2.3 MCP、插件与 Skills 🟡

title: "2.3 MCP、插件与 Skills"
description: "安装使用现有的扩展，连接外部工具"
chapter: "第二章"
priority: ""​

2.3 MCP、插件与 Skills

阅读完本节后，你将会收获：

• 理解 MCP、插件、Skills 三种扩展方式的区别和使用场景，学会按需选择
• 掌握插件商店安装方法，了解常用插件（typescript-lsp、frontend-design、feature-dev 等）
• 学会 MCP 服务器配置和身份验证，能够连接数据库、API、GitHub 等外部服务
• 理解 Skills 的工作原理和创作要点，能够创建可复用的技能包
• 建立安全意识，学会为 MCP 和插件配置合理的权限限制

小明的"个人豆瓣"项目已经能跑了。但他发现几个问题：每次让 AI 检查代码，都得重新描述一遍检查流程；想让 AI 直接查数据库里的数据，AI 说它做不到；朋友推荐的 frontend-design 插件能让 AI 生成更好看的界面，但他不知道怎么装。

这一节解决的就是这三个问题。它们分别对应三种扩展方式：Skills（让 AI 记住工作流程）、MCP（让 AI 连接外部服务）、插件（一键安装前两者的整合包）。

序言中提到的"Skills 定义专属指令"和"MCP 让 AI 连接外部工具"。大部分情况下，你只需要安装和使用现有的 MCP 服务器，不需要自己开发。

::: tip Claude Code 全特性速览
想了解 Claude Code 在 MCP、插件、Skills 方面的完整能力？访问 cclog.vibevibe.cn 查看从 v0.2 到 v2.1 的所有功能更新，包括 MCP 生态演进、插件系统发展、Skills 机制完善等详细历史。
:::

::: tip 新手路径建议

如果你是新手，建议按以下顺序学习：

1. 先了解内置能力（本章下一节）→ 大部分场景已经够用
2. 需要外部服务时，优先安装插件（比 MCP 配置更简单）
3. 熟悉后再根据需要配置 MCP
4. 最后考虑创建自己的 Skills（进阶内容）

核心原则：能用内置的就不用扩展，能用插件的就不手动配置。

:::

资源导航：

• 插件市场：claude-plugins.dev - 浏览和搜索插件
• Skills 市场：skillsmp.com - 2300+ Skills 搜索目录
• Agent Skills：agentskills.io - Agent Skills 规范和市场
• 官方插件库：GitHub - anthropics/claude-code/plugins
• 官方 Skills 库：GitHub - anthropics/skills

前置知识

小明想让 AI 查数据库，这需要一根"接线"把 AI 和数据库连起来——

::: tip 什么是 MCP

MCP = 外部工具连接

MCP (Model Context Protocol) 让 AI 能连接外部服务（数据库、API、文件系统等）。MCP 可以独立配置，也可以打包在插件中。

:::

但手动接线挺麻烦的。有没有更简单的办法？有——

::: tip 什么是 插件

插件 = 扩展容器（分发单位）

插件是功能包，可以包含 Skills、Commands、Agents、Hooks、MCP Servers。通过插件商店一键安装，比手动配置 MCP 更简单。

核心原则：能用插件的就不手动配置 MCP，能用内置的就不扩展。

:::

连接外部服务的问题解决了。但还有一类需求：让 AI 记住你的工作流——

::: tip 什么是 Skills

Skills = AI 的可复用技能包

Skills 通过 SKILL.md 文件定义特定能力，Claude 根据请求内容自动判断是否使用。

调用方式：

• Skills：模型调用 —— AI 根据描述自动决定
• 斜杠命令：用户调用 —— 用户显式输入触发

:::

不确定该用哪个？试试这个决策引导：

你必须知道的 AI 能力范围

在安装任何扩展之前，先搞清楚一件事：AI 裸跑就已经能做很多了。很多人急着装插件，其实内置能力就够用。下面这张表帮你快速判断——

AI 能做的：

:::tip 关键认知
你只需要告诉 AI 你想做什么，AI 会自动选择合适的方法。你不需要知道 AI 用的是 Read（读取文件）、Edit（编辑文件） 、Grep（搜索内容）、Glob（查找文件） 还是 Bash（运行命令），甚至是 Python（运行复制脚本）。
:::
你不需要记住工具细节

