他写了 2000 小时 AI 代码，开源了 50 多个 Agent 技能

50 多万浏览、三位业内大佬集体背书。这套开源技能库，为什么值得关注？

一、先认识一下作者

David Ondrej 是一名 AI 博主，今年22 岁，专注 AI 编程和智能体工作流。

做 AI 之前，他手里有一个40 万订阅的视频频道。三年前，他把频道放下，扎进 AI agent，一写就是2000 多个小时。

这几年他做的事不止写代码。他还是开源智能体框架Agent Zero的作者。

三周前，他又做了一件让 AI 圈集体侧目的事。他把平时用的那一整套 agent 技能，全部开源成了 GitHub 仓库，放在github.com/DavidOndrej/skills下面。

帖子一发，50 多万浏览。三位 AI 圈的大佬先后回应背书。

• Hermes Agent 的联合创始人

• Boltmetrics 的首席技术官 Morgan Linton

• OpenSea 的首席技术官

Morgan Linton 评价说，这可能是同类别里相当出色的一套 agent 技能仓库。

到今天，这个仓库已经收录50 多个技能，累计安装量数千次，拿到3700 多颗星。

除了这个仓库，David Ondrej 还维护着一个叫linear-agents的项目，也在做一套叫 Deep API 的服务。他的工作核心只有一件事，研究怎么让 AI 智能体真正靠谱地工作。

