AgentOS 技能庫設計參考：從 claude-code-minoan 96 skills 到 agent-skills 124 agents 的架構啟示

一個違反常識嘅觀察：2025 年中，claude-code-minoan 以 96 個 skills 被認為係最大規模嘅開源 agent skill 庫。一年之後，agentic-awesome-skills 收錄接近 2,000 個 skills，awesome-agent-skills 超過 1,400 個，alirezarezvani/claude-skills 亦有 362 個。增長唔係線性，係爆炸性。但數量從來唔係重點——點樣組織、點樣組合、點樣俾 agent 喺 runtime 正確揀到啱用嘅 skill，呢啲先係真正嘅系統設計挑戰。

每個 repo 都面對同一個根本問題：當你有超過 100 個技能，人無辦法逐個睇，agent 嘅 context window 亦唔可能全部 load。你要一個分類系統、一個 discovery 機制、同一個 runtime selection protocol。呢啲嘢喺 96 skills 嗰陣可以靠常識解決，去到 2,000 skills 嗰陣就變成咗 computer science problem。

分類學：skills、agents、personas 三層模型

睇咗幾個最大型嘅開源 skill 庫之後，最關鍵嘅架構決策係點樣切分抽象層次。alirezarezvani/claude-skills 嘅做法最清晰：skills 係「點樣做一件事」（how to execute a task），agents 係「做咩事」（what task to do），personas 係「邊個喺度諗嘢」（who is thinking）。

呢個三層模型唔係無聊嘅分類遊戲，而係解決咗 agentic system 嘅核心矛盾：一個 developer 同時需要「寫 React component 嘅技術知識」、「做 code review 嘅流程」同埋「諗產品策略嘅思維方式」。將呢三類知識混埋一齊會搞亂 agent 嘅行為——你唔會想個 agent 用 CTO 語氣去寫 CSS，亦唔會想佢用 junior developer 嘅心態去決定架構方向。

minoan 嘅 96 skills 幾乎全部係純 execution-level skills，冇 agents 層都冇 personas 層。到 agent-skills 嘅 124 agents，開始有人物角色意識，但 agents 之間嘅關係仲係 flat。到咗今日第二代嘅 skill 庫，三層模型已經變成事實標準。呢個演進過程同 software architecture 嘅 dependency injection 概念好相似——你唔係直接 call function，你 inject 一個 agent 角色，由 agent 去 call 啱嘅 skill。

Discovery protocol：從 flat list 到 semantic search

96 個 skills 嗰陣，你可以用一個 README table 搞定 discovery。去到 362 個 skills，table 已經太長，你要分 domain folders。去到 2,000 個 skills，任何 manual discovery 都係死路一條。

呢個問題嘅解答來自 agentic-awesome-skills 嘅 AAS Core。佢哋做嘅嘢係將 skill discovery 變做一個 MCP protocol：agent 喺 runtime 透過 search_skills、get_skill、compose_stack 呢啲工具去動態探索 catalog，唔係靠人預先決定 load 咩 skill。呢個 shift 好重要——佢將「人揀 skill」變做「agent 根據 project context 自己揀 skill」。

背後嘅設計原則是：project 嘅 codebase context（package.json 有 React、有 Playwright config、有 Dockerfile）係最好嘅 skill 選擇訊號。AAS Core 唔係靠 ranking 或 recommendation 去決定揀咩 skill，而係俾 agent 自己去睇完整 catalog，揀完之後用 compose_stack validate 結構正確性。呢個 agent-first 嘅 approach 同傳統嘅「人裝 plugin」思維完全相反——agent 唔係被動執行 skill，而係主動選擇工具。

跨平台相容性：skill 嘅可移植性設計

另一個有趣嘅演進係 skill format 嘅標準化。早期嘅 skill 庫（包括 minoan）係 Claude Code 專用，structure 同 syntax 都 tight coupled 到特定 agent。但觀察 2026 年嘅生態，你會發現 convert.sh 已經變成每個大型 skill 庫嘅必備元件——alirezarezvani/claude-skills 有 scripts/convert.sh 可以將 345 個 skills 轉去 Cursor、Aider、Kilo Code、Windsurf、OpenCode、Augment、Antigravity 等 9 個平台。

呢個趨勢反映咗一個重要 insight：skill 嘅核心價值係 instruction + reference，唔係 platform-specific config。一個寫得好的 SKILL.md，俾任何 coding agent 都會有用。將 skill 綁死喺特定 platform 只會降低佢嘅長期價值——因為 agent ecosystem 嘅 fragmentation 只會越來越嚴重，而唔係越來越統一。

從 architecture 角度，最聰明嘅做法係用「一源多輸出」模式：core skill content 用標準 markdown 寫，然後用 converter 出 platform-specific wrapper。咁樣 maintain 一個 catalog 就可以 support 成個 ecosystem，而唔係每個 platform 各自 reinvent。

實戰啟示：做自己 AgentOS 嘅三件事

如果你而家正打算建立自己嘅 skill 庫或者 agent system，有幾個 lessons 可以直接 apply：

第一，唔好等 collection 夠大先做分類。由第一日就用 skills / agents / personas 三層模型切，因為 fat flat list 嘅 reorganisation cost 遠遠高過一開始就做對結構。第二，將 discovery 設計為 runtime protocol 而唔係 install-time config。你嘅 agent 應該有能力根據當前 task context 去搵 skill，而唔係靠 developer 預先裝好一堆嘢。第三，skill format 嘅可移植性係 investment 唔係 overhead——寫多一個 convert.sh 嘅成本遠低於將來要 migrate 成個 catalog 嘅成本。

最終嘅 insight 係：agent skill 庫嘅架構唔係圖書館管理問題，而係作業系統設計問題。你唔係喺度 cataloguing knowledge，你係喺度設計一個讓 agent 可以動態發現、選擇、組合能力嘅 runtime system。由 minoan 嘅 96 skills 去到今日嘅 2,000+ skills ecosystem，呢個 paradigm shift 先係最大嘅 architecture lesson。