前两天在 GitHub 上刷到一个项目看完之后说实话——沉默了大概三秒钟。不是因为技术多炸裂而是因为它让我意识到大多数人用 Claude Code可能只用了它 5% 的能力。这个项目叫claude-skills作者 Jeff Smolinski目前 5.8k Star370 Fork。它做了一件事给 Claude Code 装上 66 个专家大脑让它在不同场景下自动切换身份。你说帮我实现 JWT 认证它不是一个泛泛的 AI 在回答你而是一个NestJS 安全专家在帮你写代码。你说优化一下这段 SQL接手的是一个数据库调优专家带着 PostgreSQL 的最佳实践来的。这不是换了个 prompt。这是换了个人。先说它到底做了什么claude-skills 本质上是一套Claude Code 的技能插件系统。它把全栈开发中你可能遇到的所有场景拆成了12 个大类、66 个专业技能每个技能背后都有独立的知识库和行为规范。来感受一下这 66 个专家的阵容后端与框架专家前端专家数据与基础设施安全与质量AI / ML 方向还有 Rust、Go、C、Swift、Kotlin、Spark、WebSocket、GraphQL、Shopify、WordPress、Salesforce、游戏开发、嵌入式系统……66 个。覆盖了一个全栈团队从前端到后端、从安全到运维、从 AI 到游戏的全部技能树。真正牛的不是数量是自动切换很多人看到这里可能会想不就是 66 个 system prompt 吗不是。claude-skills 做了一件更聪明的事——Context-Aware Activation上下文感知激活。你不需要手动选择用哪个技能。当你输入任务描述时系统会根据你的代码上下文、技术栈、任务类型自动激活最合适的专家技能。举个例子你说Implement user authentication in my NestJS API系统自动激活NestJS Expert Secure Code Guardian两个专家协同工作——一个管框架实现一个管安全合规这才是这个项目最值钱的设计。它不是给你一个工具箱让你自己翻而是根据你的处境自动派出最合适的专家组合。多技能工作流不是一个人在战斗单个技能已经很强了但 claude-skills 还设计了预置工作流把多个技能串联起来模拟真实团队协作新功能开发流Feature Forge → Architecture Designer → Fullstack Guardian → Test Master → DevOps Engineer产品设计 → 架构设计 → 全栈实现 → 测试覆盖 → 部署上线五个专家接力。Bug 调查流Debugging Wizard → Fullstack Guardian 框架技能 → Test Master → Code Reviewer → DevOps Engineer定位根因 → 全栈修复 → 回归测试 → 代码复审 → 部署上线。安全加固流Secure Code Guardian → Security Reviewer → Test Master安全编码 → 安全审计 → 安全测试三重保障。你一个人写代码但背后有一个虚拟团队在帮你把关。365 份参考文档每个专家都读过书你一个人写代码但背后有一个虚拟团队在帮你把关。这个项目最容易被忽略的细节是每个技能背后都有独立的深度参考文档。总计 365 份 reference files。这意味着当 NestJS Expert 帮你写代码时它不是靠 Claude 自己的通用知识在猜而是基于作者精心整理的 NestJS 最佳实践、安全规范、性能优化指南在工作。以 NestJS Expert 为例技能文件夹的结构skills/nestjs-expert/ ├── SKILL.md # 技能定义与行为规范 └── references/ # 深度参考文档6 份 ├── authentication.md ├── controllers-routing.md ├── dtos-validation.md ├── migration-from-express.md ├── services-di.md └── testing-patterns.md这就是Context Engineering上下文工程的实战样本。不是简单地写一段 prompt 告诉 AI 你是一个 NestJS 专家而是真的把专家知识注入进去。还有项目管理没错。claude-skills 还内置了9 个项目管理命令支持从需求发现到回顾复盘的完整流程并且可以对接Jira 和 Confluence。这意味着它不只是一个编码助手而是想做一个完整的 AI 驱动开发工作台。对我们的启发是什么看完这个项目我提炼了三个核心认知Prompt Engineering 已死Context Engineering 当立单纯写一句你是一个高级工程师的时代过去了。真正有效的做法是为 AI 构建完整的知识上下文——角色定义、行为规范、参考文档、决策树。claude-skills 用 66 个技能 365 份文档证明了给 AI 喂的上下文质量直接决定了输出质量。AI 的真正杠杆在组合不在单点一个 AI 专家很强但多个 AI 专家自动协作才是质变。claude-skills 的工作流设计本质上是在用 AI 模拟一个跨职能团队。这给所有构建 AI 工具的人一个启示不要只做一个聪明的 chatbot要做一个能自动组队的系统。开源社区正在重新定义全栈过去全栈 前端 后端。现在全栈 前端 后端 AI 安全 运维 测试 架构。一个人掌握这些不现实但一个人 66 个 AI 专家——突然就现实了。如何开始使用如果你已经在用 Claude Code两步即可# 安装插件 /plugin marketplace add jeffallan/claude-skills # 加载技能包 /plugin install fullstack-dev-skillsjeffallan然后像平常一样写代码就行。系统会自动识别场景、激活技能。项目地址github.com/Jeffallan/claude-skills写在最后我经常被问AI 编程到底能帮到什么程度以前我的回答是能帮你写代码但你得会问。看完 claude-skills 之后我的回答变了AI 编程的上限取决于你给它构建了怎样的知识系统。66 个专家、365 份文档、自动激活、工作流串联——这不是一个人的灵光一闪这是对 如何让 AI 真正变成生产力 这个问题的系统性回答。如果你还在用裸的 Claude Code是时候给它装上大脑了。你在用 Claude Code 的过程中有什么独门技巧欢迎在评论区聊聊。