# Rulesify：AI智能体技能管理工具

> Rulesify是一个智能体技能管理工具，帮助用户发现、浏览和安装来自Anthropic、OpenAI及社区专家的预构建工作流，支持Claude Code、Codex、Cursor等多种AI工具。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-22T13:46:15.000Z
- 最近活动: 2026-04-22T13:57:49.627Z
- 热度: 159.8
- 关键词: AI技能, 智能体工具, Claude Code, Codex, Cursor, 技能管理, 提示词工程, 开发工具
- 页面链接: https://www.zingnex.cn/forum/thread/rulesify-ai
- Canonical: https://www.zingnex.cn/forum/thread/rulesify-ai
- Markdown 来源: ingested_event

---

# Rulesify：AI智能体技能管理工具

## 背景：AI智能体的技能缺口

随着Claude Code、Codex、Cursor等AI编程助手的普及，开发者越来越依赖这些工具来完成复杂任务。然而，要让智能体发挥最大效能，需要精心设计的提示词和工作流——这就是所谓的"技能"（Skills）。

技能是预构建的方法论、工作流和指令集，指导AI助手完成特定任务，如测试驱动开发、系统调试、安全审查等。目前，Anthropic、OpenAI以及社区专家已经创建了大量高质量技能，但分散在不同的GitHub仓库中，发现和安装过程繁琐。

Rulesify应运而生，它提供了一个统一的技能注册表和管理工具，让开发者可以轻松发现、安装和管理AI技能。

## 核心功能

### 技能注册表浏览

Rulesify维护了一个包含50+技能的综合注册表，技能来自以下可信来源：

- **anthropics/skills**：Anthropic官方技能集合
- **openai/skills**：OpenAI策划和系统技能
- **mattpocock/skills**：Matt Pocock的开发技能
- **MiniMax-AI/skills**：MiniMax的技能集合

### LLM自动分类

技能注册表采用LLM自动分类系统，每个技能被分配到10个领域之一，并打上最多3个能力标签。这大大简化了技能发现过程。

**10个领域分类：**

| 领域 | 描述 | 示例技能 |
|------|------|----------|
| planning-and-orchestration | 项目规划、任务编排 | notion-spec-to-implementation |
| development | 代码开发、SDK、应用构建 | skill-creator, mcp-builder |
| design | UI设计、视觉艺术、创意工作 | figma-*, canvas-design |
| documentation | 文档创建、格式化 | docx, pptx, pdf |
| data | 数据分析、研究 | jupyter-notebook |
| testing | 测试、调试、错误处理 | playwright, sentry |
| deployment | 云部署、托管 | netlify-deploy, render-deploy |
| integrations | API集成、MCP服务器 | mcp-builder, linear |
| collaboration | 团队协作、会议 | internal-comms, notion-meeting-intelligence |
| security | 安全审查、威胁建模 | security-threat-model |

### 多工具支持

Rulesify支持将技能安装到多种AI工具：

- Claude Code
- Codex
- Cursor
- 其他兼容工具

用户可以选择全局安装（所有项目可用）或项目级安装（仅当前项目）。

## 安装与使用

### 安装方式

**macOS（Homebrew）：**

```bash
brew tap ydeng11/rulesify
brew install rulesify
```

**Linux（一键脚本）：**

```bash
curl -sSL https://github.com/ydeng11/rulesify/releases/latest/download/install.sh | bash
```

**手动安装：**

下载GitHub Releases的二进制文件，放置于`~/.local/bin/`并添加执行权限。

### 基本命令

```bash
# 列出所有可用技能
rulesify skill list

# 按领域筛选
rulesify skill list --domain development

# 按标签搜索
rulesify skill list --tags testing,debugging

# 查看技能详情
rulesify skill show playwright

# 安装技能
rulesify skill add test-driven-development

# 全局安装
rulesify skill add test-driven-development --global

# 移除技能
rulesify skill remove test-driven-development

# 更新已安装技能
rulesify skill update

# 交互式初始化
rulesify init
```

### 使用示例

```bash
# 浏览所有技能
rulesify skill list

# 查找部署相关技能
rulesify skill list --domain deployment

# 查找调试技能
rulesify skill list --tags debugging

# 交互式选择并初始化项目
rulesify init
```

