JeecgBoot AI专题研究 | Gemini CLI 技能体系深度梳理与实战落地建议
为什么 Skills 正在成为 AI CLI 的核心竞争力
过去一年，AI 编程 CLI 工具的比拼已经从"谁的模型更聪明"转向了"谁的工具能力更完整"。Claude Code 用 Skills 打开了一条新路线：把重复的工作流沉淀为可复用的扩展模块，让模型在合适的时机主动加载对应能力。Gemini CLI 很快跟进，推出了自己的 Skills 体系，思路几乎一致——以 Markdown 描述 + 元数据声明的方式，让任何人都能为 CLI 注入专业能力。
对于日常写代码、排 Bug、做架构评审的工程师来说，Skills 的价值其实非常具体：你不需要再每次复制同一段 Prompt，也不需要反复给模型讲清楚"请先做代码审查再提 PR"这类流程。Skills 一旦装上，模型自己会在合适的任务节点触发它，相当于给 CLI 装了一套"内嵌专家模块"。
这篇文章会把 Gemini CLI 的 Skills 体系讲清楚：哪些是开箱即用的，哪些是社区补的，怎么管理、怎么启用、踩过哪些坑。
一、官方内置技能：随 CLI 附赠的"九宫格"能力盘
装完 Gemini CLI 后，不用执行任何 install 命令，就已经带了一批官方技能。这些是 Google 官方维护的基础盘，覆盖了日常开发中最高频的场景。
下面这份表格是我整理后的分组视角，方便快速判断哪个技能用在什么场合：
| 技能名称 | 能力分类 | 典型触发场景 |
|---|---|---|
skill-creator |
元技能 | 想给自己造一个新技能时 |
code-reviewer |
质量保障 | 提交前做代码质量与安全审查 |
bug-investigator |
问题诊断 | 线上报错、测试挂掉、诡异行为排查 |
code-refactoring |
工程优化 | 按 SOLID 原则重构老代码 |
project-analyzer |
架构理解 | 快速摸清一个陌生仓库的技术栈 |
web-search |
信息获取 | 联网搜索、获取网页内容 |
file-manager |
文件操作 | 本地文件读写、批量改名等 |
shell-executor |
系统交互 | 安全地执行系统命令 |
plan-mode |
任务规划 | 把复杂需求拆成可执行的步骤 |
实战建议：哪些内置技能最值得优先用起来
我个人使用频率最高的三个：
plan-mode—— 凡是涉及 3 步以上的改动，先让它出一版计划，能避免模型一上来就乱改文件。code-reviewer—— 写完一个模块、提 PR 之前，过一遍这个技能。它会从可读性、潜在 Bug、安全隐患三个角度给你过滤一次。bug-investigator—— 当一个 Bug 的表象和真正的根因隔得很远（比如前端报错其实是后端序列化问题），这个技能比直接问模型更有章法，它会主动做假设、收集证据、缩小范围。
skill-creator 看起来冷门，但一旦你开始想沉淀自己的工作流，它就变成了最重要的一个——用它生成一个新的技能骨架，比手写 frontmatter 省心不少。
二、社区技能：用一行命令把他人的工作流搬进你的 CLI
官方技能解决的是通用问题，真正把效率拉开差距的，往往是社区维护的专项技能。Gemini CLI 允许你通过 Git 仓库直接安装，非常顺手。
2.1 三个推荐优先级较高的社区技能包
gemini-superpowers
覆盖开发全流程，包括写计划（ /write-plan ）、TDD 循环、测试运行等一整套工程实践。如果你平时就在用 TDD，或者希望让模型更像一个"有流程意识的工程师"，这个包值得优先装。
gemini skills install https://github.com/earchibald/gemini-superpowers
gemini-cli-agent-skills
偏向前端与文档场景：UI 设计辅助、React 组件测试、文档自动生成。做前端的同学可以把它当成"前端工作流加速器"。
gemini skills install https://github.com/GrishaAngelovGH/gemini-cli-agent-skills
extra-suite
面向数据分析与办公自动化，主打 Google Sheets 操作、数据分析工作流、自动化任务。对经常在 CLI 里跑脚本、做数据小工具的人很合适。
2.2 常用 Skills 推荐清单（按使用场景）
