最近用 Codex 写项目，发现了一个问题，就是上下文的管理。

但我最近发现了一个很好用的项目，叫 ok-skills，它是一套专门为 Claude Code、Codex、Cursor 这类 AI 编程工具整理的可复用 skill 集合，有 40 多个。

可以告诉 AI 在特定场景下应该怎么工作，做什么，不做什么。

1
先说我用得最多的一个：planning-with-files。
它解决的问题很具体：AI 在复杂任务里没有持久记忆。

这个 skill 的思路来自 Manus 的工作方式——把"上下文"从对话窗口移到文件系统。
它让 AI 在开始任务之前先创建三个文件：task_plan.md 记录阶段目标和决策，findings.md 存放调研发现，progress.md 做每次操作的流水记录。

整个任务过程中，AI 每隔两个操作就写一次文件，保证关键信息落到磁盘上，而不是飘在对话上下文里。

我实际用起来的感受是，任务被强制结构化了。
AI 不能一上来就开始写代码，必须先建计划，先搞清楚做什么、分几步、每步验证什么。遇到报错也要记下来，下次不许重复同样的失败方式。
正是因为有这些约束，长任务才不容易跑偏。

2
另一个让我觉得挺有意思的是 grill-me。
它做的事情是，在你真正动手之前，逼着你把方案想清楚。

具体方式是一问一答的审讯式对话。
AI 会对你的方案提问，一次只问一个问题，问完你的回答再继续问下一个，直到设计上的每一个决策都有明确答案为止，不允许你含糊过去。

我第一次用它的时候觉得有点烦，因为它揪住了几个我自以为想清楚了但其实根本没想清楚的地方。
但事后复盘，那几个被追问出来的问题，确实是后来真正出问题的地方。

与它配套的还有一个 grill-with-docs，专门对照文档、架构决策记录（ADR）来质疑你的方案，边问边帮你把结论更新到文档里，对需要维护长期项目文档的场景很有用。

3
还有几个平时用得到但容易被忽略的：
find-docs 是查文档的。AI 写代码经常会用到一些过时的 API，因为它的训练数据有截止日期。
这个 skill 接入了 Context7，能在写代码之前先拉取当前版本的库文档，减少写出来能跑但已经是旧写法的情况。

gh-fix-ci 是修 CI 的。
GitHub Actions 挂了，日志拉下来，让 AI 读、归因、出方案，一套流程走完。不用自己一行行去看那些 ANSI 颜色乱码的日志。

frontend-design 和一整套叫 impeccable 的设计 skill 包是做界面的。
这套东西有个专门的概念叫"AI slop test"——如果你把这个界面给人看，对方一眼就觉得是 AI 生成的，那就是问题。

skill 里整理了一份很详细的"AI 生成界面的典型指纹"：蓝紫色渐变、毛玻璃卡片、每个 heading 旁边放图标……
skill 的作用是给 AI 立规矩：什么不能用，往哪个方向走。

4
使用方式不复杂。
把仓库 clone 到 ~/.agents/skills/ok-skills，然后在你的 AGENTS.md 或者 CLAUDE.md 里加几行触发规则，告诉 AI 什么时候用哪个 skill。

比如任务超过 5 个工具调用就启用 planning-with-files，需要查文档就用 find-docs，要做界面就读 frontend-design。
之后直接自然语言说"用 planning-with-files 来规划这个重构"就可以了。

仓库里的 skill 来源很杂，有 Anthropic 自己出的，有 OpenAI、Vercel、Upstash、各路开发者贡献的，ok-skills 这个仓库做的事情是把它们收集整理到一起，让你不用到处找。

这个ok-skills 是目前我见过整理得比较完整的一套。