VibeSkills — 智能技能编排器
自动识别本地技能并智能编排工作流，让复杂任务不再需要手动作战。
- Star 数
- ★ 3.7k
- 最近更新
- 今天
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 46/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配Codex · Claude Code
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 数据科学家：需要执行可复现的机器学习实验，包括数据审计、统计审查、生成图表和科学报告。
- 不适合
- 使用 Claude Code、Codex 之外平台且不愿自行适配的用户
- 希望零配置、无需维护 Skill 目录与状态文件的用户
这个 Agent 能做什么，适合哪些场景？
VibeSkills 是一个通用型技能编排器，它作为 AI 助手的补充层，自动扫描本地技能库，为复杂任务规划模块化工作流，并智能选择合适的本地技能。其核心机制是按照规划状态机分解任务，将不同技能分配到各个模块，避免框架与领域技能之间的调度冲突。项目源于 Superpower 和 GSD 等框架的设计理念，旨在降低用户的规划负担，提供端到端的交付体验。VibeSkills 支持 L 和 XL 两种工作流级别，分别适用于普通多步骤任务和需要并行处理的大型任务。内部通过 agent_skill_organization 和 module_assignments 等文件记录技能分配和执行状态，并通过 delivery-acceptance-report.json 进行最终验收。安装后可通过 $vibe 或 /vibe 命令调用。
VibeSkills 扫描本地技能文件夹（含 ~/.vibeskills/skill-roots.json 或工作区 .vibeskills/skill-roots.json 中配置的额外目录），提取技能名称和摘要，为任务的每个部分自动筛选候选技能。在规划阶段，它生成 agent_skill_organization 和 module-work-plan.json，记录每个模块负责的技能、预期输出和检查标准。执行阶段，它协调当前 Agent 按计划工作，记录实际的 module_assignments 和 module-execution.json。对于代码任务，它会使用 TDD 循环：先写失败测试、修改、再运行测试。完成后，它会运行一系列检查（如 required-files, dataset-contract, baseline-results 等），生成 delivery-acceptance-report.json 或 .md，并与原始计划对比。最终输出包括数据审计、统计报告、图表、幻灯片等交付物。他还支持技能库协同，可包含第三方技能，但不会自动调用所有技能。
- 数据科学家：需要执行可复现的机器学习实验，包括数据审计、统计审查、生成图表和科学报告。
- 项目经理：需要将复杂任务分解成模块化工作流，并自动分配本地技能，无需手工规划。
- 开发人员：在编码任务中使用 TDD 循环，通过失败测试驱动实现，并自动验证结果。
- 团队协作：希望共享和复用团队或第三方技能，而不受限于特定框架。
- 内容创作者：需要生成演讲幻灯片、双语总结等传播材料，并确保一致性。
如何安装或部署这个 Agent？
安装步骤：1. 克隆仓库：git clone https://github.com/foryourhealth111-pixel/Vibe-Skills.git。2. 按照文档安装，推荐使用 PowerShell 执行安装脚本（具体命令见文档）。安装后运行 pwsh ./check.ps1 验证状态。需要预先配置本地技能文件夹，在 ~/.vibeskills/skill-roots.json 或工作区 .vibeskills/skill-roots.json 中列出。
如何使用这个 Agent？
使用步骤：1. 在任何支持本地技能的 AI 应用中，通过应用提供的入口调用 VibeSkills，使用 $vibe 或 /vibe 命令。2. 它会自动发现技能并规划任务，推荐工作流级别（L 或 XL）。3. 批准计划后，它执行任务并记录进度。4. 完成后查看交付验收报告，确认所有检查通过。详细使用示例见快速入门和机器学习实验案例。
这个 Agent 有哪些优点和局限？
- 自动技能编排：无需手动选择技能，它根据任务自动短名单，并分配到具体模块。
- 减少规划负担：将复杂任务模块化，用户无需向 AI 详细解释每个模块使用哪个技能。
- 支持并行处理：XL 工作流可同时运行最多两个不冲突的部分。
- 完整的执行记录：通过多种 JSON 文件记录计划、执行和验收，便于后续会话继续和审查。
- 学习成本：需要理解 L/XL 工作流级别、技能根配置等概念。
- 配置依赖：需要预先配置技能文件夹，并确保技能符合命名规范且 SKILL.md 可读。
- 上下文开销：当技能库较大或任务复杂时，可能消耗更多 tokens，尽管设计上已通过本地索引和短名单优化。
- 平台绑定：目前主要支持 Claude Code 和 Codex 等支持本地技能的框架，其他平台可能需要适配。
这个 Agent 与同类方案有什么区别？
与 Superpower 和 GSD 等框架类似，但 VibeSkills 更注重自动技能编排和模块化分解，强调本地技能资源的充分利用。
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 |
|---|---|---|---|---|---|---|
| VibeSkills — 智能技能编排器 当前 | 46 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 3.7k | 今天 | Python | Codex · Claude Code |
| AIWG | 证据不足 | 命令行工具免费 + 模型费 | ★ 224 | 今天 | TypeScript | Codex · Claude Code |
| Autoprompt Skill | 69 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 1.2k | 15 天前 | JavaScript | Codex · Claude Code |
