CLI AI 编程全栈开发必备 Skills 推荐（2026）

#AI #CLI #skills #全栈开发 #kiro #claude-code #开发工具 #效率工具

CLI AI 编程：全栈开发必备 Skills 推荐（2026）

AI CLI 编程工具——Kiro、Claude Code、Cursor、Codex、Gemini CLI——已经把"AI 帮你写代码"变成日常。但大多数开发者只用到了这些工具最表层的能力：让 AI 生成一段代码、回答一个问题。真正决定生产力上限的，是 Skills——一套可复用的专家级工作流包，让 AI 知道"在什么阶段该做什么、怎么做"。

这篇文章系统梳理从设计到部署全流程的必备 Skills，涵盖 Kiro CLI、Claude Code 等主流工具，帮你把 AI 从"智能自动补全"升级为真正的开发伙伴。

一、先搞清楚：Skills 是什么

Skills 不是插件，也不是 Prompt 模板——它是可移植的工作流包。

一个 Skill 的基本结构：

my-skill/
├── SKILL.md          # 必须：元数据 + 详细指令
└── references/       # 可选：参考文档、检查清单、模板
    └── checklist.md

SKILL.md 里的内容决定了 AI 在这个场景下的完整行为：该问哪些问题、该走哪些步骤、该有什么验收标准、该怎么规避常见陷阱。

工作机制是渐进式激活（Progressive Disclosure）：

Discovery：Agent 启动时，只加载所有 Skill 的 name 和 description，context 占用极小
Activation：当你的请求匹配到某个 Skill 的描述，或你用 /skill-name 斜杠命令显式调用，完整指令才被加载进 context
Execution：Agent 按照 Skill 指令执行，按需读取 references/ 里的参考文档

兼容性：Skills 遵循 agentskills.io 开放标准，写一次可以在 Kiro、Claude Code、Cursor、Codex、Gemini CLI 等多个工具里复用。

安装位置：

~/.kiro/skills/：全局，跨项目通用
.kiro/skills/（项目目录下）：项目级，随代码库 version control

二、全流程 Skills 地图

先看整体：一个功能从想法到上线，需要哪些阶段的 Skills 支撑。

💡 需求探索
    │
    ▼
📐 设计与 Spec        ← brainstorming / design-taste-frontend
    │
    ▼
📋 实施计划           ← writing-plans
    │
    ▼
🔍 参考实现搜索        ← github-search-before-code
    │
    ▼
🏗️ 开发实现           ← test-driven-development
    │             ← subagent-driven-development / executing-plans
    ▼
🔎 代码审查           ← /review (agent-skills)
    │
    ▼
🔒 安全加固           ← harden / security-audit
    │
    ▼
✅ 质量评估           ← audit / /test (agent-skills)
    │
    ▼
📦 部署上线           ← /ship (agent-skills) / cdk-deploy
    │
    ▼
📝 文档维护           ← technical-docs / knowledge-base

下面按阶段逐一展开。

三、设计阶段：先想清楚再动手

3.1 brainstorming — 创意工作的必经入口

适用工具：Kiro、Claude Code、Cursor
来源：主流工具内置/社区常见
触发方式：任何创意工作开始前

这是最容易被跳过、却最值得坚持的一个 Skill。

它做什么：

先探索项目现有上下文（代码、文档、最近提交）
逐个问清需求，不多问，不少问
提出 2-3 个方案并对比 tradeoff
分段呈现设计，逐段获取确认
写 Spec 文档并做自我检查
最终交棒给 writing-plans

核心价值：AI 不知道你真正想要什么。brainstorming 强制 AI 在动手之前把你的想法结构化，输出一份精确到 AI 可以据此生成代码的 Spec。

HARD-GATE: 未呈现设计并获得用户确认前，禁止执行任何实现操作。

这个硬性门控防止了 AI 最常见的问题：没理解需求就开始写代码。

安装：

# Kiro
kiro skills install brainstorming

# Claude Code（全局）
mkdir -p ~/.claude/skills/brainstorming
# 将 SKILL.md 放入目录

3.2 design-taste-frontend — 拒绝"AI 味"界面

适用工具：Kiro、Claude Code
来源：skillsmp.com / 社区
触发方式：需要设计 landing page、portfolio、SaaS 产品界面

