、装上最匹配的那个。 更省心的是它还自带一道质检。挑技能时，它会看安装量、比来源，热门的、官方出品的优先，来路不明的会提醒你悠着点。 find-skills技能的SKILL.md源码，明确写入推荐前的三道验质规则：安装量优先1000+、警惕100以下，来源优先Vercel、Anthropic、微软等官方源，仓库星标低于100要存疑。 这意味着，AI第一次有了自己的「能力搜索引擎」。你不必知道有哪些技能、叫什么名字，只管说要干嘛，剩下的交给它去找。 更重要的是，它不只对程序员有用。 真正被「能力散装」折磨得最狠的，恰恰是借AI写代码的设计师、产品经理、内容创作者等。 他们没有工程化的习惯，git提交、文档规范全靠AI兜着，反而最需要现成的技能包来撑。 Find Skills等于给了他们一个不用懂行也能调兵遣将的入口。 热闹背后 是一笔没人兜底的账 听起来很美，可别急着上头。 回到那个scripts目录。技能里带的是执行逻辑，不是几句无害的说明，它真的会在你电脑里跑命令。 可你随手装的第三方包究竟动了哪些文件，多数人根本不看。 这其中到底可能藏着多少雷？ 安全公司Snyk的ToxicSkills研究，对ClawHub与skills.sh上的3984个技能做了首次系统审计：超三成带安全缺陷，13.4%（534个）属严重级，涵盖恶意软件分发、提示词注入（prompt injection）、密钥泄露。 这意味着平均每7、8个里就有1个能直接坑到你。 Snyk「ToxicSkills」研究审计3984个技能：1467个（36.82%）带任一安全缺陷，其中534个（13.4%）为严重级，已确认76个恶意载荷，另有8个至今仍存在于ClawHub上。（图源：Snyk） 另一家机构Koi Security审计2857个，查出341个恶意。 主要的手法，无非两条路。 一条是走脚本，让你的AI跑去陌生IP下载东西就地执行，或偷读你的SSH、AWS配置； 另一条更隐蔽，直接在SKILL.md的文字里下毒，AI把攻击者的隐藏指令当成正经工作说明来读，照做不误。 最狠的还会专偷智能体存着隐私对话的记忆文件。 你可能会说，npm不也天天爆投毒吗，但这次的雷是另一个量级。 npm装的是纯代码，数据和指令分得开；skill把这条边界抹掉了，它是提示词、代码、完整权限三