6.Skills

skills官网：https://agentskills.io/home

基础

1.介绍

Claude Skills是Anthropic推出的一套基于提示词的模块化能力扩展系统。

基于提示词的动态上下文注入与元工具架构。与传统观念不同，Skill并非让模型调用外部函数，而是将领域特定的指令、工作流和知识"展开"并"注入"到对话上下文中。

本质：一组 prompt / workflow / 工具链配置

作用：

渐进式披露: 降低模型"降智"风险
工作流统一: 减少代码结构幻觉
架构完整性: 保证需求+功能逻辑性

2.安装技能

claude默认支持。在.claude根目录的就是全局skills，安装在项目根目录的就是项目级别的skills。

目前所有的AI编程工具都支持了。规则与claude一致。

3.内容结构

skills采用markdown格式编写。

1. 目录结构
my-skill/
  ├── SKILL.md              # 核心提示模板
  ├── scripts/              # 可执行Python/Bash脚本
  │   ├── validator.py
  │   └── processor.sh
  ├── references/          # 参考文档
  │   ├── terminology.md
  │   └── examples.md
  └── assets/              # 模板和静态资源    
      ├── template.docx    
      └── config.json
      
2.SKILL.md文件结构：       
---
name: my-skill
description: 清晰描述技能功能和触发场景
allowed-tools: "Read,Write,Bash"
---

# 技能详细指令

## 工作流程
1. 第一步说明
2. 第二步说明
3. 第三步说明

## 输出规范
- 格式要求
- 质量要求
- 示例输出
  

4.与MCP对比

MCP：决定干什么。例如查询数据库
skills：决定怎么干。例如使用什么SQL查询数据库。

案例

1.skills集市

官网案例：https://github.com/anthropics/skills
openskills：https://openskills.cc/zh
clawhub：https://clawhub.ai/
skillsmp：https://skillsmp.com/
skillhub：https://skillhub.tencent.com/

2.开源skills集合

skills精选集合：https://github.com/ComposioHQ/awesome-claude-skills

3.数字分身

把任何人从聊天记录里蒸馏出来。

蒸馏永生。提供现成的人格工厂。https://agenworld.com/。开源地址：https://github.com/agenmod/immortal-skill
Awesome Persona Skills。万物皆可 skill。https://github.com/tmstack/awesome-persona-skills

4.后端相关

MySQL表结构转Java DDD：https://github.com/techthird/skills/
sql-optimization-patterns:来源：wshobson/agents
- 数据库查询优化工具，直击 70% 应用性能问题源于低效 SQL 的痛点。典型场景性能可提升 40 倍，适用于慢查询排查、数据库设计评审。
dbt-transformation-patterns:来源：wshobson/agents
- dbt 工程化实践工具，解决传统数据转换脚本难维护、协作冲突频繁的问题，自动产出字段级测试与结构化文档。适配数据分析师、数据工程师的日常数据处理工作。

