在七个月内，skills.sh 注册中心增长到一百万个智能体技能，并记录了近 2.8 亿次安装。
技能为 AI 智能体提供针对特定工作的可复用指令。智能体能力很强但通用；它们能做很多工作，但不知道某个特定的人、团队或公司是如何完成这些工作的。技能提供了这种缺失的上下文，可以简单到只是一个用普通语言编写的文件。
Anthropic 于 2025 年 10 月推出了 Agent Skills，Vercel 在三个月后推出了 skills.sh 注册中心。
本报告使用注册中心的汇总数据，追踪这个新市场在其首个百万技能阶段的发展：人们教给智能体什么、什么被安装，以及价值正走向何方。
复制标题链接技能将专业知识转化为软件
要编写一个技能，必须将工作背后的一些判断明确表达出来，比如要遵循的步骤、什么算是好的结果，以及如何评估结果。智能体及其工具已经提供了大部分底层能力，因此技能只需提供特定于某项工作的判断和指令。
这使得技能比传统软件创建起来更快、更容易。
skills.sh 在七个月内达到了一百万个技能。GitHub 花了 27 个月达到一百万个仓库。苹果的 App Store 花了五年多才达到一百万个应用。npm 花了九年多才达到一百万个包。
能够描述工作应该如何完成的人，远比能够编写计算机程序来完成工作的人多。而且一旦技能被编写出来，它就可以被分发和安装，而无需为每个智能体重写。技能将更大规模的创作者群体与软件的复用能力结合起来，推动了生态系统的爆炸式增长。
复制标题链接人们在教智能体什么
我们按技能帮助智能体完成的工作类型，对注册中心中安装量最高的技能进行了分类。这些技能合计占所有安装量的五分之四以上。已发布的列表显示供给：作者向智能体提供了什么。安装量显示需求：人们希望他们的智能体学习什么。
供给偏向技术。超过一半的上架技能教授软件工程、智能体工作流、数据、基础设施或安全，其中仅软件工程就占了约四分之一。
需求则更为分散。没有任何一个类别能吸引超过五分之一的安装量。软件工程仍以 18% 居首，其次是智能体工作流占 15%，然后商业运营和写作各占近 11%。
为了了解每个类别相对于其规模的表现，我们还将其每上架安装量与平均值进行了比较。
商业运营、写作与文档，以及云与基础设施的每上架安装量最高。对这些工作的需求分散在较少的技能上，因此每个技能承载的需求更多。平均而言，商业运营技能吸引的安装量比平均值高 74%，写作与文档高 50%，云与基础设施高 42%。
软件工程、教育与生产力，以及研究则相反。平均软件工程技能吸引的安装量比平均值低约 30%，教育与生产力低 39%，研究低 55%。
编写一项技能，你需要理解一项工作。安装一项技能，你只需要希望完成这项工作。大多数技能是技术性的，因为它们起源于开发者工具。安装量覆盖了更广泛的工作范围，因为智能体在公司的每个部分都有用。
复制标题链接改善智能体工作方式的技能是安装量最高的技能之一
在分类数据集中，智能体工作流与自动化占安装量的 14.8%，仅次于软件工程。在安装量至少 100,000 的上架技能中，智能体工作流是最大的类别。
智能体工作流与自动化技能教授智能体如何规划、路由工作、使用工具以及自动化浏览器，这些能力适用于许多工作。合同审查技能适用于合同，但规划技能适用于智能体承担的任何工作，包括合同。
人们正在使用智能体来改进智能体。而且由于智能体也有助于编写技能，目录通过改进用于构建它的机器本身而增长。
复制标题链接少数技能占据了大部分安装量
安装活动高度集中。近一半的技能只被安装过一次。而在另一端，375 个技能，占注册表的 0.04%，却贡献了 62% 的安装量，前 1.2% 的技能则贡献了 94% 的安装量。
尽管集中度如此之高，却不存在单一的赢家。即便是安装量最高的技能，其占比也不到全部安装量的 1%。
技能在各自的任务领域内竞争，并在不同领域间累积。一旦团队选定了某个报销单技能，就几乎没有理由再安装另一个报销单技能。但它可以将该技能与用于电子表格、研究和演示文稿的其他技能搭配使用。每个任务领域都会选出自己的赢家，而这些赢家共同承载了大部分安装量。
复制标题链接每八次安装中有七次流向了跨行业通用的技能
我们还根据技能的工作是跨行业共享还是特定于某一行业，对每个技能进行了分类。诸如清理电子表格或部署网站之类的任务，在银行和医院、律师事务所和餐厅中都会反复出现。这些跨行业技能占已分类技能的 66%，占安装量的 87.5%。平均而言，它们每个条目获得的安装量是行业特定技能的 3.6 倍。
其优势在于可移植性，无论一项技能是跨越多个任务领域（如智能体工作流），还是跨越多个行业。安装量最高的技能，就是最多人能够使用的技能。
复制标题链接下一代技能
最初的一百万个技能教会了智能体人人都知道的东西。接下来的一百万个技能将教会你的智能体只有你知道的东西。
公开技能和更好的模型正在让通用专业知识惠及每个团队，这将使其成为基线，而非任何形式的优势。更多的差异化价值将转移到公司特有的判断上。例如，客户何时可以获得退款，或者什么内容无需再次审核即可发布。
衡量技能的标准也将从受欢迎程度转向有效性。如今，衡量技能质量的最佳信号是其安装量。随着模型改进，标准也在提高，因为只有当智能体使用某项技能比不使用它做得更好时，这项技能才站得住脚。技能将获得专门衡量这一点的测试和基准。
第一代技能将专业知识转化为软件。下一代将见证公开目录持续增长，供给逐渐追上需求。而各组织将在此基础上构建，写下只有他们才拥有的知识，并以如今维护代码的同样方式维护它。
在 skills.sh 探索最初的一百万个技能，或为下一个百万添砖加瓦。
复制标题链接关于本报告
本报告使用 skills.sh 的汇总数据。关于测量方法，有几点说明：
目录总数统计的是注册表中不重复的条目。
安装量数据采用注册表的汇总计数器。它们并不代表独立的人数，也不一定代表独立的选择。
功能与行业方面的发现描述的是一个经过分类的样本，而非完整目录。
每项分析均使用可获得的最新完整数据。随着底层数据和方法论的改进，相关数字可能会被修订。