用 AI 编程助手干活，最让人头疼的不是它不会写代码，而是它对你要用的那套技术一知半解：让它写一段 BigQuery 查询，它凭记忆编一个不存在的函数名；让它配 GKE 集群，它漏掉一个关键参数，部署到一半才报错；让它调 Gemini API，它用的还是两年前就改掉的调用方式。模型训练数据有截止日期，云厂商的文档却天天在变，这中间的缺口，靠“多给它贴几段文档”补不起来——贴多了上下文爆炸，贴少了照样编。Google 官方开源的 google/skills 就是来填这个缺口的：它把 Google Cloud、Gemini、BigQuery、GKE 等产品的官方工作法，写成一组 AI Agent 可以按需调用的 Skills，装进你正在用的编程助手，助手遇到相关任务时自动加载对应的技能文件，按官方的最佳实践一步步做。这个仓库 2026-03-31 才创建，到 2026-11-08 已经有 23,388 star、1,953 fork，当天登上 GitHub Trending 当日榜第 3 位、单日新增 443 star，Apache-2.0 开源，最近一次推送就在 2026-11-07。
它是什么
google/skills 是 Google 官方维护的 Agent Skills 仓库，仓库简介只有一句话：”Agent Skills for Google products and technologies”。所谓 Agent Skill，是 agentskills.io 定义的一种开放格式：一个技能就是一份 SKILL.md，加上配套的脚本、参考文档和模板，Agent 在接到相关任务时动态加载它，照着里面的步骤、检查清单和禁令去执行，而不是全靠模型自己的记忆。Google 把这套格式用在了自家产品线上，仓库里按领域分了十几个大类：入门类的 Google Cloud 上手与 IAM 鉴权，多产品方案类的解决方案架构、Agent 网关安全、多智能体分析，AI 与机器学习类的 Agent Platform 模型部署与调优、Gemini API、Genkit、RAG 引擎管理，基础设施类的 GKE 集群创建与排障、TPU 故障诊断，数据库与分析类的 BigQuery、Bigtable、Cloud SQL、Spanner，开发者工具类的 gcloud CLI 技能，应用开发类的 API 网关与应用集成，管理工具类的 Cloud Monitoring 与日志，Well-Architected Framework 六大支柱，安全与身份类的 IAM 助手、SecOps 检测与事件调查，Web 与应用托管类的 Cloud Run 与 Firebase，广告类的 Google Ads API 与移动广告 SDK，等等。光是 README 列出的技能就有上百个，另有 ADK、Android、Dart、Firestore、Flutter、Google Maps Platform 等独立的技能仓库可以单独装。
这个仓库和 11 月 5 日介绍的 mattpocock/skills、11 月 7 日介绍的 Cloudflare security-audit-skill 同属“技能”这个新物种，但定位完全不同：mattpocock/skills 是个人工程师的工作法合集，security-audit-skill 是单一用途的安全审计流程，而 google/skills 是厂商官方出的产品说明书——权威性是它最大的卖点。技能内容由 Google Cloud 的工程师编写，跟着产品一起更新，API 改了、最佳实践变了，技能文件也随之改，这正是第三方教程和模型记忆做不到的。
核心亮点
1. 一条命令装进你正在用的助手，不用换工具链。安装只需要一行命令，交互式选择要装哪些技能、装给哪些 Agent、装在项目级还是全局：
npx skills add google/skills如果环境里没有 npx，README 提示先装 Node.js。想给 Claude Code、Codex、Antigravity CLI 这类支持插件的工具装，还可以走仓库自带的插件市场，比如 Claude Code 里先 claude plugin marketplace add google/skills，再安装对应的插件。技能装好后不需要你每次手动调用，Agent 接到相关任务时自己判断该加载哪个技能。
2. 按需加载，不占上下文窗口。上百个技能如果一次性全塞进提示词，什么模型都扛不住。Agent Skills 的机制是“元数据先行”：Agent 平时只看到每个技能的名字和一句话简介，只有任务真正需要时，才把对应的 SKILL.md 完整读进来。用多少、加载多少，这个设计在技能数量上百的仓库里尤其重要，也是它比“把官方文档全贴给模型”高明的地方。
3. 覆盖面是按 Google 产品线全铺开的，AI 方向尤其重。README 的技能清单里，AI 与机器学习是单独成章的一大类：Agent Platform 的模型部署、调优、评估飞轮、提示词管理、RAG 引擎，Gemini API 与 Gemini Enterprise，Genkit 的 Dart、Go、JS、Python 四个语言版本，LiveAPI 实时多模态流式方案，把 AI 工作负载迁移到 GKE 推理的完整流程，GKE 上 TPU 挂起与性能劣化的排障技能。做 AI 应用开发的人，在这个仓库里能找到从模型调用、Agent 搭建到推理部署的一条龙工作法，而且是 Google 官方写出来的版本。
4. 把“别瞎编”写进了技能本身，带检查清单和禁令。这个仓库里的技能不是泛泛的介绍文档，而是带强制步骤的操作规范。以 gcloud CLI 技能为例，它明确要求 Agent 在规划或执行 gcloud 命令前，必须用叶子级 gcloud help 校验语法，禁止靠网络搜索猜测参数；发现模型已有的知识“过时且容易幻觉”，要以技能文件为准。IAM 助手技能则把权限排障、策略模拟和临时提权包成带审批关卡的工作流。换句话说，这些技能最大的价值不在于告诉 Agent“怎么做”，而在于拦住 Agent“别乱做”——在云上乱做一次的代价，可能是删错一个生产数据库，或者跑出天价账单。
