随着 Claude Code 等 AI 编码助手越来越强，Skill 生态也在快速扩展。问题随之而来：当你面对一个具体任务时，应该用哪个 Skill？

很多开发者都有类似经历：本地已经装了一些 Skill，线上还有大量可安装的 Skill，但真正开始工作前，仍然要反复搜索、比较、试错。结果不仅耗时，还可能选到不适合当前任务的工具。

autoskills 正是为了解决这个问题而设计的。它不是一个面向单一任务的普通 Skill，而是一个帮助 Claude Code “寻找、评估并推荐其他 Skill”的 meta-skill。

简单来说，它像是 Claude Code 的 Skill 管家：当你提出一个任务时，它会同时查看本地可用技能和在线技能生态，筛选出最匹配的候选项，并根据质量标准给出推荐。

它解决了什么痛点？

在传统使用方式里，开发者通常需要自己判断：

这个任务有没有合适的 Skill？

我本地是否已经安装了？

线上有没有更好的选择？

这个 Skill 是否可信、是否维护良好？

之前类似任务用哪个 Skill 效果更好？

这些判断本来都需要人工完成。autoskills 的目标，就是把这套筛选流程系统化、可复用，并逐步沉淀成项目或个人的偏好记忆。

核心能力

1. 本地 + 在线联合搜索

autoskills 会同时检索两类来源：

一类是本地已经安装、当前环境可以直接调用的 Skill；另一类是通过 npx skills 生态能够发现和安装的在线 Skill。

它不会把本地和线上割裂开来看，而是把候选项放到同一个列表里比较、排序，让你更快知道当前任务到底应该优先使用哪个 Skill。

2. 质量评分系统

autoskills 内置了一套评分思路，会从多个维度评估候选 Skill，包括：

Fit：是否真正匹配当前任务

Trust：来源是否可信

Track-record：是否有可参考的使用记录或表现

Freshness：是否仍然新鲜、维护状态是否合理

Specificity：是否足够具体，避免用过于宽泛的工具解决专业问题

同时，它还会通过 sanity gate 过滤掉明显不可用的候选项，例如内容不可读、结构异常、占位符式 Skill、缺少关键文件等。

这能减少“看起来能用，实际不能用”的情况。

3. 持久化记忆

autoskills 不只是一次性搜索工具。它还设计了持久化记忆机制，用来记录“哪个 Skill 在什么类型的问题上表现良好”。

它采用混合注册表结构：全局 registry 用来保存长期记忆，每个项目也可以保留轻量级指针。这样，当你下次遇到类似任务时，autoskills 可以更快地复用历史经验，而不是每次都从零开始判断。

4. 可用性感知

autoskills 的推荐会优先考虑当前环境中真正可用的 Skill。

如果某个 Skill 很适合，但当前尚未同步或无法直接调用，它会被记录为“偏好但当前不可用”的候选，而不是直接当成可立即使用的推荐。

这点很重要，因为推荐工具不只是要“看起来正确”，还要能马上投入使用。

5. 项目级记忆提醒

在合适的情况下，autoskills 可以提示是否将推荐结果写入目标仓库的 CLAUDE.md。

这样，以后在同一个仓库中启动新的 AI 会话时，Claude Code 可以更容易记住这个项目适合优先使用哪些 Skill。

这个过程需要用户确认，并且设计为幂等操作，避免重复写入或破坏已有内容。

和 find-skills 有什么区别？

find-skills 更偏向在线 Skill 发现，适合查找和安装技能。

autoskills 在此基础上进一步扩展了几个方向：

它会同时考虑本地和在线 Skill；

它会对候选 Skill 统一评分和排序；

它会过滤明显不可用的结果；

它会记录历史偏好；

它可以把项目级推荐写入 CLAUDE.md，帮助后续会话复用经验。

因此，autoskills 更像是一个“技能选择层”，而不只是一个“技能搜索工具”。

使用场景示例

假设你输入：

“帮我找一个能做深度、带引用研究的 Skill。”

autoskills 可能会返回类似结果：

1. deep-research
   来源：local
   评分：9/10
   评价：高度匹配，支持扇出式搜索、事实核查和带引用报告生成，可直接调用。
2. find-skills
   来源：local
   评分：5/10
   评价：可以发现和安装 Skill，但主要面向在线搜索，不是最直接的研究执行工具。

同时，它也可能列出若干在线候选 Skill，并附上对应的安装命令，例如：

npx skills add <owner>/<skill-name> -g -a claude-code -y

在完成推荐后，它还可以记录本次成功经验，并询问是否将相关提醒写入当前项目的 CLAUDE.md。

安装方式

推荐使用 skills CLI 安装：

npx skills add B143KC47/autoskills -g -a claude-code -y

也可以手动安装：

git clone https://github.com/B143KC47/autoskills.git
cp -r autoskills ~/.claude/skills/autoskills

安装后，autoskills 就可以被 Claude Code 的 Skill 工具调用。

默认情况下，它的全局 registry 位于：

~/.claude/skills/autoskills/registry/

仓库结构

仓库主要包含以下部分：

SKILL.md：核心工作流定义，也是 autoskills 的入口。

references/：评分标准、registry 格式、CLAUDE.md 写入流程等参考文档。

scripts/：Node.js 辅助脚本，用于本地索引、记忆更新和 CLAUDE.md 写入等操作。

registry/：预置的问题到 Skill 映射。

tests/：集成测试和行为测试。

docs/superpowers/：扩展说明文档。

技术栈

autoskills 主要由 Shell 和 JavaScript 编写，无 npm 依赖，只需要 Bash 和 Node.js。

测试命令：

bash tests/check-integration.sh

项目采用 Apache License 2.0 开源协议。

总结

autoskills 的价值不在于替代某一个具体 Skill，而在于帮助 Claude Code 更聪明地选择 Skill。

它把“搜索技能、比较技能、判断可用性、记录历史经验”这几个环节组合到一起，让 AI 辅助开发从单次调用变成可积累、可复用的工作流。

如果你是 Claude Code 的重度用户，或者正在维护多个自定义 Skill，autoskills 会是一个很值得尝试的工具。

GitHub 仓库地址：https://github.com/B143KC47/autoskills

如果这个项目对你有帮助，欢迎顺手给仓库点一个 Star。你的 Star 不只是支持作者，也能帮助更多 Claude Code 用户发现这个工具。