真正決定 AI 生產力上限的，往往不是你選了哪個 Agent，而是手上裝了哪幾個 Claude Code Skill。 開發圈在 2026 年上半年反覆爭論該用 Codex 還是 Claude Code，但實務上兩邊都吃同一套 Agent Skill（技能模組，一份 SKILL.md 就能擴充 AI 的能力邊界）。X 上的開發者 @axichuhai 在 2026 年 6 月 3 日整理出一份篩選清單，從他裝過的數十個 Skill 裡留下 8 個，分成基礎、產品開發、內容創作三類。我把這份清單逐一查證了出處、作者與星標數據，補上各專案的關鍵時間點與爭議，重新整理成下面這份可以直接照著裝的版本。

這套清單的價值不在「哪個最紅」，而在分工。基礎類負責擴充 Agent 本身的能力；產品開發類把 AI 寫程式的流程跑得更穩；內容創作類則接管做圖、排版、查資料這些瑣事。不管你平常掛在 Claude Code 還是 Codex 上，這 8 個裝上去都能直接用。

基礎 Skill：先讓 Agent 學會自我擴充

這一類不負責某個具體任務，而是幫你更有效率地驅動 Agent。先把這兩個裝好，後面六個的安裝跟管理都會輕鬆很多。

1. Skill Creator（Anthropic 官方）

這是 Anthropic 官方出品、專門用來建立 Skill 的 Skill。它的用途是把你每天重複的工作流程封裝成一個可以反覆呼叫的模組，即使你完全不懂 SKILL.md 的撰寫規範也能做出完整成品。它的互動方式值得一提：你說要做什麼樣的 Skill，它不會馬上動手，而是先反問幾個問題確認需求細節，等你回答完才按規範把 Skill 建好。這個「先問再做」的設計，跟一般 AI 直接吐結果的習慣剛好相反，產出品質也因此穩定得多。想完整理解 Skill 的運作邏輯，可以先看什麼是 Claude Agent Skills。

2. Find Skills（vercel-labs）

Find Skills 相當於 Skill 的搜尋引擎，由 vercel-labs 維護。用法很單純：直接給 Agent 一個任務，它會把需求拆成關鍵字，再依分類、星標數、更新時間到開源生態系裡比對有沒有現成方案，優先推薦已經驗證過、安裝量高的來源（像 vercel-labs 與 anthropics 的官方 Skill）。比方你說「幫我找一個文章配圖 Skill」，它會列幾個備選，你選好後直接幫你裝上。它本質上是個套件管理介面，避免你重寫一個別人早就做好的輪子。

產品開發 Skill：把 AI 寫程式的流程跑穩

用 AI 寫程式看起來很容易，實際跑起來才會發現一堆 bug。這四個 Skill 的共同目標，就是把開發流程規範化，讓 AI 從「快速產生看起來對的程式碼」變成「會思考、會驗證的工程協作者」。

3. Superpowers（Jesse Vincent / obra）

Superpowers 是這份清單裡聲量最大的一個。它由 Jesse Vincent（GitHub 帳號 obra）於 2025 年 7 月 15 日建立，截至 2026 年 6 月初，第三方目錄統計顯示它累積約 208,500 顆星標，過去一個月增加約 3.7 萬顆。這個數字波動很快，較早的報導在四、五月間記錄到的是 13.7 萬到 17 萬之間，引用時最好標明時間點。

它的核心是把模糊的需求變成具體計畫並付諸實行。工作流程分四段：先做需求梳理，它會反問問題把細節釐清；接著出設計方案給你確認；再把開發任務拆成一個個小步驟；最後才寫程式。寫程式可選普通模式或 subagent 模式，後者會同時跑多個 agent 並行開發，速度更快。每完成一個任務做一次程式碼審查，全部完成後再整體檢查，最後自動提交到 git 倉庫。它真正在處理的是開發紀律：強迫 AI 先規劃、先驗證，再動手寫程式。

4. gstack（Garry Tan，YC 總裁）

gstack 的作者是 Y Combinator 總裁兼執行長 Garry Tan（注意是兩個 r，不少轉貼把它寫成 Gary）。YC 就是孵化 Airbnb、Stripe、Dropbox、Coinbase 的那個創業加速器。這個 Skill 在 2026 年 3 月 12 日推出，把 Claude Code 變成一支虛擬工程團隊，內建 23 個專家工具角色，包含 CEO、設計師、工程主管、發布工程師與 QA。你想呼叫哪個角色，用斜線指令喚起即可。

實務上的用法是：寫程式之前先用 /office-hours 把需求像 YC 面談一樣拷問一遍，再用 /plan-ceo-review 從 CEO 與工程師兩個視角各審一次方案；寫完之後用 /qa 讓它像真人一樣開瀏覽器實際操作你的產品做測試。有一點要說清楚：gstack 的本質是同一個 Claude Code 實例依照不同 SKILL.md 切換角色的結構化提示工程，每一步仍需要人來推進，嚴格說來算不上多代理協作。Superpowers 偏向告訴你「怎麼做」，適合已經大致知道要做什麼的人；gstack 更擅長在動手前幫你想清楚「該不該做」跟「做什麼」。

