Agentic Uber Skills：一套平台无关的智能体编码工作流协议

介绍agentic-uber-skills项目，该项目旨在解决不同AI编程助手平台间技能定义与调用方式差异大的痛点，提供一套平台无关的SKILL.md技能包协议，包含七个核心技能覆盖智能体编码工作流全生命周期，支持跨运行时迁移、学习机制与隐私保护，推动智能体工作流向标准化迈进。

随着LLM能力提升，AI编程助手（如Claude、Codex、OpenCode等）已从代码补全工具演变为复杂任务智能代理，但不同平台间技能定义和调用方式差异巨大，导致开发者切换工具需重新学习全新工作模式，这一痛点催生了agentic-uber-skills项目。

SKILL.md是可移植的Markdown协议，含工作流、约束、模板、验证脚本及参考资料，采用渐进式披露设计（先加载元数据，按需读取正文及资源）。项目包含七个核心技能：Ubergoal（生命周期编排）、Uberplan（精益规划）、Uberaccept（对抗性验收）、Uberskillevolver（技能进化）、Ubersimplify（复杂度审计）、Uberassess（源评估）、Deep-RCA（根因分析），覆盖编码工作流全生命周期。

项目核心优势为平台无关性，技能不绑定特定运行时（如Claude/Codex），仅含可选适配器说明。安装方式支持符号链接（更新拉取后立即生效）或复制目录（更新需重新复制），可适配任何支持本地技能或加载SKILL.md的智能体运行时。

项目设计跨机器学习机制，原始学习记录本地私密，仅经Uberskillevolver验证和隐私审查后，将清理后的学习数据包提交至共享收件箱，实现经验共享同时保护敏感信息。

开发者可通过调用对应技能指导AI完成重构、新功能设计、代码审查等复杂任务；团队可将技能包作为内部编码标准，确保成员使用AI助手时遵循一致的工作流程与质量标准。

agentic-uber-skills代表AI辅助编程领域向标准化迈出的重要一步，随着智能体能力增强，清晰、可移植、可进化的工作流协议将愈发重要。项目不仅提供具体技能实现，更展示了智能体工作流设计的框架与方法论。