半年前，讨论 AI 编程工具的话题还是"哪个模型写代码更强"。
现在 GitHub 趋势榜上的 AI 编程项目，名字里已经看不到模型名了。取而代之的是 Skills、Switch、OS 这些词。
工具链正在长出同一套骨架。
Skills 成了新的能力单元
Addy Osmani 的 agent-skills 项目，37K stars，定位是"生产级工程技能库"。Matt Pocock 的 Skills 集合也冲到了 60K stars。Anthropic 去年推出的 Agent Skills 标准，现在已经被 OpenAI、微软、Cursor 全线跟进。
Skills 的本质是把"这个 Agent 能做什么"从模型内部剥离出来，变成可插拔的模块。你不需要重新训练模型来获得新能力——给它装一个 Skill 就行。
这跟手机 App Store 的逻辑很像。模型是操作系统，Skills 是 App。
但现在的 Skills 生态还处于"每个平台各搞一套"的阶段。Claude Code 的 Skills、Codex 的 Skills、OpenClaw 的 Skills，格式不通用、安装方式不一样。
跨工具管理器来了
cc-switch 就是为这个问题生的。
一个桌面工具，统一管理 Claude Code、Codex、OpenCode、OpenClaw、Gemini CLI——在它们之间切换，不需要每次打开不同终端敲不同命令。65K stars，周增 7K，是目前 AI 编程工具链里增长最快的基础设施项目。
另一个方向是 xingkongliang 的 skills-manager，跨 15+ 编程工具管理 AI Agent Skills。虽然目前只有 1.3K stars，但方向是对的。
当用户同时使用多个编程 Agent 成为常态（这几乎是必然的——不同场景用不同工具），跨工具管理就不再是可有可无的便利功能，而是刚需。
Agent OS：更底层的范式
Q00 的 ouroboros 项目提出了一个更激进的概念："别再用 prompt 了，用规范来定义 Agent 行为。"
Stop prompting. Start specifying.
这个思路把 Agent 从"你告诉它做什么"变成了"你定义它是什么"。Skills 描述能力，OS 描述行为规范，两者结合就是一个可复用的 Agent 定义。
如果这条路走通，未来的 Agent 开发可能更像写配置文件，而不是写 prompt 工程。
这对开发者意味着什么
短期来看：如果你在用多个编程 Agent，现在开始用 cc-switch 这类工具管理它们，效率会有明显提升。
中期来看：Skills 格式的统一是大概率事件。Anthropic 开了头，OpenAI 和微软在跟进，社区项目在做桥接。等待一个事实上的标准出现，然后往那个方向迁移。
长期来看：当"定义 Agent"取代"prompt Agent"，AI 编程工具的竞争会从模型能力转向生态丰富度——谁的 Skills 市场大，谁的 Agent OS 好用。
这个趋势和 MCP 协议的发展轨迹很像。MCP 花了半年从实验品变成行业标准，Skills 标准化可能更快，因为它直接关系开发者的日常工作效率。
相关阅读：
主要来源：