Skill Federation
免费、私密的AI代理技能搜索
你的代理提问,Skill Federation回答,你批准。
裸代理解决了SkillsBench中17.5%的任务。使用Skill Federation后,解决率提升至22.8%——并且你的工作从未离开过你的机器。
你的编码代理一直在重新构建那些已经打包成技能的东西——PDF提取、市场规模估算、数据清洗、PR审查、Slack通知、SQL报告。这些技能存在,散布在开源生态系统中。问题在于在任务中途找到合适的那个——而迄今为止所有“搜索目录”的方法都意味着你要将计划、简报或数据发送到别人的服务器上。
Skill Federation以保护隐私的方式找到技能。 就在你批准计划之后,你的代理会编写一个抽象的愿望清单——“如果每个技能都存在,我会选择哪一个?”——然后联邦将愿望与经过审核的技能目录进行匹配。你的计划、文件和输出永远不会离开你的机器。只有抽象的愿望才会被发送。
[!IMPORTANT] 只有抽象的愿望跨越边界——一行能力描述、约4个词汇变体释义、1-5个关键词,以及理想技能的能力层面草图。每个字段描述的是“应该存在什么技能”,而不是你的任务。你的计划、简报、文件内容和推理轨迹始终保留在本地——永远。
以下是一个愿望的完整载荷——为launch-strategy发送的实际字符串。它命名的是能力领域,而不是你的任务、计划或产品:
description: 为开源开发工具规划多渠道发布
paraphrases: 协调黑客新闻、Reddit和Product Hunt的发布 · 为开发工具规划上市发布 ·
协调多平台发布公告 · 为开源项目设计发布日计划
sketch: 发布 Product Hunt 黑客新闻 等待名单 上市活动 ·
渠道规划 时机 资产准备 公告
keywords: 发布, gtm, product-hunt, 策略, 公告
就这么简单——一段描述、四个释义、一个能力草图和关键词。你的产品名称、未发布的路线图和实际的发布计划从未出现。
你: /skillfed 为我的开源开发工具规划发布
-> 代理编写4个抽象愿望(释义 + 能力草图)。
只有这些离开你的机器——从未涉及你的计划、文件或数据。
愿望: launch-strategy -> multi-platform-launch 审查 - 已验证 <- 已选
愿望: repo-discoverability -> github-presence 审查 - 已验证 <- 已选
愿望: community-building -> community-building 审查 - 已验证 <- 已选
愿望: growth-analytics -> product-analytics 允许 - 已验证 - 221* <- 已选
(每个从经过审核目录中排名前5的候选中选出)
安装选中的4个技能?它们将被放入.claude/skills/,包含许可证和来源归属。
🔒 为什么它与众不同
- 隐私地板,设计使然。 只有抽象的愿望跨越边界——“应该存在什么技能”,而不是你的任务。你的计划、简报、文件内容和推理轨迹始终保留在本地,永远如此。(完整字段分解见下方隐私与信任。)
- 安装前先信任。 候选技能来自预扫描的内部注册表(Cisco Skill Scanner + NVIDIA SkillSpector),而非原始仓库——每个技能都显示其许可证类别、来源、星标数和出处。你批准每次安装;不会静默拉取任何内容。(参见安全性。)
- 原生,零安装。 默认层级只需要
curl——Windows 10+和macOS已自带。无需Python、Node或包管理器。(可选层级在安装Node后添加类型化MCP工具。)
⚙️ 工作原理
- 计划。 你像往常一样在代理中批准一个计划。
- 愿望清单。 代理勾勒理想技能,编写最多10个抽象愿望——每个愿望包含词汇变体释义和结构化的能力草图,以提高召回率。不包含任务细节。
- 匹配。 联邦对每个愿望(描述 + 释义 + 扁平化草图)在经过审核、预扫描的目录中执行快速词汇搜索,返回排名靠前的候选。
- 审查。 代理选择最佳匹配(或全部拒绝),并向你展示信任表。
- 安装。 经你批准后,选中的技能从内部扫描副本(而非原始仓库)获取到
.claude/skills/,并附带完整的许可证和来源归属。 - 使用。 你的代理立即使用该技能——无需重新发明。
📊 基准测试
我们在SkillsBench(带有确定性验证器的编码代理任务)上使用Claude Code (Opus 4.6) 作为代理驱动,对Skill Federation进行了测量。使这成为真正考验的关键在于:Skillfed检索的技能来自一个包含26,629个技能的公共目录快照(该目录总共包含87k+个技能),且移除了基准测试自身的答案技能——因此这衡量的是独立编写的技能是否能迁移到任务上,而不是我们能否重新找到基准测试的手写技能。
| 条件 | 代理获得的内容 | 成功率 |
|---|---|---|
| 无技能 | 裸Claude Code (Opus 4.6) | 17.5% |
| Skillfed | 从26,629个技能快照中检索到的顶级技能 | 22.8% |
| 理想技能 | 任务自身的手写技能——不可达到的上限 | 36.8% |
Skillfed将成功率从17.5%提升至22.8%——相对于裸代理提升了约30%,并缩小了与从未见过的理想技能之间约27%的差距。大多数技能检索结果测试的是理想技能恢复(基准测试自身的技能在池中);这测试的是迁移——从庞大、嘈杂的公共目录中拉取有用的技能。
📦 安装
一行命令——无需克隆。 你已经有Node或Python了:
# Node — npm
npx skillfed
# Python — uv (或: pipx run skillfed)
uvx skillfed
更喜欢Claude Code的插件系统? 添加市场并安装插件:
/plugin marketplace add skill-federation/skill-federation
/plugin install skill-federation@skill-federation
没有Node或Python? 让Claude Code为你安装curl版本:
Install the Skill Federation /skillfed finder from github.com/skill-federation/skill-federation
— run its curl installer (install.ps1 on Windows, install.sh on macOS/Linux), then tell me to
restart Claude Code.