5.设计与前端

frontend-design。前端设计相关，Anthropic 提供。
- 地址：https://github.com/anthropics/skills
- 作用：创建具有独特设计品质的前端界面，避免千篇一律的"AI 风格"。
- 亮点：提供大胆的美学方向选择（极简、复古、未来感、野兽派等）、注重排版、色彩、动效、空间布局、达到生产级别的设计标准。
- 使用场景：构建 React 组件、HTML/CSS 布局、静态页面；开发完整 Web 应用或网站（统一设计风格）；美化或重塑现有界面。
cache-components。Next.js 缓存优化专家，Vercel 提供。
- 地址： https://github.com/vercel/next.js
- 作用：将 Next.js 的 Partial Prerendering(PPR) 和缓存组件最佳实践集成到 AI 开发工作流。
- 亮点：自动生成缓存优化的数据组件、自动实现数据变更后的缓存失效、智能化页面构建与代码现代化。
- 使用场景：自动生成带 ‘use cache' 语法和 Suspense 边界的数据组件；数据变更后自动调用 updateTag() 进行缓存失效；Next.js 项目性能优化。
fullstack-developer。全栈开发全能手，Shubhamsaboo 提供。
- 地址：https://github.com/Shubhamsaboo/awesome-llm-apps
- 作用：扮演精通现代 Web 开发技术的全栈专家，使用 JavaScript/TypeScript 技术栈完成全栈开发任务。
- 亮点：核心技术栈涵盖前端 React/Next.js、后端 Node.js、数据库 PostgreSQL 与 MongoDB，支持构建完整 Web 应用、开发 API、数据库建模与操作、用户认证与授权、应用部署扩展及第三方服务集成。
- 使用场景：构建完整 Web 应用（前端到后端）；开发 RESTful 或 GraphQL API；数据库建模与数据操作；用户认证与授权实现（JWT、OAuth）；应用部署与扩展（Vercel、Netlify）；第三方服务集成。
webapp-testing。Web 应用测试工具，Anthropic 提供。
- 地址：https://github.com/anthropics/skills
- 作用：基于 Playwright 的 Web 应用测试工具集，支持前端功能验证、UI 行为调试、页面截图、日志采集。
- 亮点：秉持"先侦查后行动"核心理念，提供前端功能自动验证、UI 行为调试分析、复杂交互处理、静态 HTML 文件测试能力。
- 使用场景：自动验证前端功能（自然语言描述测试需求）；调试与分析 UI 行为；处理需要后台服务的复杂交互；测试静态 HTML 文件。
frontend-skill 适用于打造视觉冲击力强的落地页、网站、应用、原型、Demo 或游戏界面。它强调克制的构图、图像主导的层级、统一的内容结构和精致动效。
chart-visualization 技能可以帮你快速将数据可视化。它会根据数据特征，从 26 种图表类型中自动选择最合适的一种，并提取生成图表所需的参数。随后，它会通过 Node.js 脚本生成高质量的图表图片，并返回图片 URL 及完整参数信息。
canvas-design 技能用于生成静态视觉设计作品（如海报、艺术页、封面），并可将作品输出为 .md、.pdf 和 .png 文件。它的执行流程分为两个步骤：

6.CI/CD相关

frontend-code-review。前端代码审查相关，langgenius 提供。
- 地址：https://github.com/langgenius/dify
- 作用：自动化审查前端代码（.tsx/.ts/.js），从代码质量、性能表现、业务逻辑等维度进行分析。
- 亮点：生成结构化审查报告，分"紧急待修复"和"改进建议"两类问题，标注文件路径、行号及修复方案。
- 使用场景：审查待提交的变更（git commit 前）；审查指定文件（重构/优化前）；获取结构化修复报告。
code-reviewer。全栈代码与 PR 审查相关，google-gemini 提供。
- 地址： https://github.com/google-gemini/gemini-cli
- 作用：支持本地代码改动和远程 PR 审查，保障代码正确性、可维护性、符合项目规范。
- 亮点：审查维度全面，包括正确性、可维护性、可读性、效率、安全性、测试完整性。
- 使用场景：审查远程 PR（提供 PR 编号/URL，AI 自动 checkout 代码运行检查脚本）；审查本地代码变更；深度代码分析。
code-reviewer：来源：davila7/claude-code-templates
- 多语言代码审查全能助手，弥补人工审查效率低、跨语言知识盲区的痛点。支持 TS/JS/Python 等主流语言，从质量、安全、性能多维度深度分析，
- 生成带优先级的审查清单与修改示例。适用于小团队 PR 审查、技术债务清理，安装插件后指令调用即可使用。
code-review-graph。用 Tree-sitter 把代码解析成结构图谱（函数、类、调用链、依赖关系），存本地 SQLite。
- 每次文件变更，只更新受影响的部分。核心是"爆炸半径"分析：改了一个函数，自动追踪所有调用方、依赖方、关联测试。 AI 只读它需要读的文件。
- code-review-graph：Claude Code 本地知识图谱，减少 6.8 倍代码审查 Token !
- 安装：pip install code-review-graph
fix。代码格式化与规范检查相关，facebook 提供。
- 地址：: https://github.com/facebook/react
- 作用：自动执行 yarn prettier（格式化）与 yarn lint（检查规范错误），确保代码符合项目规范以顺利通过 CI/CD。
- 亮点：集成格式化与规范检查于一体，预防代码风格问题导致的 CI 失败。
- 使用场景：提交代码前的预防性检查；修复已发现的 linting 或格式问题；解决 CI 失败问题。
pr-creator。自动化 PR 创建相关，google-gemini 提供。
- 地址：https://github.com/google-gemini/gemini-cli
- 作用：自动化创建高质量 PR，遵循项目模板与质量检查标准，提升代码审查效率。
- 亮点：一键创建符合规范的 PR，引导新贡献者完成首次代码提交，自动执行创建 PR 前的质量检查（preflight 脚本）。
- 使用场景：一键创建符合规范的 PR；引导新贡献者完成首次代码提交；自动执行创建 PR 前的质量检查。
update-docs。自动化文档更新相关，vercel 提供。
- 地址： https://github.com/vercel/next.js
- 作用：根据源代码变更自动分析、更新和创建文档，确保代码和文档同步，为 PR 审查时的文档完整性检查设计。
- 亮点：自动关联代码变更与文档更新，支持更新现有文档（props 表格、代码示例、废弃通知等）及为新功能创建脚手架文档。
- 使用场景：分析代码变更对文档的影响；更新现有文档；为新功能创建脚手架文档。

