如果有一个 AI Skill，装了 260 万次，你猜它是干什么的？
写代码？做网页？自动炒股？
都不是。
它叫 find-skills。它最核心的工作，听起来甚至有点套娃：帮你的 AI 找到该装什么 Skill。
但越看，我越觉得它能登顶，一点都不奇怪。
截至 2026 年 7 月 24 日，Skills.sh 的全量安装榜显示：find-skills 位列第 1，安装量为 2.6M。它来自 Vercel Labs 的 vercel-labs/skills 仓库；同一页面显示该仓库有 27.1K GitHub Stars。
先说结论：它卖的不是“又一个超能力”，而是一个极容易被忽视、却决定 AI 能力上限的入口——当你不知道该让 AI 怎么做时，先让它去找现成的方法。
你缺的可能不是 AI，而是「能力目录」
现在很多人用 AI 的方式是这样的：
“帮我写个登录页。”
“帮我测一下接口。”
“帮我做一份 PPT。”
AI 通常也能回答，但它只能临场发挥。
问题在于：很多任务其实已经有人把流程、工具选择、常见坑和验收标准整理成了 Skill。比如前端设计、端到端测试、文档处理、发布部署、代码审查……
你不知道它存在，就会不断从零提示；你找错了，又可能装到质量一般、来源不明的东西。
find-skills 就是专门解决这个“我甚至不知道该搜什么”的问题。
它不是替你凭感觉推荐一堆工具，而是把找能力这件事变成一个流程。
它到底做了什么？
翻译成人话，find-skills 会按 5 步做事：
- 先弄清你的任务到底是什么：领域、具体目标、有没有现成方案。
- 先看 Skills.sh 排行榜，优先找已经被大量使用过的成熟 Skill。
- 如果排行榜不够，再用
npx skills find <关键词>搜索。 - 不把搜索结果直接塞给你，而是看三件事：安装量、来源是否可信、GitHub Stars 是否足够。
- 给你少量清晰选项、安装命令和链接；是否安装，最后由你决定。
看起来朴素，但这套顺序非常有意思。
它先解决“有没有成熟方案”，再解决“哪个更可靠”，最后才是“怎么装”。
换句话说，它不是一个下载器，而是 AI 的能力雷达 + 质量筛选器。
为什么它比看起来更重要？
前几天一篇文章介绍了排名第 3 的 grill-me：它用连续追问把模糊需求逼清楚，避免 AI 一上来就猜着写代码。
find-skills 解决的是更靠前的一步：
在开始做之前，先确认有没有人已经把这类问题研究过、整理过、验证过。
一个负责把需求问清楚；一个负责把能力找对。
这两个动作，本质上都在对抗 AI 使用中最贵的东西：返工。
很多时候，AI 没有“不会做”，而是：
- 你没说清到底要什么；
- 你不知道有更适合的专用流程；
- 你拿到一个搜索结果就直接相信了。
find-skills 没有试图把所有任务都做掉。它只把第一步——“找对方法”——做得足够标准。
这也是它厉害的地方：边界极窄，但需求极高频。
一个真实使用场景
假设你对 AI 说：
我想给 React 项目做性能优化，有没有现成 Skill？
没有 find-skills 时，AI 可能直接开始罗列优化建议，也可能随手给你几个链接。
有了它，理想流程会变成：
- 识别任务：React 性能优化；
- 优先查看排行榜上是否已有成熟方案；
- 必要时搜索
react performance； - 对候选项核对安装量、维护者和仓库热度；
- 给出推荐理由和安装命令。
这一下，AI 从“回答问题的人”，变成了“替你做技术选型初筛的人”。
当然，注意是初筛，不是替你闭眼安装。尤其涉及权限、脚本和第三方依赖时，最后仍要看来源和内容。
它最值得抄的，不是功能，而是设计
如果你也想做一个会火的 Skill，find-skills 的思路很值得拆。
第一，抓住一个发生在所有任务之前的高频动作。
不是“我能做一个很酷的功能”，而是“用户每次卡住时，都会先遇到什么问题？”find-skills 抓住的是：我不知道有什么现成能力可用。
第二，给推荐加证据，不靠口才。
安装量、官方来源、GitHub Stars——这三个信号不完美，但足够让“我觉得不错”变成可检查的推荐。
第三，把最后的决定权留给人。
它可以检索、筛选、解释，但不应越过用户直接安装未知来源的能力。AI 负责降低信息成本，人负责承担选择。
第四，短不等于浅。
这份 Skill 的内容不长，但它把“何时触发、先查什么、如何筛、怎么呈现、何时安装”都定清楚了。真正有用的 Skill，不是字数多，而是关键岔路口不含糊。
怎么安装？
如果你使用兼容 Skills CLI 的 Agent，可使用页面提供的安装命令：
npx skills add https://github.com/vercel-labs/skills --skill find-skills
装完后，不必记住复杂用法。下次直接对 AI 说：
帮我找一个做 XX 的 Skill。
或者：
有没有现成 Skill 能解决 XX？
然后让它按“排行榜 → 搜索 → 质量核验 → 给选项”的顺序来。
最后
很多人以为 AI 时代的竞争是：谁会写更长的提示词。
但 find-skills 给了我一个更实用的答案：
谁更快找到被验证过的工作流，谁就少走更多弯路。
全站安装量第一的 Skill，没有替你写出一个惊天动地的应用。
它只是先问了一句：这件事，有没有更专业的做法？
而这句话，往往才是效率真正开始的地方。
304
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