一个 22 岁的年轻人，靠一套技能，让这么多业内人士集体点头。这套技能，值得一条一条拆开看。

二、这个仓库讲的是什么

在正式介绍之前，先理解一个基础概念。这里说的 skill，是写给 AI 智能体看的操作说明。

一个 skill 就是一个文件夹，里面通常有一份SKILL.md文件，写清楚什么情况下用、具体怎么一步步做。

智能体只有在接到相关任务时，才会去读对应的 skill。这样做有一个直接的好处，省 token。

把说明放进主提示词里，AI 每次都要读一遍。做成 skill按需加载，只在真正用到时才读，成本低得多。

这个仓库把 50 多个技能分成了五个类别。

上面这五个目录，就是仓库里真实的文件夹结构，可以在 GitHub 上直接点开核对。

下面挑 David Ondrej 本人高频使用的 8 个，逐个说明。每个都标出了它在仓库里的相对路径，方便读者直接找到。

三、8 个技能逐一说明

1. global-agent-guardrails（全局护栏）

仓库位置skills/ops-and-setup/global-agent-guardrails/

这是整张清单里最关键的一项，负责安全。

想大规模跑多个智能体，现实的做法是让它全自动运行，不再每条命令都停下来等人按回车批准。

全自动很快，但也有风险。已经有不少案例，智能体把生产环境的数据库直接删掉了。强模型能降低出错的概率，却没法完全消除。

这个技能的作用，是在智能体执行命令之前设一道程序化的拦截。它自带一个 hook，会在工具真正执行前检查命令。

下面这些危险模式会被一律拦下。

• 指向根目录的递归删除命令rm -rf

• 删除整个用户目录

• 格式化磁盘的命令

• 用管理员权限删除文件

• 把网络内容直接送进命令行执行

• 改写 git 历史、删除远程分支和标签

• 摧毁 git reflog 这道用于找回误删的安全网

关键区别在于，这套做法和写一句请别乱删、指望智能体听话的思路完全不同，它靠代码硬性拦截。

脚本里既写清必须拦什么，也写清必须放什么。递归删掉node_modules这种经常膨胀的依赖目录可以放行；递归删掉整台机器则必须拦住。

2. git-worktree（Git 工作树）

仓库位置skills/agent-orchestration/git-worktree/

当多个智能体在同一台机器上并行工作时，会遇到一个麻烦，它们可能抢着改同一个文件。Git Work Tree 解决的就是这个。

worktree 是同一个仓库的一份独立副本，挂在独立的分支上。

每个智能体在属于自己的那份副本里工作，彼此完全隔离，又能一起推进同一个仓库，速度会快很多。

项目特别小的时候还能勉强不隔离。一旦同一个仓库里有超过五个智能体同时工作，worktree 就基本是必需的。

这个技能会教智能体几件事。

• 判断自己所在的位置

• 创建和移除 worktree

• 把 worktree 标记为完成

• 自动配置，把环境变量这类基础文件复制过去

启动新智能体时，只需要说一句下面的话。

实现某个功能，在新的 worktree 里做

智能体读完技能，就知道该怎么把仓库克隆到独立目录里。

3. 服务器隔离（VPS 管理）

说明视频中讲解的这一项，在当前公开仓库里已找不到对应目录。

David Ondrej 讲到这里时，核心观点是，跑多个智能体时更稳妥的做法是把它们分开放在不同的机器上。

他自己的几个智能体就各自跑在独立的 VPS 上，有的管任务清单，有的记日常数据。

分开的好处有两个。

• 智能体不会在本人电脑上误删东西

• 它们之间不会互相打架

这些智能体还能通过即时通讯工具连起来，人可以随时和它们对话。

他原本设想的是一个专门管理 VPS 的技能，让一个智能体通过 SSH 或 Terraform 去恢复崩溃的智能体、在新模型发布时给它们升级。

不过，核查github.com/DavidOndrej/skills的当前目录树后，没有发现任何名称里含 vps、server、ssh、terraform 的文件夹。

这一项很可能已被作者移除，或保留为私有技能，读者暂时无法在公开仓库中找到它。

4. goal-loop（目标循环）

仓库位置skills/agent-orchestration/goal-loop/

这个技能教智能体把一个模糊的指令，扩写成一个带明确终点的长跑任务。

关键在终点两个字。给智能体一句「做个功能」，它也能做，但这不是正确用法。

正确用法是给出明确的数字和明确的结束条件，例如下面这句话。

找到 100 个某地区的市场负责人，每人至少三种联系方式

智能体就会一直跑，直到凑够条件为止。

写一条好的目标循环提示词，通常要花十分钟左右反复琢磨。用这个技能可以省掉这些功夫。

只要说一句下面的话，再补两句直白的话描述目标。

用 goal-loop 技能给我写个简单提示词

技能里已经写好了目标循环的定义、要求、适用场景和五部分契约。智能体读完，就能直接产出优化好的提示词。

这个技能并不只用于写代码。找营销联系人、找新员工，这类生活或生意里的任务，都能用目标循环交给智能体去跑。

5. setup-help（引导式配置）

仓库位置skills/ops-and-setup/setup-help/

这个技能和前一个正好相反，它用在需要本人亲自参与的场景。

有些操作不该交给智能体。

• 搭建新数据库时，不想把权限交出去

• 前端部署有变动，想自己看着点

• 在一个网页上填表单

这类场景，智能体的角色是引导者，一步步带人走完流程。

这个技能定的是引导时的格式规范。它有价值的地方在于，既给出当前这一步的上下文，又保留一份剩余步骤的清单。

很多时候，人会在当前这一步反复追问，普通智能体会丢掉后面还没做的事。

有了这个技能，可以一直追问当前这一步，每次回答末尾都还列着剩余步骤，不会只盯着一个点就忘了后面还有多少活。

对完全没有经验的新手也适用。说一句「用 setup-help 帮我在某平台上部署一个后端」，智能体就会用一个不把人绕晕的节奏带完全程。

6. decisions（决策把关）

仓库位置skills/thinking-and-docs/decisions/

这个技能来自一个反直觉的判断。到 2026 年，前沿模型的代码几乎无可挑剔，比世界上绝大多数程序员写得都好。真正需要人来把关的，是模型做出来的决策。

所以这个技能提倡，在智能体完成一个功能、修完一个大 bug、或者做完一次涉及几十个文件的大重构之后，向智能体提出下面这个问题。

做这个的时候，你做了哪些没把握的重要决策？深入想想，把所有重要决策都过一遍，看看有没有更好的替代方案。已经有理想方案的就别列，只列没把握的。

作者特意在原版基础上做了修改。原版只要模型「全列出来」，模型就会过度思考，列出一堆不需要审的内容。

改成只列没把握的重要决策，模型会给出这样的回答。

我做了四个主要决策，三个已经有理想方案，最后一个没把握

人就能逐条审。

配套的另有next-decision技能，路径在skills/thinking-and-docs/next-decision/。它解决的是另一个问题，当智能体一次列出十个决策时，人会招架不住。