7.工具类

办公工具

minimax提供的大量的办公相关技能，可以提升工作效率。https://github.com/MiniMax-AI/skills/blob/main/README_zh.md。
- 例如：pptx-generator、minimax-pdf、minimax-xlsx、minimax-doc等。
doc-coauthoring 是一款引导你编写结构化文档的技能。当您提出写作需求时（例如，"帮我写一个文档"、"写一个 PRD"），它会通过一个协作流程，将你的零散想法转化为逻辑清晰、内容完整的文档。
AI克隆网站：开源地址：https://github.com/JCodesMore/ai-website-cloner-template

画图工具

墨卡 Moka。AI驱动的爆款文案排版工具，专为小红书、微信公众号等内容创作者设计。https://github.com/OLD-SIX-AI-TEAM/moka
baoyu-skills。写文章、做公众号、小红书、PPT、技术文档、架构图。
- 需要额外在环境变量中配置图像模型的 API 密钥。
- 开源：https://github.com/JimLiu/baoyu-skills
- baoyu-skills：16k 星标爆火，特别适合自媒体人的内容创作神器
鲸格PPT。基于HTML的PPT生成器。
- 开源：https://github.com/xhshow2025/-PPT-sense-deck-skill-
归藏的提示词库。主要为视频和图片的提示词。https://github.com/op7418/guizang-s-prompt
- 优秀案例：guizang-ppt-skill。用于生成单文件 HTML 横向翻页 PPT,视觉基调是"电子杂志 × 电子墨水"——像 Monocle 贴上了代码的样子。
html-anything。 nexu-io团队（open-design的作者）最新发布的开源项目。是一个专门为 Agent 时代打造的 HTML 编辑器。你不用再手写文档了，让你本地的 AI Agent 帮你把任何内容都转换成世界级设计水准的 HTML。
- 开源：https://github.com/nexu-io/html-anything

个人技能

Resume Analyser。简历智能分析 Skills。https://github.com/xhshow2025/resume-analyser
OPC创业智能测评。https://github.com/xhshow2025/opc-eval

浏览器操作类

playwright-cli。基于 Playwright 的命令行工具，用于自动化浏览器测试、页面截图、日志采集等任务。利用ai实现无头浏览器的各种操作。
- 开源：https://github.com/microsoft/playwright-cli
- 安装：npm install -g @playwright/cli@latest
- 使用【默认无头】：playwright-cli open google.com –headed
- 其他命令：
  - show # 打开所有浏览器会话(可查看页面)；
  - list # 查看所有会话信息；
  - close-all # 正常关闭所有浏览器；
  - kill-all # 强制关闭所有浏览器
- 安装skills【安装在执行命令的目录下】。playwright-cli install –skills
- 通过skills实现信息获取，视频读取分析等。

vibeMotion（代码式生成视频）。利用已有的工具，通过文字生成视频代码，再生成视频。主要是用来制作教学类的视频

hyperframes。在 HyperFrames HTML 中创建视频合成、动画、标题卡、覆盖层、字幕、配音、音频可视化以及场景转场。
- 地址：https://github.com/heygen-com/hyperframes
remotion。基于 React 的视频合成库，用于创建视频合成、动画、标题卡、覆盖层、字幕、配音、音频可视化以及场景转场。
- 地址：https://github.com/remotion-dev/remotion
收集网络常见视频模板。https://github.com/vibe-motion/skills。

语言类

Edge TTS。使用 node-edge-tts 包进行文本转语音，支持多语音、多语言、语速音调调节及字幕生成。
- 触发场景：用户通过"tts"关键词请求音频输出；(2) 内容需以语音呈现（如多任务处理、无障碍、驾驶、烹饪等场景）；(3) 用户需定制特定的语音、语速、音调或格式。
- 地址：https://clawhub.ai/i3130002/edge-tts

