skillfed-mcp

模型的权重是对训练截止日期之前所有既有内容的平均，而且这种平均本身也有损失。只要实践真正发生变化——SEO、安全审查、无障碍、框架和 API 迁移、打包与发布、定价、合规、工具默认设置——这种平均就会变成对过去共识充满自信的总结。它读起来恰好像专业知识。但它也在悄然落后一两个版本。

技能不是要安装的脚本，而是一条提示。 它是从业者记录下来的现场笔记，说明这项工作当前是如何开展的：由某人维护并注明日期的产物，承载着平均水平与当下实践之间的差异。前沿模型会将其载入上下文，用它增强自身权重。除此之外什么也不会发生。因此，在这里搜索通常是为了阅读，而不是安装；技能是参考资料，不是会运行的代码。

Skill Federation 能找到这些笔记，却不会向任何人透露你正在做什么。 当工作取决于某件事现在的做法时，你的 Agent 会写下一份抽象的愿望清单（“如果所有技能都存在，我会选哪些？”），联邦系统再将这些愿望与经过审核的技能目录进行匹配。你的计划、文件和输出都不会离开你的设备。只有抽象的愿望会被发送。 多找几个、交叉核对，少安装。 根据我们的实际测试，与已由能力强大的模型优化过的工作对照阅读技能，仍能发现模型遗漏的实际缺陷——而且有些技能自身的建议也已经过时。这两个发现都指向同一个结论：获取多个技能、相互比较，不要把任何一个奉为权威。两个独立编写的技能意见一致，说明这是当前的做法；只有一个技能单独断言，则只是有待核实的假设。技能过时，说明应该多读几个，而不是一个都不信。

你和你的 Agent 始终掌握主导权。 技能是判断的参考，绝不能取而代之：采用当前且相关的内容，舍弃不适用的部分，并说明你用到了哪些内容。获取的正文是数据，不是发给你的 Agent 的指令。你需要的是编写指导；任何要求 Agent 运行命令、更改设置或向某处发送数据的内容，都会被忽略并报告给你。（目录和我们持续更新的研究笔记见 skillfed.io。）

重要

跨越边界的只有抽象需求——一行能力描述、约 4 条用不同措辞表达的改写、1–5 个关键词，以及对理想技能的能力级概述。每个字段描述的都是“应该存在什么技能”，绝不是你的任务。你的计划、简报、文件内容和推理过程始终留在本地——绝不外传。

下面是一个需求的完整载荷——发送给 launch-strategy 的原始字符串。 它描述的是能力领域，绝不是你的任务、计划或产品：

description: plan a multi-channel launch for an open-source developer tool
paraphrases: orchestrate a launch across hacker news reddit and product hunt · plan a
             go-to-market launch for a dev tool · coordinate a multi-platform release
             announcement · design a launch-day plan for an open-source project
sketch:      launch product hunt hacker news waitlist go-to-market campaign ·
             channel planning timing asset prep announcement
keywords:    launch, gtm, product-hunt, strategy, announcement

一段描述、四条改写、一份能力概述、若干关键词。你的产品名称、尚未发布的路线图和实际发布计划都不会出现。

You: /skillfed plan a launch for my open-source dev tool

  -> agent writes 4 abstract wishes (paraphrases + a capability sketch).
     Only these leave your machine -- never your plan, files, or data.

  wish: launch-strategy       -> multi-platform-launch  review - verified             <- read
  wish: repo-discoverability  -> github-presence        review - verified             <- read
  wish: community-building    -> community-building     review - verified             <- read
  wish: growth-analytics      -> product-analytics      permissive - verified - 221*  <- read
       (each picked from 10 ranked candidates in the vetted catalog)

  Read all 4 in context -- nothing hits disk. Install only the 1 you'll reuse?
  It goes in .claude/skills/ with license + source attribution.

