MCP Hub
Back to servers

Vibe-Skills

An integrated AI capability stack with 340 skills, MCP entry points, agent workflows, and governed execution for planning, coding, research, and automation.

GitHub
Stars
120
Forks
15
Updated
Mar 21, 2026
Validated
Mar 23, 2026
View Source
Claim this server
🇬🇧 English | 🇨🇳 中文
VibeSkills Logo

stars forks last commit

Visitors Arch Skills Count


VibeSkills Logo

不只是技能集合，更是你的个人 AI 操作系统

集成数百个 Skills、MCP 入口与治理规则的工业级运行时框架。

🧠 规划 · 🛠️ 工程 · 🤖 AI · 🔬 科研 · 🧬 生命科学 · 🎨 可视化 · 🎬 多媒体


[!IMPORTANT]
🎯 我们的核心愿景: 降低面对新技术的认知焦虑与高昂的学习成本。在这里，无论你是否具备深厚的编程基础，都能以极低的门槛，直接调用当今最前沿的 AI 技术集合。让每个人都能享受 AI 带来的生产力飞跃。

📊 为什么说它强大？

VibeSkills 背后的运行时核心是 VCO。它绝不仅仅是一个单点工具或只会“补代码”的脚本，而是一个已经完成高度整合与治理的超级能力网络：

🧩 技能模块🌍 生态融合⚖️ 治理规则

340+

可直接调用的 Skills，覆盖从需求规划到执行的完整链路

19+

吸收与借鉴高价值上游开源项目与最佳实践来源

129 条

基于配置的策略与契约，确保执行稳定、可溯源、防发散

✨ 为什么它与众不同？

传统的 Skills 仓库在回答：“我这里有什么工具？” 而 VibeSkills 正面迎击的是重度 AI 用户的核心痛点：“我该怎么稳定地完成工作？”

❌ 传统痛点（你可能经历过）✅ VibeSkills 解法（我们正在做）
技能沉睡：仓库里几百个能力，真实场景下 AI 根本想不起来用，激活率极低。🧠 智能路由：现在该调什么，系统会根据上下文和逻辑自动路由拉起，无需你翻背技能表。
黑盒狂奔：AI 不澄清需求就直接开做，速度快但方向偏，项目逐渐变成黑盒。🧭 受管工作流：先做什么再做什么被严格约束。将澄清、验证、留痕收进统一流程，每步可溯源。
互相冲突：不同插件和工作流之间缺乏统筹，导致环境污染或死循环。🧩 全局治理：通过 129 条契约规则，设定安全边界与回退机制，保障整个运行时的长期稳定性。
AI的工作区往往不够规范，工作久了之后仓库容易脏乱差，影响下一个agent接手工作区。在开一个新agent管理工作项目时，重新理解工作区的架构会遗漏一些项目细节，导致后面工作和前面工作衔接有问题使用了一套文件目录语义治理。保证只要工作经过这个项目的治理，按固定化的架构存储文件，让下一个新的对话的AI明白什么什么目录下存储什么什么文件
AI诸多的小毛病：为删除备份，把主要文件删了；喜欢写静默的兜底机制，然后早早的自信满满的给你说做好了，实际上全是兜底机制在发力，主要功能实现度度很差内置了一些治理，如上述的禁止按命令批量删除文件，只能一个文件一个文件的删除，防止误删文件。禁止写自动静默兜底机制，如果要写兜底机制，一定要显示有明确的警告用户
用户需要依据经验自己规范与AI的工作流，需要学习和保持警觉框架会引导用户，从沟通好需求，沟通好落实计划，固定好工作步骤文件，多代理并发执行（同时会按照计划，不同的代理分配不同的工作，各自会自动调用相关的skills），自动测试迭代，直到任务完成

集合了这么多skills，是否会因为选项过多导致token爆炸？ 在治理框架下肯定会导致多余的token消耗，但是不会至于token爆炸。因为路由不是给模型如此多的选项，而是依据用户的任务触发，核心是用户命令-ai辅助治理发掘用户意图的关键词-关键词触发技能路由，这样调用路由。