5. Frontend Design（Anthropic 官方）

很多人用 AI 做出來的頁面有一股 AI 味：紫藍色漸層、千篇一律的圓角卡片，一眼就看得出來。Frontend Design 也是 Anthropic 官方出品，專門處理這個問題。它幫你把配色、字體、間距一鍵優化，輸出符合設計規範的專業級頁面，刻意把生成結果推離設計決策的統計中心點。

6. ui-ux-pro-max（nextlevelbuilder）

如果說 Frontend Design 給的是設計品味，ui-ux-pro-max 給的就是一座可搜尋的設計資料庫。它由 nextlevelbuilder 維護，原始版本內建 50 多種設計風格、97 種配色方案、橫跨 9 個技術棧；這套資料庫一直在擴充，較新的版本已經來到 67 種風格、161 種配色、十多個技術棧。不管你想做什麼風格的頁面，它大多有對應方案，還會依專案類型（像金融儀表板、電商）自動推薦一整套設計系統。它在 GitHub 上的星標數約 7.1 萬。這兩個設計類 Skill 通常一起用：ui-ux-pro-max 先選定方向，Frontend Design 顧最後的質感。

內容創作 Skill：把做圖、排版、查資料交給 Agent

如果你平常做內容要花大把時間在配圖、整理資料、排版發布上，這兩個 Skill 特別值得裝。

7. baoyu-skills（宝玉 / @dotey）

baoyu-skills 是宝玉（X 帳號 @dotey，GitHub 帳號 JimLiu）做的一整套技能包，倉庫目前收錄 20 多個 Skill，能幫你產出封面圖、資訊圖、簡報、漫畫與長文排版。最常用的是裡面的文章配圖 Skill baoyu-article-illustrator：你不用手動找哪裡需要插圖，把文章丟給它，它會自己讀完內容、挑出適合配圖的段落、生成插圖，再直接放回對應位置。對照我們團隊做雙語編輯時的經驗，這種「先理解內容、再生成、每一步都落盤成檔案」的工作流，最大的好處是可回溯，哪一步出錯都能單獨重跑。配圖的提示詞品質如果想再拉高，可以參考Nano Banana Pro 提示詞模板。

8. NotebookLM Skill

這個 Skill 的核心是打通 Agent 與 NotebookLM。NotebookLM 由 Gemini 驅動，文件處理與「零幻覺」問答能力是目前的天花板級別。裝上之後，你可以直接在 Claude Code 裡查詢、分析存在 NotebookLM 裡的所有文件，相當於幫 Agent 接上一個超強的長期記憶外掛，AI 幻覺問題也會大幅減少。它有兩種安裝形式：MCP 伺服器版（可跨 Claude Code、Codex、Cursor）與原生的 Claude Code Skill 版（Python 寫成，設定更簡單）。想理解 Agent 怎麼透過 MCP 協定串接外部工具，這是個很好的入門案例。

常見問題

Skill 跟 MCP 有什麼差別？

Skill 是一份 SKILL.md 檔，用自然語言加上腳本告訴 Agent「遇到這類任務該怎麼做」，在工作階段開始時被讀進上下文。MCP 則是一套連線協定，讓 Agent 即時呼叫外部服務的工具與資料。兩者常一起用：NotebookLM 就同時提供 MCP 版與 Skill 版。簡單說，Skill 教方法，MCP 接管道。

Codex 跟 Claude Code 用哪個比較好？

這份清單的前提就是「先別糾結這題」。8 個 Skill 多數採用跨工具的 SKILL.md 開放標準，能在 Claude Code、Codex、Cursor 等多個工具上通用。決定產出上限的是你裝了哪些 Skill 與背後的模型，而不是外殼。模型表現可參考 Claude Opus 4.5 的 AI 編程實測。

裝越多 Skill 是不是越好？

不是。每個載入的 Skill 都會在 Agent 每次運行時佔用額外上下文。baoyu-skills 的官方說明就建議按需安裝你真正會用到的那幾個，不要一次全裝。先裝基礎類，再依工作型態挑產品開發或內容創作類補上。

這些 Skill 安全嗎？

要留意。社群來源的 Skill 多半未經驗證，2026 年初就發生過 ClawHub 上約兩成提交的 Skill 帶有惡意程式碼的事件（提示注入、憑證竊取等）。安裝前優先選官方或高安裝量、有安全掃描的來源，這也是 Find Skills 優先推薦驗證過來源的原因。

權威參考來源

Author Insight

我們團隊做雙語內容與企業 AI 導入時，最早也走過「狂裝 Skill」的階段，後來才認清一件事：Skill 的邊際效益很快會被上下文成本吃掉。真正有價值的是分工夠不夠清楚，清單長短反而是其次。基礎類（Skill Creator、Find Skills）幫你建立一套可複用的內部資產，這對代理商或團隊尤其重要，因為它把資深員工腦中的隱性流程變成可交付、可版本控制的檔案。gstack 跟 Superpowers 的差異也比表面更有意思：前者賣的是「決策紀律」，後者賣的是「執行紀律」，多數團隊缺的其實是前者。我自己最有感的反而是 NotebookLM Skill，把可信來源關進一個 Agent 查得到的知識庫，比起讓模型自由發揮，幻覺風險低得多，這對需要對外負責的商業內容是關鍵。如果你想討論這套技能模組怎麼接進你團隊的工作流，歡迎跟 Tenten 團隊預約諮詢。

Share this post
Tenten