AI 编程的「npm 时刻」：从写 Prompt 到装 Skill

上个月在旧金山的 AI Engineer World's Fair 上，有一个信号非常明确：AI 正在从「模型能力竞赛」进入「工程化落地竞赛」。会场里讨论最多的不再是哪个模型参数更大、跑分更高，而是 AI 怎么真正嵌入开发流程、怎么在生产环境里稳定跑起来。

但我更想聊的是另一个变化，一个发生在开发者日常里的变化。

半年前，开发者在群里互相交换的是 Prompt 模板。现在，大家在互相打听的是：你装了哪个 skill？

这个变化背后，是 AI 编程工具正在经历一次「基础设施化」——就像当年 npm 让 JavaScript 生态从复制粘贴 .js 文件进化到包管理一样，AI 编程能力也正在从「手写提示词」进化到「安装能力包」。

一行命令，AI 自己会找能力了

今年 1 月，Vercel 创始人 Guillermo Rauch 发了一条推文：「我们正在推出 skills——AI 技能的 npm。」

他的意思是：前端工程师每天用 npm install 装别人写好的包，现在这套体验要搬到 AI 身上了。你不需要教 AI 怎么写 React 最佳实践，一行命令就行：

npx skills add vercel-react-best-practices

这个仓库 vercel-labs/skills 发布五个月，GitHub 星标冲到了 2.4 万。它本质上是一个 AI Agent 的包管理器——不装代码库，装「能力」。一份 skill 包定义了 AI 在特定场景下该怎么做：最佳实践、代码规范、项目结构约定、常见陷阱。

更关键的是，它不绑定任何单一工具。Claude Code、Cursor、Codex、Gemini CLI、GitHub Copilot……官方支持的 Agent 超过 68 个。你装一次，哪个工具都能用。

他们的榜单也很有意思。榜首是一个叫 find-skills 的包，安装量已经冲到 230 万次。这是个「元技能」——帮 AI 发现自己还需要装什么技能。AI 不只是被动接受能力，它会主动告诉你「这事我还不熟练，要不要装个包？」

Matt Pocock 的 5.8 万星启示

如果说 Vercel 提供了机制，那 Matt Pocock 证明了这个机制能跑多快。

今年 4 月底，这位 TypeScript 教育博主把自己日常用的 .claude 配置目录推到了 GitHub 上。不是什么新框架，也不是什么新工具——就是他平时跟 Claude Code 协作时用的那些指令和规则。

24 小时内冲上 GitHub 全球趋势第一，第一天就拿了 2.2 万星，到现在 5.85 万星。

这件事很有意思。它说明两件事：

第一，开发者对「AI 协作配置」的需求是真实且迫切的。大家不是不想让 AI 理解自己的项目，而是不知道怎么写、从哪开始。Pocock 公开的不是什么高深的东西，就是一套经过实战打磨的配置模板，但「有人先走了这条路」本身就是价值。

第二，好的 skill 在传播上具有网络效应。一个人把自己的配置分享出来，另一个人 fork 过去改成适合自己的，再分享出来——这个循环一旦转起来，生态就活了。

另一条路：AGENTS.md

Vercel skills 和 Pocock 的配置目录走的是「工具生态」路线。与此同时，还有一个更偏「标准」路线的方案在并行发展：AGENTS.md。

AGENTS.md 的思路很简单：README.md 是给人看的，AGENTS.md 是给 AI 看的。一个项目里放一个 AGENTS.md 文件，告诉 AI 这个项目的构建步骤、测试命令、代码风格约定、架构决策。格式完全开放，不绑定任何工具。

目前已经有超过 6 万个开源项目在使用。Cursor、Zed、Windsurf、Devin、Gemini CLI、GitHub Copilot……几乎你能想到的 AI 编程工具都支持。

它跟 skills 不是竞争关系。skills 更偏「可复用的能力模块」，AGENTS.md 更偏「项目级的上下文说明」。一个项目可以两者都用：AGENTS.md 告诉 AI 这个项目是什么，skills 告诉 AI 怎么写。

然后 MDN 也来了

今年 6 月，Mozilla 发布了 MDN MCP Server。简单说，就是通过 MCP 协议把 MDN 的 Web 文档和浏览器兼容性数据实时喂给 AI。

为什么这事重要？因为大模型的训练数据有截止日期。它不知道 @view-transition 这个 CSS at-rule 是什么时候变成「Widely Available」的，也不知道某个 API 在 Safari 上的兼容性最新进展。MDN MCP 解决了这个问题——AI 不再靠过时的训练数据判断，而是实时查权威文档。

这本质上也是一种「能力包」——只不过它不是教 AI 怎么干活的规范，而是给 AI 接上了一根实时更新的数据管道。

这意味着什么

这几个信号放在一起看，指向同一个趋势：AI 编程的交互界面正在从「对话」变成「配置」。

以前你需要在对话里反复解释项目规范、技术栈偏好、代码风格。每次开新会话都得再说一遍。现在你把这些东西写成 skill 或者 AGENTS.md，AI 自己会读。

这跟 npm 当年的逻辑几乎一模一样。npm 之前，JavaScript 开发者靠复制粘贴别人博客里的代码片段来复用功能。npm 之后，一行命令安装，版本管理、依赖解析、更新升级全自动。

AI 编程现在正在重复这个历程。只不过这次被「打包」的不是代码，而是上下文、规则、最佳实践、工作流程。

对开发者来说，这意味着两件事：

短期来看，学会「给 AI 写配置」正在变成一项基本功。就像十年前开发者需要学会写 package.json 一样，现在需要学会写 AGENTS.md 和 skill 包。这不是什么高深的技能，但做得好不好，直接决定你每天跟 AI 协作的效率。

长期来看，整个前端技术栈可能都在为 AI 重新设计。「AI 友好」正在成为一个新的框架评估维度——你的 API 好不好被 AI 理解？你的文档结构能不能被 AI 高效检索？你的项目约定能不能被 AI 准确执行？Next.js 的 AGENTS.md 支持、ArrowJS 的极简设计、MDN 的 MCP 服务，都在回应这个问题。

写在最后

三年前，前端圈在卷框架。两年前，前端圈在卷 AI 工具。现在，前端圈在卷「如何让 AI 更好地写前端」。

从 Prompt 到 Skill，从手写指令到安装能力包——AI 编程的「npm 时刻」可能已经来了。

至于这个趋势会走到哪，我还没想清楚。但有一点是确定的：当 AI 能写出 80% 的代码时，拉开差距的从来不是谁跑得快，而是谁给 AI 配得好地图。