✦ 全景能力地图：你的全能工作台

如果把这 340 个 skills 按“真实工作流”展开，VibeSkills 已经为你铺设好了一条端到端的能力链。

能力域覆盖工作面代表能力引擎
💡 需求与澄清拒绝黑盒开局：把模糊想法转为边界清晰、可验收的问题定义brainstorming, speckit-clarify
📋 规划与拆解将宏大目标拆解为 spec、plan、tasks、里程碑与执行流writing-plans, speckit-specify, aios-po
🏗️ 架构与选型设计前后端边界、接口、数据层、部署层与技术路线对比aios-architect, architecture-patterns
💻 开发与实现新功能开发、脚手架搭建、工程化集成和跨文件精准落地autonomous-builder, speckit-implement
🔧 调试与重构告别表面缝补：定位报错、分析根因、恢复项目级可维护性error-resolver, systematic-debugging
🛡️ 测试与品控单元测试、回归验证、质量门禁，实现“完成前强制核验”tdd-guide, aios-qa, code-review
🚀 协作与发布接管 Issue/PR、CI 修复、Review 处理与自动化部署aios-devops, gh-fix-ci, vercel-deploy
🤖 复合工作流冻结需求、任务分派、多 Agent 协同、执行留痕与环境清理vibe, swarm_*, hive-mind-advanced
🔌 外部生态接入打通浏览器、网页抓取、设计稿、第三方服务与上下文记忆mcp-integration, playwright, scrapling
📊 数据与 AI 工程涵盖 EDA、清洗统计，到模型训练、RAG 检索与实验跟踪senior-ml-engineer, statistical-analysis
🔬 科研与生命科学强势领域：文献检索综述、生信分析、单细胞、药物发现literature-review, biopython, scanpy
📐 数学与专业计算符号推导、贝叶斯建模、多目标优化、仿真乃至量子计算sympy, pymc-bayesian-modeling, qiskit
🎨 多媒体与展示交互图表、科研绘图、图片生成、语音合成与视频素材生产plotly, generate-image, video-studio

👉 点击展开：探索 VibeSkills 完整的 340+ 全栈能力矩阵详解
💡 治理的意义：以下庞大的技能库不是孤立的脚本死水，而是一个被 VCO 运行时接管的生态。通过领域矩阵分类，系统会在正确的上下文节点自动唤起正确的工具，无需你手动遍历调用。

🧠 需求、规划与产品管理

🎯 让大想法变得可落地：负责需求洞察、问题定义、Sprint 规划、任务切分与约束收集。确保在写下第一行代码前，方向清晰、边界明确且具有可验收的里程碑。

.system, aios-pm, aios-po, aios-sm, aios-squad-creator, aios-ux-design-expert, brainstorming, create-plan, designing-experiments, planning-with-files, shared-templates, speckit-analyze, speckit-checklist, speckit-clarify, speckit-constitution, speckit-plan, speckit-specify, speckit-tasks, speckit-taskstoissues, subagent-driven-development, think-harder, treatment-plans, ux-researcher-designer, writing-plans

🛠️ 软件工程与架构设计

🎯 真正的工程化构建底座：从脚手架搭建、跨文件修改、API 接口设计到微服务架构评估。不仅产出代码，更负责上下文记忆、工具链编排与智能 Agent 的多阶段协同执行。

aios-architect, aios-dev, aios-master, architecture-patterns, autonomous-builder, cancel-ralph, coding-tutor, context-fundamentals, context-hunter, cs-foundations, deepagent-memory-fold, deepagent-toolchain-plan, evaluating-code-models, get-available-resources, hive-mind-advanced, local-vco-roles, node-zombie-guardian, nowait-reasoning-optimizer, prompt-lookup, ralph-loop, skill-creator, skill-lookup, spec-kit-vibe-compat, speckit-implement, superclaude-framework-compat, theme-factory, vibe, webthinker-deep-research

🔧 调试、测试与质量保证

🎯 守住代码和系统的生命线：涵盖单元测试、根因分析、依赖冲突解决、安全漏洞审查与全套 TDD 测试驱动指南，确保系统告别“改完就崩”的黑盒状态。

aios-qa, build-error-resolver, code-review, code-review-excellence, code-reviewer, data-quality-checker, data-quality-frameworks, debugging-strategies, deslop, detecting-performance-regressions, error-resolver, evals-context, experiment-failure-analysis, generating-test-reports, ml-data-leakage-guard, performance-testing, property-based-testing, providing-performance-optimization-advice, receiving-code-review, requesting-code-review, reviewing-code, security-best-practices, security-ownership-map, security-reviewer, security-threat-model, systematic-debugging, tdd-guide, verification-before-completion, verification-quality-assurance, windows-hook-debugging