8.辅助coding

Caveman。AI回答问题总是解释一大堆，技能可以让AI只回答问题，不解释。
- Caveman有4种强度模式。Lite轻度压缩，Full标准模式，Ultra极限压缩，还有一个文言文模式，用中文古文输出。
Memory Compiler。每个session的会话都是全新的。Memory Compiler会通过Hook自动捕获对话，提取知识，存入每日日志，编译成知识库。下次Session直接调取。
- 知识库结构分三块。concepts放概念，connections放关联，qa放问答。
- 不用向量数据库，Karpathy的LLM Knowledge Base架构改造过来的。
Paper2Code：把AI论文秒变可运行代码。
TestDrift：AI写完代码自动生成测试用例。
git-commit 是一个基于 Conventional Commits 规范的代码提交辅助工具。它可以分析代码变更，自动完成文件分组与暂存，并生成结构化的提交信息。该技能内置严格的 Git 安全协议与最佳实践，确保提交历史规范且安全。
react-best-practices 是一个面向 React 和 Next.js 项目（尤其是 TSX/JSX 文件）的代码质量审查与性能优化工具。它的内置规则基于 Vercel 官方最佳实践（8 类、64 条，按优先级划分），覆盖组件结构、Hooks 规范、a11y、TypeScript 以及服务端/客户端性能优化。该技能会在组件编写、修改或重构时自动被触发，然后执行代码检查并提供优化建议。
webapp-testing 是一个基于 Playwright 的本地 Web 应用测试工具集，支持前端功能验证、UI 调试、页面截图及浏览器控制台日志采集，遵循 "先侦查后执行" 的流程。该技能提供示例与辅助脚本，覆盖静态 HTML 自动化测试、元素定位、日志抓取能力，并可在多服务场景下统一管理服务器生命周期。
composition-patterns 是一个面向 React 组件组合模式与架构设计的代码审查与重构工具。其核心目标是解决组件迭代过程中因逻辑叠加导致的 props 膨胀问题，通过复合组件（Compound Components）、状态提升（Lifting State）及现代 React API（含 React 19），构建具备高灵活性、高可维护性的组件体系。
pair-programming：来源：ruvnet/claude-flow
- AI 驱动的结对编程系统，破解传统结对人力成本高、远程协作难的问题。提供 Driver/Navigator/Switch 三种协作模式，
- 支持实时代码审查、安全扫描，并给出建议可靠性评分。区别于 Copilot 的代码补全，主打对话式协作与开发方法论引导，适配 TDD 开发、遗留代码重构场景。

9.架构工作

架构图绘制：它做的事很简单：你用自然语言描述你的系统架构，Claude 自动生成一张深色主题的专业架构图，输出为独立的 HTML 文件，任意浏览器打开就能看。

源码：GitHub

9.1.Repo Analyzer

Repo Analyzer。一个 AI 编程 Agent 技能，用于对开源项目进行深度架构分析，生成专业级架构报告——包含设计洞察、权衡分析和 Mermaid 架构图。

9.2.Graphify

一个面向 AI 编码助手的技能。通过在AI工具中集成Graphify，使用/graphify命令，它会读取你的内容，构建知识图谱，并把原本不明显的结构关系还给你。帮助用户更快理解代码库，找到架构决策背后的"为什么"。

完全多模态。你可以直接丢进去代码、PDF、Markdown、截图、流程图、白板照片，甚至其他语言的图片。 graphify 会用 Claude vision 从这些内容中提取概念和关系，并把它们连接到同一张图里。

工作原理:graphify 分两轮执行。

第一轮是确定性的 AST 提取，对代码文件做结构分析（类、函数、导入、调用图、docstring、解释性注释），这一轮不需要 LLM。
第二轮会并行调用 Claude 子代理处理文档、论文和图片，从中提取概念、关系和设计动机。最后把两边结果合并到一个 NetworkX 图里，用 Leiden 社区发现算法做聚类，并导出成可交互 HTML、可查询 JSON，以及一份人类可读的审计报告。
- 聚类是基于图拓扑完成的，不依赖 embeddings。
- Leiden 按边密度发现社区。
- Claude 抽取出的语义相似边（semantically_similar_to，标记为 INFERRED）本来就存在于图中，所以会直接影响社区划分。
- 图结构本身就是相似性信号，不需要额外的 embedding 步骤，也不需要向量数据库。

