几个月前，我们发现团队里每个工程师运行的AI编程助手版本都不一样。不是模型版本——那些都是最新的。是代理使用的技能配置乱七八糟，而技能才是决定效果的关键。

有人自己配了一套技能，有人从旧版本复制，还有人直接从网上找了些来用。更糟糕的是，我们完全看不到这些配置，因为技能都是本地文件。于是我们建了一个库。现在工程师只需运行一个命令，代理就从统一的基础配置启动。

打开网易新闻 查看精彩图片

公司标准自动拉取，还能根据项目加载可选技能。以下是搭建过程。

第一步：把所有技能放进库

技能文件其实就是Markdown，告诉AI代理你们公司怎么做事。可能有安全规范、事故处理流程、编码标准等。建议用版本控制管理，并关联到相关服务和团队。

放版本控制里有几个原因：技能变动频繁，需要追踪变更；最终要进IDE，Git方便同步；最重要的是，GitHub托管让我们能在Port里自动发现，再关联到其他系统。

技能来源可以很多：PR评审意见、架构决策记录、事故复盘、入职文档，还有社区库比如skills.sh。我们管那些散落的叫"影子技能"，尽量多收集。

第二步：分组并区分必填选填

200个单独技能没人想翻。我们按用途分组：工程标准、前端、后端、数据、基础设施等。工程师 setup 时直接导入整组，不用挑单个文件。

技能分两类。必填的没得选，自动下发：安全技能监控提示注入、标记数据外泄、阻断未授权API调用；编码规范规定错误处理、目录命名、TypeScript结构、测试写法；规则治理明确技能文件位置、命名方式、版本管理。

选填的按角色加载，比如Django后端模式。