摘要本文系统解析 OpenCode Antigravity Awesome Skills 的组合如何从“能写代码”升级为“按资深工程师标准写代码”。内容涵盖技能系统原理、安装与目录约定、项目级实践ReactTS 仪表盘 API 安全审计、自定义 Skill 落地以及如何用统一 LLM 接入平台在终端里安全稳定地驱动多模型开发。一、背景介绍从“会写代码”到“写得像资深工程师”当前各类 LLM 工具ChatGPT、Claude、Cursor、Copilot 等在“能写代码”层面已经比较成熟但在以下场景依然常翻车没有清晰的组件架构所有逻辑堆在一个文件里忽略 API 安全、输入校验、权限控制文件夹结构混乱团队规范难以固化每次开发都要重复讲一遍“我们项目是怎么组织的”OpenCode 是一个在终端里运行的 AI 编码代理支持 Plan Mode规划和 Build Mode构建支持 undo/redo能在真实代码库中工作可连接任意 LLM 提供商只要是 OpenAI 兼容 API但默认安装的 OpenCode 只有通用能力它对“React 组件分层怎么做”“API 安全要查什么”“我们团队的命名规范是什么”并不了解。Antigravity Awesome Skills 这个开源仓库正是用一组结构化 Skill 文件把“专家经验”编码到 OpenCode 的上下文里让模型“按资深工程师的工作方式”完成任务。二、核心原理Skill 专家级指令模板2.1 Skill 的本质skill.md 原生 Skill 工具在 Antigravity 仓库中每个 Skill 都是一个*.skill.md或类似命名的 Markdown 文件里面封装了某个领域的“可执行指导”架构规划component hierarchy / state managementReact 设计模式 / 前端设计API 安全审计基础设施与部署流程团队内部约定可通过自定义 Skill 扩展OpenCode 底层有一个 native skill tool当你在对话中引用某个 Skill如/skills列表选择或按文档约定触发时OpenCode 只会按需加载相关 Skill 文件的内容Skill 文件中的说明会以系统提示或工具描述的形式注入模型上下文由于是“按需加载”不会浪费 token 上下文也不会把 1300 Skills 全部塞给模型。区别在于模型没变变的是“模型遵循的指令”。所以同一模型在有 Skill 和没 Skill 的情况下输出质量会有本质差异。2.2 Skill 与项目理解/initagents.md为了让 Skill 在你的项目里真正发挥作用在项目根目录运行/init或对应命令OpenCode 会分析项目结构生成agents.md该文件记录代码结构、模块划分、主要技术栈、典型模式。之后每次调用 SkillOpenCode 会结合Skill 中的专家指导agents.md中的项目上下文从而产出更贴合当前代码库的结果。这个文件建议直接提交到 Git作为项目配置的一部分。三、实战演示从仪表盘到 API 安全的端到端流程3.1 安装 Antigravity Skills目录约定与全局配置OpenCode 会在多处路径中查找 SkillAntigravity 推荐的项目级路径.agents/skills安装流程项目根目录执行大致类似# 假设提供了对应 npx 命令这里仅示意npx antigravity-install--path.agents/skills特点项目级Skills 存在于项目自身的.agents/skills目录全局级也可以配置一个“全局 agents path”所有项目共享这批 Skill多路径合并OpenCode 会从当前目录一路向上走到 Git 根目录识别.agents/skills、全局 skills 以及.open-code/skills等多个路径并进行合并。安装完成后打开 OpenCode在终端里输入/skills若能看到 Antigravity 提供的大量 Skill 列表说明安装成功。随后在项目目录执行/init生成agents.md并提交到仓库。3.2 用 Brainstorming React Patterns 构建仪表盘以视频中的例子构建一个项目管理 DashboardReact TypeScript Tailwind。过程分两步先规划再构建。1在 Plan 模式使用“Brainstorming”Skill 需求描述左侧导航 Sidebar统计概览区多张指标卡片任务列表带筛选最近活动流技术栈React TypeScript TailwindBrainstorming Skill 不会直奔“写组件”而是先问关键澄清问题例如这是独立页面还是大型应用的一部分数据使用 Mock 还是接入真实 API是否要求移动端响应式确认完后它会生成一份详细设计文档组件层级Sidebar / StatsOverview / TaskList / ActivityFeed 等状态管理策略哪个状态放在哪个组件层级文件夹结构与命名规范外部库建议如图标库、UI 工具这一步基本等价于资深前端花 30–45 分钟写的“开发前设计文档”。