前言
最近我同时在用 Claude Code、Codex、Cursor 和 Antigravity。它们都支持 Skills，但各自的 Skills 又放在不同的目录里。
刚开始 Skills 不多时，复制几份也没什么。后来装的 Skills 越来越多，问题也就来了：这个 Agent 多了一份，那个 Agent 少了一份；有些是真实文件，有些是软连接；更新一个 Skill 后，还要想一想其他目录是不是也该更新。
更麻烦的是，有些 Agent 适合用软连接，有些却并不支持。比如 Antigravity 的 Skills 默认放在 ~/.gemini/config/skills，实际使用时更适合直接复制。如果全部写死成同一种同步方式，看似省事，最后反而容易把目录弄得更乱。
那有没有一种简单的方法，可以把这些 Skills 放在一个地方管理，同时又照顾不同 Agent 的习惯呢？
于是我做了 Agent Skills Manager：一款用于管理 Skills 的 Skill，以及一个可选的 TUI。
写完之后我发现，这个麻烦并不只属于我用的那四个 Agent。所以它现在支持 21 个国内外常见 Agent：除了上面四个，还有 Gemini CLI、GitHub Copilot CLI、Windsurf、opencode、Kiro、Pi，以及 Qoder、Trae、CodeBuddy、Kimi Code、iFlow、Qwen Code、通义灵码、MiMo Code 等国内工具。
GitHub 地址：https://github.com/ccckfg/agent-skills-manager
一个中央仓库
这个项目的思路其实很简单：把 ~/.agent/skills 作为中央仓库，真正需要长期保存和维护的 Skills 都放在这里，各个 Agent 的目录只负责“使用”。
Claude Code、Codex 和 Cursor 默认使用 Link 模式。这样一个 Skill 只需要维护一份，中央仓库更新后，Agent 看到的也是新版本。Antigravity 则使用 Copy 模式，把中央仓库中的 Skill 复制到它自己的目录。
Agent 一多，路径本身也成了要处理的问题。有些工具在不同版本里换过目录，比如 Antigravity 的 Skills 既可能在 ~/.gemini/config/skills，也可能在 ~/.gemini/antigravity/skills；CodeBuddy 的 MCP 配置更是有三个历史文件名。所以每个 Agent 都可以配置多个候选路径，程序优先使用本机上真实存在的那一个，都不存在时再回退到官方推荐的位置。
还有一个位置值得单独说：~/.agents/skills。Cline、Zed、Warp、Amp、Replit、Pi、Kimi Code 和 GitHub Copilot CLI 都会读它。往这里同步一次，等于同时照顾了好几个工具，所以我把它也作为一个条目列了出来。
程序不会简单地把用户原来的目录一锅端。第一次整理时，它可以先把已有的真实文件导入中央仓库，再按照每个 Agent 的模式进行同步。如果目录里既有软连接又有真实文件，也可以逐个比较和转换。
我还专门给脚本加了 diff。因为同步之前最重要的事情不是立刻复制，而是先知道两边到底差在哪里：哪些 Skill 缺失、哪些多余、哪些文件内容不同、哪些只是文件类型发生了变化。把差异看清楚后再操作，会安心很多。
为什么既有 Skill，又有 TUI
一开始我想过只做一个命令行工具，但这样有个很现实的问题：用户把一个 Skill 文件夹复制给 Agent 后，Agent 真的能直接完成操作吗？
所以现在整个 Skill 不只是一堆 Markdown。它自己的目录中就带有可执行脚本，AI Agent 可以直接调用 doctor、status、diff、import 和 sync 等命令。脚本只使用 Python 标准库，不依赖 TUI；默认先输出计划和 JSON 结果，只有明确使用 --apply 时才真正修改文件。
也就是说，只复制这个 Skill，Agent 就已经可以帮你整理和同步。TUI 则是给人看的：当你想随时检查每个 Agent 装了哪些 Skills、还缺哪些 Skills，打开一个界面显然更直观。
TUI 长什么样
点开某个 Agent 后，界面会分成左右两部分：左边是当前 Agent 已有的 Skills，右边是它和中央仓库之间的差异。按空格可以多选，按 A 添加，按 D 移除。
右边这一栏是双向的。中央仓库有、这个 Agent 还没有的，按 A 添加过去；反过来，这个 Agent 独有、中央仓库还没收录的，会被单独置顶成一组，按 I 就能导入中央仓库，之后它就变成普通的中央 Skill，可以再同步给其他 Agent。导入是复制，Agent 里的原目录保持不变。
这一类“只有某个 Agent 才有”的 Skill，以前只能靠命令行才能发现。加上这一组之后我才注意到，自己的 Claude Code 里还躺着一个从来没同步出去的 Skill。