📊 数据分析与统计建模

🎯 让数据讲述事实：提供从数据清洗、缺失值处理、探索性分析（EDA）到高级统计检验、回归模型、时序预测的一站式数据处理引擎。

aios-data-engineer, anomaly-detector, correlation-analyzer, dask, data-artist, data-exploration-visualization, data-normalization-tool, detecting-data-anomalies, excel-analysis, exploratory-data-analysis, feature-importance-analyzer, geopandas, hypothesis-testing, metric-calculator, networkx, performing-causal-analysis, performing-regression-analysis, polars, preprocessing-data-with-automated-pipelines, regression-analysis-helper, running-clustering-algorithms, scientific-data-preprocessing, splitting-datasets, spreadsheet, statistical-analysis, statistics-math, statsmodels, usfiscaldata, vaex, xlsx

🤖 机器学习与 AI 工程

🎯 全链路 AI 模型开发栈：不止于调用 API，更深入特征工程、模型训练、微调（Fine-tuning）、可解释性分析（SHAP）、大模型评估（Evals）与强化学习训练工作流。

LQF_Machine_Learning_Expert_Guide, aeon, datamol, deepchem, embedding-strategies, engineering-features-for-machine-learning, evaluating-llms-harness, evaluating-machine-learning-models, explaining-machine-learning-models, geniml, ml-pipeline-workflow, openai-knowledge, pufferlib, pytorch-lightning, scikit-learn, scikit-survival, senior-computer-vision, senior-data-scientist, senior-ml-engineer, senior-prompt-engineer, shap, similarity-search-patterns, sparse-autoencoder-training, stable-baselines3, tensorboard, timesfm-forecasting, torch-geometric, torch_geometric, torchdrug, training-machine-learning-models, transformer-lens-interpretability, transformers, umap-learn, unsloth, weights-and-biases

🧬 生命科学与生信计算

🎯 极其强悍的跨学科硬核利器：深度集成单细胞测序分析、蛋白质结构折叠、药物分子发现、基因组学比对，并无缝对接各类云端生物实验室系统。

adaptyv, alphafold-database, anndata, arboreto, benchling-integration, biopython, bioservices, cellxgene-census, cobrapy, deeptools, diffdock, dnanexus-integration, esm, etetoolkit, flowio, gene-database, gget, ginkgo-cloud-lab, gtars, histolab, imaging-data-commons, labarchive-integration, lamindb, latchbio-integration, matchms, medchem, molfeat, neurokit2, neuropixels-analysis, omero-integration, opentrons-integration, pathml, protocolsio-integration, pydeseq2, pydicom, pyhealth, pylabrobot, pyopenms, pysam, pytdc, rdkit, scanpy, scikit-bio, scvi-tools, tiledbvcf

🔬 科学计算与数学逻辑

🎯 精确推导与复杂系统仿真：提供符号数学演算、贝叶斯概率编程、量子计算模拟、多目标优化计算以及严格的命题逻辑与数理证明辅助。

astropy, cirq, dialectic, fluidsim, gradient-methods, math, math-model-selector, math-tools, mathematical-logic-expert, matlab, pennylane, pymatgen, pymc, pymc-bayesian-modeling, pymoo, propositional-logic, qiskit, qutip, rowan, simpy, sympy, xan

📚 科研文献与学术写作

🎯 学术生产力的高速公路：横跨 PubMed/arXiv 等数十个科研数据库的精准检索、综述矩阵整理、引文管理系统，以及从论文起草、修改到同行评审的完整出版物流程。

bgpt-paper-search, biorxiv-database, brenda-database, chembl-database, citation-management, clinical-decision-support, clinical-reports, clinicaltrials-database, clinpgx-database, clinvar-database, comprehensive-research-agent, content-research-writer, cosmic-database, datacommons-client, documentation-lookup, drugbank-database, ena-database, ensembl-database, fda-database, geo-database, gwas-database, hmdb-database, hypothesis-generation, kegg-database, literature-matrix, literature-review, manuscript-as-code, market-research-reports, metabolomics-workbench-database, open-notebook, openalex-database, opentargets-database, paper-2-web, pdb-database, peer-review, pubchem-database, pubmed-database, pyzotero, reactome-database, research-grants, research-lookup, scholar-evaluation, scholarly-publishing, scientific-brainstorming, scientific-critical-thinking, scientific-reporting, scientific-writing, string-database, submission-checklist, uniprot-database, uspto-database, zinc-database

