你的 AI 编码 Agent 技能要写 5 遍?Skillrail 让 Claude Code、Cursor、Copilot 共用同一份技能
如果你所在的团队同时使用 Claude Code、Cursor、Copilot 和 Windsurf,很可能每个工具都有一套独立的技能/规则/指令文件。Claude Code 用 .claude/skills/,Cursor 用 .cursor/rules/,Copilot 用 .github/instructions/,Windsurf 用 .windsurf/rules/,再加上一个给 Codex 和其他 Agent 看的 AGENTS.md。同一份「Deploy Checklist」技能,你得写 5 遍,然后看着它们各自漂移,最终没人知道哪个版本是当前正确的。
Anthropic 的官方企业文档也承认了这个问题:「Custom Skills 在不同工具间不会自动同步……如果你的组织需要在多个工具间部署 Skills,请自行实现同步流程。」但大多数团队既没有精力也没有工具来做这件事——直到 Skillrail 出现。
问题的根源
AI 编码 Agent 的技能(Skills)本质上是给 Agent 的结构化指令:代码风格规范、安全审查清单、API 使用指南、项目约定等。每款编码工具都提供了自己的技能机制:
- Claude Code:
.claude/skills//SKILL.md - Cursor:
.cursor/rules/.mdc - Copilot:
.github/instructions/.instructions.md - Windsurf:
.windsurf/rules/.md - Codex / Jules / Amp:
AGENTS.md
每种格式略有不同,但核心内容相似。问题是,当安全团队更新了「敏感信息审查」技能,你得手动同步到 4-5 个工具目录中。少更新一个,就多一个安全隐患。
Skillrail 的解决方案
Skillrail 是一个 MIT 开源的 CLI 工具,定位是「一份技能源码,编译到所有 Agent 工具」。你只需要在一个地方维护技能的 SKILL.md 文件,然后运行 skillrail sync,它会自动生成所有目标工具的格式:
npm i -g skillrail
初始化一个项目仓库:
skillrail init
这会创建 skillrail.json 配置文件和 skills/ 目录。添加一个新技能:
skillrail add deploy-checklist
在 skills/deploy-checklist/SKILL.md 中编写技能内容,使用标准的 Anthropic SKILL.md 格式,加上组织元数据:
--- name: deploy-checklist description: Pre-deployment safety verification checklist version: 1.2.0 owner: platform-team targets: [claude, cursor, copilot] ---
然后一次性同步到所有工具:
skillrail sync
sync 命令会以幂等方式生成以下输出,每个文件都带有 do not edit 的源头标记:
| 目标 | 输出路径 |
|---|---|
claude | .claude/skills/deploy-checklist/ |
cursor | .cursor/rules/deploy-checklist.mdc |
copilot | .github/instructions/deploy-checklist.instructions.md |
windsurf | .windsurf/rules/deploy-checklist.md |
agentsmd | AGENTS.md 中的管理段落 |
你也可以为单个技能设定目标:在 SKILL.md 的 frontmatter 中设置 targets: [claude, cursor],会覆盖项目级别的默认配置。
在团队中共享
任何 Git 仓库都可以作为技能注册中心。平台团队发布,产品团队拉取:
skillrail pull git@github.com:acme/agent-skills.git deploy-checklist skillrail sync
锁文件会记录每个已安装技能的来源和提交 ID,确保可追溯。
治理即代码
Skillrail 内置了治理门禁,可以直接集成到 CI 流程中:
skillrail check skillrail status skillrail list
把 skillrail check 和 skillrail status 加入 CI,技能质量和一致性就变成了合并要求。这正是 Anthropic 企业文档中描述的技能生命周期,但完全自动化了。
适用场景
Skillrail 最适合以下场景:
- 多工具团队:团队内同时使用 Claude Code、Cursor、Copilot 等多种 AI 编码 Agent
- 技能数量 > 5 个:当管理 5 个以上的技能时,手动同步的成本开始超过自动化收益
- 合规需求:需要追踪谁更新了技能、当前哪个版本在生产环境中使用
- CI 门禁:希望将技能质量纳入 CI/CD 流程
至于零依赖的特性(package.json 中 dependencies 为空数组),意味着 npm i -g skillrail 的安装时间只需几秒,不会带来额外的依赖风险。
快速上手
npm i -g skillrail cd your-project skillrail init skillrail add code-style skillrail sync git add . git commit -m "Add code-style skill via skillrail"
总结
AI 编码 Agent 的技能管理是组织级 AI 工具推广中的一个真实痛点。Skillrail 以轻量、零依赖的 MIT 开源 CLI 解决了这个问题,提供了一份源码、多处编译、CI 可集成的完整方案。如果你正在为多个 AI 编码 Agent 维护技能集,它值得一试。
相关链接