上面的三个仓库是"打包安装"，实际装进来后会展开成一系列细分技能。下面按我个人使用频次，按场景整理一份高价值技能清单，给你判断"要不要装"时做参考。
开发全流程类（强烈推荐）
| Skill 名称 | 能力说明 | 来自 |
|---|---|---|
write-plan |
把模糊需求转成分步执行计划 | gemini-superpowers |
execute-plan |
按写好的计划分阶段落地、带检查点 | gemini-superpowers |
test-driven-development |
强制 TDD 循环：写测试 → 跑红灯 → 实现 → 绿灯 | gemini-superpowers |
systematic-debugging |
面对 Bug 时先假设、再定位、后修复 | gemini-superpowers |
requesting-code-review |
自检流程：完成任务后主动发起 Code Review | gemini-superpowers |
前端与 UI 类
| Skill 名称 | 能力说明 | 来自 |
|---|---|---|
frontend-design |
生成有设计感、避开"AI 味儿"的前端代码 | gemini-cli-agent-skills |
react-component-testing |
React 组件测试骨架生成 | gemini-cli-agent-skills |
docs-generator |
根据代码自动生成 API / 组件文档 | gemini-cli-agent-skills |
数据与自动化类
| Skill 名称 | 能力说明 | 来自 |
|---|---|---|
google-sheets |
直接读写 Google Sheets 数据 | extra-suite |
data-analysis |
带统计思路的数据分析流程 | extra-suite |
workflow-automation |
把重复操作串成可复用的自动化流水线 | extra-suite |
新手最小配置建议
如果你刚开始用，不确定装哪些，按以下组合起步最稳妥：
- 后端/全栈工程师：
write-plan+test-driven-development+systematic-debugging+code-reviewer（内置） - 前端工程师：
frontend-design+react-component-testing+docs-generator+project-analyzer（内置） - 数据分析师：
google-sheets+data-analysis+plan-mode（内置）+shell-executor（内置）
这些组合彼此之间不冲突，可以一次性装齐，用一段时间再按 disable 做减法。
2.3 安装社区技能的几条经验
- 先看 README 再装：社区技能的质量差异很大，好的技能会把触发词、依赖、环境变量都写清楚；不清楚的要谨慎。
- 关注依赖：有些技能依赖额外的 CLI 工具（比如
gh、docker、jq），没装的话加载了也跑不起来。 - 分项目启用：不是所有技能都适合全局开启。数据分析类的在后端工程目录里用不上，建议按需 enable/disable。
- 一键装三件套：如果你赶时间，可以一次性把主流三个包都装上，运行时再用
disable屏蔽暂时用不上的细分技能：gemini skills install https://github.com/earchibald/gemini-superpowers gemini skills install https://github.com/GrishaAngelovGH/gemini-cli-agent-skills gemini skills install https://github.com/extra-suite/gemini-extra-suite gemini skills reload
三、技能管理命令：一组命令走完装、启、停、卸
Gemini CLI 在技能管理这块做得很克制，命令不多但够用。下面按"常用频率"而不是"字母顺序"来排列：
# 查看当前环境下所有可用技能（含内置与已安装）
gemini skills list# 从 Git 仓库、本地目录或压缩包安装
gemini skills install <来源># 启用与禁用：不卸载，只控制是否参与模型选择
gemini skills enable <名称>