🎨 多媒体、可视化与文档

🎯 让知识与数据变得“可看见”：涵盖交互式图表生成、科研出版级绘图、幻灯片生成、音视频生产，以及对 Word、PDF 等办公文档的深度读写与解析。

algorithmic-art, creating-data-visualizations, data-storytelling, datavis, doc, docs-review, docs-write, document-skills, docx, docx-comment-reply, figma, figma-implement-design, file-organizer, g2-legend-expert, generate-image, imagegen, infographics, latex-posters, latex-submission-pipeline, markdown-mermaid-writing, markitdown, matplotlib, pdf, plotly, pptx-posters, report-generator, scientific-schematics, scientific-slides, scientific-visualization, screenshot, seaborn, slides-as-code, smart-file-writer, speech, structured-content-storage, transcribe, venue-templates, video-studio, visualization-best-practices, vscode-release-notes-writer, writing-docs

🔌 外部集成、自动化与部署

🎯 打破运行时的局限：通过 MCP 协议、Playwright 自动化框架无缝对接外部浏览器、设计平台与云端服务，并支持 CI/CD 流水线与一键自动化部署。

aios-devops, alpha-vantage, claude-skills, commit-with-reflection, denario, digital-brain, edgartools, flashrag-evidence, fred-economic-data, geomaster, gh-address-comments, gh-fix-ci, hedgefundmonitor, hypogenic, iso-13485-certification, jupyter-notebook, knowledge-steward, mcp-integration, modal, modal-labs, netlify-deploy, openai-docs, perplexity-search, playwright, prowler-docs, scrapling, sentry, skypilot-multi-cloud-orchestration, vercel-deploy

👥 适用人群

  • 🎯 追求稳定交付的普通用户：想让 AI 成为可靠的帮手，而不是脱缰的野马。
  • ⚡ 重度依赖 AI/Agent 的进阶极客：需要一个能承载庞大工作流的统一底座。
  • 🏢 规范化要求高的小型团队：希望把 AI 工作流变得更具可维护性和传承性。
  • 😩 被“技能堆砌”折磨的实践者：已经厌倦了找工具，只想要一套开箱即用的解决方案。

如果你只想找个单一的小脚本，它可能过于庞大；但如果你想把 AI 用得更稳、更顺、更长远，它将是你不可或缺的利器。

🧭 能力簇深入拆解：拒绝“孤立的点”

VibeSkills 最大的优势在于系统性的治理与规范化。这里不是零散技能的堆砌，而是紧密衔接的上下游工作链。

  • 🧩 规划、架构与工程实现 从需求访谈、约束收集开始，经过 tasks 拆解与架构选型，最终落实到跨文件修改；同时严守质量门禁，涵盖根因级重构修复与长期可维护性代码评审。
  • 🔗 协作治理与能力激活 解决“能力沉睡”痛点。通过智能路由与受管工作流，在正确阶段唤起正确的 MCP/插件。执行过程完整留痕，并自动沉淀为高质量知识文档。
  • 🔬 数据、科研与高门槛专业计算 跨越常规编码边界，提供链路完整的科研学术写作闭环、深度集成的生命科学工具链，以及支撑复杂建模的科学计算引擎。

我们拒绝“黑盒执行”。Vibe-Skills 严格执行 澄清 ➔ 规划 ➔ 执行 ➔ 验证 的有向无环图 (DAG) 架构。

graph LR
    A[自然语言意图] --> B(VCO 智能路由)
    B --> C{129条规则校验}
    C -- 通过 --> D[speckit-澄清需求]
    C -- 拦截 --> X[报错并请求介入]
    D --> E[aios-架构规划]
    E --> F[执行层: 340+ 技能]
    F --> G[QA 自动化验证]
    G --> H((高质量交付))
    
    style B fill:#2196F3,stroke:#fff,stroke-width:2px,color:#fff
    style C fill:#FF9800,stroke:#fff,stroke-width:2px,color:#fff
    style X fill:#F44336,stroke:#fff,stroke-width:2px,color:#fff

🎯 如果你直接提出需求，VibeSkills 会怎么接手

下面这些不是抽象能力描述，而是更接近真实使用方式的例子。你不需要先背完整个 skills 表，只要把目标说清楚，VibeSkills 会尽量按正确的顺序把任务拆开、拉起合适的能力，并把结果做成能继续使用的交付物。