你只需要用自然语言清晰地描述你想做的事情。

AI 有哪些能力

在配置 MCP 或 Skills 之前，记住：AI 已经有很多内置能力。

::: details 查看内置工具完整列表

按类型分类的工具表

1. 文件操作工具 - 读写代码的基础

2. 搜索工具 - 找到需要的东西

3. 终端工具 - 执行命令

4. 代码智能 - 通过插件额外支持

LSP（语言服务器）能力不是内置，需要通过插件额外安装：

# 打开插件管理界面
/plugin

# 搜索 typescript-lsp 或 pyright-lsp 并安装
​

支持的语言包括：TypeScript、JavaScript、Python、Rust、Go、C/C++、C#、PHP、Java、Ruby、Swift 等。

5. 项目理解 - 自动分析

6. 网络能力 - 需要配置 MCP/插件

AI 能读取的：

• ✅ 公开的网页链接（通过 MCP/插件）
• ✅ GitHub 仓库文件（通过 ZRead MCP）
• ✅ 文档站点（通过 Web Reader MCP）

AI 不能读取的：

• ❌ 需要登录的页面
• ❌ 本地文件路径（非项目目录）
• ❌ 被防火墙阻挡的网站

7. 任务管理 - AI 自动使用，你只需看到效果

8. 交互能力 - AI 自动使用，你只需回答

判断标准：内置够用还是需要扩展？

# ✅ 不需要扩展的场景（内置足够）
"读取文件并分析"      → 用 Read 工具
"运行命令并处理结果"   → 用 Bash 工具
"实现某个功能"        → 直接描述任务，AI 自动规划

# ❌ 需要扩展的场景
"查询 PostgreSQL 数据库"     → 需要 MCP/插件
"读取 Google Drive 文档"     → 需要 MCP/插件
"调用 Slack API 发送消息"    → 需要 MCP/插件
​

何时使用扩展：

如果你的需求落在"需要扩展"一侧，最省事的方式就是装个插件。

:::

插件：最简单的扩展方式

小明在社区看到别人用 Claude Code 生成的前端界面特别好看，一问才知道装了 frontend-design 插件。他也想试试。

::: tip 选插件还是 MCP？

你想让 AI 连接 PostgreSQL 数据库。

用插件：

/plugin
# 搜索 postgres，按空格选中，按 i 安装
# 完成，直接用
​

用 MCP：

# 找配置文档
# 编辑 .mcp.json
# 检查格式是否正确
# 重启 Claude Code
​

功能完全一样，但插件省 5 分钟。

建议：先用插件，发现不够用再换 MCP。

:::

安装方式

方式 1：通过插件商店（推荐）

/plugin 
# 打开插件管理界面，搜索需要的插件，按空格选中，按 i 安装
​

方式 2：通过命令安装

# 示例
/plugin install frontend-design@anthropics
​

如果找不到你需要的插件，可以考虑添加插件所在的市场

# 添加市场
/plugin marketplace add your-org/claude-plugins

# 浏览可用插件
/plugin
​

常用插件推荐

::: tip 推荐插件（新手必读）

对于新手，推荐从这些插件开始：

基础开发：

• typescript-lsp - TypeScript/JavaScript 类型检查、代码补全、跳转定义
• pyright-lsp - Python 类型检查和代码智能
• frontend-design - 生成高质量前端界面

工作流：

• feature-dev - 完整的功能开发工作流
• pr-review-toolkit - PR 审查工具包
• commit-commands - Git 提交工作流

安装方式：

# 打开插件管理界面，搜索上述插件并安装
/plugin
​

:::

::: details 查看完整插件推荐列表

LSP 语言服务器（代码智能）

开发工作流

代码质量与安全

开发工具包

输出风格

示例与模板

安装方式：输入 /plugin 后搜索并安装所需插件。

:::

装好插件之后直接用自然语言描述需求就行，不需要任何额外配置。但如果插件商店里没有你需要的功能——比如连接一个特定的数据库或 API——就需要自己配置 MCP 了。

使用插件

安装后，插件会自动集成到 AI 的能力中，无需额外配置：

# 前端设计（安装 frontend-design 后）
"创建一个用户登录页面，要求现代设计风格"

# 功能开发（安装 feature-dev 后）
"使用 feature-dev 工作流开发用户评论功能"

# 代码审查（安装 pr-review-toolkit 后）
"用 PR 审查工具检查这段代码"
​

插件结构

::: details 插件目录结构

插件是一个包含以下组件的 npm 包：

my-plugin/
├── .claude-plugin/
│   ├── plugin.json          # 插件元数据
│   └── marketplace.json     # 市场清单（可选）
├── commands/                 # 自定义斜杠命令（可选）
│   └── hello.md
├── agents/                   # 自定义代理（可选）
│   └── helper.md
├── skills/                   # 代理技能（可选）
│   └── my-skill/
│       └── SKILL.md
├── hooks/                    # 事件处理程序（可选）
│   └── hooks.json
└── .mcp.json                # MCP 服务器配置（可选）
​

