SandBase Skills 智能体技能库
一套可安装的开源智能体技能，覆盖研究、社交情报、营销与业务工作流，兼容 Claude Code、Codex、Cursor、Gemini CLI 与 DeepSeek Harness。
- Star 数
- ★ 201
- 最近更新
- 2 天前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 50/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude CodeChatGPT（需要适配）
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 市场或情报分析师需要核实一条市场论断，用 multi-source-search 从多个独立来源交叉验证并输出证据账本
- 不适合
- 只想要单一对话助手、不愿向 AI 代理安装指令文件的用户
- 需要深度依赖 SandBase 专有社交/数据能力又不愿注册其账号的团队
- 源码审查
- 50/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
SandBase Skills（仓库 sandbaseai/sandbase-skills）是一个 Apache-2.0 开源技能集合，README 声称包含 245 个可安装技能（仓库简介写为 88 个），按研究、社交情报、商业智能、营销与 SEO、媒体生成、数据科学、软件工程与工具等目录组织。每个技能本质上是一个 SKILL.md 指令文件，定义可复用的工作流、证据规则与输出格式，由宿主智能体读取后执行。仓库将人工编写的技能源码（research/、marketing/）与生成的目录元数据（catalog/skills/、skills.）及各客户端打包（agent-plugin/、.claude-plugin/、dsh/）分开管理，并通过 npm test、marketplace:check 与 scripts/skillpack.py validate 等检查保证一致性。旗舰技能 multi-source-search 可直接使用宿主已有的搜索与网页阅读工具，产出可离线校验的证据账本，无需 SandBase 账号；专用的社交、市场与数据技能则需配置 SANDBASE_API_KEY，通过 SandBase 的 2000+ 模型与 API 补充能力。整体运行边界是：技能只是指令，真正的执行、搜索与媒体生成由宿主智能体及其连接的工具完成。
安装后，智能体读取技能目录下的 SKILL.md，按其中定义的工作流执行任务。例如 multi-source-search 会用宿主自带的搜索工具交叉验证一条论断，构建带来源引用的证据账本（evidence ledger），并可用离线脚本校验报告的内部一致性：bash
python3 research/multi-source-search/scripts/validate_report.py examples/verifiable-research-report.
` 该校验器会拒绝未知或重复来源、虚高置信度、未使用的证据以及仍存在已声明冲突的高置信论断。twitter-intelligence 等 14 个社交技能面向各大平台的帖子搜索、趋势追踪与情感分析；market-research、competitor-monitor 等做市场与竞品情报；seo-content-brief 生成基于 SERP 的内容简报。配置了 SANDBASE_API_KEY 后，技能可经 sandbase_discover → sandbase_inspect → sandbase_run（异步结果用 sandbase_run_get 轮询）调用 SandBase 的搜索、社交与媒体提供方； SandBase CLI 另以 MCP 工具形式把 2000+ 模型与 API 接入同一智能体。
- 市场或情报分析师需要核实一条市场论断，用 multi-source-search 从多个独立来源交叉验证并输出证据账本
- 社交媒体经理在 X（Twitter）上对比两个品牌本月的情绪与高频投诉，用 twitter-intelligence 生成结构化对比报告
- 增长营销人员追踪三个竞品的价格、发布、内容与社媒动态，用 competitor-monitor 得到带日期的竞品情报简报
- SEO 内容负责人为某目标关键词制作可直接交给写手的内容简报，用 seo-content-brief 输出搜索意图、竞品页面与差异化角度
- 招聘或投资分析师评估某工程团队的开源活跃度，用 github-profile-research 分析仓库、语言、贡献与 star 数据
- 中国市场的调研人员跨微信、微博、小红书、抖音等平台监测话题与情绪，使用 weibo-research、xiaohongshu-research、china-social-research 等技能
如何安装或部署这个 Agent？
技能本身免费且开源（Apache-2.0）。最快的体验方式不需要安装：
bash
npx skills use sandbaseai/sandbase-skills@multi-source-search安装到 Codex：
bash
npx skills add sandbaseai/sandbase-skills@multi-source-search --agent codexGitHub CLI 2.90.0+ 可先预览再安装：
bash
gh skill preview sandbaseai/sandbase-skills research/multi-source-search
gh skill install sandbaseai/sandbase-skills research/multi-source-search --agent codex --scope user作为可移植 Agent Plugin 安装（Copilot CLI 等）：
bash
copilot plugin install sandbaseai/sandbase-skills:agent-pluginDeepSeek Harness 全量安装：
bash
dsh plugin --profile web add github:sandbaseai/sandbase-skills
dsh webClaude Code 市场全量安装：
text
/plugin marketplace add sandbaseai/sandbase-skills
/plugin install sandbase-skills@sandbase-agent-skills旗舰技能在宿主已提供搜索工具时无需任何账号；专用社交/市场/数据技能需要在环境中（而非提示词或提交文件中）设置 SANDBASE_API_KEY。
如何使用这个 Agent？
安装技能后向智能体下达任务即可，例如对 multi-source-search 说："用独立来源核实这一论断并校验证据账本"。其工作流为：用户提问 → 智能体读取 SKILL.md → 优先使用宿主已有的搜索或浏览器工具 → 如已配置则通过 sandbase_discover/sandbase_inspect/sandbase_run 调用 SandBase 提供方 → 执行工作流并校验结构化证据 → 交付结果。可在离线校验研究输出：
bash
python3 research/multi-source-search/scripts/validate_report.py examples/verifiable-research-report.
