AI 编程必备 Skills 推荐：TDD、代码审查、网页自动化与 MCP 实战
你好，我是小 G。之前写了篇万字详解 Agent Skills，聊了 Skills 是什么、怎么用、和 Prompt / MCP 有什么区别。这篇不聊概念，直接分享 10 个我觉得程序员很值得装的 Skills，覆盖开发流程、代码审查、UI 设计、网页操作、前端验收、MCP 开发和 API 接入这些场景：
- 让 AI 自动遵循 TDD 流程，先写测试再写实现
- 把模糊需求整理成 PRD、技术方案或决策文档
- 一键生成符合行业标准的设计系统
- 对代码进行多维度专业审查（SOLID、安全性、性能）
- 解决 AI 聊太久会“失忆”的上下文腐化问题
- 给 AI 加上完整的网页浏览和自动化操作能力
- 用 Playwright 对本地 Web 应用做交互验收和截图检查
- 辅助开发 MCP Server，把内部 API 封装成 Agent 可调用工具
- 写 Claude API 应用时查 SDK、流式输出、工具调用、缓存和模型迁移细节
下面按场景来看。
Superpowers
这个会有点重，对于个人开发的话，其实是可以不用装的，可以看看后面推荐的 Skills。
Superpowers 是一个专为 AI 编程 Agent（Claude Code、Cursor 等）设计的软件开发工作流框架，把 TDD、Code Review、Spec-Driven、Git Worktree、子 Agent 协作等实践封装成 Skills。内置的核心技能如下：
| 技能名称 | 触发方式 | 核心功能 |
|---|---|---|
| brainstorming | 命令 /superpowers:brainstorm | 通过苏格拉底式提问帮你理清需求，输出设计文档 |
| using-git-worktrees | 自动（设计确定后） | 创建隔离的 Git worktree 分支，避免影响主分支 |
| writing-plans | 自动（设计确定后） | 将设计拆解成可执行的小任务（每个任务 2-5 分钟），包含文件路径、代码片段和验证步骤 |
| executing-plans | 自动（执行计划时可选） | 批量执行任务计划，适合逻辑简单、重复性高的任务 |
| test-driven-development | 自动（代码实现阶段） | 强制红-绿-重构循环，所有代码必须先写测试才能写实现 |
| subagent-driven-development | 自动（执行计划时可选） | 为每个任务派发一个全新的子代理，完成后自动进行两阶段审查（先检查是否符合设计，再评估代码质量） |
| code-review | 自动（任务完成后） | 双阶段代码审查，代码完成后质量把关 |
| systematic-debugging | 需要时触发 | 系统化除错，分四个阶段调查根因 |
| verification-before-completion | 自动（宣称完成时） | 强制验证，没有证据不能说完成 |
这些技能不是孤立存在的，它们会串联成一条完整的工作流。
目前 Superpowers 支持 Claude Code、Cursor、Codex、OpenCode 等主流 AI 编码平台，安装后即可自动启用。这里以 Claude Code 为例说明。
如果你本机没有安装 Claude Code 的话，只需要运行下面这行命令安装即可（Node.js 18+）：
npm install -g @anthropic-ai/claude-code在 Claude Code 中，首先要注册插件市场：
/plugin marketplace add obra/superpowers-marketplace然后从这个插件市场安装插件：
/plugin install superpowers@superpowers-marketplace一共有三个下载选项：
| 选项 | 作用范围 |
|---|---|
| Install for you (user scope) | 全局生效。你在电脑上任何地方开启 Claude Code 都能调用。 |
| Install for all collaborators (project scope) | 项目成员共有。配置会写入项目文件，同事拉代码后也能用。 |
| Install for you, in this repo only (local scope) | 仅限当前文件夹。换个目录就没了。 |
这里推荐选择 User Scope 全局安装。因为 Superpowers 的“技能”是通用的，无论你写 Java 业务还是 Python 脚本，这套方法论在大多数场景下都能用。全局安装后，你随时都能唤起这些能力，不用每个项目都折腾一遍。
