今年1月，Vercel创始人Guillermo Rauch在X上发了一条推文：我们正在推出skills——AI技能的“npm”。三天后，Vercel正式官宣了它：一个为智能体安装和管理能力包的命令行工具。

发布仅五个月，这个官方仓库vercel-labs/skills的GitHub星标就冲到了2.4万。凭什么这么火？简单到只有一行命令：npx skills add <package>。它就像前端工程师天天用的npm，一行命令把别人写好的东西装进项目，只不过这回装的不是代码库，而是“能力”。更狠的是，它不挑工具——Claude Code、Cursor、Codex、Gemini CLI……官方支持的智能体已经超过68个。一份能力包，装进哪个工具都能跑。

Vercel还顺手上线了skills.sh，一个技能目录加安装量排行榜。榜首名叫find-skills的包，安装量已经冲到230万次。AI编程能力，第一次有了“热门下载”的排行榜。

Skills解决了一个什么痛点？

先看它到底干了什么。npx skills add vercel-labs/agent-skills，回车。几秒钟后，你的Claude Code就多了一套React、Next.js的工程规范，外加一套设计准则。下次它写代码，自动按这套规矩来。

这套东西，官方叫“技能包（skill）”。本质上是一个文件夹，核心是一份带YAML头的SKILL.md，写清楚两件事：这个技能是什么，什么时候该用。

它解决的痛点特别实在。模型懂通用的编程语言和框架，可它不懂你这个项目的“土规矩”：你们的代码风格、命名习惯、踩过的坑。以前这些只能靠你每次开新对话一遍遍复述，现在打包成一个skill，装一次，长期生效。

飞算JavaAI的智能引导：Java工程“土规矩”的标准化落地

Vercel Skills的思路是把“项目土规矩”打包成可安装的技能包。这个思路很好，但有一个问题：你得先知道你们项目的“土规矩”是什么，然后手动写成SKILL.md。对于Java工程来说，“土规矩”尤其多——Spring Boot的版本规范、MyBatis-Plus的使用习惯、全局异常处理的格式、日志打印的级别、事务传播行为的选择……这些东西，你让每个开发者手动写成技能包，根本不现实。

飞算JavaAI的智能引导，走的是另一条路。它不让你手动配置“土规矩”，而是把Java工程的核心规范固化成五步闭环的Agent流程。

• 需求规划Agent：拆解需求，生成验收标准
• 接口设计Agent：生成符合RESTful规范的API定义
• 数据库架构Agent：设计表结构，自动添加索引和外键约束
• 业务逻辑Agent：实现核心逻辑，处理事务边界
• 源码生成Agent：输出完整的Spring Boot工程

每一步都内置了Spring Boot的最佳实践和Java工程的通用规范。你不需要写SKILL.md，不需要手动装技能包，智能引导生成的代码天然符合“土规矩”。

Skills让AI“懂规矩”，智能引导让AI“按规矩办事”

Vercel Skills和飞算JavaAI智能引导解决的是同一个问题的两个层面。Skills解决的是“怎么让AI知道规矩”——你写好SKILL.md，AI就读懂了。智能引导解决的是“怎么让AI按规矩办事”——你不用写规矩，AI在生成代码的时候自动遵循最佳实践。

Skills的安装量冲到230万次，说明开发者确实需要“让AI懂规矩”这个能力。但Skills需要你先知道规矩是什么、然后写成文档、最后装进AI。飞算JavaAI智能引导的“五步闭环”，把“写规矩”这一步省掉了——Java工程的最佳实践已经内置在流程里了。你不用写SKILL.md，不用纠结“土规矩”怎么描述，智能引导直接帮你把活干了。这才是Java工程“AI能力标准化”的最短路径。