这个技能让智能体一次只拿出一个决策，给出前四个选项并标明推荐哪个，人只需要说「三号不错」或者「你推荐的就去做」。

核心逻辑是一句话，写代码很便宜，模型几分钟能写一万行。贵、难、耗时的，是把关这一步。所以更划算的做法，是只审实现过程中那几个关键决策。

7. anti-sleep（防休眠）

仓库位置skills/ops-and-setup/anti-sleep/

这个技能解决一个很具体的问题，电脑会自动休眠，把正在跑的智能体也一起停掉。

任何操作系统都能设置多久休眠，但这是个琐碎的体力活。作者让智能体去找到精确的设置页面并打开，省去自己翻五分钟设置。

更进一步，如果在笔记本上跑智能体、人又想睡觉，希望它们彻夜运行，这个技能就派上用场。

它建立在 macOS 上一条叫caffeinate的命令之上。

技能附带一个 shell 脚本，教智能体怎么用、怎么验证，所以不用每次都重新生成。默认让电脑保持三小时不睡，可以改成五小时。

作者自己一天用好几次。凡是有多个智能体在跑、自己又要离开电脑时，就设一个时长，保证这段时间电脑不睡。

8. deepapi（Deep API）

仓库位置skills/research-and-web/deepapi/

最后这个技能，是作者基于自己正在开发的 Deep API 服务做的。

它的卖点是一把钥匙解决所有外部能力。给智能体配置新环境时，通常要一个一个地配置进去五六个不同的 API key，分别对应搜索、抓取、发邮件等不同服务。

Deep API 用一个 key全解决了，覆盖网页抓取、深度研究和网络搜索，还能收发邮件。

这个技能放在research-and-web类别下，教智能体怎么用这些端点、怎么做正确的深度研究和抓取。

作者做它的原因很实际。每次配新智能体，它都是空手来的，多数网站和社交平台又完全拒绝智能体访问。

有了这个技能，智能体做深度研究、抓取公司或人物信息、再发一封邮件，这一整条流程就不用再去网上翻文档。

Deep API 目前还是申请制，要到deepapi.co填写申请表。作者说，他的智能体每天都在用这个技能，每天几百次。

四、小结

这 8 个技能，串起来其实是一条完整的思路。

• 安全

  ，用global-agent-guardrails拦住危险操作

• 隔离

  ，用git-worktree和服务器分开，多个智能体并行不干扰

• 派发

  ，用goal-loop把模糊指令变成有终点的长跑

• 协作

  ，用setup-help保持人的上下文

• 把关

  ，用decisions审决策而不是审代码

• 兜底

  ，用anti-sleep处理日常琐事

• 聚合

  ，用deepapi收拢散落的外部能力

背后三句话值得记住。

技能的主要读者是智能体，人只是第二读者。

写代码便宜，审代码贵。

技能按需加载，才是省 token 的根本。

对于正在用 AI 编程的读者，这套仓库值得收藏。它可以直接放进 Claude Code、Codex 等工具里使用，安装方式也很简单。

打算上手的读者，可以照着上面标出的仓库路径，先把高频的两个技能放进工具里试用一遍。

如果觉得有用，也值得关注作者后续的更新。视频里提到的 42 个技能，现在已经扩展到 50 多个。

本文根据 David Ondrej 的公开视频整理，技能路径以github.com/DavidOndrej/skills仓库当前目录树为准。其中服务器隔离一项在公开仓库中暂无对应文件，已在文中注明。

话题标签 #AI编程 #Agent技能 #人工智能 #AI智能体 #ClaudeCode #GitHub开源 #开发者工具 #效率工具 #深度研究 #编程入门

本文值得收藏，也欢迎转发给正在用 AI 编程的朋友。