安装完成后，在 Claude Code 中输入 /plugin 或 /plugin list，如果看到 Superpowers 出现在列表中，就说明安装成功了。
项目地址：https://github.com/obra/superpowers
Everything Claude Code
很多人把 Claude Code 当聊天框用。有位开发者在 8 小时内用它做完一个产品，拿了 Anthropic 黑客松冠军。
他把这套配置集开源了出来，在 Github 上已经斩获接近 4w Star：Everything Claude Code。
它把开发流程拆解成多个组件，让 AI 在不同角色间分工协作：
| 组件类型 | 作用说明 |
|---|---|
| Agents | 分工的子智能体，比如规划、架构、TDD、代码审查 |
| Skills | 封装好的工作流，像 TDD 方法论、后端开发经验 |
| Hooks | 自动执行的任务，改完代码自动检查有没有遗留的调试日志 |
| Rules | 全局生效的开发规范 |
| Commands | 斜杠命令，/tdd 跑测试、/code-review 审查代码 |
在实战测试中，这套方案让功能开发速度提升了 65%。代码审查出的问题减少了 75%，PR 的平均问题数从 12 个降到了 3 个。
但它解决的一个更实际痛点是：上下文腐化。
AI 聊太久会“失忆”，输出质量下降。这套配置让 AI 始终在清晰的角色框架内工作，保持稳定输出。每个 Agent 只负责自己擅长的领域，不会越界；每个 Skill 都有明确的触发条件和执行步骤，不会乱来。
项目地址：https://github.com/affaan-m/everything-claude-code
Doc Co-Authoring
程序员写代码之前，最容易被低估的一步其实是：把需求讲清楚。
需求没讲清楚时，AI 编程 Agent 会很努力地往前冲，但冲的方向不一定对。它可能把一个还没定边界的想法直接写成实现，最后代码、测试、文档都很完整，只是和真实需求差了一截。
Anthropic 官方 Skills 仓库里的 doc-coauthoring 就是为这类场景准备的。它关注的重点很具体：把写 PRD、技术方案、决策文档、RFC 这类工作拆成一套协作流程，先处理上下文、结构和读者理解，句子润色只是后面的事。
它的核心流程分三步：
| 阶段 | 做什么 |
|---|---|
| Context Gathering | 先收集背景、约束、历史讨论、架构依赖和利益相关方关注点 |
| Refinement & Structure | 按章节迭代，先提问和发散，再筛选内容，最后写成可读段落 |
| Reader Testing | 用一个全新上下文的 Claude 测试文档，检查读者是否会误解或遗漏 |
这个流程很适合放在编码前面用。比如你准备让 AI 写一个订单退款模块，不要一上来就说“帮我实现退款功能”，可以先让 doc-coauthoring 产出一份短技术方案：退款状态机有哪些、哪些接口要幂等、库存和优惠券怎么回滚、失败后是否需要人工补偿。
这些信息先落到文档里，再交给 Superpowers 或其他开发类 Skill 执行，返工会少很多。
安装 Anthropic 官方示例 Skills 的方式也很简单：
/plugin marketplace add anthropics/skills
/plugin install example-skills@anthropic-agent-skills项目地址：https://github.com/anthropics/skills/tree/main/skills/doc-coauthoring
UI UX Pro Max
这是一个专为 AI 编程 Agent（Claude Code、Cursor、Windsurf 等）设计的专业 UI/UX 设计智能 Skill。
它的核心能力是一键生成完整的设计系统（Design System），根据产品类型和行业特性自动给出设计决策。
v2.0 新增了 Design System Generator，能根据你的产品类型、行业特性、目标用户，在几秒内自动输出一套完整的设计系统。
该技能内置的设计知识库：
| 资源类型 | 数量 | 说明 |
|---|---|---|
| UI 风格 | 67 种 | Glassmorphism、Neumorphism、Bento Grid、AI-Native UI 等 |
| 行业色板 | 161 个 | 每个行业都有专属配色方案，全部带色值说明 |
| 字体搭配 | 57 种 | 精选字体组合，附带 Google Fonts 链接 |
| 推理规则 | 161 条 | 行业特定的设计系统生成规则 |