普通让 AI 设计界面，得到的是千篇一律的蓝白渐变+圆角卡片。这个 Skill 专门解决这个问题。

它做什么：

先做 audit-first（重设计时先审计现状）
读懂 brief，推断正确的设计方向
在真实设计系统框架内工作（Tailwind、shadcn 等）
严格的 pre-flight check 防止生成模板化界面

3.3 /spec — 精确的功能规格

适用工具：Claude Code、Kiro（来自 addyosmani/agent-skills）
触发方式：/spec 斜杠命令

这是 addyosmani/agent-skills 包里的核心命令之一，专门为 AI 工作流设计的 Spec 生成器。

产出：

明确的功能边界（做什么/不做什么）
用户场景（User Stories）
验收标准
技术约束

安装 addyosmani/agent-skills 包（包含 /spec /plan /build /test /review /ship）：

# Claude Code
/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

# Gemini CLI
gemini skills install https://github.com/addyosmani/agent-skills

四、规划阶段：动代码之前先写计划

4.1 writing-plans — 生成可执行的实施计划

适用工具：Kiro、Claude Code
触发方式：有 Spec 之后、动代码之前

设计通过了，下一步不是写代码，是写计划。writing-plans 把 Spec 转化成逐步可执行的任务列表。

计划的粒度：

### Task N: 实现 Token 刷新逻辑

**Files:**
- Create: `src/auth/token-refresh.ts`
- Modify: `src/auth/interceptor.ts:45-67`
- Test: `tests/auth/token-refresh.test.ts`

- [ ] 步骤 1: 写失败测试
- [ ] 步骤 2: 确认测试确实失败
- [ ] 步骤 3: 写最小实现代码
- [ ] 步骤 4: 确认测试通过
- [ ] 步骤 5: 提交

每个步骤 2-5 分钟，精确到文件路径和预期输出。

计划头部模板（每份计划必须包含）：

# [功能名] 实施计划

> 对 Agentic workers：推荐使用 subagent-driven-development 或 executing-plans 技能来执行本计划。

**Goal:** [一句话描述目标]
**Architecture:** [2-3 句话描述方案]
**Tech Stack:** [核心技术栈]

4.2 /plan — 快速任务拆解

适用工具：Claude Code、Kiro（来自 addyosmani/agent-skills）
触发方式：/plan 斜杠命令

比 writing-plans 更轻量的计划生成器，适合中小型任务。

五、开发阶段：高质量代码的流水线

5.1 github-search-before-code — 先找参考实现

适用工具：Kiro、Claude Code
触发方式：实现全新功能、遇到重复失败

不要重复造轮子——但 AI 经常不知道有已经存在的高质量实现。这个 Skill 在写代码之前先搜 GitHub，找到并分析类似的实现，再根据项目需求改编。

触发条件：

实现当前代码库里不存在的全新功能、算法或模块
用户说"还是不行"、"改了很多次了"等反复失败的信号
AI 自己识别到需要实现不熟悉的复杂功能

搜索策略：

领域关键词 + 功能关键词 + 语言
例："harmonic analysis power metering" C
例："web scraping pagination" Python

5.2 test-driven-development — TDD 的铁律

适用工具：Kiro、Claude Code
触发方式：实现任何功能或修复 bug 之前

TDD 不是选做题。这个 Skill 强制执行 Red → Green → Refactor 循环，并且有硬性规则：

铁律：没有先失败的测试，不写生产代码。
      先写了代码？删掉。重来。

完整流程：

RED：写一个预期会失败的测试
  ↓
验证 RED：运行测试，确认它真的失败，且失败原因正确
  ↓
GREEN：写最小代码让测试通过（不多写一行）
  ↓
验证 GREEN：运行测试，确认通过，且其他测试没有回归
  ↓
REFACTOR：清理代码，保持测试绿色
  ↓
重复，处理下一个行为

为什么"测试后写"不等于 TDD：

后写测试会立刻通过，无法证明它真的在测试正确的东西
先写测试强迫你在实现之前就发现边界情况
"先写测试"是提问"应该做什么"，"后写测试"是验证"做了什么"

