TechSkills-Lib：面向 AI 编程代理的开源技能模块库发布

TechSkills-Lib 是一个面向 AI 编程代理的开源技能模块库，近日在 Hacker News 上以 Show HN 形式发布。项目以 SKILL.md 文件为核心，为 AI 代理提供结构化的领域知识、分步工作流与最佳实践，目标是弥补通用 AI 在具体工程场景中缺乏程序性经验的短板。

项目定位

该项目由 Debabrata Saha 维护，采用 MIT 协议开源。项目宣称不绑定特定 AI 代理或框架，任何支持加载 Markdown 指令的编程代理理论上都可以直接复用其中的技能模块。当前仓库主要公开两个技能：

frontend-engineer：覆盖响应式布局、可访问性、视觉细节、设计系统以及 React / Vue / Svelte / React Native 等框架
backend-engineer：覆盖生产级 API、鉴权、数据库、消息队列、可靠性、可观测性、测试、安全等方向

文件结构

每个技能遵循统一的目录结构，便于 AI 代理按需加载：

SKILL.md：核心指令，必填项，使用 YAML frontmatter 声明技能名称与描述
evals/evals.json：评估用例，用于验证技能是否生效
references/：详细指南，按需加载
assets/：起始模板与代码片段

这一结构借鉴了「渐进式披露」的思路：元数据始终对代理可见（约 100 词），用于在任务匹配时触发技能加载；SKILL.md 主体保持精简（500 行以内）；references 与 assets 仅在代理判断需要时才加载，从而避免过多占用上下文窗口。

设计原则

README 中明确列出五项设计原则：

代理无关：不引用具体 AI 产品，理论上适配任何代理
简洁优先：每一行内容都需要证明其 token 成本
模式而非规约：以伪代码和通用指南适配不同技术栈
渐进式披露：SKILL.md 精简，细节下沉到 references
评估驱动：每个技能附带 eval 用例以验证可用性

使用方式

项目提供三种集成路径：

将整个技能目录复制到代理的 skills 目录
将代理的技能路径指向仓库的 skills/ 目录
按需挑选单个 reference 文件集成到项目文档中

小结

作为社区驱动的轻量级开源项目，TechSkills-Lib 提供了一种把工程领域知识整理为可复用 Markdown 技能模块的思路。仓库目前仅公开 frontend-engineer 与 backend-engineer 两个技能，且 README 未提供可量化的 benchmark 数据或大规模采用案例。技能在不同 AI 代理上的实际效果，特别是评估用例能否稳定通过，仍有待更多开发者在真实环境中的反馈与验证。