gemini skills disable <名称># 彻底移除
gemini skills uninstall <名称># 修改文件后刷新技能缓存
gemini skills reload
这里有一个容易被忽略的细节：enable/disable 和 install/uninstall 是两个维度。前者决定"装着但不启用"，后者决定"从磁盘上移除"。如果你只是临时不想让某个技能干扰当前任务，用 disable 就够了，不必卸载再重装。
另外 reload 在自己开发技能时非常常用。改完 SKILL.md 之后如果不 reload，会发现 CLI 还在用老版本，容易误以为修改没生效。
四、启用 Skills：一个容易忘的前置开关
Gemini CLI 的 Skills 能力目前仍标记为实验特性，默认并不开启。这是很多人装完技能却发现"模型根本不调用"的真正原因——不是技能写错了，而是总开关没打开。
打开方式有两种：
4.1 配置文件方式（推荐）
编辑 ~/.gemini/settings.json，加入：
{"experimental": {"skills": true}
}
这种方式是持久化的，适合长期使用。
4.2 会话内即时开启
如果只是想临时试用，不用去改配置文件：进入 Gemini CLI 会话后，输入 /settings，在面板里找到 Agent Skills 开关打开即可。
两种方式没有优劣之分，区别在于作用范围：配置文件全局生效，/settings 仅当前会话。
五、实战中的几条避坑经验
写到这里，素材层面的信息已经交代完了。下面这部分是我自己用下来踩过的坑，算是增值内容，给准备深度使用 Skills 的同学参考。
5.1 技能不是越多越好
一次装十几个技能看起来很爽，实际上模型每次判断"该用哪个技能"本身也是有成本的——候选项越多，决策越容易跑偏。建议按项目类型组织技能组合，用 enable/disable 精细控制。
5.2 自定义技能优先解决"重复出现的工作流"
判断一个任务值不值得做成 Skill，有个简单标准：你是不是每周都要给模型讲一遍同样的上下文。如果是，立刻用 skill-creator 固化下来。一次性的任务则不值得。
5.3 Skills 与 Prompt 工程不是对立关系
不少人装完 Skills 就放弃写 Prompt，这是误区。Skills 定义的是"流程与约束"，Prompt 提供的是"具体上下文"。两者是互补的——好的 Skill 会明确告诉模型"遇到什么情况用什么方式处理"，但具体任务的细节还是要靠 Prompt 来补充。
5.4 调试技能时用最小可复现案例
自己写 Skill 出问题时，不要在一个庞大的项目里调。新建一个空目录，准备一个最小测试输入，这样更容易看出是技能描述写得有歧义，还是模型的触发条件匹配不到。
六、和 Claude Code Skills 对比：定位接近，风格各异
Gemini CLI 的 Skills 和 Claude Code 的 Skills 在设计哲学上非常接近：都是"Markdown + frontmatter"的低门槛方式，都支持内置、社区、自定义三层生态。但在具体体验上有一些差异值得注意：
- 触发机制：两者都靠模型主动选择技能，但 Claude Code 在系统提示里会更显式地列出技能清单，Gemini CLI 的文档风格则更轻量。
- 社区活跃度：目前 Claude Code 的第三方 Skills 生态更成熟，Gemini CLI 正在追赶。
- 启用开关：Gemini CLI 需要手动开启实验特性，Claude Code 的 Skills 是默认开启的。
对于同时使用两个工具的人来说，不必纠结谁更强——把重复出现的工作流在两边都沉淀一份，才是最划算的做法。
总结
Gemini CLI Skills 把"让 AI 按专家模式工作"这件事变得足够简单：官方内置解决通用问题，社区包填补专项场景，自定义技能沉淀你自己的方法论。真正的难点从来不是技术接入，而是判断哪些工作值得做成技能、以及怎样写出模型真的能用起来的技能描述。
如果你刚接触，建议按下面的顺序上手：
- 打开
experimental.skills开关 - 跑一遍
gemini skills list，熟悉内置技能 - 选 1~2 个社区包装上试用
- 遇到重复工作流就用
skill-creator沉淀
不用一次做完，让 Skills 像肌肉一样随项目慢慢长出来。
本文为 JeecgBoot AI 专题研究系列文章。