组件说明：

• plugin.json：插件元数据（名称、描述、版本、作者）
• commands/：自定义斜杠命令（Markdown 文件）
• agents/：子代理定义
• skills/：代理技能（SKILL.md 文件）
• hooks/：事件处理程序（hooks.json）
• .mcp.json：MCP 服务器配置

:::

插件管理

::: details 管理命令

# 查看已安装的插件
/plugin

# 启用已禁用的插件
/plugin enable plugin-name@marketplace-name

# 禁用而不卸载
/plugin disable plugin-name@marketplace-name

# 卸载插件
/plugin uninstall plugin-name@marketplace-name
​

:::

::: details 团队协作

在存储库级别配置插件以确保整个团队的工具一致。

设置团队插件：

1. 将市场和插件配置添加到您的存储库的 .claude/settings.json
2. 团队成员信任存储库文件夹
3. 为所有团队成员自动安装插件

配置示例（.claude/settings.json）：

{
  "pluginMarketplaces": [
    {
      "source": "your-org/claude-plugins"
    }
  ],
  "plugins": [
    {
      "name": "formatter",
      "marketplace": "your-org"
    }
  ]
}
​

:::

MCP：连接外部服务

项目做到后端了，小明需要让 AI 帮他查 PostgreSQL 里的用户数据。他试着说"查一下数据库里有多少用户"，AI 回复："我没有访问数据库的能力。"

这就是 MCP 要解决的问题。你可以把 MCP 想象成一根数据线——一头插着 AI，一头插着外部服务（数据库、GitHub、Figma……）。没有这根线，AI 再聪明也碰不到外面的数据。

::: warning 安装前必读

关于兼容性：MCP 在不同 CLI 工具间不通用，安装方式可能不同。

关于安装方式：

• IDE 内：通常有 MCP 市场，可直接安装
• CLI 工具：通过配置文件手动配置
• 一键配置工具：如 GLM 配置工具，会自动预装部分 MCP

关于鉴权：部分 MCP 需要 API Key 才能使用（如 OpenAI、Stripe、GitHub），配置时需要提供。

:::

::: tip GLM 一键配置工具默认包含的 MCP

使用 GLM 一键配置工具时，以下 MCP 会自动安装：

这些是开发中最常用的网络能力，开箱即用。

:::

热门 MCP 服务器

注意：部分 MCP 需要 API Key 才能使用。更多 MCP 服务器请访问 MCP 合集。

:::
由于 MCP 服务器更新频繁，建议点击上方链接或搜索官网查询最新使用方式。
:::

使用 MCP

# 查询数据库
"查询 PostgreSQL：获取最近 7 天的注册用户数"

# 读取 GitHub
"查看仓库状态：最近 5 个 PR"

# 网络搜索
"搜索：Next.js 16 的新特性"

# 读取文件
"读取 /path/to/file.md 并总结内容"
​

配好 MCP 之后，AI 就能直接操作外部服务了。但你可能注意到了，MCP 解决的是"连接"问题——让 AI 够得着外部数据。还有一类需求它解决不了：让 AI 记住你的工作流程。每次审查代码都要重复描述一遍流程，太低效了。这就是 Skills 要解决的问题。

其他安装方式

::: details 从 JSON 配置添加

如果您有 MCP 服务器的 JSON 配置，可以直接添加：

# 基本语法
claude mcp add-json <name> '<json>'

# 示例：添加带有 JSON 配置的 HTTP 服务器
claude mcp add-json weather-api '{"type":"http","url":"https://api.weather.com/mcp","headers":{"Authorization":"Bearer token"}}'

# 示例：添加带有 JSON 配置的 stdio 服务器
claude mcp add-json local-weather '{"type":"stdio","command":"/path/to/weather-cli","args":["--api-key","abc123"],"env":{"CACHE_DIR":"/tmp"}}'
​

:::