5. 更新有官方节奏，跟着产品走。仓库最近一次推送在 2026-11-07，552 次提交，说明它一直在跟着产品迭代。更新已安装的技能也只要一行命令：
npx skills update这条命令还会提示你清理已经废弃的技能。Google Cloud 在 2026 年 10 月还围绕这个仓库做了几件配套的事：Data Agent Kit 正式 GA，把 37 个数据类技能和 MCP 工具打包给编码助手；IAM Helper 技能上线，专门处理权限排障与策略变更。仓库本身是起点，Google 正在把它做成一整套 Agent 生态的入口。
截图导览
先认认这个项目长什么样，再决定要不要装。这里要先诚实说明一点：README 正文里没有产品演示截图或界面 GIF，仓库里也没有截图文件，所以本文只用下面两张官方图，不放无关图、不伪造界面。
图 1：GitHub 仓库主页卡片。项目名、简介 “Agent Skills for Google products and technologies” 和 star 数都在卡片上，一眼能确认找对了仓库。
图 2：README 顶部的 skills.sh 安装徽章。这个徽章挂在 README 开头，点进去就是一键安装入口，也是这个仓库“装了就能用”定位的一个小注脚。
快速上手
先确认机器上有 Node.js（带 npx），然后在终端运行：
npx skills add google/skills命令会交互式问你三个问题：装哪些技能（可以全选，也可以只挑自己用的那几个）、装给哪些 Agent（比如 Claude Code、Cursor、Gemini CLI）、装在项目级还是全局。建议第一次只选自己马上要用的那几个类别——比如只做 BigQuery 就先装数据库与分析类，只做 Gemini API 调用就先装 AI 与机器学习类——装多了 Agent 每次都要多判断一轮要不要加载，反而拖慢响应。
装好之后不需要额外配置，直接在编程助手里提需求就行，比如“帮我写一个查询 BigQuery 的 Python 脚本并做成本估算”“把这个 Agent 部署到 GKE 上做推理服务”。助手会在后台自动加载对应的技能文件，按里面的步骤执行。如果你的工具支持插件市场，也可以走插件路线：Claude Code 用 claude plugin marketplace add google/skills 再安装对应插件，Codex 从插件浏览器里安装，Antigravity CLI 用 agy plugin install https://github.com/google/skills/<plugin-path>。
有两点门槛要提前说清楚。第一，技能本身不提供云资源和算力，它只是一份操作指南：调用 Gemini API 需要你自己的 API key，用 BigQuery、GKE、Cloud Run 要有 Google Cloud 账号并按量付费，仓库不替你解决账单问题。第二，技能的质量取决于你的 Agent 是否支持 Skill 机制：Claude Code、Cursor、Codex、Gemini CLI 这类较新的 Agent 工具都支持，老的、不支持动态加载技能的工具装了也用不上，装之前先确认自己的工具在支持列表里。
上手建议分三步：第一步，先装两三个和手头项目直接相关的技能，在一个非生产的测试项目上跑一轮，看看 Agent 按技能做出来的结果和你自己手动做的差多少；第二步，把技能文件本身打开读一遍，SKILL.md 里写的检查清单和禁令，就是 Google 工程师踩过坑之后总结出来的经验，读一遍等于免费上了一课；第三步，定期跑 npx skills update，把技能更新到最新版，Google 产品更新快，技能过期了反而会误导 Agent。
我的建议
这个项目最适合三类人。第一类是在 Google Cloud 上做开发、运维或数据分析的工程师：BigQuery、GKE、Cloud Run、IAM 这些服务文档又多又散，有官方技能兜底，Agent 出错的概率会明显下降。第二类是做 AI 应用开发的人：Gemini API、Genkit、Agent Platform、RAG 引擎这些技能，等于把 Google 的 AI 应用开发手册直接喂给了你的编程助手。第三类是团队里负责定规范的技术负责人：技能文件是公开的 Markdown，照着它的结构给自家内部工具、内部流程也写一套技能，是个很好的参照。
不适合谁呢？首先是不用 Google Cloud 生态的人：这个仓库的技能几乎全是 Google 产品专用的，不用 GCP、不用 Gemini，装了等于白装，不如去找对应厂商的技能仓库。其次是希望“装完就变强”的新手：技能只是操作指南，它能让 Agent 少犯低级错误，但代替不了你对业务本身的理解；BigQuery 查询写得再规范，业务逻辑错了照样出错误结果。最后要提醒一句权限问题：IAM、SecOps 这类技能会让 Agent 去碰你的云账号权限，第一次用务必在测试项目上跑，确认它只读该读的、只改该改的，再放到生产环境。
值不值得试？值得，尤其对已经在 Google Cloud 上干活的人。2.3 万 star 背后是 Google 官方的持续维护，Apache-2.0 协议随便用，安装只有一条命令，成本几乎为零。先挑两三个技能装上，在测试项目上跑一轮，如果 Agent 按技能做出来的 BigQuery 查询不再编函数名、配 GKE 不再漏参数，这个仓库就值回了安装它的那一分钟。
GitHub 仓库：https://github.com/google/skills
延伸阅读：手机上翻译长文章、看外文资料，用 LM Station 靠谱吗？；账单散在十几个 App 里？用 LM Station 拍照整理账单，做一份月度消费复盘；给 AI 编程助手请一位“安全审计员”：Cloudflare 开源 security-audit-skill，6.4 万 star 的多阶段代码审计 Skill。