| OpenTeams | 56 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 583 | 5 天前 | TypeScript | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：README 描述了需求确认、计划批准、执行记录和最终检查的流程，表明有用户确认环节；但未提供权限最小化、敏感数据处理、依赖安全审计、外部影响控制、回滚机制或来源归属的具体实现细节。扣分原因：缺少对权限、数据流、依赖安全、外部副作用、回滚和来源归属的明确证据。
证据显示：README 和 CI 工作流（vco-gates.yml）提供了自洽的流程描述和验证步骤，但未提供失败消息的具体示例或依赖可用性保障。扣分原因：失败消息和依赖可用性证据不足。
证据显示：README 描述了目标受众（使用本地 Skills 的 AI 应用用户）、适用场景（复杂任务）、能力边界（不自动调用所有 Skills）和环境适配（支持本地文件夹配置）。但触发精度（如 $vibe 或 /vibe 的具体语法）未详细说明。扣分原因：触发精度证据不足。
证据显示：README 提供了信息架构（文档索引）、安装说明（docs/install）、示例（ML 案例）、已知限制（token 开销）和许可证（Apache-2.0）。但命名稳定性、维护责任和版本变更日志的证据不足。扣分原因：命名稳定性、维护责任和版本变更日志证据不足。
证据显示：README 描述了输出可用性（交付物检查）、边际价值（减少规划负担）和成本效益（token 开销控制）。但成本效益的具体数据（如 token 用量）未提供。扣分原因：成本效益证据不足。
证据显示：README 和 CI 工作流提供了验证步骤和案例，但未明确区分事实与推断，且跨来源验证不足。扣分原因：事实与推断分离和跨来源验证证据不足。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 发布者身份未验证，应视为未知，不要基于品牌信任。
- 静态审查无法验证实际执行、测试结果或安全性，需谨慎使用。
- README 中的案例和 CI 结果未在本次审查中独立验证，可能夸大。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v4.1.1 Vibe Skills 4.1.1
发布说明摘录
Vibe Skills 4.1.1 Highlights This patch release collects the runtime-correctness and installer-safety fixes merged since v4.1.0, including PRs #313, #315, #317, #319, #321, #323, and #325, plus the merged-main CI repair in #328. - Share read-only Skill source authority across Python discovery and canonical admission, including configured workspace/user roots, enabled state, metadata validation, controller exclusion, duplicate precedence, and resolved path containment. …在 GitHub 查看 ↗ -
v4.1.0 Vibe Skills 4.1.0
发布说明摘录
Vibe Skills 4.1.0 - Original release date: 2026-08-29 - Asset refresh date: 2026-08-31 - Release commit: ddcaa2affca93c1efe026d008b6b93709e5fb7e2 Highlights Vibe Skills 4.1.0 brings the strongest Skill-organization and delivery patterns from the SkillsBench work into the existing production workflow. - Carries user-confirmed Skill inputs, outputs, planning hints, and verification hints from Skill Cards into WorkPlan and ModuleAssignments. - Adds explicit module dependencies with stable topological ordering, keeping execution and delivery aligned with the approved plan. …在 GitHub 查看 ↗ -
v4.0.0 Vibe Skills 4.0.0
发布说明摘录
Highlights Vibe Skills 4.0.0 is the major Agent execution-handoff release. - Replaces retired native and delegated execution lanes with Agent-owned module handoff. - Requires one canonical module-execution.json return through vibe re-entry. - Keeps delivery acceptance closed when required modules are failed, blocked, or incomplete. - Removes the legacy vibe-what-do-i-want, vibe-how-do-we-do, vibe-do-it, and vibe-upgrade public entry names. Use vibe. - Hardens exact task preservation and avoids injecting coding or TDD requirements into non-code work. …在 GitHub 查看 ↗