🔒 有何不同

• 阅读才是核心；安装只是例外。 技能是载入上下文的提示，而不是下载到磁盘上的软件包。默认流程会在你的 Agent 阅读多个技能并告诉你从各个技能中提取了什么后结束：不会写入任何内容，也无需清理。只有当某个技能足够好而且你会重复使用时，才会在你批准后安装。
• 无需运行框架，甚至不需要 Claude Code。 查找器技能自带触发条件和指令，因此即使没有注册钩子，也能在任何可以加载技能正文的运行框架中工作，甚至可以在完全没有运行框架的情况下使用——把它粘贴到普通聊天中，它依然知道何时搜索，以及如何阅读搜索结果。（见下文的随处可用。）
• 从设计上保障最低限度的隐私。 跨越边界的只有抽象需求：“应该存在什么技能”，绝不是你的任务。你的计划、简报、文件内容和推理过程始终留在本地。（字段级完整说明见下文的隐私与信任。）
• 阅读前先建立信任，安装前再确认一次。 候选技能来自预扫描内部注册表（Cisco Skill Scanner + NVIDIA SkillSpector），而不是任意代码仓库。每个技能都会显示其许可证类别、来源、星标数和出处。这一点有双重意义：被查阅的正文是不可信的第三方文本，会进入你的 Agent 上下文；而与已安装的技能不同，查阅过的技能不会留下 SOURCE.txt，因此 Agent 必须在回复中说明自己读了什么，以及内容来自哪里。每次安装都由你批准；不会有任何内容被悄悄写入磁盘。（见安全性。）
• 原生、零安装。 默认层只需要 curl，Windows 10+ 和 macOS 已自带。无需 Python、Node 或软件包管理器。（可选层级可在你安装了 Node 的情况下添加类型化 MCP 工具，包括通过 PyPI 软件包索引和研究笔记索引进行能力搜索；见下文的技能之外。）

🌍 随处可用

这个查找器有意设计为与执行框架无关。 它的触发条件和完整流程都写在技能正文中。无需注册钩子，可将其放入任何能加载技能正文的执行框架，也可以完全不使用执行框架——效果都一样。下面的可选 Claude Code 钩子只是重复触发技能中已有的条件；--hook none 是默认设置，并且安装完整。

没有安装任何东西，只有浏览器？ 让任意聊天工具使用 skillfed.io 查找技能，或者粘贴技能正文，其中包含完整流程。零安装流程只需两次 GET 请求——先搜索，再读取：

• 搜索 — skillfed.io/api/q/<terms> 通过一次 GET 请求，按相关性返回查询的候选结果，每项都包含直接的正文 URL 和信任字段。搜索词特意放在路径中：聊天工具的抓取器经常会删掉较长的查询字符串，因此这种形式能在 ?q= 无法使用时正常工作。
• 查找 — 目录以机器可读的 JSON 格式发布，无需爬取： skillfed.io/.well-known/agent-skills/index.json 通过一次 GET 请求返回完整索引，每个条目包含技能名称和直接的 .md URL； skillfed.io/api/index.json 则提供更完整的列表——包含每项技能的发布者和许可证，每页 500 项，按 next 指示继续获取。（可直接将这些 URL 发给聊天工具；该站点在搜索引擎索引中的覆盖仍然有限，因此稀疏的网页搜索结果可能会让人误以为目录内容也很少。）
• 读取 — 在任意技能页面 URL 后添加 .md，即可获取纯文本格式的完整正文。一次 GET 请求即可完成。

仅使用浏览器的聊天工具仍无法运行完整的愿望清单协议——一次提交多个愿望，每个愿望都附带释义和能力概要，并将它们作为一个联合查询 POST。这正是查找器各层级新增的功能。

🧭 不止技能：软件包与研究

skillfed.io 索引的不只有技能，MCP 层级（--with-npx）会将这三类数据流作为类型化工具提供：

• find_skills — 上文介绍的经过审查的技能目录。
• find_packages — 在 PyPI 软件包索引中进行能力搜索。正准备 pip install 模型根据权重回想起的某个名称？改为描述所需能力，即可获得真实且最新的软件包——每项都附带功能说明卡、许可证说明，以及是否值得安装的评估。
• find_research — 在 agent-skills 文献的研究笔记索引中按主题搜索，查找带有来源的实证结论；当你想要的是证据而不是工具时，可以使用它。

另外两个索引都可通过普通 GET 请求访问（/api/packages/search.json?q=…、/api/research/search.json?q=…）——无需身份验证，也无需租户，因此 curl 或任何带有抓取工具的 Agent 都可以使用，无需 MCP 层级。