| UX 准则 | 99 条 | 最佳实践、反模式和可访问性规则 |
| 支持技术栈 | 13 种 | React/Next.js + shadcn/ui、Vue/Nuxt、Tailwind、SwiftUI、Flutter、React Native 等 |
它是如何工作的？
当你输入“帮我做一个美容 SPA 的落地页”时，它不会随便给你一套紫色渐变，而是会推理出：这是健康养生行业 → 推荐柔和的 Soft UI 风格 → 配色用淡粉 + 鼠尾草绿 + 金色点缀 → 字体选优雅的 Cormorant Garamond，同时还会列出该行业应该避免的反模式（比如不要用 AI 感十足的紫粉渐变）。
安装方式非常简单：
Claude Code（推荐）：
/plugin marketplace add nextlevelbuilder/ui-ux-pro-max-skill
/plugin install ui-ux-pro-max@ui-ux-pro-max-skillCursor / Windsurf / Continue 等：使用官方 CLI
npm install -g uipro-cli
uipro init --ai claude # 或 cursor、windsurf 等安装后，只需自然语言描述你的 UI 需求，技能会自动激活：
帮我做一个 SaaS 产品的落地页
设计一个医疗分析仪表盘
做一个深色主题的金融 App它还会自动生成 Pre-delivery Checklist，确保没有 emoji 当图标、hover 状态完整、reduced-motion 被尊重等专业细节。
项目地址：https://github.com/nextlevelbuilder/ui-ux-pro-max-skill
如果你觉得 UI UX Pro Max 太重，只需要一个轻量的前端设计指导，可以试试 Anthropic 官方的 frontend-design Skill。它专注于避免 AI 生成的“千篇一律”美学——拒绝 Inter/Roboto 等泛滥字体，拒绝紫白渐变这类套路配色，鼓励大胆的排版和非常规布局。没有 UI UX Pro Max 那么完整的设计知识库，但胜在轻量，适合对设计要求不那么复杂的场景。
sanyuan-skills
这是一个面向生产环境的 Claude Code 技能集合，它把资深工程师的代码审查经验封装成 Skill，让 AI 从多个专业维度对代码进行审查。
该集合目前包含三个核心技能：
| 技能名称 | 核心功能 | 适用场景 |
|---|---|---|
| Code Review Expert | 资深工程师级别的代码审查，覆盖 SOLID 原则、安全性、性能、错误处理、边界条件等 | 代码提交前的质量把关 |
| Sigma | 基于 Bloom's 2-Sigma 掌握学习理论的 1 对 1 AI 导师，采用苏格拉底式提问 | 学习新技术、深入理解某个概念 |
| Skill Forge | 元技能，用于创建高质量 Skill，内置 12 种经过实战检验的技术 | 想自己开发 Skill 时的起点 |
Code Review Expert 的审查维度：
- SOLID 原则：单一职责、开闭原则、里氏替换等
- 安全性：SQL 注入、XSS、敏感信息泄露等
- 性能：算法复杂度、内存泄漏、不必要的循环等
- 错误处理：异常捕获、边界条件、空值处理等
- 代码质量：命名规范、注释、可读性等
使用 npx 命令安装：
# 安装代码审查专家
npx skills add sanyuan0704/sanyuan-skills --path skills/code-review-expert
# 安装 Sigma 导师
npx skills add sanyuan0704/sanyuan-skills --path skills/sigma
# 安装 Skill Forge
npx skills add sanyuan0704/sanyuan-skills --path skills/skill-forge安装后，在 Claude Code 中直接调用：
/code-review-expert # 审查当前 git 变更
/sigma <主题> # 启动学习辅导，如 /sigma React Hooks
/skill-forge # 创建新技能项目地址：https://github.com/sanyuan0704/sanyuan-skills
Web Access
Claude Code 自带 WebSearch 和 WebFetch，但缺少编排策略和浏览器自动化能力。这个 Skill 补上了这块——让 Claude Code 能自主浏览网页、操作动态页面，并且跨会话积累站点经验。
| 能力 | 说明 |
