我当前在 OpenCode 使用的全局 Skills 体系说明与下载

这篇文章记录我当前在 OpenCode 中使用的全局 skills 体系：它们分别负责什么、适合在什么场景下调用、哪些是主技能、哪些是辅助技能，以及我为什么这样组织。

下载

当前导出的 OpenCode 全局 skills 压缩包：

说明：压缩包里排除了 .git 元数据目录，保留的是当前实际使用的全局 skills 内容。

先说结论：我怎么理解全局 Skills

我现在对全局 skills 的理解，不再是“装得越多越好”，而是更接近一套分层工具箱：

  1. 流程控制类：决定 AI 该怎么工作
  2. 通用能力类：处理文档、前端、GitHub、文件、记忆等高频任务
  3. 领域专项类：处理科研、Unity、Feishu、文档格式等专业场景
  4. 辅助增强类：补足某些主技能没有覆盖到的细粒度工作流

这样组织的好处是：

  • 平时高频任务有稳定入口
  • 遇到复杂任务时能自动切换到更专业的 skill
  • 不容易因为目录太乱而把重复 skill、弱化 skill、容器目录也当成主技能使用

一、流程控制类：决定 AI 怎么工作

这一类是我最重视的，因为它们不是解决某一个业务问题，而是决定整个代理在面对任务时的行为方式。

superpowers

这是工作流总控层。里面包含了很多关键子技能，比如：

  • using-superpowers
  • brainstorming
  • writing-plans
  • verification-before-completion
  • systematic-debugging
  • test-driven-development

它们分别负责：

  • 在任务开始前检查是否该启用 skill
  • 在写代码前先做方案与拆解
  • 在完成前强制做验证
  • 出现 bug 时优先走系统化排查，而不是盲改

如果把所有全局 skill 比作一个团队，这一层更像“项目经理 + 研发流程规范”。

memory / distill-memory / search-memory

这一组负责“记住”和“想起来”。

  • memory：完整记忆系统，适合做长期上下文沉淀
  • distill-memory：把关键结论压缩成可复用记忆
  • search-memory：当任务与历史内容有关时主动回忆

这组 skill 的价值不在于“能不能存”，而在于减少反复解释背景、减少上下文丢失后的重复劳动。

二、通用能力类：高频任务的主技能

这一层是最常用的主力技能区，覆盖大多数实际工作流。

文档与内容协作

  • doc-coauthoring：适合一起写 spec、PRD、设计文档、决策文档
  • docx：处理 Word 文档
  • pdf：处理 PDF 阅读、拆分、提取、表单
  • pptx：处理演示文稿
  • xlsx：处理表格、数据分析、公式与格式
  • internal-comms：写团队内部汇报、FAQ、周报、项目更新
  • email-composer：写正式邮件，适合对外或半正式沟通

这里我的使用原则很简单：

  • 要写“结构化说明文”时，用 doc-coauthoring
  • 要操作具体文件格式时，用 docx / pdf / pptx / xlsx
  • 要做组织沟通时，用 internal-comms 或 email-composer

前端与设计

  • frontend-design：做网页、页面、组件、界面设计
  • web-artifacts-builder：做复杂 HTML artifact
  • canvas-design：做静态视觉作品、海报、图形设计
  • algorithmic-art：做生成式视觉作品
  • theme-factory：给已有作品套主题
  • slack-gif-creator：做适合 Slack 的 GIF

这层里面：

  • frontend-design 更偏“产品界面”
  • canvas-design 更偏“静态视觉成品”
  • web-artifacts-builder 更偏“复杂交互 artifact”

开发协作与代码相关

  • github：查 PR、Issue、状态、评论等
  • filesystem：文件目录分析与批量处理
  • shell：写稳健 shell 脚本
  • mcp-builder：设计或实现 MCP server
  • skill-creator：写新的 skill
  • webapp-testing：本地 web 应用测试
  • git-commit-helper：辅助生成更清晰的 commit message

这组可以理解为“日常开发基础设施技能”。

三、集成与平台类：让 AI 接到更多外部能力

这组 skill 主要作用不是输出内容，而是对接生态和平台。

Feishu 系列

  • feishu-doc
  • feishu-drive
  • feishu-perm
  • feishu-wiki

适合处理飞书文档、云盘、权限和知识库。

Unity 系列

  • unity-skills
  • unity-ui
  • unity-scene
  • unity-script
  • unity-editor
  • 以及大量 unity-* 子技能