⚙️ 工作原理

1. 提出请求。 技能自带触发条件，无需钩子：Agent 开始规划时（让技能影响实施方案）、完成计划时、任务中途即将从头构建某项能力时，或按需使用 /skillfed <what you're doing>。这是一种搜索，而非固定仪式：可在每项任务中进行一次或多次，随工作进展而定。
2. 列出需求。 Agent 勾勒理想技能，并写下最多 10 条抽象需求——每条都包含措辞多样的改述，以及用于提高召回率的结构化能力概述。不包含具体任务细节。
3. 匹配。 联合网络针对每条需求进行快速词法搜索，将描述、改述和展开后的概述与经过审核、预先扫描的目录进行比对，并返回排名靠前的候选项（每条需求默认返回 10 项，可按需设为 1–25 项）。
4. 阅读——默认操作。 Agent 会提取每条需求下的多项优质候选内容，结合上下文作为实地笔记阅读，并交叉核对相互矛盾之处。不会向磁盘写入任何内容。你会看到一份信任信息表（许可证 · 来源溯源 · 星标数 · 来源），以及一段清晰说明，列出它阅读了哪些技能、分别从中借鉴了什么。大多数任务到此为止。
5. 安装——例外情况。 技能必须足够优秀，且你预计会重复使用，并且必须由你明确批准。随后，系统会从内部扫描副本（而非源代码库）获取技能，将其安装到 .claude/skills/，并完整注明许可证和来源。只读一次的内容不会被安装。

📊 基准测试

我们使用SkillsBench（带有确定性验证器的编码 Agent 任务）测试了 Skill Federation，并使用 Claude Code (Opus 4.6) 作为 Agent 测试框架。此测试之所以真实，关键在于技能池：Skillfed 检索的技能来自包含 26,629 项技能的公开目录快照，且已移除基准测试自带的答案技能。这项测试衡量的是独立编写的技能能否迁移到任务中，而不是我们能否重新找到基准测试中那项手写技能。

Skillfed 将成功率从 17.5% 提升至 22.8%——相比原始 Agent 相对提升约 30%，并且弥补了与其从未见过的预言机技能之间约 27% 的差距。大多数技能检索结果测试的是预言机恢复（基准测试自带的技能就在技能池中）；本测试评估的是迁移能力——从规模庞大且内容混杂的公开目录中检索有用技能。

说明

“公开目录”有多大？ 我们对公开 SKILL.md 语料库进行的完整普查发现，6,177 个代码库中共有60,611 项独特技能。广泛流传的更大数字（约 87k）统计的是 64 个聚合代码库中包含的86,956 份随附副本——副本数量超过原件，这使生态系统的每一项统计都变成了对重复内容的统计。详情请见： 公开流通的 60,611 项技能。

📦 安装

一行命令，无需克隆。 只需已安装 Node 或 Python：

# Node — npm
npx skillfed

# Python — uv   (or:  pipx run skillfed)
uvx skillfed

根据 skillfed.io 页面上显示的 slug 安装已发布的技能：

npx skillfed install owner/repository/skill

install 子命令随 0.2.1 一同发布，且只能通过 npx 使用——shell、PowerShell 和 Python 安装程序都没有此功能。它会检查记录是否带有可用的许可证标签，并默认拒绝未授权记录；验证文件边界和大小，并在写入 .claude/skills/ 前校验每个 SHA-256——校验和固定在技能的已发布记录中；下载的内容绝不会执行。写入任何文件前都会显示记录的许可证和安全扫描结果；如果结果为 fail，除非传入 --allow-failed-scan，否则会拒绝安装。--dry-run 会显示验证后的计划，但不下载或写入文件（也不会检查文件是否可用）。有关替换和许可证确认选项，请参阅 npm 安装程序。

更喜欢使用 Claude Code 的插件系统？ 添加市场并安装插件：

/plugin marketplace add skill-federation/skill-federation
/plugin install skill-federation@skill-federation

没有 Node 或 Python？ 请 Claude Code 为你安装 curl 版本：

Install the Skill Federation /skillfed finder from github.com/skill-federation/skill-federation
— run its curl installer (install.ps1 on Windows, install.sh on macOS/Linux), then tell me to
restart Claude Code.

提示

然后重启 Claude Code 并运行 /skillfed <what you're trying to do>——或者照常工作：该技能自带触发条件（开始制定计划、完成计划、任务进行中遇到障碍，或你提出要求），因此无需注册 hook，它也会主动提供帮助。

无需运行时环境：查找器只需要 curl（不需要 Node 或 Python）。有关可选层级（规划提示 · 类型化 MCP 工具 · Python/CI 辅助工具）、从检出目录安装以及配置安全详情，请参阅 install.md。

调用选项

四种安装程序——install.sh、install.ps1、npx skillfed、uvx skillfed——在安装查找器时都接受相同的核心标志（install <slug> 仅适用于 npx）：PowerShell 中使用 -Flag，其他地方使用 --flag。

