wshobson/agents

解决什么问题

同时用两个以上 AI 编程工具的人，往往要把同一批子 Agent 指令、代码审查规则和脚手架流程按每个工具的格式重写一遍，工具一换就得从头再来，也没有一个像样的共享来源可以挑选。这个仓库想做那个来源：用一份 Markdown 源文件维护 agents、skills 和 commands，再用适配器生成各 harness 需要的格式。

有什么不同

常见做法是各管各的：Cursor rules 放一个目录，Claude subagents 放另一个，剩下的提示词散落在笔记里。这里的分发单位是 plugin，把 agent、skill、command 打包在一起，有原生市场的工具就走各自的市场安装。真正特别的有两点。一是规模：94 个 plugin 覆盖 Python、JavaScript、代码审查、测试、基础设施和安全，约 200 个 agent、185 个 skill、105 个 command。二是明确的能力矩阵，写清每个工具实际能加载什么——command 转成 skill、agent 格式重写、模型别名重新映射，而不是假装所有 harness 都一样。附带的 plugin-eval 静态检查算是质量控制的尝试，但 README 自己承认其中的 LLM 评审层是实验性的、未经人工标注验证。

适合谁

已经每天用编程 Agent、想要一套现成子 Agent 提示词而不是自己从头写的开发者，尤其是需要在多个工具之间统一规范或经常在 Claude Code 和 Codex 之间切换的团队。如果你打算自己写 plugin，它也是一份不错的目录结构参考。只用一个工具、自己规则已经够用的人没必要引入；环境禁止插件市场或要求可审计、可基准测试的质量保证的团队也不合适——目录很广，但 README 没有给出任何证据说明单个 plugin 比一段好提示词效果更好。

上手成本

MIT 许可，复用门槛低。Claude Code 和 Codex 只需两条市场命令；OpenCode、Antigravity、Copilot、Pi 则需要克隆仓库，并准备 uv、Python 3.12+，再跑对应的 make install-*，把 plugin 链接进用户配置。只装 skill 的话要求 GitHub CLI 2.90+ 或 Node/npm。风险在于：各 harness 的差异是实打实的（Pi 的 agent 依赖扩展，Codex 生成的 agent 走单独适配路径），仓库体量大、变化快，生成产物可能与源文件脱节。可选的 LLM 评审会用你自己的 Anthropic API key 计费。

点评

这是一个年轻但确实庞大的目录：2025 年年中才创建，最近才出现在趋势月榜上，一个月约 1.8k 星，说明热度在上升而不是已经沉淀。多 harness 适配这块的工程考虑比多数提示词合集更认真，README 对实验性评估和各工具限制也罕见地坦诚。代价是覆盖面广不等于已被验证有用，更适合当作一个结构良好的起点来 fork 和裁剪，而不是可直接依赖的质量认证。建议先装单个 plugin，看 agent 是否真的改变了输出，只保留那些值得占用上下文预算的部分。