告别臃肿的硬编码 Skill 列表
SkillsVote 是一个智能、动态的 Skill 推荐、反馈和长期进化生态系统。
它作为智能网关，提供** just-in-time 推荐**，动态路由 AI Agent 到它们需要的精确 Skill。结果？⚡ 最大化 token 效率 和 🎯 极高的任务成功率。
世界最大的 Skill 库
SkillsVote 正在挖掘 GitHub 的 vast 开源宇宙，构建前所未有的库：
- 🔥 168 万+ 发现的
SKILL.md文件 - 💎 79 万+ 格式有效技能（通过 Anthropic 的 validation 脚本验证）
核心功能
🔍 丰富的 Skill 画像
SkillsVote 不只是读取 skill，它理解它们。为每个 skill 构建结构化、全面的画像——覆盖 OS 需求、环境变量、CLI 需求、MCP 依赖。这让浏览网站变得轻松，同时确保严格的质量控制。
🏗️ 真实任务构造与执行
超越静态检查！通过可验证性筛选的技能会被实际测试：构造可执行任务、受控沙盒、严格验证器，证明一个 skill 确实帮助 Agent 完成真实工作。
🧠 Agentic 推荐引擎
给定用户任务和本地 skill 目录，Agentic 导航搜索目录并返回完美推荐的 skill 集合，附带万无一失的使用指导。
质量与可验证性评估
质量评估三维度
| 指标 | 描述 | 重要性 |
|---|---|---|
| 内容一致性 | Skill 是否围绕一个清晰稳定的目的，其余内容是否一致支持该目的 | 推荐的 skill 应该是稳定的能力单元，不是无关主题的混合包 |
| 引用完整性 | 引用的脚本、资源、模板和依赖是否按文档存在且可用 | 破损引用和缺失 artifact 是开源 skill 库中最常见的失败模式 |
| 任务导向性 | Skill 是否提供完成工作的可操作指导，而非仅背景信息 | SkillsVote 推荐可执行的 skill，不只是检索知识 |
可验证性评估三维度
| 指标 | 描述 | 重要性 |
|---|---|---|
| 成功可验证性 | 结果能否以低模糊性被程序判断 | 主观 skill（如头脑风暴或诗歌写作）不适合自动验证 |
| 环境可控性 | 所需环境能否在受控沙盒中被复现、重置和可靠执行 | 依赖实时外部系统或开放世界状态的 skill 难以确定性基准测试 |
| 任务可构造性 | 能否以合理成本生成许多真实任务实例和验证器 | 某些领域需要昂贵硬件、大数据集或繁重手工工作，不利于评估扩展 |
快速上手
方式一：安装托管 Skill（推荐）
- 运行
npx skills add MemTensor/skills-vote --skill skills-vote - 在 skill 根目录创建/更新
.env文件，设置SKILLS_VOTE_API_KEY="YOUR_API_KEY"
方式二：本地运行 Demo
# 1. 安装依赖
uv sync
# 2. 配置环境
cp .env.example .env
# 填入 Anthropic 凭证
# 3. 运行示例
bash examples/evaluate.sh
bash examples/recommend.sh
# 自定义查询
bash examples/recommend.sh -q "Summarize a pull request and highlight risky changes"
与现有生态的关系
SkillsVote 可以集成到 Codex、Claude Code、OpenClaw 等 Agent 中，作为 Skill 发现和推荐的增强层。
它和 Google SkillOS 走的是不同路线：
- SkillOS：通过 RL 训练 Curator 自动管理 Skill
- SkillsVote：通过大规模挖掘 + 静态分析 + Agentic 推荐来发现和匹配 Skill
两者互补：SkillOS 解决"如何进化"，SkillsVote 解决"从哪里找"。
结语
SkillsVote 代表了 Skill 生态的下一个阶段：从手工编写到自动发现，从静态列表到动态推荐，从个人工具到集体智慧。
168 万 Skill 的挖掘只是一个开始。当 Agent 能够自动找到、验证和使用最适合当前任务的 Skill 时，"Skill 即基础设施"的愿景才真正落地。