2026 Codex Skills 排行榜：让AI编程效率翻倍的必装插件

2026-05-31阅读 0热度 0

skill

2026 年最值得安装的 Codex Skills：将 AI 编程助手转化为真正的生产力引擎

到 2026 年，AI 编程助手已从“勉强能用”跨越到“高效好用”的阶段。但一个常见的现象是：同样使用 Codex 或 Claude Code，有些开发者一天能完成一周的工作量，而另一些人仍在反复向 AI 解释需求。

关键差异不在模型本身，而在于 Skills 的配置。

Skill 本质上是一套结构化的指令集，相当于给 AI 编程助手安装的“能力插件”。每个 Skill 定义了在特定场景下 AI 应遵循的工作流程。就像你不会让新来的实习生直接撰写核心代码——必须先提供标准操作流程（SOP）。Skill 就是 AI 的 SOP。

我花费一周时间，调研了 GitHub 上数百个 Codex/Claude Code Skills 仓库，实际测试了其中热度最高的几十个，最终整理出这份精选清单。按使用场景划分为八大类别，每类推荐最值得安装的 Skills。

一、元能力：驱动 AI 自我进化

这类 Skills 不处理具体任务，而是扩展 AI 的能力边界。无论你的开发领域是什么，这些都是第一天的地基配置。

1. Skill Creator — 自建工具的元工具

GitHub Stars： 系统内置（Anthropic 官方）
用途： 将你的工作流程封装为可复用的 Skill

过去编写一个 Skill 需要先研究 SKILL.md 格式规范，反复调试才能用。借助 Skill Creator，你只需像向同事交代任务一样，用自然语言描述你的整个流程，AI 就能自动起草、测试、迭代，在一分钟内生成符合标准的 Skill。

适用人群： 所有用户。这是你接触 Skills 第一天就应该安装的基础工具。

实战场景： 假设你每次写博客都有固定套路——先列大纲、收集资料、写初稿、润色、生成封面图。把这个流程描述给 Skill Creator，它会自动生成一个“博客写作” Skill，今后一句话即可触发完整流程。

2. Find Skills（SkillX.sh）— 让 AI 自主搜索工具

GitHub Stars： 134+（nextlevelbuilder/skillx）
用途： 从 skills.sh 平台检索并安装 Skills

不要把它看作普通搜索工具。真正的用法是直接给 AI 下达任务，例如“帮我做一个 Excel 数据分析”。AI 发现自身缺少对应 Skill 时，会自动通过 Find Skills 在 skills.sh 平台搜索，返回最匹配的 Skill 供你选择，并支持一键安装。

适用人群： 经常面对新场景、需要持续扩展能力的用户。

与 Skill Creator 的配合： Skill Creator 让 AI 具备自建工具的能力，Find Skills 则让 AI 能获取现成工具。两者协同使用，AI 的能力边界会不断扩展。

3. Learning Opportunities — 实战中持续成长

GitHub Stars： 1,954（DrCatHicks/learning-opportunities）
用途： 让 AI 在编程过程中主动识别学习机会

这个 Skill 的理念与众不同：它不直接教导 AI 如何做事，而是让 AI 在帮你写代码时，主动发现你可能需要掌握的知识点，并以“刻意练习”的方式提示你。例如你在写一个 React 组件，它可能指出“这里可以用 useMemo 优化性能，需要我解释一下原理吗？”

适用人群： 希望在使用 AI 的同时提升自身技术能力的开发者。

二、工程化开发：守住代码质量底线

AI 写代码最常见的陷阱不是语法错误，而是“逻辑看似闭环实则无法运行”的代码幻觉。这类 Skills 专门针对工程底线进行防护。

4. Superpowers — TDD 驱动的开发框架

GitHub Stars： 197,000+（obra/superpowers）⭐ 现象级项目
用途： 将测试驱动开发强制为 AI 的硬性规则

这是当前最火爆的 AI 编程 Skills 框架。它的核心机制是强制 AI 进入红绿重构循环：

红：先编写一个必然失败的测试，证实功能尚未实现
绿：编写最少代码使测试通过
重构：优化代码，保持测试全绿

更关键的是，它内置了 14 个子 Skills，覆盖从需求头脑风暴到代码审查的完整开发流程：

rainstorming — 开工前的需求澄清，将模糊需求转化为明确规格
writing-plans — 将大任务拆解为数分钟可完成的小单元
est-driven-development — TDD 红绿重构循环
systematic-debugging — 系统化调试，依靠排查而非猜测
erification-before-completion — 完工前的最终验证
equesting-code-review / eceiving-code-review — 代码审查流程
inishing-a-development-branch — 分支收尾与合并