[!TIP] 然后重启Claude Code并运行
/skillfed <你想做的事>——或者只需批准一个计划,查找器会自动提供自身。
零运行时——查找器只需要curl(无需Node或Python)。关于可选层级(自动触发钩子·类型化MCP工具·Python/CI辅助)、标志、作用域、从检出安装以及配置安全详细信息,请参见install.md。
# Windows (PowerShell) — irm|iex 也能绕过执行策略阻止
irm https://raw.githubusercontent.com/skill-federation/skill-federation/main/install.ps1 | iex
# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/skill-federation/skill-federation/main/install.sh | bash
🛡️ 隐私与信任
[!NOTE] 永远不会跨越的内容: 你的计划、简报、文件内容、输出或推理轨迹。 会跨越的内容: 只有抽象的愿望(描述 + 释义 + 关键词 + 能力草图)。
- 跨越边界的内容: 抽象的愿望——其一行
description、约4个释义formulations、1-5个keywords,以及理想技能的结构化能力sketch(purpose / inputs / outputs / operations / domain_vocab / section_sketch / tags)。草图的扁平化术语每次搜索都会嵌入查询中(它们提供了驱动召回率的判别词汇);当找不到技能时,同一个草图成为需求指针——抽象到足以保护你,详细到足以自动构建缺失的技能。每个字段都是“应该存在什么技能”,而不是你的任务。愿望的name仅用于显示,不会被发送。 - 永远不会跨越的内容: 你的计划、简报、文件内容、输出或推理轨迹。
- 两个互补信号,不混淆:
report_selection标记检索质量(显示的候选哪些是正确的或错误的);report_demand捕获能力差距(实际需要什么)。它们反馈不同的循环——选择细化搜索,需求驱动接下来构建什么。 - 本地优先: 如果你已经安装了某个技能,你的本地副本会被按原样使用——你的编辑是个性化设置,不会被静默覆盖。
🔒 安全性
Skill Federation将每个第三方技能视为不受信任的输入。技能从我们的内部、预扫描注册表提供——永远不会从原始仓库实时拉取。 在引入时,我们复制每个候选、去重并扫描;只有通过的技能才会被提升和提供。你看到的source链接是出处,而非技能实际获取的位置。
每个候选都会经过两个独立工具的最佳努力扫描:
- Cisco AI Defense Skill Scanner —— YARA/模式、字节码、命令污染、行为数据流、LLM作为裁判以及VirusTotal检查,用于提示注入、数据外泄和恶意代码。
- NVIDIA SkillSpector —— 漏洞模式+LLM分析,带有实时OSV.dev CVE查询和0-100风险评分。
高/严重发现结果在提升之前会被拒绝或路由至人工审查——原始目录永远不会未经过滤就到达你手中。
为什么这很重要。 NVIDIA在SkillSpector背后的研究扫描了42,447个公共技能,发现26.1%至少有一个漏洞,5.2%显示出可能的恶意意图——而安装的技能会以代理的完整权限运行。直接从公共仓库提供技能会导致大约四分之一有漏洞和二十分之一恶意的技能进入你的代理;引入关卡正是阻止它们的方式。
[!NOTE] 扫描是最佳努力,并非保证。正如Cisco扫描器所说,“无发现≠无风险”——干净扫描不能证明技能安全。Skill Federation仍然显示每个技能的许可证、出处和来源,并且没有你的批准,什么都不会安装。
🔧 配置
查找器通过HTTPS与联邦端点通信。默认是无密钥演示;重写它:
export SKILLFED_ENDPOINT="https://your-federation.example.com" # 或在使用npx层级时在.mcp.json中设置
📁 这个仓库包含什么
install.ps1 / install.sh / install.md 自动检测安装程序;可从克隆或管道使用(irm|iex, curl|bash)
installer/ npm包`skillfed`——`npx skillfed`无克隆方式
…
[为翻译而截断]