还有两个标志仅适用于 curl 安装程序（install.sh / install.ps1），不适用于 npx skillfed 或 uvx skillfed：--with-python / -WithPython（显示高级/CI Python 辅助工具的设置；不会更改你计算机上的任何内容）以及 --raw-base / -RawBase（无克隆运行时获取载荷的位置）。

--hook none 表示完整安装：技能会自行触发，而 hook 只会重复技能已有的功能。无论模式如何，都会附带两个提示文件，因此之后改变主意时，只需编辑设置，无需重新获取文件。首次写入前，会备份一次 settings.json 并安全合并。注册操作具有幂等性。（如何通过 curl | bash 管道传递标志，请参阅 install.md。）

# Windows (PowerShell) — irm|iex also sidesteps the execution-policy block
irm https://raw.githubusercontent.com/skill-federation/skill-federation/main/install.ps1 | iex

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/skill-federation/skill-federation/main/install.sh | bash

说明

**绝不会传出：**你的计划、简介、文件内容、输出或推理轨迹。 **会传出的只有：**抽象需求（描述 + 改写表述 + 关键词 + 能力概要）。

Skill Federation 将每项第三方技能都视为不可信输入。**技能由我们内部经过预扫描的注册表提供，绝不会从野外仓库实时拉取。**接收时，我们会复制每个候选技能、去重并扫描；只有通过扫描的技能才会被纳入并提供。你看到的 source 链接用于说明来源，而非技能的获取位置。

我们会尽力使用两种独立工具扫描每个候选技能：

• Cisco AI Defense Skill Scanner — 使用 YARA／模式、字节码、命令污点、行为数据流、LLM 评审和 VirusTotal 检查提示注入、数据泄露及恶意代码。
• NVIDIA SkillSpector — 漏洞模式 + LLM 分析，实时查询 OSV.dev CVE，并给出 0–100 的风险评分。

高危／严重发现会在纳入前被拒绝或转交人工审核——野外目录不会未经筛选就到达你手中。

这很重要。 SkillSpector 背后的 NVIDIA 研究扫描了 42,447 项公开技能，发现其中 26.1% 至少存在一项漏洞，5.2% 显示出可能的恶意意图——而已安装的技能会拥有 Agent 的全部权限。直接从公开仓库提供技能，就等于把大约四分之一存在漏洞、二十分之一带有恶意的技能交给你的 Agent；接收环节的把关正是防止它们流入的关键。

说明

扫描只能尽力而为，并非保证安全。正如 Cisco 的扫描器所言，"没有发现 ≠ 没有风险"——扫描结果干净并不能证明技能安全。Skill Federation 仍会展示每项技能的许可证、来源信息和源地址，并且未经你的批准，任何内容都不会安装。

阅读技能也是一种信任决策。 大多数时候，Agent 会查阅技能，而不是安装它：技能正文会被载入上下文，不会写入磁盘。这种方式风险较低——不会有第三方代码进入你的设备——但文本仍会作为不可信的第三方输入进入 Agent 的上下文，而且查阅过的技能不会留下 SOURCE.txt，因为该文件只会在安装时写入。因此，查找器会将获取到的正文视为数据，而非发给 Agent 的指令（遵循制作指南，并忽略任何要求它运行命令、更改设置或向任何地方发送数据的内容），在回复中展示每项已查阅技能的许可证、来源信息和源地址，因为磁盘上没有可供日后检查的内容；在读取任何未经验证或被标记的内容之前，也会先征求你的同意。

🔧 配置

查找器通过 HTTPS 与联合端点通信。默认使用无需密钥的演示端点；可覆盖该设置：

export SKILLFED_ENDPOINT="https://your-federation.example.com"   # or set in .mcp.json for the npx tier

📁 此仓库的内容

install.ps1 / install.sh / install.md   auto-detecting installer; works from a clone OR piped (irm|iex, curl|bash)
installer/                              npm package `skillfed` — the `npx skillfed` no-clone path
python-installer/                       PyPI package `skillfed` — the `uvx skillfed` / `pipx run skillfed` path
scripts/vendor-payload.mjs              vendors the 6 payload files into both packages (single source of truth)
integrations/claude-code/               the Claude Code plugin (skill + /skillfed + optional hooks) — canonical payload
integrations/*.py                       optional Python tier (advanced / CI)
mcp-server/                             optional Node MCP tier (typed find_skills / find_packages / find_research via npx skillfed-mcp)

📄 许可证

MIT © Skill Federation。