适用人群： 所有认真对待代码质量的开发者。尤其适合那些曾被“AI 看起来正确但实际上有坑”的代码坑过的开发者。

实测感受： 安装 Superpowers 后，AI 的编码风格发生质变。原本是“你提需求我写代码”，现在变成了“先确认需求 → 编写测试验证理解 → 再动手编码”。虽然初始步骤多花了一点时间，但首版代码质量就能达到 80 分以上，省去了后续反复调试的 token 消耗，长期来看反而更节省成本。

5. Brooks Review — 基于经典工程书籍的代码审查

GitHub Stars： 社区热门（hyhmrright/brooks-lint）
用途： 以六本经典工程书籍为标准审查代码

这个 Skill 的独特之处在于：它并非使用通用的 lint 规则，而是将《代码整洁之道》《重构》《人月神话》等经典著作的核心原则转化为可执行的审查标准。它会标注问题的严重等级，并引用书中的原文作为依据。

内置六个子 Skills：

rooks-review — 代码审查
rooks-audit — 架构审计
rooks-debt — 技术债分析
rooks-health — 代码健康度评估
rooks-test — 测试质量审查
rooks-sweep — 快速扫描

适用人群： 追求代码质量不止于“能运行”，而是追求工程卓越的团队。

6. Codebase Recon — 代码库侦察兵

GitHub Stars： 社区热门（yujiachen-y/codebase-recon-skill）
用途： 通过 Git 历史分析代码库，定位热区和风险

接手一个新项目时，往往不知从何处入手。这个 Skill 会自动分析 Git 历史，识别出：

热点文件：变更最频繁的文件（说明需求常变动）
Bug 磁铁：出问题最多的文件（说明质量有问题）
巴士因子：仅由一人维护的文件（说明知识孤岛）
高风险文件：热点 ∩ Bug 磁铁（最需关注）

适用人群： 接手新项目的开发者、技术负责人。

7. Codex Complexity Optimizer — 代码复杂度分析

GitHub Stars： 762（Kappaemme-git/codex-complexity-optimizer）
用途： 分析代码复杂度，输出性能优化报告

它会扫描你的代码库，使用圈复杂度、认知复杂度等指标标记“过于复杂”的函数和模块，然后给出具体的重构建议。不是泛泛的“建议优化”，而是精确到“该函数圈复杂度为 23，建议拆分为 3 个子函数，每个控制在 5 以下”。

适用人群： 代码库逐渐膨胀、需要定期体检的项目。

三、效率工具：减少不必要的 token 消耗

AI 按 token 计费，某些 Skill 能帮你大幅降低开销，直接节省成本。

8. Ca veman — 减少 65% token 的极简主义

GitHub Stars： 61,929（JuliusBrussee/ca veman）⭐ 现象级项目
用途： 让 AI 以最少 token 完成任务

这是目前热度第二高的 AI Skills（仅次于 Superpowers），原理简单直接：要求 AI 在内部推理时使用“原始人语言”——去除所有冗余的礼貌用语、重复确认、过度解释，只保留最核心的思考过程。

效果：平均减少 65% 的 token 消耗。对于重度用户，这意味着每月节省数十甚至上百美元的 API 费用。

适用人群： 所有重度 AI 编程用户。这是一个“装了就回不去”的 Skills。

9. Planning with Files — Manus 风格的持久化规划

GitHub Stars： 21,621（OthmanAdi/planning-with-files）
用途： 用 Markdown 文件持久化 AI 的规划过程

该 Skill 的灵感来自 Manus 的工作模式：AI 在执行复杂任务时，不将所有思考放在对话上下文中（容易丢失），而是写入 Markdown 文件。即使关闭对话窗口，规划文档依然存在，后续可继续利用。

适用人群： 从事长期项目、需要跨会话保持连续性的开发者。

10. Keep Codex Fast — 保持 Codex 状态清洁

GitHub Stars： 1,090（vibeforge1111/keep-codex-fast）
用途： 定期清理 Codex 的本地状态，防止性能下降

长时间使用 Codex 后，本地缓存和历史记录会越积越多，导致响应变慢。这个 Skill 会自动执行“大扫除”，清理不必要的缓存和历史，同时做好备份以防万一。

适用人群： 长期使用 Codex 的用户。建议每月运行一次。

四、内容创作：从写作到发布全链路提效

如果你用 AI 进行内容创作，这组 Skills 能帮你从“写出内容”到“发布内容”实现全流程增效。

11. Humanizer — 去除 AI 文风

GitHub Stars： 19,647 / 7,865（中文版）
用途： 去除文本中的 AI 生成痕迹

AI 生成的文章常带有“AI 味”：过度使用转折词、偏好列举清单、语气中立、频繁出现“值得注意的是”“总的来说”等套话。Humanizer 采用五步流程“洗掉”这些痕迹：

