六三门上周一个做后端的朋友跑来问我，说自己试了几天Vibe Coding，感觉就是让AI写代码，自己复制粘贴，跟以前用Copilot补全没什么本质区别。我告诉他，问题不出在AI代码生成这件事上，而出在你怎么给AI“喂”上下文和约束。Vibe Coding真正厉害的地方，不是简单对话生成代码，而是你能够把项目规范、编码风格、框架用法这些经验沉淀成一套可复用的“技能包”，让AI在每次开工前就自动加载。而这套经验，我目前用得最顺手的组合就是skills.sh和find-skills。这篇文章就把我踩过的坑、总结出的流程一次讲清楚。
1. Vibe Coding到底是什么：一场编程范式的切换
1.1 从“手写代码”到“描述意图”：核心理念拆解
Vibe Coding这个词在2025年初开始大规模流行，核心逻辑其实一句话就能讲明白：你负责描述想要什么，AI负责写出来，你负责检查对不对。 听起来像是更高级的辅助编程，但实际体验差异非常大。
传统编程模式下，每一个函数、每一个变量名、每一条分支逻辑都需要你亲手敲出来，你的精力被语法、类型、接口签名这些“表达层”消耗掉一大半。Vibe Coding模式下，你只需要给出足够清晰的指令，比如“用Python写一个异步任务队列，支持优先级、重试和死信队列”，AI会直接把整段代码生成出来，你只需要验证边界条件和业务逻辑是否符合预期。
这么说吧，以前写代码像是用锯子木头，每一刀都得自己锯；Vibe Coding更像是你用语言指挥一台智能电锯，你负责画线、定方向，电锯负责切断。关键差异在于“画线”的能力变得至关重要。你不能只告诉AI“写个好点的登录接口”，你得把需求边界、数据结构、异常处理策略、甚至性能要求都说清楚，否则AI只能给你一个表面正确但经不起推敲的玩具代码。
这也是我后来沉迷于“技能包”的原因。因为光靠每一次对话重新描述上下文，效率太低，而且每次描述的质量参差不齐。如果能把团队规范、常用工具链、甚至一些重复出现的接口写法沉淀成技能包，AI在每次任务开始时就能自动加载这些背景知识，生成质量会有一个量级的提升。
1.2 技能包（Skills）为什么是Vibe Coding的关键一环
AI编码助手的能力上限，很大程度上取决于你给它的上下文质量。一个从零开始对话的AI和“读过你项目文档、了解你编码规范、知道常用依赖版本”的AI，产出的代码质量完全不在一个水平线上。
技能包这个概念，就是把后者这套“背景知识”结构化、文件化、可分发化。一个技能包不是一段简单的提示词，而是一个包含系统提示、规则约束、代码示例、工具描述、工作流定义的完整目录。AI编码工具（无论是Claude Code、Cursor还是国内的Trae Code）在启动任务时，会通过特定的规则或配置加载这些技能包，从而获得对应的领域知识和行为约束。
打个比方，技能包之于AI编码助手，就像插件之于编辑器。编辑器本身能力有限，但装上插件之后，它可以变成专门写Markdown的编辑器、专门调试Python的IDE或者专门做数据可视化的工具台。技能包也一样，装上“Rust后端开发”技能包，AI对Rust生态的理解能力、对常用crate的熟悉程度就会明显提高；装上“React性能优化”技能包，AI在生成组件时会主动考虑memoization和code splitting。
这也是skills.sh和find-skills这两个工具存在的意义。前者是一个技能包托管和分发平台，后者是一个命令行搜索和安装工具。两者配合起来，让技能包的管理体验非常接近npm：find-skills search react找出相关技能包，find-skills install react-perf安装到本地，AI助手下次启动时自动加载。
1.3 skills.sh和find-skills：技能包的“包管理生态”
我最早接触skills.sh的时候，第一反应是这不就是把npm搬到了AI编码领域吗？但实际用下来，它解决的问题和包管理器非常相似，但又不完全一样。
npm管理的是代码依赖，只要安装正确、版本锁定，构建时就能确定性地引入。技能包管理的是“AI的行为偏好和知识上下文”，这本质上是个概率性的东西——同一个技能包，在不同模型、不同温度参数下生效效果都会有所差异。不过这不影响skills.sh的设计价值，它至少把“技能包从哪儿来、怎么存、怎么分发”这三个问题解决掉了。
find-skills则是和skills.sh配套的搜索工具。直接按名字搜索不够精准，尤其是技能包之间经常出现功能重叠的情况，比如搜索“python”可能会出现几十个结果，有讲FastAPI的、有讲Django的、有讲异步编程的、甚至有专门讲Python类型标注的。find-skills提供了一些筛选参数，比如按兼容模型过滤、按更新时间排序、按下载量排序，这些细节在关键时刻非常有用。
我自己目前的环境是这样组合的：Trae Code作为主力IDE，Claude Code作为命令行Agent，skills.sh作为技能包仓库，find-skills作为日常搜索安装工具。这套组合跑了一段时间，最大的感受是团队新成员入职后上手写代码的速度明显加快——因为他们直接把团队积累的技能包装上之后，AI就能按团队规范输出代码，不需要像以前那样先在文档里翻半天。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. skills.sh安装与环境准备：别在第一步翻车
2.1 安装方式对比与选择
skills.sh的安装方式在不同平台上有细微差别，我建议优先用脚本安装，因为后续升级比较方便。官方提供了一键安装脚本，在终端里执行：
bash复制curl -sSL https://skills.sh/install | bash
如果你对直接执行远程脚本这件事比较敏感，也可以走npm的方式：
bash复制npm install -g @skills/cli
npm方式的好处是统一走你本