::: details 查看安装与配置

三种安装方式

选项 1：添加远程 HTTP 服务器（推荐）

HTTP 服务器是连接到远程 MCP 服务器的推荐选项。这是云服务最广泛支持的传输方式。

# 基本语法
claude mcp add --transport http <name> <url>

# 真实示例：连接到 Notion
claude mcp add --transport http notion https://mcp.notion.com/mcp

# 带有 Bearer 令牌的示例
claude mcp add --transport http secure-api https://api.example.com/mcp \
  --header "Authorization: Bearer your-token"
​

选项 2：添加本地 stdio 服务器

Stdio 服务器作为本地进程在您的计算机上运行。它们非常适合需要直接系统访问或自定义脚本的工具。

# 基本语法
claude mcp add --transport stdio <name> <command> [args...]

# 真实示例：添加 Airtable 服务器
claude mcp add --transport stdio airtable --env AIRTABLE_API_KEY=YOUR_KEY \
  -- npx -y airtable-mcp-server
​

tip 理解 "--" 参数

--（双破折号）将 CLI 工具的标志与传递给 MCP 服务器的命令和参数分开。-- 之前的所有内容都是工具的选项（如 --env、--scope），-- 之后的所有内容都是运行 MCP 服务器的实际命令。

例如：

• claude mcp add --transport stdio myserver -- npx server → 运行 npx server
• claude mcp add --transport stdio myserver --env KEY=value -- python server.py --port 8080 → 运行 python server.py --port 8080，环境中设置 KEY=value

这可以防止工具的标志与服务器标志之间的冲突。

Windows 用户

在本机 Windows（不是 WSL）上，使用 npx 的本地 MCP 服务器需要 cmd /c 包装器以确保正确执行。

# 这创建了 Windows 可以执行的 command="cmd"
claude mcp add --transport stdio my-server -- cmd /c npx -y @some/package
​

没有 cmd /c 包装器，您会遇到"连接已关闭"错误，因为 Windows 无法直接执行 npx。

:::

管理 MCP 服务器

直接输入 /mcp 后按照提示操作即可。

:::

MCP 身份验证

::: details OAuth 认证配置

许多基于云的 MCP 服务器需要身份验证。Claude Code 支持 OAuth 2.0 以实现安全连接。

# 1. 添加需要身份验证的服务器
claude mcp add --transport http sentry https://mcp.sentry.dev/mcp

# 2. 在 Claude Code 中使用 /mcp 命令
> /mcp

# 3. 按照浏览器中的步骤登录
​

:::

• 身份验证令牌存储安全且自动刷新
• 在 /mcp 菜单中使用"清除身份验证"撤销访问权限
• 如果浏览器不会自动打开，请复制提供的 URL
• OAuth 身份验证适用于 HTTP 服务器
  :::

MCP 提示

::: details @ MCP

您可以使用 @ 提及来引用 MCP 资源，类似于引用文件的方式。

引用格式：@server:protocol://resource/path

# 引用特定资源
> "您能分析 @github:issue://123 并建议修复吗？"
> "请查看 @docs:file://api/authentication 处的 API 文档"

# 多个资源引用
> "比较 @postgres:schema://users 和 @docs:file://database/user-model"
​

• 引用时会自动获取资源并将其作为附件
• 资源路径在 @ 提及自动完成中可进行模糊搜索
• 当服务器支持时，Claude Code 会自动提供工具来列出和读取 MCP 资源

:::

::: details 将 MCP 提示用作斜杠命令

MCP 服务器可以暴露提示，这些提示在 Claude Code 中作为斜杠命令可用。

命令格式：/mcp__servername__promptname

# 执行不带参数的提示
> /mcp__github__list_prs

# 执行带参数的提示
> /mcp__github__pr_review 456
> /mcp__jira__create_issue "登录流中的错误" high
​

:::

• MCP 提示从连接的服务器动态发现
• 参数根据提示的定义参数进行解析
• 提示结果直接注入到对话中
• 服务器和提示名称被规范化（空格变为下划线）
  :::

Skills：自定义工作流

小明每次让 AI 审查代码，都得重复一遍同样的要求："先跑测试，再检查类型，然后看有没有 console.log 残留，最后检查安全问题。"说了十遍之后，他烦了。

