Agent Skill Library

What is it（这是什么）

Agent Skill Library 是给 AI Agent 用的"技能仓库"：把编程、调试、测试、部署、文档检索等原子能力封装成标准化、可复用的 Skill 文件（多为 Markdown + Python 脚本 + 参数声明），Agent 运行时按任务动态加载。通俗说，它像 Agent 的"技能包管理器"——以前每个 Agent 都要从零写提示词和工具函数，现在从库里装一个 Skill 就能干活。技术本质是把提示词工程与工具调用工程解耦并产品化；商业意义在于，Skill 一旦标准化，就具备分发、版本管理、付费下载、审计的需求，形成类似 npm / VS Code 插件市场的中间层。

Why now（为什么现在出现）

三个条件在 2026 年底同时成熟。第一，Agent 框架（Claude Code、Cursor、各类开源 Agent Runtime）已经稳定，工具调用协议趋同，Skill 有了统一的"插槽"；第二，OpenMontage 这类项目已经把技能文件堆到 700+ 个，证明"堆技能"的供给端已经跑通，但检索、质量分级、版本兼容没人做，痛点从"没有技能"变成"技能太多、不知道用哪个"；第三，开发者对 Agent 的付费习惯已经建立（Cursor、Copilot 订阅常态化），愿意为"让 Agent 更靠谱"单独付费。这个窗口只有 12-18 个月：等大厂把官方 Skill Registry 做进 IDE，独立玩家的分发位置就没了。

Market Evidence（市场证据）

当前信号很弱但方向明确：2 个独立信源（juejin、github）、3 次提及、增长率 100%、首次发现于 2026-11-09，成熟度处于 nascent。100% 增长率的分母极小，本质是"从 1 到 3"，不能当作爆发证据。但信源结构值得注意：juejin 代表中文开发者社区的内容侧关注（"2028 编程圈很火的 10 个 Skills"这类标题已出现），github 代表供给侧的原始代码堆积（700+ 技能文件）。内容侧和供给侧同时出现，说明这不是单纯的媒体炒作，而是有真实工程行为支撑。判断：这是真实但极早期的需求信号，趋势分 61/100 合理，机会分、市场分、需求分均为 0，说明现有数据还不足以量化商业价值，需要用一手调研补齐。

Who's Behind It（谁在推动）

目前没有明确的"庄家"。推动力来自三股分散力量：一是 OpenMontage 这类开源项目，靠技能文件数量建立事实标准；二是 Agent 框架厂商（Cursor、Anthropic 生态），它们决定 Skill 的加载协议，是真正的规则制定者；三是中文技术社区的内容创作者，负责概念扩散。大厂尚未正式入场做 Skill 市场，这正是空窗期。风险在于：一旦 Anthropic 或 Cursor 推出官方 Skill Registry，独立库会迅速被边缘化，所以独立开发者的定位必须是跨框架的兼容层与质量评级层，而不是又一个技能仓库。

TAM & Market Size（市场规模）

潜在用户分三层：核心层是全球活跃的 Agent 重度开发者，量级在 50 万-150 万；扩展层是把 Agent 接入工作流的中小团队，量级 10 万-30 万；外围层是企业内部平台团队。付费意愿上，个人开发者对"技能库订阅"的心理价位是 5-15 美元/月，团队版可到 50-200 美元/月。市场处于增长早期，当前几乎为零收入，但随 Agent 采用率上升会同步扩张。需要明确：机会分、市场分、需求分均为 0/100，意味着现有数据无法支撑任何规模测算，上面的数字是基于相邻市场（IDE 插件、Prompt 工具）的类比推断，必须用一手验证替代。

Competitive Landscape（竞争格局）

竞争分 0/100，说明目前没有形成有效竞争格局，这既是机会也是警示。已有玩家：OpenMontage 等开源技能集合（数量优势，无商业模式、无质量分级）；Agent 框架自带的官方工具市场（分发优势，但锁定自家生态）；零散的 GitHub Awesome 列表（流量入口，无产品化）。市场空白清晰：跨框架的技能检索、质量评分、版本兼容与安全审计，目前无人做。大公司大概率会做官方 Registry，但跨框架兼容层它们没有动力做（利益冲突），这正是独立开发者的生存缝隙。时间窗口估计 12-18 个月。

Business Model（商业模式）

推荐免费增值 + 订阅组合，而不是一次性买断或市场抽佣。理由：Skill 库是持续更新的资产，订阅制与"技能版本迭代"天然匹配；抽佣需要双边流量，早期冷启动不现实。

定价建议：Free 层开放基础检索与 50 个公开 Skill；Pro 层 12 美元/月（年付 99 美元），提供私有 Skill 托管、版本锁定、兼容性检测；Team 层 79 美元/月（5 席起），加审计日志与权限管理。定价锚点是 Cursor Pro（20 美元/月）和 npm 私有包（7 美元/月/人），12 美元落在开发者"无脑订阅"区间。

12 个月收入预测：保守 3,000 美元 MRR（约 250 个 Pro 用户），基准 12,000 美元 MRR（约 800 个 Pro + 20 个 Team），乐观 35,000 美元 MRR。