2切回 Build 模式 React Patterns Skill 照着计划落地代码示例指令伪使用前端设计与 React Patterns 的技能根据刚才生成的规划为该 Dashboard 创建组件与文件结构要求全面使用 TypeScript 类型Tailwind 负责样式避免将所有逻辑堆在一个组件中输出结果通常具备Sidebar组件独立导航项具有类型化的 propsStatCard组件拆分每张卡片接收label / value / trendDirection等 propsTaskList在恰当层级维护过滤状态ActivityFeed独立组件封装文件结构与 Brainstorming 文档一致TypeScript 类型标注完整可直接进入代码审查阶段而无需大改。区别在于如果只用裸 OpenCode你也能得到一个“能跑”的 Dashboard加上 Skill 之后你得到的是“资深开发者可以直接上线的 Dashboard”。3.3 在编码前做 API 安全审计前端完成后视频中还调用了一个关键 SkillAPI Security Best Practices。典型用法在后端接口设计初期提供 API 的接口形状、路由、鉴权大致方案触发该 Skill让其从安全角度审视设计。Skill 会检查输入校验、输出过滤是否完善标记未保护路由、token 使用方式存储位置、过期、刷新策略生成一份精简报告类似于“提前进行一次安全向导式 Code Review”。优势是传统上这些问题在 Code Review 时才被提出而现在可以在“代码大规模写出来之前”就发现设计层缺陷。3.4 使用 Skill Creator 编码团队内部规范如果你团队有以下自定义规范特定数据库命名模式如表名、索引、外键命名特定部署流程多环境发布、蓝绿部署步骤编码风格与目录约定如hooks 文件统一放在src/hooks命名以use开头可以用Skill Creator这个 Skill 来生成自定义 Skill 文件在 OpenCode 中触发 Skill Creator按其引导一步步描述适用场景如“新建 API 时”推荐的步骤和规范反例和禁止事项最终得到一个xxx.skill.md文件放入skills目录后续开发只要引用该 Skill即可让模型自动遵循团队规范。长期来看随着自定义 Skill 增多OpenCode 会越来越“像你团队资深成员”输出的一致性和可维护性都显著提升。四、终端驱动 LLM 的 API 实战接入薛定猫 AIOpenCode 能连接任意 OpenAI 兼容的 LLM 提供商。对于需要频繁切换模型、体验新模型的开发者更推荐通过统一聚合平台来简化接入。以薛定猫 AIxuedingmao.com为例它在技术选型上的几个优势聚合 500 主流大模型例如 GPT-5.4、Claude 4.6Sonnet、Gemini 3 Pro 等新模型实时首发平台会很快接入最新模型便于第一时间在 OpenCode 中试用OpenAI 兼容接口只需要替换 base URL API Key即可将现有 OpenAI 调用无缝迁移统一接入层在同一个项目中尝试多家模型供应商几乎不需要改动业务代码易于做 A/B 测试与性能评估。下面给出一个直接调用薛定猫 AI 中claude-sonnet-4-6模型的 Python 示例你可以在 OpenCode 的后端脚本里使用这套方式做辅助工具例如自动生成 Skill 草稿、分析 Skill 输出等。importrequestsimportos# 薛定猫 AI 平台的 OpenAI 兼容接口BASE_URLhttps://xuedingmao.com/v1API_KEYos.getenv(XUEDINGMAO_API_KEY)# 请在环境变量中设置自己的 keydefcall_llm(prompt:str)-str: 调用薛定猫 AI 的 claude-sonnet-4-6 模型返回模型生成的文本。 该接口与 OpenAI Chat Completions 兼容。 urlf{BASE_URL}/chat/completionsheaders{Authorization:fBearer{API_KEY},Content-Type:application/json,}payload{model:claude-sonnet-4-6,# 默认示例模型messages:[{role:system,content:You are a senior software engineer and AI coding assistant.},{role:user,content:prompt}],# 典型参数可根据需要调优temperature:0.2,max_tokens:1024,stream:False}resprequests.post(url,headersheaders,jsonpayload,timeout60)resp.raise_for_status()dataresp.json()# 标准 OpenAI ChatCompletion 结果解析returndata[choices][0][message][content]if__name____main__:# 示例让模型帮你草拟一个 OpenCode Skill 片段prompt请为一个 API 安全审计 的 OpenCode Skill 草拟一个大纲只需要列出 - 触发场景 - 检查项列表 - 输出报告结构 用 Markdown 列表形式给出。