核心用法
AnySkill 是一套完整的技能管理基础设施，核心解决 AI Agent 技能碎片化、难以复用的问题。用户将技能托管在私有 GitHub 仓库中，通过 GitHub Fine-grained PAT 进行安全认证，实现技能的云端统一管理。
初始化流程：首次使用自动检测环境变量或引导配置，支持 Token 自动发现现有仓库。配置优先级为全局配置 ~/.anyskill/config.json → 项目级 .anyskill.json。
九种操作模式：
1. 按需加载（默认）：内存中临时读取技能，不留痕
2. 单技能下载：拉取特定技能到本地 IDE 技能目录
3. 全量同步：批量下载所有云端技能
4. 上传技能：将本地技能推送至云端仓库
5. 更新技能：修改已有技能并提交
6. 技能列表：浏览云端可用技能
7. 删除技能：移除特定云端技能
8. 销毁仓库（仅指导，不自动执行）
9. 批量安装：从官方 Packs 仓库一键安装技能合集
OpenClaw 深度集成：自动向 TOOLS.md 和 AGENTS.md 注册技能清单，实现 IDE 内无缝调用。
显著优点
- 跨 IDE 兼容：原生支持 OpenClaw、Antigravity、Claude Code、Cursor，自动检测环境适配路径
- 安全最小权限：仅需 GitHub Fine-grained PAT，限定单仓库 Contents 读写权限，Token 不嵌入 URL
- 零 CLI 体验：全流程自然语言交互，所有 git 操作、文件下载、配置写入由 AI 自动完成
- 版本自动管理：引擎版本与基础设施版本独立检测，支持无感知升级
- 自动索引重建：通过 GitHub Actions 自动生成
index.json，技能变更后秒级生效 - Packs 生态：官方预置技能包（前端设计、API 集成、数据抓取等），一键批量安装
潜在缺点与局限性
- GitHub 依赖：必须使用 GitHub 作为后端，不支持 GitLab、Gitee 等其他代码托管平台
- 网络门槛：国内用户可能面临 GitHub 访问不稳定问题，未内置代理或镜像机制
- Token 管理成本：PAT 有有效期限制，到期需手动更新，缺乏自动续期机制
- 并发冲突风险：多设备同时修改同一技能可能引发 git 合并冲突，未内置冲突解决策略
- 冷启动延迟：首次加载需完整克隆仓库，大型技能库可能耗时较长
- 权限粒度局限：虽支持 Fine-grained PAT，但仍需读写权限，纯读取场景无法进一步降权
适合人群
- 多设备、多项目切换的开发者，需要技能配置一致性
- 团队协作场景，需共享标准化 AI 技能库
- 非技术背景用户，偏好自然语言交互而非命令行操作
- OpenClaw 深度用户，追求 IDE 原生集成体验
常规风险
- Token 泄露风险：PAT 若被硬编码或误提交至版本控制，可能导致私有仓库暴露。建议仅通过环境变量注入
- 仓库误删风险：Mode 8 虽禁止自动执行，但用户手动操作仍不可逆，重要技能建议额外备份
- 供应链污染：从 Packs 安装第三方技能时，需审查
SKILL.md中的代码片段，防止恶意指令注入 - GitHub Actions 滥用：自动索引 workflow 若被篡改，可能导致仓库结构损坏
- 隐私合规：技能内容存储于 GitHub 云端，敏感业务逻辑需评估数据出境合规性