如需在同一智能体中接入 SandBase 的 2000+ 模型与 API 的 MCP 工具：
bash
npx -y https://github.com/sandbaseai/cli/releases/download/v0.1.17/sandbaseai-cli-0.1.17.tgz connect --client codex用技能名按需安装其他技能：
bash
npx skills add sandbaseai/sandbase-skills@<skill-name> --agent codex --global
npx skills add sandbaseai/sandbase-skills --list这个 Agent 有哪些优点和局限？
- 旗舰技能 multi-source-search 可只用宿主已有工具运行并离线校验证据账本，零账号、零供应商锁定
- 同一套技能可安装进 Claude Code、Codex、Cursor、Gemini CLI、DeepSeek Harness 等多种智能体，打包成 Agent Plugin、Claude marketplace 与 DSH bundle 多种格式
- 覆盖面广：从多平台中国社交研究（微信、微博、小红书、抖音）到 SEO、竞品监控、数据科学与软件工程共 245 个技能，目录元数据与 CI 一致性检查齐全
- 证据账本校验器明确拒绝重复来源、虚高置信度与未使用证据，研究产出可审计
- 技能只是指令文件，实际效果高度依赖宿主智能体及其工具能力，仓库未对全部 245 个技能逐一给出可验证的效果证据
- 专用社交、市场与数据技能需要 SANDBASE_API_KEY，且 SandBase API 按量计费（典型研究任务 $0.05–$0.20），形成对 SandBase 生态的部分依赖
- README 中技能数量存在 88 与 245 两种表述，且大量技能描述是模板化的重复句式，实际深度需自行验证
- 离线校验器只检查内部一致性，不判断来源真实性；信任结论仍依赖使用者
这个 Agent 与同类方案有什么区别？
仓库将自身技能分发到 Agentic Awesome Skills、Agent Skill Exchange、skills.sh、AgentSkill.sh 等多个技能目录，并明确说明它遵循 Agent Skills 规范与 vendor-neutral 的 Agent Plugins 1.0 规范；与单个客户端专属技能相比，其差异点是同一技能源同时打包为 Codex、Claude Code marketplace、Copilot CLI 插件与 DeepSeek Harness bundle。源材料未对具体竞品库做功能对比。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| SandBase Skills 智能体技能库 当前 | 50 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 201 | 2 天前 | Python | Codex · Claude Code |
| Harness Desktop | 82 · 表现良好 | 桌面应用免费 + 模型费 | ★ 10 | 4 天前 | JavaScript | — |
| DeepChat | 66 · 存在缺口 | 桌面应用免费 + 模型费 | ★ 6.3k | 4 天前 | TypeScript | OpenAI API · Claude API |
| 活动策划多智能体系统 | 62 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 115 | 5 个月前 | Python | — |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示最小权限、用户确认、数据流向、敏感数据处理、外部副作用与回滚机制均仅有 README 层面的口头描述（如强制覆盖需 --force、证据日志），未提供任何 SKILL.md 或脚本体内容可核对；扣分点：核心技能源文件不在证据范围内，无法验证实际权限与网络行为。LICENSE 与 THIRD_PARTY_NOTICES.md（package. files 列表中）支持来源归属，得 2。
测试表明验证器对重复 URL、虚高置信度、未引用来源等有具体报错信息（得 2）；但自洽性存疑：对象描述为 88 个技能而 README.de.md 声称 245 个，证据内部无法裁决；依赖可用性方面测试同时要求 Node>=20 和 Python3，且无锁文件证据，扣至 1。
面向多 Agent（Claude Code、Codex、Cursor、Gemini CLI、DeepSeek Harness 等）并提供 8 种语言 README，安装路径按环境明确（.dsh/skills），环境适配得 2；但能力边界与触发精度无任何技能定义文件佐证，均为口头主张，扣至 1。
信息架构（分类目录表）、安装说明、命名稳定性均有测试强制（目录数与 README 目录一致、skills.sh 分组无重复、每个本地化 README 必含安装命令），示例含可验证报告样例；但未说明已知局限，无 CHANGELOG（仅 package. 0.3.5），Apache-2.0 全文在但版权占位符未填写，各扣分。SECURITY.md 私密漏洞报告流程与 CI 验证工作流支持维护责任得 2。
输出可用性有证据报告 JSON 结构与离线校验器支持；multi-source-search 无需账号即可用，边际价值与成本收益合理；但无执行证据证明输出质量，保守各得 2。
验证器强制独立来源计数、拒绝重复 URL（含跟踪参数归一化）、拒绝冲突下高置信度、要求 gaps 字段，主张可追溯与事实/推断分离设计扎实，各得 2；但交叉印证只能静态确认机制存在，实际检索质量无法核验，未给满分 3。
- 对象描述称 88 个技能而 README 声称 245 个，数量不一致，安装前请自行核对实际技能目录。
- 技能源文件（SKILL.md、脚本）未在证据中呈现，无法静态验证各技能的实际权限、网络请求与副作用；建议安装后逐一审查。
- 强制安装会覆盖已有技能（force 覆盖有测试但无备份/回滚机制说明）。
- 测试与运行同时依赖 Node>=20 与 Python3，环境需自备。
- 发布者身份未经注册库验证，信任需基于代码审查而非品牌。