5.3 executing-plans — 按计划精确执行

适用工具：Kiro、Claude Code
触发方式：有现成的 writing-plans 产出的计划

适合在独立 session 里执行一份已有计划，每个任务完成后有 checkpoint 让人类审查。

流程：

读取计划 → 批判性审查（发现问题先报告）→ 逐步执行
→ 遇到阻塞立即停下来提问（不靠猜）→ 全部完成后交收尾流程

关键原则：阻塞就停，不猜测。

5.4 subagent-driven-development — 并行多 Agent 流水线

适用工具：Kiro、Claude Code
触发方式：计划任务互相独立、当前 session 内执行

这是开发阶段最强的提速工具。用多个独立子 Agent 并行执行计划，每个任务完成后走两阶段审查：

实现 subagent → spec compliance review → code quality review → 标记完成

双阶段审查：

Spec 合规审查：代码是否符合规格？有没有欠实现？有没有超范围实现？
代码质量审查：实现是否足够好？有没有技术债？

两个审查都通过才算完成，不打折扣。

模型选择策略（省钱又不降质）：

任务类型	推荐模型
机械性实现（1-2 个文件，spec 明确）	快速/廉价模型
集成任务（多文件协调）	标准模型
架构设计、审查	最强模型

六、代码审查：不让 AI 的错误溜进主干

6.1 /review — 生产工程级代码审查

适用工具：Claude Code、Kiro（来自 addyosmani/agent-skills）
触发方式：/review 斜杠命令

不是简单的"帮我看看这段代码"，而是走完整的审查清单：

安全性（注入、暴露的密钥、权限）
边界情况和失败模式处理
测试覆盖率
代码重复和设计问题
文档和可维护性

6.2 /code-simplify — 消灭不必要的复杂度

适用工具：Claude Code、Kiro（来自 addyosmani/agent-skills）
触发方式：/code-simplify 斜杠命令

AI 生成的代码经常过度抽象——不必要的中间层、冗余的错误处理、用不到的配置项。这个 Skill 专门做减法，把代码精简到真正需要的程度。

YAGNI（You Ain't Gonna Need It）原则的执行器。

七、安全与质量：上线前的最后防线

7.1 harden — 生产级健壮性

适用工具：Kiro、Claude Code
触发方式：功能开发完成后、上线前

AI 写的代码在 happy path 上通常没问题，边界情况是重灾区。harden 系统性地检查并修复：

错误处理：各种失败模式有没有优雅降级
输入边界：超长文本、空值、特殊字符、RTL 文字
国际化（i18n）：是否支持多语言、多时区
文本溢出：UI 在极端文本长度下会不会崩
竞态条件：并发操作是否安全

7.2 audit — 界面质量全面审计

适用工具：Kiro、Claude Code
触发方式：前端功能完成后

全面扫描界面质量，生成带优先级的问题报告：

可访问性（A11y）：色彩对比度（4.5:1 标准）、键盘导航、ARIA 标签
性能：不必要的重渲染、图片优化、bundle 大小
响应式设计：不同屏幕尺寸的适配
主题一致性：是否遵循设计系统

注意：audit 只产出报告，不修改代码。修改由 harden、optimize 等专项 Skill 处理。

7.3 /test — 系统性测试

适用工具：Claude Code、Kiro（来自 addyosmani/agent-skills）
触发方式：/test 斜杠命令

不只是跑现有测试，而是检查测试覆盖率、发现没有测试的关键路径、补写缺失的测试。

八、部署阶段：安全地把代码推上线

8.1 /ship — 发布前检查清单

适用工具：Claude Code、Kiro（来自 addyosmani/agent-skills）
触发方式：/ship 斜杠命令

这是发布流程的最后一道门控，确保代码上线前满足所有标准：

所有测试通过
文档更新
Breaking changes 已标注
版本号符合语义化版本规范
部署配置检查

8.2 cdk-deploy — AWS CDK 标准化部署

适用工具：Kiro（官方示例 Skill）
触发方式：部署 CDK stack 时

Kiro 官方文档里的标准部署 Skill 示例：

---
name: cdk-deploy
description: Deploy AWS CDK stacks with best practices. Use when deploying 
infrastructure, running cdk deploy, or troubleshooting CDK issues.
---