resultcall_llm(prompt)print(模型输出\n)print(result)你可以把上述脚本集成到内部工具中例如批量生成 Skill 雏形然后由资深同事审核、精修分析现有agents.md和 Skill 输出自动提取共通规范再沉淀为自定义 Skill。五、注意事项与实战建议Skill 选择要收敛Skill 太多时不要一次性全打开。根据项目阶段选择规划阶段Brainstorming、Architecture / React Patterns编码阶段Testing、Performance、UI/UX接口阶段API Design、API Security Best Practicesagents.md维护要及时大规模重构后记得重新/init或手动更新文件把关键约定写进agents.md而不是只放在 Wiki 里。自定义 Skill 要小步快跑不要一上来就写一个“覆盖全公司规范”的大 Skill从“新建 API”或“新建页面”这类具体流程开始迭代完善。多模型策略与稳定性使用像薛定猫 AI 这类聚合平台可以为不同任务配置不同模型规划用推理强的、代码生成用代码能力强的统一 API 层可以降低“换模型/换厂商”时对代码的影响便于长期维护。Windows 终端截断问题如果在 Windows 下遇到输出被截断Antigravity 仓库提供了专门的 Truncation Recovery 指南可按文档调整终端设置或使用更适配的终端程序。六、技术资源Antigravity Awesome Skills 仓库提供 1300 专家级 Skill 文件MIT 协议全部内容可读便于审查与二次定制。OpenCode 官方文档重点阅读仓库中的getting-started.md和usage.md了解 Plan/Build 模式、Skill 调用方式。薛定猫 AIxuedingmao.com聚合主流大模型统一 OpenAI 兼容 API新模型上线速度快适合需要快速试用前沿模型的团队对已有 OpenAI/OpenAI-compatible 代码几乎零改动即可迁移便于在 OpenCode 中做多模型对比实验。将 OpenCode Antigravity Skills 统一 LLM 接入平台组合起来就能在普通终端环境里搭出一套“能随团队成长的 AI 结对编程体系”真正把“专家经验”固化到工具链中而不仅仅依赖个别资深工程师的记忆和口头指导。#AI #大模型 #Python #机器学习 #技术实战
【技术干货】用 Antigravity Skills 把 OpenCode 打造成“团队级 AI 结对编程伙伴”
发布时间：2026/5/21 4:56:20
摘要本文系统解析 OpenCode Antigravity Awesome Skills 的组合如何从“能写代码”升级为“按资深工程师标准写代码”。内容涵盖技能系统原理、安装与目录约定、项目级实践ReactTS 仪表盘 API 安全审计、自定义 Skill 落地以及如何用统一 LLM 接入平台在终端里安全稳定地驱动多模型开发。一、背景介绍从“会写代码”到“写得像资深工程师”当前各类 LLM 工具ChatGPT、Claude、Cursor、Copilot 等在“能写代码”层面已经比较成熟但在以下场景依然常翻车没有清晰的组件架构所有逻辑堆在一个文件里忽略 API 安全、输入校验、权限控制文件夹结构混乱团队规范难以固化每次开发都要重复讲一遍“我们项目是怎么组织的”OpenCode 是一个在终端里运行的 AI 编码代理支持 Plan Mode规划和 Build Mode构建支持 undo/redo能在真实代码库中工作可连接任意 LLM 提供商只要是 OpenAI 兼容 API但默认安装的 OpenCode 只有通用能力它对“React 组件分层怎么做”“API 安全要查什么”“我们团队的命名规范是什么”并不了解。Antigravity Awesome Skills 这个开源仓库正是用一组结构化 Skill 文件把“专家经验”编码到 OpenCode 的上下文里让模型“按资深工程师的工作方式”完成任务。二、核心原理Skill 专家级指令模板2.1 Skill 的本质skill.md 原生 Skill 工具在 Antigravity 仓库中每个 Skill 都是一个*.skill.md或类似命名的 Markdown 文件里面封装了某个领域的“可执行指导”架构规划component hierarchy / state managementReact 设计模式 / 前端设计API 安全审计基础设施与部署流程团队内部约定可通过自定义 Skill 扩展OpenCode 底层有一个 native skill tool当你在对话中引用某个 Skill如/skills列表选择或按文档约定触发时OpenCode 只会按需加载相关 Skill 文件的内容Skill 文件中的说明会以系统提示或工具描述的形式注入模型上下文由于是“按需加载”不会浪费 token 上下文也不会把 1300 Skills 全部塞给模型。区别在于模型没变变的是“模型遵循的指令”。所以同一模型在有 Skill 和没 Skill 的情况下输出质量会有本质差异。2.2 Skill 与项目理解/initagents.md为了让 Skill 在你的项目里真正发挥作用在项目根目录运行/init或对应命令OpenCode 会分析项目结构生成agents.md该文件记录代码结构、模块划分、主要技术栈、典型模式。