Google 开源 Agent Skills：给 AI 编码助手发一本 Google Cloud 操作手册
场景开篇
你让 Claude Code 帮你在 Google Cloud 上部署一个 GKE 集群。Claude Code 很聪明，但它不知道你的项目该用哪个 GKE ComputeClass，不知道 AlloyDB 和 Cloud SQL 该选哪个，不知道 TPU 动态切片的监控指标怎么配。它能搜文档，但 Google Cloud 文档浩如烟海，搜出来的东西未必对。
Google 的解法是：直接给 AI 编码助手发一本操作手册。不是文档链接，不是 API 参考，而是一套结构化的 Agent Skills——每个 skill 是一个具体场景的操作流程，从”创建 GKE 集群”到”配置 BigQuery RAG”，都有。AI 助手装上这些 skill，就像一个新员工拿到了公司内部的操作手册。
这就是 google/skills 仓库——Google 官方发布的 Agent Skills 集合，覆盖 Google Cloud 的几乎所有产品线。
什么是 Agent Skills
Agent Skills 是 2025 年下半年开始流行的概念。核心想法很简单：把领域知识打包成 AI 编码助手可以直接调用的技能包。
一个 skill 包含： – 触发条件：什么场景下该用这个 skill – 操作流程：步骤化的执行指南 – 参数约束：哪些参数必填、哪些可选、取值范围 – 验证规则：怎么判断操作是否成功 – 常见坑：容易出错的地方和规避方法
这和传统的文档不同。文档是给人读的——人读完文档后自己判断该怎么做。Skill 是给 AI 用的——AI 读完 skill 后直接执行。skill 的格式更结构化，更强调”可执行性”而非”可读性”。
安装方式也很简单：npx skills add google/skills。一条命令，AI 编码助手就能用上 Google 官方的操作手册。
Google Skills 覆盖范围
google/skills 仓库的覆盖范围相当广，按产品线分类：
入门类： – Google Cloud 认证 – Foundation Builder（基础架构搭建） – Google Cloud Onboarding
多产品方案类： – 跨云 Agentic Analytics – Borderless 开放数据湖仓 – GKE 上构建和部署 AI agents – 数据科学工作流 – 双向多模态流式 AI – AI 工作负载迁移到 GKE Inference – 企业搜索 RAG – N层无服务器 Web 应用
AI/ML 类： – Agent Platform 的 Alert 配置、Endpoint 管理、Eval Flywheel、推理、部署、模型注册、调优、Prompt 管理、RAG 引擎管理、故障排查、调优管理 – BigQuery AI & ML – Gemini API in Agent Platform – Gemini Enterprise Managed Agents API – Gemini Interactions API – LiveAPI Service – 从 AI Studio 迁移到 Agent Platform – Skill Registry
基础设施类（GKE 相关最多）： – GKE AI/ML 推理、应用接入、备份恢复、基础、Batch/HPC、集群自动扩缩、集群创建、ComputeClass、Golden Path、JobSet 中断排查、清单生成、多租户、网络、生产化、可靠性、服务网络、存储、TPU 动态切片监控、升级维护、工作负载扩缩、工作负载故障排查 – Google Cloud 全局外部应用负载均衡器 – Google Cloud 网络可观测性 – Google Cloud Storage 基础
数据库和分析类： – AlloyDB / BigFrames / BigQuery / Bigtable / Cloud SQL / Spanner 基础 – BigQuery 资产影响分析 – 数据血缘摘要 – Managed Apache Airflow 迁移
开发工具类： – Developer Device Platform – gcloud CLI for AI Agents – Google Agents CLI Onboarding
管理工具类： – Cloud Monitoring 图表生成 – Cloud Logging 配置、跨项目配置、查询生成 – GKE 成本分析、成本优化、可观测性、TPU 指标监控 – GPU/TPU 中断排查 – 指标选择 – SLO 告警配置 – TPU 连接故障和 VBAR OOM 排查 – Workload Manager
Well-Architected Framework： – 成本优化支柱 – 卓越运营支柱 – （更多支柱）
总计超过 60 个 skill，覆盖 Google Cloud 的几乎所有主要产品线。
为什么这是大事
第一，官方背书。这不是社区贡献的 skills，是 Google 自己发布的。意味着 skill 内容和 Google Cloud 最新功能同步，不会过时。Google 更新产品功能时，对应的 skill 也会更新。
第二，AI 编码助手从”通用”走向”专业”。当前的 AI 编码助手（Claude Code、Codex、Gemini CLI、Cursor）通用能力很强，但在特定云平台的操作上缺乏深度。Google Skills 把 Google Cloud 的领域知识直接注入 AI 助手，让它在 GKE、BigQuery、Vertex AI 等场景下从”能搜文档”升级为”会操作”。
第三，skill 生态的标准化。google/skills 不是孤岛——它属于更大的 Agent Skills 生态（agentskills.io）。VoltAgent 维护的 awesome-agent-skills 收录了 1000+ 个 agent skill，来自官方团队和社区。Google 的加入让这个生态有了重量级背书。
第四，skill 分发模式。npx skills add google/skills 这种安装方式意味着 skill 可以版本化、组合、按需安装。团队可以定义自己的 skill 集合，新成员一键安装。这比”读文档 + 自己摸索”的入职流程高效得多。
类比：从文档到 Skill 的范式转移
Agent Skills 的出现让我想到一个模式：知识传递介质的升级。
– 文档时代：人读文档 → 人理解 → 人操作 – 教程时代：人看教程 → 人模仿 → 人操作 – Skill 时代：AI 读 skill → AI 直接操作
这个转移和 i-have-adhd（用 skill 文件做 CBT for LLMs）的思路一致——对齐不一定需要重训模型，有时只需要一个 skill 文件。Google Skills 是这个理念在企业级场景的落地：不追求让模型”学会”Google Cloud，而是给模型一本操作手册，让它按手册执行。
这和 cangjie-skill 的方法论蒸馏思路也相通——把”怎么做”的方法论打包成可调用的 skill，而不是让模型从零摸索。区别在于 cangjie 蒸馏的是通用方法论，google/skills 蒸馏的是 Google Cloud 特定操作。
现实限制
google/skills 目前标注”under active development”，意味着： – 部分 skill 可能不完整 – 覆盖范围虽广但深度可能不够 – 依赖 Google Cloud 的具体功能，功能变化时 skill 需要同步更新
另外，Agent Skills 生态目前主要支持 Claude Code、Codex、Gemini CLI、Cursor 等 AI 编码助手。如果你不用这些工具，skill 的价值有限。
数据
– GitHub: https://github.com/google/skills
– 安装: npx skills add google/skills
– 生态: 属于 Agent Skills 生态（agentskills.io）
– 覆盖: 60+ 个 skill，覆盖 Google Cloud 所有主要产品线
– 兼容: Claude Code / Codex / Gemini CLI / Cursor / Antigravity CLI
– 状态: under active development
– License: 未明确标注（查看仓库 LICENSE 文件）
为什么值得关注
Google 官方下场发布 Agent Skills，标志着 AI 编码助手从”通用智能”走向”专业操作”。当 Google、Microsoft、Anthropic 都开始为自己的产品线发布 skill 集合时，”AI 助手 + skill 库”会成为云平台操作的标准模式。
对开发者来说，这意味着：未来操作云平台不需要读文档，只需要给 AI 助手装上对应的 skill。对 Google 来说，这是降低 Google Cloud 上手门槛的战略举措——当 AI 助手能直接操作 GKE、BigQuery、Vertex AI，Google Cloud 的采用门槛会显著降低。
Agent Skills 生态才刚开始，值得早期关注。