|---|---|
| 自动工具选择 | 根据场景自动选择 WebSearch / WebFetch / curl / Jina / CDP，可自由组合 |
| CDP 浏览器操作 | 直连日常使用的 Chrome，自然携带登录态；支持动态页面、交互操作、视频帧捕获 |
| 并行分治 | 派发子 Agent 并行处理多个目标，共享一个 Proxy，Tab 级隔离 |
| 站点经验积累 | 按域名存储操作经验（URL 规律、平台特征、已知坑点），跨会话复用 |
| 媒体提取 | 直接从 DOM 提取图片/视频 URL，或截取任意时间点的视频帧并分析 |
v2.4.1 将脚本从 bash 迁移到了 Node.js，支持 Windows / Linux / macOS。还新增了 DOM 边界穿透能力，能处理 Shadow DOM、iframe 等选择器无法到达的元素。
安装方式：
git clone https://github.com/eze-is/web-access ~/.claude/skills/web-access前提条件：Node.js 22+，Chrome 需开启远程调试（在 chrome://inspect/#remote-debugging 中勾选"Allow remote debugging for this browser instance"）。
安装后可以直接用自然语言驱动：
搜索一下 xxx 的最新进展
帮我去小红书搜一下 xxx 的账号
同时调研这 5 个产品网站，给我一个对比总结项目地址：https://github.com/eze-is/web-access
Webapp Testing
Web Access 更偏“上网和操作现有网站”，而 webapp-testing 更适合程序员本地开发时用：启动本地服务，打开页面，跑 Playwright 脚本，检查交互、控制台日志和截图。
它解决的是另一个很具体的问题：AI 写完前端后，经常只跑 npm run build，但没有真的点页面。构建通过不代表按钮可点、弹窗正常、表单校验生效，也不代表移动端没有遮挡。
webapp-testing 内置了一套 Playwright 测试流程：
| 能力 | 说明 |
|---|---|
| 服务生命周期管理 | 通过 scripts/with_server.py 启动一个或多个本地服务，测试结束后自动处理退出 |
| 动态页面检查 | 等待 networkidle 后再检查 DOM，避免页面还没渲染完就开始断言 |
| 截图与日志捕获 | 保存页面截图，读取控制台日志，适合排查前端样式和运行时错误 |
| 元素发现 | 先侦察页面上的按钮、链接、输入框，再生成更可靠的选择器 |
举个很常见的用法：AI 写完一个管理后台页面后，让它用 webapp-testing 打开 http://localhost:5173，检查新增按钮、表单提交、错误提示、弹窗关闭、暗色模式和移动端宽度下的布局。这个环节不一定替代正式 E2E 测试，但能抓住很多“代码看起来没问题、页面一用就露馅”的问题。
如果前面已经安装了 Anthropic 的 example-skills，通常不用重复安装，直接提到 “use webapp-testing” 这类需求即可触发。
项目地址：https://github.com/anthropics/skills/tree/main/skills/webapp-testing
MCP Builder
MCP 已经是 AI 编程工具里绕不开的一层：数据库、内部平台、工单系统、知识库、部署平台，都可以通过 MCP 暴露给 Agent。
但 MCP Server 不是把 API 包一层就完事。更容易踩坑的地方在工具边界、参数收敛、错误返回、鉴权、分页，以及怎样让 Agent 调用后拿到足够稳定的结果。
mcp-builder 是 Anthropic 官方提供的 MCP Server 开发 Skill，用来指导你构建高质量 MCP 服务。它覆盖 Python 的 FastMCP，也覆盖 Node / TypeScript 方向的 MCP SDK。
我会把它放在“程序员必备”里，原因很简单：当你开始频繁让 AI 读项目、查内部文档、跑部署、查监控时，只靠复制粘贴上下文很快会到上限。MCP 的作用就是把这些重复动作变成工具。
适合用它处理的场景：
- 把公司内部 OpenAPI 封装成 MCP 工具，让 Agent 能查订单、查用户、查配置
- 给数据库查询加一层受控工具，限制只读、限制表范围、统一脱敏
- 把部署、日志、告警平台的常用动作封装成标准工具
- 为团队沉淀一套可复用的 Agent 工具层，而不是每个人都写一遍脚本