之后每次调用 SkillOpenCode 会结合Skill 中的专家指导agents.md中的项目上下文从而产出更贴合当前代码库的结果。这个文件建议直接提交到 Git作为项目配置的一部分。三、实战演示从仪表盘到 API 安全的端到端流程3.1 安装 Antigravity Skills目录约定与全局配置OpenCode 会在多处路径中查找 SkillAntigravity 推荐的项目级路径.agents/skills安装流程项目根目录执行大致类似# 假设提供了对应 npx 命令这里仅示意npx antigravity-install--path.agents/skills特点项目级Skills 存在于项目自身的.agents/skills目录全局级也可以配置一个“全局 agents path”所有项目共享这批 Skill多路径合并OpenCode 会从当前目录一路向上走到 Git 根目录识别.agents/skills、全局 skills 以及.open-code/skills等多个路径并进行合并。安装完成后打开 OpenCode在终端里输入/skills若能看到 Antigravity 提供的大量 Skill 列表说明安装成功。随后在项目目录执行/init生成agents.md并提交到仓库。3.2 用 Brainstorming React Patterns 构建仪表盘以视频中的例子构建一个项目管理 DashboardReact TypeScript Tailwind。过程分两步先规划再构建。1在 Plan 模式使用“Brainstorming”Skill 需求描述左侧导航 Sidebar统计概览区多张指标卡片任务列表带筛选最近活动流技术栈React TypeScript TailwindBrainstorming Skill 不会直奔“写组件”而是先问关键澄清问题例如这是独立页面还是大型应用的一部分数据使用 Mock 还是接入真实 API是否要求移动端响应式确认完后它会生成一份详细设计文档组件层级Sidebar / StatsOverview / TaskList / ActivityFeed 等状态管理策略哪个状态放在哪个组件层级文件夹结构与命名规范外部库建议如图标库、UI 工具这一步基本等价于资深前端花 30–45 分钟写的“开发前设计文档”。2切回 Build 模式 React Patterns Skill 照着计划落地代码示例指令伪使用前端设计与 React Patterns 的技能根据刚才生成的规划为该 Dashboard 创建组件与文件结构要求全面使用 TypeScript 类型Tailwind 负责样式避免将所有逻辑堆在一个组件中输出结果通常具备Sidebar组件独立导航项具有类型化的 propsStatCard组件拆分每张卡片接收label / value / trendDirection等 propsTaskList在恰当层级维护过滤状态ActivityFeed独立组件封装文件结构与 Brainstorming 文档一致TypeScript 类型标注完整可直接进入代码审查阶段而无需大改。区别在于如果只用裸 OpenCode你也能得到一个“能跑”的 Dashboard加上 Skill 之后你得到的是“资深开发者可以直接上线的 Dashboard”。3.3 在编码前做 API 安全审计前端完成后视频中还调用了一个关键 SkillAPI Security Best Practices。典型用法在后端接口设计初期提供 API 的接口形状、路由、鉴权大致方案触发该 Skill让其从安全角度审视设计。Skill 会检查输入校验、输出过滤是否完善标记未保护路由、token 使用方式存储位置、过期、刷新策略生成一份精简报告类似于“提前进行一次安全向导式 Code Review”。优势是传统上这些问题在 Code Review 时才被提出而现在可以在“代码大规模写出来之前”就发现设计层缺陷。3.4 使用 Skill Creator 编码团队内部规范如果你团队有以下自定义规范特定数据库命名模式如表名、索引、外键命名特定部署流程多环境发布、蓝绿部署步骤编码风格与目录约定如hooks 文件统一放在src/hooks命名以use开头可以用Skill Creator这个 Skill 来生成自定义 Skill 文件在 OpenCode 中触发 Skill Creator按其引导一步步描述适用场景如“新建 API 时”推荐的步骤和规范反例和禁止事项最终得到一个xxx.skill.md文件放入skills目录后续开发只要引用该 Skill即可让模型自动遵循团队规范。长期来看随着自定义 Skill 增多OpenCode 会越来越“像你团队资深成员”输出的一致性和可维护性都显著提升。四、终端驱动 LLM 的 API 实战接入薛定猫 AIOpenCode 能连接任意 OpenAI 兼容的 LLM 提供商。对于需要频繁切换模型、体验新模型的开发者更推荐通过统一聚合平台来简化接入。