🛠️ 面向研发工程师

  • 如果用户要求： “帮我把这个老项目重构一下，顺便把 CI 红灯修掉。” VibeSkills 会： 先澄清这次重构的边界，再梳理受影响模块、定位失败检查项，并按受管步骤推进修改和验证。 会拉起： speckit-clarify、aios-dev、aios-devops、gh-fix-ci、verification-before-completion 最终交付： 一组可审阅的代码改动、修复后的检查链路，以及可以回看的验证结果。

  • 如果用户要求： “这个报错我看不懂，帮我定位根因并修好。” VibeSkills 会： 先复现问题，再做系统化调试、缩小根因范围，补上最小修复与回归验证，而不是直接盲改代码。 会拉起： error-resolver、systematic-debugging、debugging-strategies、tdd-guide 最终交付： 根因说明、针对性修复、以及证明问题已被解决的验证证据。

📈 面向产品与增长团队

  • 如果用户要求： “帮我做一个竞品调研，看看这个赛道最近都在怎么做。” VibeSkills 会： 先澄清调研范围与维度，再抓取公开信息、整理结构化对比，并生成更像真正工作文档的分析输出。 会拉起： speckit-clarify、scrapling、playwright、aios-analyst、market-research-reports 最终交付： 竞品差异总结、对比框架、重点判断和可直接继续使用的调研报告。

  • 如果用户要求： “我只有一句模糊想法，帮我把它变成一个可执行的增长方案。” VibeSkills 会： 先把目标人群、约束和成功标准说清楚，再拆成需求框架、分析路径和落地建议，而不是直接给一堆空泛点子。 会拉起： brainstorming、aios-pm、aios-analyst、report-generator 最终交付： 更清晰的问题定义、结构化策略建议，以及便于继续执行的方案文档。

🔬 面向科研与生信用户

  • 如果用户要求： “帮我做这个方向的文献综述，并整理成一个能继续研究的框架。” VibeSkills 会： 先确定检索边界和问题焦点，再做文献检索、整理、引用管理和综述结构编排。 会拉起： literature-review、research-lookup、citation-management、scientific-writing 最终交付： 可继续扩写的综述框架、引用清单、以及后续研究切入点。

  • 如果用户要求： “我有一批单细胞数据，想快速做分析并找到有价值的信号。” VibeSkills 会： 先确认数据形态与分析目标，再进入单细胞分析链路，最后整理结果、可视化和初步解释。 会拉起： scanpy、scvi-tools、anndata、scientific-visualization 最终交付： 一套分析流程、关键图形结果，以及能够继续深挖的初步结论。

📦 集众家之所长：资源整合与全量矩阵

我们深知，闭门造车无法适应飞速演进的 AI 时代。VibeSkills 的核心底气，来自于持续吸收开源社区最成熟的方法与架构，并将它们纳入同一套统一治理的调度系统中。

🙏 特别鸣谢与致敬 > 本项目持续整合、吸收并治理了以下优秀开源项目的核心优势：

superpower · claude-scientific-skills · get-shit-done · aios-core · OpenSpec · ralph-claude-code · SuperClaude_Framework · spec-kit · Agent-S · mem0 · scrapling · claude-flow · serena · everything-claude-code · DeepAgent 等等

感谢各位作者的无私奉献，没有这些璀璨的星光，就没有 VibeSkills 的诞生。在吸纳众多优秀仓库的过程中，我们已竭尽全力做好版权的分发与署名。若百密一疏出现纰漏，请在 Issue 中向我们提出，我们将第一时间进行修正与补充！

🚀 开启你的 Vibe 体验

⚠️ 调用说明：为保证通用代理的适配性，本项目采用 Skills 格式架构。请通过宿主环境的 Skills 调用方式唤起，不要将其作为独立命令行程序直接运行。

  • 在 Claude Code 中，输入：/vibe
  • 在 Codex 中，输入：$vibe

📚 导航与指引

快速了解系统

安装与配置指南

高级参考

欢迎大家来尝试和体验啦 :heart_eyes:！欢迎大家讨论，并且向我提出建议和意见 :kissing_face_with_closed_eyes:。鄙人不才，可能有些地方有问题烦请大家指出，我一定会认真听取和修改。

如果您喜欢可以加个star :smiling_face_with_three_hearts:，我会持续更新这个项目的！您的支持也是我这个核动力驴的浓缩U-235 :blush:！

感谢你的观看！

把真实工作里最容易失控的部分，变成一个更可调用、更可治理、也更可长期维护的系统。

Reviews

No reviews yet

Sign in to write a review