周三下午三点，你打开Claude Code准备优化一个后端服务，顺嘴问了一句：“有没有一个技能可以自动检查API安全性？” 代理沉默了两秒——它不知道。你也不确定，因为你知道有6.6万个技能在那里，却没有一个地方能让你在需要时精准捞到对的那个。这种“明明有，但找不到”的感觉，正是现在AI编程代理扩展生态里最魔幻的日常。
Skillselion团队做了一件事：他们每天从skills.sh、GitHub和MCP注册表里抓取数据，把整个扩展生态摊开晒了一遍。目前的数据是：Claude Code、Codex、Cursor等编码代理共索引了86047个扩展，其中技能65933个、插件市场9828个、MCP服务器7901个、传统插件2385个，总安装量达到1.202亿次。技能占了77%，这很好理解——一个技能不过是一个SKILL.md文件，门槛低到只要有文本编辑器和一次git push就能发布，这也解释了为什么生态膨胀得这么快。
如果把这8.6万个扩展画成一张功能热力图，你会看到一种极端的不均衡。每一份扩展都被打上了任务标签：代理工具类（让代理更会做代理的事，比如上下文管理、记忆、编排、子代理）占37265个，是绝对的主力；其次是集成类12165个，负责把代理跟各种API、服务打通；然后是后端6786个、前端5070个、安全/审查2386个、文档1897个。代理工具这一个类别，比后端、前端、文档、安全加在一起还大。社区的潜意识很直白：别急着让代理去写产品代码，先把它自己调教得更聪明再说。
不过，真正让人意外的是另一组数字。如果你跳出“把代码写出来”这个阶段，去看怎么把产品推出去的环节，扩展数量突然断崖式下跌：发布/分发类627个，应用商店优化107个，生成式引擎优化71个，受众/定位84个。71个GEO扩展，对比3.7万代理工具扩展——整个生态几乎是静默的，所有人都埋在写代码那一端，没人抬头看看用户在哪。对于想在这些AI代理生态里找低竞争机会的开发者来说，上市推广这一侧几乎是开卷考试，只是很少有人去答。
供给其实早就不是问题，发现才是。6.6万个技能意味着当你需要一个特定功能时，绝大部分情况下已经有人写好了，但你不会知道它存在，也没人会在一份6.6万行的列表里翻找。解决这个错配有两条可行的思路：第一，用真实安装量而不是星标来排名。星标代表“先存着以后再说”，安装量才代表“我真的用过”，而这两者在目录里的排行差异巨大。第二，把选技能这件事移到任务中途，而不是提前预装。他们的做法是做了一个MCP工具，当代理在任务中遇到描述不清的缺口时，可以用自然语言实时查询目录，把排名最靠前的技能拉进来继续工作，Claude Code、Codex和Cursor都已经支持这种玩法。
每一项扩展都在页面上展示了可直接粘贴的安装命令、真实的安装数和星标数，还有一个快问快答的FAQ。如果你对这个生态普查感兴趣，目录本身就是开放的，无需注册就能浏览；加载器也已经发布到npm上，拿来就能用。这次普查的数据是抓取当天的快照，扩展的发现源每日更新，并按实际安装量排列，完全独立于任何一家代理厂商。这样一张实时的“生态地图”，才像样地解答了开头那个下午的沉默——你要的技能早就存在，但你需要一个新的网络才能接住它。
热门跟贴