这套 skill 比较像一整套 Unity 操作系统，覆盖场景、材质、脚本、组件、灯光、测试、Timeline、Profiler 等。

其他平台与专项集成

  • obsidian：处理笔记库
  • github：GitHub 生态操作
  • weather：天气
  • blogwatcher：博客/RSS 监控
  • find-skills：帮你反查有没有可用技能

四、科研与专业扩展类：把 AI 变成细分领域工具箱

这是我这次专门补进来的重点区域之一。

academic-research

这是学术检索主入口，适合：

  • 找论文
  • 按主题、作者、DOI 搜索
  • 看引用链
  • 做文献综述初步整理

它解决的是“先把相关论文搜到”的问题。

scientific-thinking 及子技能

这是“科研思考工作流层”。我现在保留了这些辅助 skill：

  • scientific-brainstorming
  • hypothesis-generation
  • exploratory-data-analysis
  • statistical-analysis
  • scientific-critical-thinking
  • scientific-writing
  • scientific-visualization
  • literature-review
  • peer-review
  • scholar-evaluation

这些技能的价值在于：它们不是单纯帮你“查文献”，而是把科研任务拆成了更细的步骤：

  • 怎么提出假设
  • 怎么探索数据
  • 怎么做统计判断
  • 怎么写科研文本
  • 怎么做学术评价

scientific-databases

这一层负责接具体数据库，例如：

  • geo-database
  • gene-database
  • uspto-database
  • zinc-database

适合做更垂直的数据库访问，而不是停留在通用论文搜索。

scientific-integrations

这一层负责接实验和科研平台：

  • benchling-integration
  • dnanexus-integration
  • labarchive-integration
  • latchbio-integration
  • omero-integration
  • opentrons-integration
  • protocolsio-integration

这些技能对普通开发者未必常用，但对于实验流程、科研数据平台、自动化实验等场景有价值。

scientific-packages

这是一组“包级 skill”，用于补足特定 Python 科学计算或科研包的使用经验，比如：

  • anndata
  • biopython
  • transformers
  • torch_geometric
  • umap-learn
  • vaex
  • zarr-python
  • dask
  • astropy
  • neurokit2

这些 skill 更像“细分技术插件”，当任务真的涉及到对应包时才会有明显价值。

五、我当前保留这些全局 Skills 的原则

这次整理之后，我的原则变成了下面这套：

1. 主技能优先，弱化重复入口

例如：

  • 保留 web-artifacts-builder，不再保留重复的 artifacts-builder
  • 保留 xlsx，不再用弱化版 excel-analysis 作为主入口

2. 容器目录不当主技能

像这些目录：

  • development
  • document-processing
  • creative-design
  • enterprise-communication

它们本身更像技能包，不适合当成顶层主入口。我已经把这些纯容器目录清理掉，保留真正可调用的 skill。

3. 允许保留有价值的辅助 skill

比如：

  • pdf-processing-pro
  • email-composer
  • git-commit-helper
  • distill-memory
  • search-memory

它们和主技能有一定重叠，但能补充更具体的工作流，所以我保留了。

4. 专业领域技能按需常驻

科研类 skill 数量很多，但如果你明确知道自己会涉及科研、数据库、实验平台、统计分析，这类技能保留在全局是值得的。

六、适合参考的全局 Skills 分组

如果你也想搭一套自己的全局 skill，我建议至少按下面这几个大类来组织：

  • 流程控制：superpowers、memory
  • 文档处理：docx、pdf、pptx、xlsx、doc-coauthoring
  • 前端设计：frontend-design、web-artifacts-builder、canvas-design
  • 开发协作：github、filesystem、shell、mcp-builder
  • 平台集成：feishu-*、unity-*、obsidian
  • 专业扩展：academic-research、scientific-*

这样做的优点是：后面再加 skill 时，你不会把目录越堆越乱，而是知道它应该归到哪一类。

结语

我现在更倾向于把全局 skills 当成“自己的 AI 开发环境配置”，而不是单纯的素材仓库。

真正有用的不是 skill 数量，而是：

  • 是否有稳定的主入口
  • 是否能减少重复技能
  • 是否能在高频任务中自然命中
  • 是否能在专业任务里提供真正的补强

如果你只是想快速复用一套可工作的 OpenCode 全局技能配置，可以直接下载我当前导出的压缩包：