以薛定猫 AIxuedingmao.com为例它在技术选型上的几个优势聚合 500 主流大模型例如 GPT-5.4、Claude 4.6Sonnet、Gemini 3 Pro 等新模型实时首发平台会很快接入最新模型便于第一时间在 OpenCode 中试用OpenAI 兼容接口只需要替换 base URL API Key即可将现有 OpenAI 调用无缝迁移统一接入层在同一个项目中尝试多家模型供应商几乎不需要改动业务代码易于做 A/B 测试与性能评估。下面给出一个直接调用薛定猫 AI 中claude-sonnet-4-6模型的 Python 示例你可以在 OpenCode 的后端脚本里使用这套方式做辅助工具例如自动生成 Skill 草稿、分析 Skill 输出等。importrequestsimportos# 薛定猫 AI 平台的 OpenAI 兼容接口BASE_URLhttps://xuedingmao.com/v1API_KEYos.getenv(XUEDINGMAO_API_KEY)# 请在环境变量中设置自己的 keydefcall_llm(prompt:str)-str: 调用薛定猫 AI 的 claude-sonnet-4-6 模型返回模型生成的文本。 该接口与 OpenAI Chat Completions 兼容。 urlf{BASE_URL}/chat/completionsheaders{Authorization:fBearer{API_KEY},Content-Type:application/json,}payload{model:claude-sonnet-4-6,# 默认示例模型messages:[{role:system,content:You are a senior software engineer and AI coding assistant.},{role:user,content:prompt}],# 典型参数可根据需要调优temperature:0.2,max_tokens:1024,stream:False}resprequests.post(url,headersheaders,jsonpayload,timeout60)resp.raise_for_status()dataresp.json()# 标准 OpenAI ChatCompletion 结果解析returndata[choices][0][message][content]if__name____main__:# 示例让模型帮你草拟一个 OpenCode Skill 片段prompt请为一个 API 安全审计 的 OpenCode Skill 草拟一个大纲只需要列出 - 触发场景 - 检查项列表 - 输出报告结构 用 Markdown 列表形式给出。resultcall_llm(prompt)print(模型输出\n)print(result)你可以把上述脚本集成到内部工具中例如批量生成 Skill 雏形然后由资深同事审核、精修分析现有agents.md和 Skill 输出自动提取共通规范再沉淀为自定义 Skill。五、注意事项与实战建议Skill 选择要收敛Skill 太多时不要一次性全打开。根据项目阶段选择规划阶段Brainstorming、Architecture / React Patterns编码阶段Testing、Performance、UI/UX接口阶段API Design、API Security Best Practicesagents.md维护要及时大规模重构后记得重新/init或手动更新文件把关键约定写进agents.md而不是只放在 Wiki 里。自定义 Skill 要小步快跑不要一上来就写一个“覆盖全公司规范”的大 Skill从“新建 API”或“新建页面”这类具体流程开始迭代完善。多模型策略与稳定性使用像薛定猫 AI 这类聚合平台可以为不同任务配置不同模型规划用推理强的、代码生成用代码能力强的统一 API 层可以降低“换模型/换厂商”时对代码的影响便于长期维护。Windows 终端截断问题如果在 Windows 下遇到输出被截断Antigravity 仓库提供了专门的 Truncation Recovery 指南可按文档调整终端设置或使用更适配的终端程序。六、技术资源Antigravity Awesome Skills 仓库提供 1300 专家级 Skill 文件MIT 协议全部内容可读便于审查与二次定制。OpenCode 官方文档重点阅读仓库中的getting-started.md和usage.md了解 Plan/Build 模式、Skill 调用方式。薛定猫 AIxuedingmao.com聚合主流大模型统一 OpenAI 兼容 API新模型上线速度快适合需要快速试用前沿模型的团队对已有 OpenAI/OpenAI-compatible 代码几乎零改动即可迁移便于在 OpenCode 中做多模型对比实验。将 OpenCode Antigravity Skills 统一 LLM 接入平台组合起来就能在普通终端环境里搭出一套“能随团队成长的 AI 结对编程体系”真正把“专家经验”固化到工具链中而不仅仅依赖个别资深工程师的记忆和口头指导。#AI #大模型 #Python #机器学习 #技术实战
![蘑菇博客MoguBlog：微服务架构的前后端分离博客系统完整指南 [特殊字符]](http://pic.xiahunao.cn/yaotu/蘑菇博客MoguBlog：微服务架构的前后端分离博客系统完整指南 [特殊字符])
