Agent Skills 官方技能库（Claude Code / Codex）
⚠️ 2026-10-02 核实：AGENTS.md 认知需纠正——本篇原文把 AGENTS.md 记为「Codex 读」、CLAUDE.md 记为「Claude Code 读」。事实恰好相反：
- AGENTS.md 是 OpenAI 于 2025 年 8 月推出的，Anthropic 是跟进方
- Claude Code v2.1.277 起已原生支持 AGENTS.md（项目中无 CLAUDE.md 时直接读）
- ⚠️ 官方文档存在矛盾：memory 页至今仍写「Claude Code reads CLAUDE.md, not AGENTS.md」，未同步更新——以 changelog 为准
- AGENTS.md 现由 Agentic AI Foundation（Linux Foundation） 托管
AGENTS.md 标准（2026-10-02 核实）
| 项目 | 事实 |
|---|---|
| 推出方 | OpenAI（2025 年 8 月），Anthropic 跟进 |
| 治理 | Agentic AI Foundation（AAIF），挂靠 Linux Foundation |
| 采用量 | 6 万+ 开源项目 |
| 格式 | 纯 Markdown，无任何必填字段，标题随意 |
| 官网 | https://agents.md/ |
支持方（数十家）：Codex、Cursor、Devin、Factory、Gemini CLI、GitHub Copilot、Jules、VS Code、Warp、Zed、opencode、Windsurf、Aider、goose、Junie、Semgrep、Ona、Amp、Kilo Code、Augment Code 等。
三条实用规则：
- 大仓用嵌套 AGENTS.md——离被改文件最近的那份优先（OpenAI 主仓有 88 个）
- 规则冲突时：就近的 AGENTS.md 赢，用户在对话里的明确指令赢一切
- 官方建议控制在 200 行以内，避免挤占上下文
迁移旧文件：mv AGENT.md AGENTS.md && ln -s AGENTS.md AGENT.md
各工具配置：
| 工具 | 配置方式 |
|---|---|
| Aider | .aider.conf.yml 加 read: AGENTS.md |
| Gemini CLI | .gemini/settings.json 加 {"context": {"fileName": "AGENTS.md"}} |
| Claude Code | ✅ v2.1.277 起原生支持：项目中无 CLAUDE.md 时直接读 AGENTS.md，可在 /config 的 Project instructions 切换（Bedrock/Vertex/Foundry 暂不支持） |
一句话
Anthropic 和 OpenAI 两家都开源了官方「技能库」——把最佳实践做成 AI 可执行的技能包（Agent Skills 格式），而且两边用的是同一个开放标准，技能可跨家移植。
Anthropic 阵营（Claude Code）
| 仓库 | Star | 内容 |
|---|---|---|
| anthropics/skills | 179,326 | 官方技能库，19 个官方技能 |
| anthropics/claude-plugins-official | 37,293 | 官方管理的 Claude Code 插件目录 |
| anthropics/defending-code-reference-harness | 7,539 | 安全技能包（威胁建模/扫描/分诊/修补） |
19 个官方技能清单：文档四件套 docx/pdf/pptx/xlsx（我们日记仓在用的就是这套）、frontend-design、webapp-testing、web-artifacts-builder、mcp-builder、skill-creator、claude-api、algorithmic-art、canvas-design、theme-factory、brand-guidelines、doc-coauthoring、internal-comms、discernment-nudge、academy-guide、slack-gif-creator
OpenAI 阵营（Codex）
| 仓库 | Star | 内容 |
|---|---|---|
| openai/codex | 127,546 | Codex CLI 本体（Rust） |
| openai/skills | 27,839 | Codex 官方技能目录（.curated 精选 39 个 + .system 系统 5 个） |
| openai/codex-plugin-cc | 33,762 | 在 Claude Code 里调用 Codex（互操作插件！） |
| openai/codex-security | 10,951 | 安全扫描 CLI/SDK（找漏洞、验证、修复） |
精选技能亮点（.curated，39 个）：Figma 全家桶 8 个、云部署四件套（Cloudflare/Vercel/Netlify/Render）、安全三件套（security-best-practices / security-threat-model / security-ownership-map）、Notion 四件套、GitHub 的 gh-address-comments / gh-fix-ci、playwright、migrate-to-codex；.system 里有 skill-creator / skill-installer / imagegen
概念澄清：「代码规范」的准确说法