每条关系都会被标记为 EXTRACTED（直接在源材料中找到）、INFERRED（合理推断，并附带置信度分数）或 AMBIGUOUS（有歧义，需要复核）。所以你始终知道哪些是实际发现的，哪些是模型猜出来的。

安装：pip install graphifyy && graphify install
安装skills【不同的平台命令不同】：graphify install --platform trae-cn

常见使用命令：
1. 生成知识图谱:会生成报告一直保存到当前目录中。
/graphify                          # 对当前目录运行。
/graphify ./raw                    # 对指定目录运行。
/graphify ./raw --mode deep        # 更激进地抽取 INFERRED 边
/graphify ./raw --update           # 只重新提取变更文件，并合并到已有图谱
/graphify ./raw --cluster-only     # 只重新聚类已有图谱，不重新提取
/graphify ./raw --no-viz           # 跳过 HTML，只生成 report + JSON
/graphify ./raw --obsidian         # 额外生成 Obsidian vault（可选）

2. 读取网络连接（可以是代码仓库、文档、论文等）
/graphify add https://arxiv.org/abs/1706.03762        # 拉取论文、保存并更新图谱
/graphify add https://x.com/karpathy/status/...       # 拉取推文
/graphify add https://... --author "Name"             # 标记原作者
/graphify add https://... --contributor "Name"        # 标记是谁把它加入语料库的

3. 查询知识图谱
/graphify query "what connects attention to the optimizer?"
# query 支持 BFS（广度优先，适合了解上下文）和 DFS（深度优先，适合追踪特定路径），
# 使用 --budget 限制输出 token 数。
/graphify query "auth flow 是怎么走的" --dfs      # 追踪一条具体路径
/graphify query "what connects attention to the optimizer?" --budget 1500  # 把预算限制在 N tokens
/graphify path "DigestAuth" "Response"
/graphify explain "SwinTransformer"

4. 导出知识图谱
/graphify ./raw --watch            # 文件变更时自动同步图谱（代码：立即更新；文档：提醒你）
/graphify ./raw --wiki             # 构建可供 agent 抓取的 wiki（index.md + 每个 community 一篇文章）
/graphify ./raw --svg              # 导出 graph.svg
/graphify ./raw --graphml          # 导出 graph.graphml（Gephi、yEd）
/graphify ./raw --neo4j            # 生成给 Neo4j 用的 cypher.txt
/graphify ./raw --neo4j-push bolt://localhost:7687    # 直接推送到运行中的 Neo4j
/graphify ./raw --mcp              # 启动 MCP stdio server

# git hooks - 跨平台，在 commit 和切分支后重建图谱
graphify hook install
graphify hook uninstall
graphify hook status

# 增量更新
graphify watch ./src                         # watch 模式后台运行，代码文件改动即时触发 AST 重建（无 LLM 消耗），文档/图片改动提示你手动 --update
graphify update ./src                        # re-extract code files, no LLM needed
graphify cluster-only ./my-project           # rerun clustering on existing graph.json

输出：
1. graph.html——可交互的图谱可视化，点击节点、搜索、按社区筛选
2. GRAPH_REPORT.md——纯文本审计报告，列出核心节点、意外关联和建议问题
3. graph.json——持久化的图谱数据，几周后再查也不需要重读原始文件
  

9.3.其他

代码知识图谱

gitnexus。
- 开源：https://github.com/abhigyanpatwari/GitNexus
- 笔记：https://www.aivi.fyi/llms/gitnexus
CodeGraph。利用Tree-sitter + 向量检索实现代码检索。核心为6个本地MCP工具组合使用。可以让cc具备cursor一样的代码检索能力。
- 开源：https://github.com/CodeGraph/CodeGraph
- 工具介绍：https://mp.weixin.qq.com/s/dBa-TBH_b5ETgvBJKBtD7w

GitNexus 与 Graphify 的区别

精准代码问题用 GitNexus。比如：「修改这个函数的返回类型会影响哪些模块？」
语义知识问题用 Graphify。比如：「这段 attention 实现和 Transformer 论文的哪个部分对应？」
复杂混合问题两个一起开。比如：「重构 Auth 模块前我需要知道所有依赖它的代码路径，以及当初选择 OAuth 的原因。」