## Deployment workflow

1. cdk synth 验证模板
2. cdk diff 预览变更
3. cdk deploy 并审查 IAM 变更

## Pre-deployment checks
- 确认 AWS credentials 配置
- 确认 CDK 版本匹配
- 查阅环境专属的 stack 模式

## Rollback procedure
...

按这个模式，可以为你的具体部署环境（Vercel、Docker、K8s 等）编写定制 Skill。

九、效率工具：横跨全流程的辅助 Skills

9.1 agent-reach — 给 AI 装上眼睛

适用工具：Kiro
触发方式：搜索网页、读文章、查 GitHub、刷社交媒体

通过 17 个平台的统一接口，让 AI 直接访问外部信息，不再局限于本地代码库：

网页搜索（Exa AI）
GitHub 搜索和操作
社交媒体（小红书、抖音、Twitter、B站、Reddit、V2EX）
公众号和 RSS 阅读
YouTube/B站字幕提取

零配置开箱可用 8 个渠道。

9.2 find-skills — 技能发现助手

适用工具：Kiro
触发方式：用户问"有没有做 X 的 skill"、"怎么扩展某个能力"

当你不知道有没有合适的 Skill，或者想给工作流添加新能力时，这个 Skill 会帮你搜索和安装。

9.3 vercel-react-best-practices — React 性能规范

适用工具：Kiro
触发方式：写、审查或重构 React/Next.js 代码时

Vercel 工程团队总结的 React 和 Next.js 性能优化准则，自动约束 AI 遵循最佳实践：

避免不必要的重渲染
正确使用 use client / use server
数据获取模式（Server Components 优先）
Bundle 优化

十、推荐安装清单

按需分级安装，不是越多越好。每个 Skill 都会占用 context 空间，安装不用的 Skill 只会增加噪音。

基础包（所有全栈开发者）

# 覆盖设计→计划→TDD→审查→发布完整流程
addyosmani/agent-skills   # /spec /plan /build /test /review /code-simplify /ship

brainstorming             # 设计前必备
writing-plans             # 实施计划
test-driven-development   # TDD 执行
github-search-before-code # 找参考实现

前端开发者追加

frontend-design           # 高质量界面设计
audit                     # 界面质量审计
harden                    # 健壮性强化
vercel-react-best-practices  # React 最佳实践

团队/复杂项目追加

subagent-driven-development  # 并行多 Agent 执行
executing-plans              # 按计划逐步执行（单 session）

有外部信息需求时

agent-reach               # 网页/社交/GitHub 访问

十一、如何写自己的 Skill

已有的社区 Skills 覆盖通用场景。项目特定的知识——你的团队规范、技术栈约定、部署流程——需要自己写。

一个最简 Skill：

---
name: api-review
description: Review API endpoints for consistency, security, and documentation. 
Use when adding or modifying REST API endpoints.
---

## Review checklist

1. URL 命名遵循 RESTful 规范（名词复数）
2. HTTP 动词使用正确（GET 不修改数据）
3. 错误码语义准确（400 客户端错误，500 服务端错误）
4. 参数校验有没有做
5. 敏感字段是否加密
6. Swagger 文档是否同步更新
7. 速率限制是否配置

Description 写得好，Skill 才会在对的时机触发：

✅ 好：Review API endpoints for consistency, security, and documentation. Use when adding or modifying REST API endpoints.
❌ 差：Helps with APIs

十二、总结

Skills 生态现在已经相当成熟。核心认知：

Skills 不是让 AI 更聪明，而是让 AI 在正确的时机做正确的事。

一个没有 Skills 的 AI 助手，每次对话都是从零开始。有了覆盖完整开发流程的 Skills，你的 AI 助手会知道：需求阶段该问什么问题、实现阶段该走什么循环、上线前该过哪些检查。

开发效率的提升不是来自 AI 写代码更快，而是来自更少的返工、更早发现问题、更可预期的输出质量。这正是一套好的 Skills 体系能带来的。

附录：Skills 资源导航

资源	说明
agentskills.io	开放标准规范
skillsmp.com	最大的 Skills 市场（120 万+ Skills）
github.com/addyosmani/agent-skills	生产工程 Skills 包
github.com/anthropics/skills	Anthropic 官方 Skills
kiro.dev/docs/cli/skills	Kiro CLI Skills 文档
skillsmp.com/categories/testing-security	测试与安全类 Skills
skillsmp.com/categories/devops	DevOps 类 Skills