## 技术实现

### 项目结构

Rulesify使用Rust编写，项目结构清晰：

```
rulesify/
├── Cargo.toml
├── registry.toml          # 技能注册表（LLM分类）
├── src/
│   ├── main.rs
│   ├── lib.rs
│   ├── bin/
│   │   └── update-registry.rs  # 注册表自动化
│   ├── cli/
│   │   └── skill.rs       # 技能命令
│   ├── models/
│   │   ├── domain.rs      # 10领域枚举
│   │   ├── skill.rs       # 技能模型
│   │   └── registry.rs    # 注册表模型
│   ├── llm/
│   │   ├── client.rs      # OpenRouter客户端
│   │   ├── classifier.rs  # 批量分类
│   │   └── prompt.rs      # 提示词
│   ├── registry/
│   │   ├── source.rs      # GitHub来源
│   │   ├── github.rs      # GitHub API
│   │   ├── parser.rs      # SKILL.md解析器
│   │   ├── scorer.rs      # 质量评分
│   │   └── generator.rs   # TOML生成器
│   └── tui/
│       └── skill_selector.rs  # 交互式选择
├── .github/workflows/
│   └── update-registry.yml  # 每周自动更新
└── docs/plans/
```

### 注册表自动化

技能注册表通过GitHub Actions每周自动更新。流程包括：

1. 从配置的GitHub仓库拉取最新技能
2. 解析SKILL.md文件提取元数据
3. 使用LLM（默认Claude 3.5 Haiku）自动分类领域和标签
4. 质量评分和去重
5. 生成更新后的registry.toml

手动刷新注册表：

```bash
# 需要GitHub和OpenRouter令牌
GH_TOKEN=xxx OPENROUTER_API_KEY=xxx cargo run --bin update-registry

# 强制重新分类
cargo run --bin update-registry -- --force

# 使用其他模型
OPENROUTER_MODEL=openai/gpt-4o-mini cargo run --bin update-registry -- --force
```

### 技能配置格式

注册表中的技能使用TOML格式描述：

```toml
[skills.tdd]
name = "test-driven-development"
description = "Write tests before implementation code using TDD methodology"
source_url = "https://github.com/mattpocock/skills/tree/main/tdd"
stars = 1500
context_size = 2400
domain = "development"
last_updated = "2026-04-15"
tags = ["testing", "tdd", "best-practices"]
```

## 测试覆盖

项目包含62个测试用例，覆盖：

- 7个执行器测试（URL解析、安装/卸载）
- 10个领域测试（枚举解析、验证）
- 24个注册表测试（技能目录、GitHub API）
- 4个TUI测试（交互式选择）
- 17个其他模块测试

运行测试：

```bash
cargo test      # 运行所有测试
cargo check     # 验证编译
cargo clippy    # 代码检查
```

## 应用场景

Rulesify适用于多种场景：

**1. 新成员入职**

团队可以定义一套标准技能集合，新成员通过`rulesify init`快速配置工作环境。

**2. 项目标准化**

在项目中统一安装特定技能，确保所有开发者使用相同的AI辅助工作流。

**3. 技能发现**

当面临新类型的任务时，通过领域和标签筛选发现社区最佳实践。

**4. 多工具迁移**

在Claude Code、Codex、Cursor之间切换时，保持技能配置的一致性。

## 社区与生态

Rulesify的设计理念是成为AI技能生态的基础设施。通过统一的注册表和简单的安装机制，它降低了技能创作和分发的门槛，有望促进AI技能社区的发展。

未来可能的扩展方向：

- 技能版本管理和依赖解析
- 用户评分和评论系统
- 私有技能注册表支持
- IDE插件集成
- 技能组合和编排

## 总结

Rulesify解决了AI智能体技能管理中的关键痛点：发现难、安装烦、管理乱。通过自动分类、多工具支持和简洁的CLI界面，它让开发者可以专注于使用技能提升生产力，而非浪费时间在配置管理上。

随着AI编程助手的普及，类似Rulesify这样的工具将成为开发者工具链的标准组成部分。