当 Skills 很多时，一长串目录其实也不容易看。因此程序会把拥有固定前缀的 Skills 聚成一组，比如 gsd- 和 gsap- 系列。整个系列既可以展开查看，也可以直接整组选中、添加或移除。以 . 开头的隐藏 Skills 会被忽略，避免误碰 Codex 等 Agent 自带的系统 Skill。
支持的 Agent 变多以后，总览列表本身也需要排一排。本机已经发现的 Agent 排在前面，没有发现的排在后面并压暗显示，不必在一堆“未发现”里找自己那几个。
我还顺手改了“待处理”的判定。最早只要有 Skill 缺失就算待处理，结果 21 个 Agent 几乎每一个都在报警——可是没有把每个 Skill 都装到每个 Agent 上，本来就是正常的选择。现在缺失只是单独的一列计数，只有软链接断了、存在尚未纳管的 Skill，或者读配置出错，才值得你专门去处理。
这套界面使用 Textual 编写，可以在 Windows 和 macOS 上运行。配色参考了 Claude Code 的暖色终端风格，但没有堆太多装饰，重点还是让人一眼看清“现在有什么”和“中央仓库还缺什么”。
小窗口也应该能用
TUI 最开始在全屏下看起来不错，但窗口缩小时，“移除所选”和“添加所选”两个大按钮会占掉不少高度，真正用来显示 Skills 的空间反而不够。
后来我给界面做了响应式布局。窗口高度较小时会自动隐藏大按钮和部分说明，把已选数量压缩到标题栏；高度更小时，还会继续隐藏 MCP 详情等次要信息。常用操作仍然可以通过快捷键完成。
另外，Skills 一多，扫描目录也可能拖慢启动。现在 TUI 会先尽快画出第一屏，再在后台进行快速扫描；能够根据文件信息判断时，就不会一上来计算所有文件的哈希。实际打开时不会再长时间只看到一块黑屏。
Agent 从 4 个加到 21 个之后，这件事的代价被放大得非常明显。我本机的中央仓库有 100 个 Skill、七十多 MB，命令行的 status 一度要跑 353 秒——因为同一份中央 Skill 被每个 Agent 各自重新哈希了一遍。加上缓存，再把 status 的默认行为改成只看“在不在、软链接有没有断”，同一条命令现在是 1.1 秒。真的需要逐字节比较时，用 diff，或者给 status 加上 --verify。
安全问题
文件管理工具最怕的不是功能少，而是一个操作把原来的文件弄丢了。
因此 Agent Skills Manager 默认采用“先看后改”的方式。脚本的修改命令默认只给出计划，真正执行需要显式添加 --apply。替换或移除现有内容之前也会先做备份，隐藏的系统 Skills 不参与管理。TUI 里的添加、移除和导入同样都会先弹确认框；移除并不是永久删除，原目录会被移动到 ~/.agent/backups/ 下面。
MCP 目前主要用于展示和读取状态。不同 Agent 的 MCP 配置结构差别较大，而且里面经常包含 Token 等敏感信息，因此项目不会为了追求“一键同步”而粗暴改写配置。需要修改时，更适合由 Skill 用提示词指导 Agent 读取对应格式，再由用户确认。
安装
如果已经安装了 uv，可以直接运行：
uv tool install git+https://github.com/ccckfg/agent-skills-manager.git安装完成后，在终端输入：
agent-skills-manager即可打开 TUI。
如果只想让 AI Agent 帮忙管理，不需要图形界面，也可以直接把仓库中的 skill/agent-skills-manager 文件夹复制到对应 Agent 的 Skills 目录。之后 Agent 会按照 Skill 中的说明调用附带脚本。这个脚本只要求系统里有 Python 3.9 以上的版本，不需要额外安装任何第三方包。
目前的局限
这个项目现在主要解决的是本地 Skills 的集中管理，以及 MCP 配置的状态展示。它并不是一个云端 Skills 商店，也不会替用户自动处理所有 Agent 的私有配置。
另外，软连接在不同系统、不同工具中的表现并不完全一致，所以项目为每个 Agent 单独保留了 Link 或 Copy 模式，而不是假设一种方案可以适合所有环境。
支持的 Agent 多了以后还有一个现实问题：这些工具自己也在改目录。项目里每个 Agent 的路径都是我按官方文档和本机实际安装逐个核对的，但难免会有过时或者不适用的情况。如果某个 Agent 明明装了却显示“未发现”，多半就是它换了位置，欢迎提 Issue 告诉我。
总结
Agent Skills Manager 的功能并不复杂。它只是把原本散落在许多目录中的 Skills 收到一个中央仓库，再用适合每个 Agent 的方式分发出去；AI 想操作时可以直接使用 Skill 中的脚本，人想检查时则可以打开 TUI。
但对我来说，这正好解决了一个每天都会遇到的小麻烦。至少以后再安装或更新 Skill 时，不需要面对好几个目录反复复制，也不用猜究竟哪一份才是最新的。
项目已经开源，如果你也同时使用多个 AI Agent，可以前往 GitHub 项目页面试一试。如果遇到某个 Agent 的目录规则不同，或者 TUI 在你的终端里显示不正常，也欢迎提交 Issue。
参与讨论