这些仓库装的不是传统的代码规范文档（如 Airbnb Style Guide 那种给人读的规则书），而是**「AI 可执行的技能包」**——每包 = 说明书（SKILL.md）+ 脚本/模板，AI 读了就能照着执行。其中最接近「代码规范」的：security-best-practices、brand-guidelines、frontend-design（内含设计规范）。
关键洞察
- 同一个开放标准：两家技能都遵循 Agent Skills 开放协议（agentskills.io）——技能跨家通用，Claude Code / Codex / TraeWork 都能装
- 互相渗透：openai/codex-plugin-cc 是「在 Claude Code 里用 Codex」——竞争者互为插件，生态在融合
- 印证范式：连 OpenAI 都在做「技能目录」——「确定性工程 × Agent」的打法已成两家共识（与 HomeRail、OpenCodeReview 同思路）
- 我们已在用：日记仓的 docx/pdf/pptx/xlsx 四件套、大师、Archify 全部遵循这个标准
可挑选安装（对 Project One 有用）
frontend-design（前端设计规范）·webapp-testing（网页自动化测试）——Project One 的 WebUI 可用mcp-builder（造 MCP 服务器）——想把业务数据做成 MCP 时用
能规范代码的 skill 清单（9-18）
按作用时机分两类——事前规范（写代码时把规矩喂给 AI）和事后把关（写完查）：
事前规范型（预防）：
| Skill | 出处 | 规范什么 |
|---|---|---|
tdd | ✅ 已装本地 | 测试先行——先写测试再写代码，AI 没法写出「跑不起来」的功能 |
security-best-practices | OpenAI 官方 | 安全编码最佳实践——从源头防 SQL 注入/XSS/密钥泄露 |
security-threat-model | OpenAI 官方 | 动手前先做威胁建模——哪些地方会被攻击 |
frontend-design | Anthropic 官方 | 前端设计与代码规范——页面不是 AI 随手糊的 |
事后把关型（检查）：
| Skill/工具 | 出处 | 查什么 |
|---|---|---|
| OpenCodeReview（OCR） | ✅ 已装 | 行号级审查：空指针/线程安全/XSS/SQL 注入 + AI 深挖逻辑错 |
webapp-testing（playwright） | OpenAI 官方 | 页面自动化测试——功能真的能用 |
codex-security | OpenAI 官方 | 安全漏洞专项扫描（CLI/SDK） |
defending-code-reference-harness | Anthropic 官方 | 威胁建模→扫描→分诊→修补 全链路 |
推荐组合（对 Project One / 某合作银行项目）：已装的 tdd + OCR 把关（零成本），再装 security-best-practices（事前防安全）——三道关足够；前端重的项目加 webapp-testing。
治「AI 代码乱糟糟」的完整方案（9-18，回应某位同事的担心）
某位同事担心的三件事——AI 代码人读着费劲、写得乱糟糟、不好找——本质是：AI 写代码像一支没有统一图纸的施工队，每个工人各干各的。解法 = 开工前把规矩写成文件 + 机制强制执行，四件套：
- 项目规矩文档（最关键的一件）：项目根目录放 AGENTS.md（OpenAI 推出的标准，Codex / Cursor / opencode 等都读）/ CLAUDE.md（Claude Code 专用）——写死目录结构、命名规范、注释要求、文件归属、禁止事项。AI 每次开工自动先读它再动手。佐证：Project One（44.7K star 的开源项目）就自带 AGENTS.md + copilot-instructions.md + 完整 docs/ 目录
- 文档地图（治「不好找」）：按编号组织项目文档——学某内部 BI 项目 的实践（00-总览 / 01-页面架构 / 03-接口清单 / 04-数据口径），每个模块一个编号文档
- tdd 测试先行：测试就是「可执行的说明书」——AI 写的东西必须过测试，读不懂代码的人至少能看懂测试想干什么
- OCR 事后把关：行号级审查 + 精确定位，写完查一遍
已装进度：tdd ✅ / OCR ✅ 已就位；规矩文档和文档地图是每个项目开工时的第一件事（某合作银行项目已列入第 0 步）。
进阶玩法（9-18）：反向提炼法——从人写的代码里归纳规范
与其凭空写规范，不如把某位同事自己写的代码让 Agent 读，反向归纳出规范——好处有三：①某位同事的代码就是团队「事实上的标准」，提炼出来的规范天然服众；②隐性习惯显性化（他自己都说不清的偏好被 AI 总结出来）；③AI 最擅长「从大量样本里找共性」，这正是它的主场。
实操四步：①选样本——挑某位同事最满意的几个核心模块（别全仓库一把梭，避免把历史遗留的坏习惯也归纳进去）；②Agent 归纳——目录组织逻辑、命名习惯、注释风格、错误处理模式、常用设计模式，产出 AGENTS.md 草稿；③人工审校——AI 可能总结出「表面规律」而非「设计意图」，也可能把坏习惯当特色，这一步不能省；④定稿入仓——AGENTS.md 放进项目根目录，之后 AI 每次开工自动读。
最大的价值：存量代码是人写的、增量代码是 AI 写的——提炼出的规范就是两拨代码之间的「翻译桥」，从此 AI 写的新代码向某位同事的风格看齐，人机风格不再分裂。某内部项目（某位同事开发）正适合用此法。
相关笔记
- OpenCodeReview · HomeRail · 大师 · Archify · TraeWork
相关日记
- 2026-09-18 - 首次盘点
- 2026-10-02 - 核实：Claude Code v2.1.277 起原生支持 AGENTS.md（此前记「不支持」已过时）；刷新 7 个仓库 star