10.工程规范工作流等

Superpowers：本质是一个技能库框架，采用ai cli插件的方式安装。直接使用Claude Code缺少规划、缺少测试、缺少审查，产出质量时好时坏。
- 而Superpowers把优秀工程师的工作方式：需求讨论、设计评审、测试驱动、代码审查、编码成了一套自动触发的 Skill。
- 开源地址：https://github.com/obra/superpowers.git

11.其他

一人创业公司-市场运营推广文案等

openclaw官方提供的大量的skills都很好用，例如：

skill-creator。通过描述的需求，生成skills，自动进行迭代优化，并发布社区共享。
web-access。通过CDP直连浏览器，自动继承已经登录的浏览器，模拟人工操作。
find-skills。技能发现与管理相关，vercel 提供。
- 地址：https://github.com/vercel-labs/skills
- 作用：帮助发现并安装 Agent Skill，依托 skills 命令行工具从开放生态中搜索、安装与管理模块化技能包。
- 亮点：提供技能探索、查找特定技能及一键安装指令功能，简化技能管理流程。
- 使用场景：探索未知的 Skill；查找特定的 Skill；提供一键安装指令。

提示词优化：

senior-prompt-engineer:来源：davila7/claude-code-templates
- LLM 应用开发提示词专家，攻克开发者 Prompt 设计能力不足、输出不稳定的痛点。内置 Few-shot、Chain-of-Thought 等设计模式库，
- 支持结构化 JSON 输出规范。适用于 AI 产品开发、LLM 应用调优与企业 AI 落地。

最佳实践

1.第一性原理

真的AI Agent的行为约束。将其放入全局的Claude.md或者Agent.md文件中，提升vibe coding的效果和质量。

- 约束1：先列计划，批准再动手。开始任何任务前，先列出你的执行步骤并等待明确批准。计划未经确认，不得开始实施。
- 约束2：改之前先读文件。编辑任何文件之前，必须先读一遍。
- 约束3：别重复造轮子。尽量缩小改动范围，优先复用项目已有的抽象和函数，绝对禁止将代码重新穿透多层调用链实现一遍。
- 约束4：不确定先说，不要猜。如果没有可参考的先例，停下来问，不要自己发明需求，那是人类的工作。
- 约束5：中途转向，先问再动。实施可能影响用户的改动前，先确认方案。如果范围发生变化，重新制定计划。
- 约束6：计划外的问题先报告。遇到与当前任务无关的废弃代码或可疑行为，说出来，严禁自己动手。
- 约束7：改了什么必须汇报。提交之前，把完整的改动差异展示给用户，并获得明确批准。
- 约束8：没跑过测试不算完成。在宣布实现就绪前，针对改动的包跑一遍能覆盖lint、类型检查和测试失败的最小验证。
  

2.karpathy claude.md

社区根据 Karpathy 对 AI Coding 失败模式的观点整理出来的"Agent 行为规范"。

核心原因是它解决了 AI Coding 常见问题：

scope creep（越改越多）
hallucination（乱猜）
context drift（偏离目标）
overengineering（过度设计）
silent assumptions（偷偷假设）

它本质上是：给 Coding Agent 的行为约束

开源地址:https://github.com/multica-ai/andrej-karpathy-skills

推荐将文件添加到全局中。

管理

现在的skills越来越多了，管理起来就比较麻烦了。

skills manager。统一管理本地skills，然后再同步到不同的 AI 编程工具里。支持来自Git 仓库、本地文件夹、压缩包的skills。 https://github.com/xingkongliang/skills-manager/

企业落地

1.skills落地难题

安全挑战：恶意代码、已知漏洞、敏感信息外泄风险持续存在，缺乏有效的准入管控机制。
权限挑战：谁可见、谁可用、谁可改、谁可发——职责边界模糊，越权访问难以防范。
稳定性挑战：版本混乱、升级不可控、问题难以回滚，影响业务连续性。
治理挑战：缺少审计日志、追溯链条不完整、缺乏合规证据链，无法通过监管审查。

解决方案：Nacos 3.2 Skill Registry 正式版发布，让 AI 能力在企业更安全、可控落地。核心：解决发布、审计（自动和手动）、灰度发版、权限控制、

文章信息

本文作者：zhangxue
本文链接：https://lucksnow1989.github.io/article/21.机器学习/3.AICoding/6.Skills.html
版权声明：本文为本人原创文章，遵循 CC 4.0 BY-NC-SA版权协议，转载请附上原文出处链接和本声明。