这里要诚实一点：MCP Builder 更适合已经准备动手做工具集成的同学。刚接触 AI 编程时，可以先用 Superpowers、sanyuan-skills 这类开箱即用的 Skill；等你发现 Agent 总是在重复查同一批系统，再考虑写 MCP Server。
项目地址：https://github.com/anthropics/skills/tree/main/skills/mcp-builder
Claude API
如果你的工作只是在 IDE 里用 AI 写代码，Claude API 这个 Skill 不一定每天都会用到。
但只要你开始开发 AI 应用，比如做智能客服、代码生成平台、文档分析工具、内部 Agent 平台，它就很有价值。因为 API 细节变化快，靠记忆写 SDK 调用很容易写出过期代码。
Anthropic 官方的 claude-api Skill 覆盖了模型选择、价格、参数、流式输出、工具调用、MCP、Agent、缓存、Token 计算和模型迁移等内容，还按语言拆了文档目录：
| 语言 / 接入方式 | 说明 |
|---|---|
| Python | 使用官方 Python SDK |
| TypeScript | 使用官方 TypeScript SDK 和 Zod |
| Java | Java / Kotlin / Scala 项目可参考 |
| Go | Go 服务端应用可参考 |
| Ruby / PHP | 适合对应语言栈项目 |
| C# | .NET 项目可参考 |
| cURL | 原始 HTTP、Shell 脚本或调试用 |
这个 Skill 最值得借鉴的一点是它的“先查文档再写代码”约束：遇到 SDK 方法名、参数、流式事件、工具调用结构时，不让 AI 凭印象猜。对 API 集成来说，这比多写几行示例代码更重要。
项目地址：https://github.com/anthropics/skills/tree/main/skills/claude-api
skill-creator
这是 Anthropic 官方 Skills 仓库中的一个元技能，专门用于创建、修改和优化 Skill。
它提供了一套 Skill 开发工作流：
| 阶段 | 工作内容 |
|---|---|
| 意图捕获 | 理解你想让 Skill 做什么，明确边界和目标 |
| 起草 SKILL.md | 编写 Skill 的核心指令文件，包含 frontmatter 和指令内容 |
| 测试验证 | 创建测试用例，运行对比实验（有 Skill vs 无 Skill） |
| 迭代优化 | 根据测试反馈持续改进指令 |
| 描述优化 | 优化 Skill 的 description，提高触发准确性 |
它还内置了评估系统：生成可视化评测报告，对比“使用 Skill”和“不使用 Skill”的输出差异，支持多轮迭代优化。
适合想给团队做专属 Skill 的开发者作为起点。
项目地址：https://github.com/anthropics/skills/tree/main/skills/skill-creator
总结
按场景整理一下，方便按需选择：
| 场景 | 推荐 Skill | 一句话说明 |
|---|---|---|
| 完整开发流程 | Superpowers | TDD + Code Review + 自动计划，装完直接用 |
| 多角色协作 | Everything Claude Code | 子 Agent 分工，解决上下文腐化 |
| 需求与技术文档 | Doc Co-Authoring | PRD、技术方案、决策文档的协作写作流程 |
| UI 设计 | UI UX Pro Max / frontend-design | 前者完整设计系统，后者轻量设计指导 |
| 代码审查 | sanyuan-skills | SOLID + 安全 + 性能多维度审查 |
| 网页浏览与操作 | Web Access | CDP 浏览器自动化 + 站点经验积累 |
| 本地 Web 验收 | Webapp Testing | Playwright 交互测试 + 截图和日志检查 |
| 工具接入 | MCP Builder | 开发 MCP Server，连接内部 API 和平台 |
| AI 应用开发 | Claude API | SDK、流式输出、工具调用、缓存和模型迁移 |
| 自制 Skill | skill-creator | Anthropic 官方的 Skill 开发工具 |
不需要全装，根据日常场景挑几个就行。刚开始接触的话，建议从 Superpowers 和 sanyuan-skills 入手，先把开发流程和代码质量兜住；如果你经常做前端，再加上 Webapp Testing；如果你已经开始给团队做内部 Agent，MCP Builder 和 skill-creator 会更有用。