更要命的是，每次开新会话，AI 就忘了这套流程。又得从头说。

想象公司来了个新实习生，能力很强，但每天早上都会失忆。你昨天教他的审查流程，今天又得重教一遍。怎么办？写一份操作清单钉在墙上——他每天来了看一眼就知道该怎么干。

Skills 就是钉在墙上的那份操作清单，只不过不是给人看的，而是给 AI 看的。

::: tip 场景：每天重复的格式

你每天写日报，格式固定：日期、完成项、明日计划。每次都要描述一遍格式，很烦。

Skills 就是解决这个问题的：把格式要求写成 SKILL.md，以后只说"写日报"，AI 自动按格式输出。

Skills = 你的个性化指令模板

两种方式使用：

新手建议：

1. 先用现成的（插件自带或下载）
2. 有重复需求时，再自己创建
3. 团队共享时，放项目目录里

:::

为什么 Skills 对 Vibe Coder 特别重要？

以前你在对话里教 AI 怎么做，说完这轮它就忘了。下次开新会话，又得从头来。Skills 改变了这个局面：你的经验不再是一次性的对话，而是可以反复使用的知识资产。你积累的工作流程不会随着会话结束而消失。

这也是 Skills 和传统自动化脚本最大的区别。脚本是刚性的——步骤 1 做完做步骤 2，遇到意外就卡住。Skills 是柔性的——它更像一套指导原则，AI 会根据实际情况灵活调整。比如你的审查 Skill 说"检查测试覆盖率"，但这个项目还没有测试框架，AI 不会卡住报错，它会告诉你"建议先配置测试框架"然后继续其他检查。

何时需要创建 Skills：

Skills 资源：

• skillsmp.com - 2300+ Skills 搜索目录（中文）
• agentskills.io - Agent Skills 规范和市场
• github.com/anthropics/skills - 官方 Skills 库

Skills 的获取方式

从插件获取（推荐新手）

很多插件包含 Skills，安装插件后 Skills 自动可用：

# 安装插件后，插件包含的 Skills 会自动加载
/plugin install feature-dev@anthropics
​

自己创建（进阶）

有两种方式：

创建 Skills

不需要写代码，口述就行

很多人以为创建 Skills 需要编程能力。其实不需要——SKILL.md 本质上就是自然语言，你用中文描述工作流程，AI 就能照着执行。

而且你不需要一次写到完美。看看小明是怎么迭代创建一个代码审查 Skill 的：

第一轮——小明告诉 AI：

帮我创建一个代码审查的 Skill，要检查类型安全和测试覆盖率。
​

AI 生成了初版 SKILL.md，小明测试了一下，发现漏了安全检查。

第二轮——小明继续说：

加上安全检查，特别是 XSS 和 SQL 注入。
​

AI 更新了 Skill。再测一遍，功能对了，但输出是纯文本，不好看。

第三轮——小明再补一句：

审查结果输出成 Markdown 表格，每个问题标注严重等级。
​

最终版就绪。整个过程，小明没写一行代码——全程口述，AI 帮他把自然语言转成了可执行的 Skill。

关键心态：不要追求第一次就完美。先跑起来，发现不满意就告诉 AI 改。这种"一边建、一边测、一边改"的方式，比一上来就想设计完美的 Skill 高效得多。

::: tip SKILL.md 文件结构

---
name: your-skill-name
description: Brief description of what this Skill does and when to use it
---

# Your Skill Name

## Instructions
Provide clear, step-by-step guidance for the AI.

## Examples
Show concrete examples of using this Skill.
​

字段要求：

• name：必须仅使用小写字母、数字和连字符（最多 64 个字符）
• description：Skill 的简要描述及其使用时机（最多 1024 个字符）

创作要点：

使用 allowed-tools 限制工具访问：

---
name: safe-file-reader
description: Read files without making changes. Use when you need read-only file access.
allowed-tools: Read, Grep, Glob
---

# Safe File Reader

This Skill provides read-only file access.

## Instructions
1. Use Read to view file contents
2. Use Grep to search within files
3. Use Glob to find files by pattern
​

:::
Skills 存放位置：

# 个人 Skills（所有项目可用）
~/.claude/skills/

# 项目 Skills（仅当前项目）
.claude/skills/

# 插件 Skills（安装插件时自动可用）
# 插件包内的 skills/ 目录
​

使用场景：

与团队共享 Skills ⭐

::: tip 推荐方法

通过项目存储库共享（最简单）：

将 Skill 文件放到项目的 .claude/skills/ 目录，然后提交到 Git。团队成员拉取代码后，Skill 自动可用。

具体步骤：

1. 在项目根目录创建 .claude/skills/ 文件夹
2. 在文件夹中创建 SKILL.md 文件，写入 Skill 内容
3. 提交到 Git 并推送到远程仓库
4. 团队成员执行 git pull，Skill 立即可用