获客成本：靠 GitHub 与 juejin 内容获客，CAC 估算 15-30 美元；Pro 用户回本周期 1-2 个月，模型健康。

MVP Blueprint（MVP 蓝图）

预估开发天数为 0 说明当前无法给出可靠工期，但按同类工具经验，2-7 天可做出可用版本。

核心功能（只保留必须项）：① Skill 元数据索引（名称、适用框架、依赖、版本）；② 关键词 + 语义双路检索；③ 一键安装/复制到本地目录；④ 兼容性标记（标注支持哪些 Agent 框架）；⑤ 用户评分与报错反馈。

砍掉：私有托管、权限体系、审计日志、计费——全部留到 v2。

技术栈：Next.js + Tailwind 做前端，SQLite/Postgres 存元数据，pgvector 做语义检索，Vercel 部署。捷径：直接抓取 GitHub 上公开的 skill 文件做种子数据，用 GitHub OAuth 登录跳过账号体系，Stripe 只接一个 Pro 套餐。

Commercial Opportunities（商业化机会）

方向一：跨框架 Skill 检索与评级站。目标用户是 Agent 重度开发者，预期月收入 3,000-10,000 美元。优于其他方向的原因：纯信息聚合，无需托管代码，合规风险最低，且天然吃 SEO 流量。

方向二：团队私有 Skill 托管与版本锁定。目标用户是 10-50 人的 AI 产品团队，预期月收入 5,000-20,000 美元。优势是客单价高、留存好，但需要权限与审计能力，开发成本更高。

方向三：Skill 质量审计 API。目标用户是 Agent 框架厂商和平台团队，按调用计费，预期月收入 2,000-8,000 美元。优势是 B 端粘性强，劣势是销售周期长。综合优先级：先做方向一验证需求，再用其流量导流方向二。

Product Ideas（产品创意）

🥇 SkillHub.dev — "Agent 技能的 npm + 评分榜"。价值主张：一个搜索框找到跨框架可用的高质量 Skill，附带兼容性与安全评分。目标用户是 Cursor/Claude Code 的重度用户，场景是"装技能前先查评分"。时机对的理由：技能供给已过剩、检索层空缺，且 SEO 关键词尚无人占位。

🥈 SkillLock — "团队级 Skill 版本锁定与私有仓库"。价值主张：让团队 Agent 的技能依赖像 package.json 一样可复现。目标用户是 AI 产品团队的技术负责人。时机：Agent 进入生产环境后，可复现性成为刚需，这是 6-12 个月后的确定性需求。

🥉 SkillAudit API — "一行 API 检测 Skill 的安全性、依赖冲突与提示词注入风险"。目标用户是 Agent 平台与框架厂商。时机：企业采购 Agent 时开始要求供应链安全，但需求尚未显性化，适合作为第二曲线。

SEO Opportunity（SEO 机会）

搜索量趋势：上升，但基数小。SEO 难度 0/100，意味着几乎无竞争，是典型的早期占位窗口。

长尾关键词建议：agent skill library、claude code skills 推荐、ai agent 技能库、cursor skills 安装、agent skill 安全审计。

内容策略：优先做"对比型 + 清单型"页面（如"10 个必装 Agent Skills"、"Skill 库横评"），这类页面在无竞争关键词下最容易拿到首页；再补每个 Skill 的独立详情页，形成长尾矩阵。

Risk Assessment（风险评估）

判断可能出错的情形：Agent 框架厂商把 Skill 分发完全内化到 IDE，外部库失去存在价值；或 Skill 标准迟迟不统一，跨框架兼容层做不出来。

三大风险：技术风险——各框架 Skill 格式差异大，兼容成本被低估；市场风险——需求分 0/100，说明需求尚未被验证，可能是伪需求；执行风险——单人维护技能索引的更新与质量审核，工作量会随规模爆炸。

最低成本验证：两周内上线一个纯静态的 Skill 检索页，只做 200 个种子 Skill，投到 juejin 和 GitHub，看自然访问与收藏转化。

放弃信号：上线 4 周后周访问低于 300 且无任何付费意向反馈，或官方 Registry 正式发布并覆盖跨框架场景。

Action Plan（行动建议）

第一步（今天）：抓取 GitHub 上公开的 skill 文件，统计 Top 50 高频技能与所属框架，产出一份"Agent Skill 生态现状"数据帖，发到 juejin 试水。

低成本验证：用 Notion 或静态站搭一个 200 条 Skill 的检索页，不写后端，观察两周的自然流量与评论意向。

信号确认后第二步：接入语义检索与评分系统，上线 Pro 订阅。

时间线：第一周完成数据抓取与内容帖；第一个月上线检索 MVP 并拿到首批 100 个注册；第三个月跑通 Pro 付费，MRR 目标 1,000 美元，同时评估是否启动团队版。

Related Terms（相关趋势）

• MCP（Model Context Protocol） — 互补关系，MCP 解决工具连接协议，Skill Library 解决技能内容分发，两者常在同一技术栈出现
• AI Agent Runtime — 依赖关系，Runtime 是 Skill 的执行宿主，其协议演进直接决定 Skill 格式
• Prompt Marketplace — 竞争/前身关系，Prompt 市场是 Skill 库的上一代形态，Skill 库在可执行性上形成降维替代