分析文本，识别 AI 写作模式
替换陈词滥调和套话
调整句式结构，增加变化
注入个人风格和语气
最终审查，确保自然流畅

中文版（Humanizer-zh）专门针对中文 AI 写作模式进行优化，例如去除“首先…其次…最后”的三段论、减少“值得注意的是”等连接词。

适用人群： 所有使用 AI 写作的用户。这是博客、公众号、技术文章的必备 Skills。

12. Content Research Writer — 研究驱动的写作

GitHub Stars： ComposioHQ/awesome-codex-skills（10,475 Stars）
用途： 自动研究资料、添加引用、生成高质量文章

它并非简单地让 AI “写一篇文章”，而是先进行研究——搜索相关资料、引用权威来源、交叉验证信息，然后再写作。输出的文章自带引用来源，信息密度和可信度显著高于普通 AI 生成内容。

适用人群： 撰写技术博客、研究报告、深度分析文章的创作者。

13. Image Enhancer — 图片增强

GitHub Stars： ComposioHQ/awesome-codex-skills
用途： 增强截图和图片的清晰度、对比度

博客配图常需处理截图——IDE 截图可能分辨率不足，网页截图可能有压缩痕迹。Image Enhancer 能自动提升图片质量，让配图更专业。

14. Codex PPT Skill — 一键生成 PPT

GitHub Stars： 179（ningzimu/codex-ppt-skill）
用途： 用 AI 生成图片风格的 PPT

适用于技术分享、项目汇报等场景。它不生成千篇一律的模板 PPT，而是根据你的内容产出有设计感的幻灯片。

15. BGGG Skills — 图片转 PSD/PPT

GitHub Stars： 304（binggandata/bggg-skills）
用途： 将 AI 生成的图片转换为可编辑的 PSD 或 PPTX

你用 AI 生成了一张精美的封面图，但想微调文字位置？这个 Skill 能将图片转为带图层的 PSD，或转为可编辑的 PPTX，方便在设计软件中继续修改。

五、前端与设计：跳出千篇一律的 AI 审美

AI 生成的 UI 总是圆角卡片 + 紫色渐变？这组 Skills 专门解决审美同质化问题。

16. Nothing Design Skill — 极简工业风

GitHub Stars： 2,352（dominikmartn/nothing-design-skill）
用途： 使用 Nothing 设计语言生成 UI

Nothing 的设计语言以单色、排版驱动、工业感为特征。如果你厌倦了 AI 那套“紫色渐变 + 圆角卡片”的审美，这个 Skill 提供完全不同的视觉风格。生成的 UI 以黑白为主，强调字体排版和空间感，呈现克制的高级质感。

适用人群： 追求独特设计风格的前端开发者、设计师。

17. Excalidraw MCP — AI 驱动的画图工具

GitHub Stars： 1,935（yctimlin/mcp_excalidraw）
用途： 用 AI 程序化地创建和编辑 Excalidraw 图表

绘制架构图、流程图、系统设计图是技术博客和文档的刚需。这个 Skill 让 AI 直接操控 Excalidraw 画布，你只需描述“画一个微服务架构图，含 API Gateway、用户服务、订单服务”，即可生成手绘风格的专业图表。

适用人群： 需要频繁绘制技术图表的开发者、技术博主。

18. Engineering Figure Agent — 学术级工程图表

GitHub Stars： 179（heyu-233/engineering-figure-agent）
用途： 生成出版级的工程和计算机科学图表

特别适合写论文或技术报告的场景。支持中英双语标注，生成的图表可直接用于学术论文。内置多种图表类型：架构图、数据流图、对比图、实验结果图等。

适用人群： 撰写论文、技术报告、学术博客的研究者。

六、安全与质量：为代码上保险

19. Trail of Bits Skills — 安全研究专家

GitHub Stars： 5,283（trailofbits/skills）
用途： 安全研究、漏洞检测、审计工作流

Trail of Bits 是全球顶尖的安全咨询公司，他们开源的这组 Skills 将专业的安全审计经验注入 AI。它能进行漏洞扫描、安全代码审查、威胁建模等，并附带具体的审计清单和方法论。

适用人群： 对安全性有严格要求的项目，尤其是涉及认证、支付、敏感数据的应用。

20. Security Best Practices — 安全编码规范

GitHub Stars： OpenAI 官方 Curated
用途： 语言和框架级别的安全最佳实践审查

这是 OpenAI 官方维护的安全 Skills，会根据具体语言和框架（例如 Node.js、Python、Go）给出针对性安全建议。比如在 Node.js 项目中，它会检查是否正确使用了 helmet、是否对用户输入做了 sanitization、是否设置了正确的 CORS 策略。