为什么推荐：

对于大多数团队，项目存储库是最简单的方式。

:::

最佳实践：

通过对话创建（临时方案）

# 对话中定义
"创建一个测试流程：运行测试、生成覆盖率、分析失败原因"

# AI 会记住这个流程，当前会话有效
# 想要永久使用，请创建 SKILL.md 文件
​

遇到问题怎么办？

创建或使用 Skills 时，你可能会遇到一些状况：

• AI 没有自动使用你的 Skill：检查 SKILL.md 的 description 字段——描述越具体，AI 越容易判断什么时候该用它。把"代码审查工具"改成"在用户提交代码或要求 review 时，执行类型检查、测试和安全扫描"会好很多。
• Skill 执行到一半停了：这通常是上下文过长导致的压缩。不用慌，告诉 AI "继续刚才的任务"就行。如果经常压缩，考虑把一个大 Skill 拆成几个小的。
• 执行结果不符合预期：不要重新写 Skill，直接告诉 AI 哪里不对、期望什么结果。AI 会帮你修改 SKILL.md——还是那句话，迭代改进，不追求一步到位。

常用 Skills 示例

使用现有 Skills

插件包含的 Skills：

安装插件后，插件中的 Skills 会自动加载，无需额外配置：

# 安装插件
/plugin install feature-dev@anthropics

# AI 会自动识别并使用插件包含的 Skills
# 无需手动操作
​

调试 Skills：

# 查看 Skills 是否加载
"列出所有可用的 skills"

# 测试 Skill
"测试 test-runner skill"
​

现在你有了完整的扩展工具箱——插件一键安装、MCP 连接外部服务、Skills 固化工作流。最后要注意安全问题。

安全注意事项

::: warning MCP 安全配置

数据库 MCP：

• 使用只读权限账号
• 不要在生产环境直接使用写权限

文件系统 MCP：

• 限制访问路径，只开放必要的目录
• 不要允许访问根目录 /

GitHub MCP：

• 使用有期限的 token
• 使用最小权限范围（只读或特定仓库）
  :::

::: warning 插件和 Skills 安全

插件安全：

• 只从可信来源安装插件
• 查看插件源码和权限要求
• 官方插件更可靠

Skills 安全：

• 使用 allowed-tools 限制工具访问
• 只读 Skills 应限制为只读工具
• 定期审查和更新 Skills
  :::

常见问题

Q1: Skills、MCP 和插件怎么选？

A: 看需求。

优先级建议：插件 > MCP > Skills（从简单到复杂）

Q2: MCP/插件配置后不生效？

A: 检查以下几点：

1. 重启工具：配置后需要完全退出并重新打开
2. 检查 npx：确保 Node.js 已安装，npx 可用
3. 查看日志：Claude Desktop → Help → Developer → Toggle Logs
4. 验证连接：数据库连接字符串、GitHub token 是否正确

Q3: 如何找到更多 MCP/插件？

A: 访问官方资源：

• MCP 仓库 (https://github.com/modelcontextprotocol/servers)
• 使用 /plugin 命令浏览插件商店

Q4: MCP/插件会泄露我的数据吗？

A:

官方 MCP/插件服务器：

• 开源代码，可审查
• 通常直接连接到目标服务（如 GitHub API）
• 不经过第三方服务器

第三方 MCP/插件服务器：

• 查看源码确认数据处理方式
• 谨慎授权权限
• 使用只读 token

Q5: AI 不使用我的 Skill？

A: 检查以下几点：

1. 描述是否具体：模糊的描述会使发现变得困难
2. YAML 是否有效：运行验证检查语法错误
3. Skill 是否在正确的位置：检查文件路径
4. Skills 是否冲突：使用不同的触发术语帮助 AI 选择正确的 Skill

核心理念

扩展 AI 能力的层次：

记住：

1. 内置优先：先让 AI 用内置能力做
2. 按需扩展：发现不够用时再考虑 MCP/Skill
3. 安全第一：限制权限，使用只读账号
4. 保持简单：不要过度配置

相关内容

• 前置：2.2 VibeCoding 工作流
• 详见：2.4 项目规则配置
• 扩展：MCP 官方仓库
• 扩展：插件官方文档
• 扩展：Agent Skills 官方文档