1.2 find-skills 与 skill-installer 功能介绍

前言

故事是这样的。

我前两天在折腾 Codex，想让 AI 帮我自动整理公众号素材，结果发现它只会按默认套路写，怎么调都不对味。

我就琢磨，社区里肯定有人已经踩过这个坑，说不定有人把整套流程打包成 Skill 了。

一搜，还真有。

但搜着搜着我又懵了，怎么有两个看起来都在「装技能」的东西，一个叫 find-skills，一个叫 skill-installer。

名字像，功能也像，用错的话要么装错地方，要么搜半天搜不到。

这篇文章就把这俩掰开了讲清楚，你下次缺能力的时候，知道该找谁。

Skill 是什么

你可以把它理解成给 AI 装的一个「专项外挂」。

平时 Claude、Codex、Cursor 这些 Agent 啥都能聊一点，但一聊到专业领域，比如 PR 评审、PPT 处理、公众号改稿、Playwright 自动化，它容易泛，容易飘。

Skill 就是把某一块的经验、流程、脚本、规范，打包成一个模块。Agent 读到这个 Skill，就知道该怎么干活，按什么标准交付。

有点像你招了个全能实习生，再给他配一本岗位手册。手册越细，他越不像在瞎猜。

find-skills：发现与搜索

核心定位

find-skills 的核心是「发现」。

它的出发点特别简单，你有一个需求，但你不确定社区里有没有现成的 Skill 能接。

适用场景

• 问「怎么让 React 应用跑得更快」

• 问「有没有 Skill 能帮我做 PR Review」

• 问「我想自动生成 changelog」

• 任何「我不知道有没有，但我想找找看」的场景

技术入口

接的是开放 Agent Skills 生态，入口是 Skills CLI：

浏览与排行榜网站：https://skills.sh/

工作流程

1. 理解需求 — 明确领域和具体任务

2. 查排行榜 — 先去 skills.sh 看热门 Skill（React、Next.js、前端设计等，安装量常达十万级）

3. 关键词搜索 — 排行榜对不上需求时，运行 npx skills find [query]

4. 质量验证 — 安装量优先 1000+，低于 100 需谨慎；优先官方来源（vercel-labs、anthropics、microsoft）；GitHub star 数 < 100 要留心眼

5. 呈现选项 — 给出 Skill 名称、功能、安装量、安装命令、skills.sh 链接

6. 协助安装 — 用户确认后执行：

npx skills add owner/repo@skill-name -g -y

-g 全局安装，-y 跳过确认。

常见搜索类别

搜不到时的兜底

• 直接用 Agent 通用能力帮你完成任务

• 建议用户自建 Skill：npx skills init my-xyz-skill

skill-installer：安装与管理

核心定位

skill-installer 的核心是「安装」。

这是 Codex 生态里的 Skill，路径和 find-skills 不同。

默认技能库

• 精选清单：https://github.com/openai/skills/tree/main/skills/.curated

• 实验性 Skill：https://github.com/openai/skills/tree/main/skills/.experimental（稳定性需自行评估）

• 系统预装：.system 目录下的 Skill 已预装，一般无需手动安装

技术入口

使用自带 Python 脚本，而非 npx skills：

安装路径

$CODEX_HOME/skills/<skill-name>

默认：~/.codex/skills

关键行为

• 公开 repo 优先直接下载，权限不足时 fallback 到 git sparse checkout

• 目标目录已存在会直接 abort，不会悄悄覆盖

• 支持私有 GitHub repo（git 凭证或 GITHUB_TOKEN / GH_TOKEN）

• 支持 --ref、--dest、--method auto|download|git 等选项

• 装完后必须重启 Codex，否则 Agent 读不到新 Skill

列表输出示例

Skills from openai/skills:
1. skill-1
2. skill-2 (already installed)
3. ...
Which ones would you like installed?

两者对比

一句话对照：

• find-skills = 应用商店的「搜索 + 推荐」

• skill-installer = 「官方渠道的安装器」

使用场景对号入座

场景一：只有一个痛点，不知道有没有解

「我想让 AI 帮我做 UI 无障碍检查」「有没有 Skill 专门写 E2E 测试」

用 find-skills。 让它去 skills.sh 和 CLI 里搜，搜完带安装量给你挑。

场景二：在 Codex 里，想装 OpenAI 官方那套

docx 处理、pdf、插件脚手架等官方维护版本

用 skill-installer。 列清单、点名字安装，省心。

场景三：同事发来团队私有 Skill 的 GitHub 链接

优先 skill-installer。 对 --repo、私有 token、git fallback 支持更完整。

find-skills 的 npx skills add 也能装公开源，但 Codex 用户装私有 repo 时 skill-installer 更稳。

场景四：想逛热门 Skill，看社区在玩啥

用 find-skills。 上 skills.sh 排行榜，按安装量看 web dev、testing、devops、design 各赛道头部。

场景五：两个都没搜到

怎么选：迷茫 vs 明确

它俩不是二选一，是「先发现还是先安装」的分工。

写在最后

很多人把 Skill 当成「Prompt 模板」，其实差远了。

好的 Skill 里往往有完整 workflow：什么时候该读哪个文件、用什么脚本、交付格式是什么、哪些坑必须提醒用户。这些才是装 Skill 和裸聊的区别。

• find-skills 帮你找到社区验证过的外挂

• skill-installer 帮你把 OpenAI 官方认可的外挂稳稳装进去

AI Agent 的上限，一半看模型，一半看你给它配了什么「岗位手册」。搞清它俩的区别，下次 Agent 不会某项活，先问一句：社区有没有人写过这个 Skill。

大概率，有。

参考链接

• Skills 生态浏览：https://skills.sh/

• OpenAI 官方 Skill 仓库：https://github.com/openai/skills

• find-skills Skill 文档：搜索开放生态、质量验证、npx skills 命令

• skill-installer Skill 文档：Codex 安装脚本、$CODEX_HOME/skills 路径说明

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。

谢谢你看我的文章，我们，下次再见。