适用人群： 所有生产级项目。

七、学术与研究：论文党的福音

21. LaTeX arXiv SKILL — 论文写作助手

GitHub Stars： 319（renocrypt/latex-arxiv-SKILL）
用途： 自动生成 LaTeX 论文骨架，验证 BibTeX 引用

写学术论文最令人头疼的是格式。这个 Skill 能根据你的研究主题自动生成符合 arXiv 标准的 LaTeX 模板，包括章节结构、公式环境、图表引用。更实用的是它能自动验证 BibTeX 引用是否完整、格式是否正确。

适用人群： 需要撰写学术论文的研究者、研究生。

22. Lecture to Notes — 课堂笔记自动化

GitHub Stars： 57（ysyecust/lecture-to-notes）
用途： 把 YouTube/Bilibili 课程视频转成 LaTeX/PDF 笔记

录制了课程视频没时间整理？这个 Skill 能自动将视频课程转为结构化笔记，支持智能裁剪（去除无关内容）、关键概念提取、公式识别，最终输出排版精美的 PDF。

适用人群： 学生、需要持续学习的开发者。

八、工具链集成：打通开发到部署

23. Playwright — 浏览器自动化测试

GitHub Stars： OpenAI 官方 Curated / 2,642（社区版）
用途： 让 AI 自动操作浏览器做端到端测试

不是让你手写 Playwright 测试脚本，而是让 AI 自己打开浏览器，像真人一样点击、输入、验证页面元素。你说“测试一下登录流程”，它就自动打开浏览器、输入账号密码、检查是否登录成功、验证错误提示是否正确。

适用人群： 拥有 Web 应用的项目。前后端开发者均可使用。

24. Screenshot — 截图工具

GitHub Stars： OpenAI 官方 Curated
用途： 截取桌面、窗口、区域截图

博客配图、bug 报告、设计评审都需要截图。这个 Skill 让 AI 直接帮你截图，省去手动操作。你可以指定截取全屏、某个窗口、或者屏幕上的某个区域。

25. Transcribe — 语音转文字

GitHub Stars： OpenAI 官方 Curated
用途： 把音频文件转成文字，支持多人对话识别

适合整理会议录音、播客笔记、口述草稿。支持说话人分离（diarization），能区分不同人的发言。你可以指定已知的说话人，提高识别准确率。

官方 Curated Skills：OpenAI 精选的基础设施

除了社区 Skills，OpenAI 官方也维护了一批 Curated Skills，质量有保障，建议作为基础配置安装：

Skill	用途
playwright	浏览器自动化测试
security-best-practices	安全编码规范
screenshot	桌面截图
ranscribe	语音转文字
pdf	PDF 读写和审查
igma 系列	Figma 设计集成
otion-knowledge-capture	知识捕获到 Notion
otion-research-documentation	研究文档整理
jupyter-notebook	Jupyter Notebook 支持
speech	语音合成
linear	项目管理集成

如何安装这些 Skills

方法一：官方 Skill Installer（推荐）

# 安装官方 Curated Skills
python ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py \
  –repo openai/skills --path skills/.curated/skill-name

# 安装社区 Skills
python ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py \
  –repo owner/repo --path path/to/skill

方法二：手动安装

# 克隆仓库
git clone https://github.com/owner/repo.git

# 复制 Skill 到 Codex 目录
cp -R repo/skill-name ~/.codex/skills/

方法三：用 Find Skills 自动搜索

直接在 Codex 中说：

“帮我找一下做 Excel 数据分析的 Skill”

AI 会自动搜索 skills.sh 平台并安装。

安装完成后，重启 Codex 即可生效。

小结

Skills 的本质是什么？是将人类的最佳实践编码成 AI 可执行的指令集。

一个好的 Skill 不是给 AI 增加更多约束，而是提供一个更优的“思维框架”。就像你指导一个聪明的新人——你不需要告诉他每一步具体操作，只需要说“用 TDD 的方式做”或者“先研究再写”，他就能自行推导出详细步骤。

2026 年，AI 编程助手的竞争已经从“模型性能”转向“生态系统”。Skills 正是这个生态的核心。你手中的 Skills 配置，直接决定了 AI 助手的上限。

因此，别再纠结选哪个 AI 工具。先把 Skills 配对，再谈效率提升。

本文提到的所有 Skills 均可在 GitHub 上找到，大部分开源免费。Star 数据截至 2026 年 5 月。