目前 AI Agent 的能力上限，正在从"模型本身"转向"模型 + 技能生态"。当越来越多的工程实践被封装为可被 Agent 调用的 Skill，如何让这些技能被统一发现、可信评估、便捷获取、持续贡献，成为生态能否真正跑起来的关键。
围绕这一需求，OpenAtom openEuler（简称“openEuler”或“开源欧拉”）社区正式推出 SkillHub——一个面向数字基础设施的 OS-Native AI 技能枢纽平台。平台汇聚来自社区 SIG、企业组织及个人开发者的可复用 AI 技能，覆盖软件研发全生命周期，并通过自动化安全审查机制对上架技能进行安全检查，为开发者提供更加规范、便捷的 Skills 获取与复用方式。
SkillHub 地址链接：
https://skillhub.openeuler.org/
AI Agent 正在经历一场从"能对话"到"能干活"的范式迁移：从单轮问答走向长周期任务执行，从依赖模型自身知识走向主动调用外部工具与技能。在这一趋势下，Agent 的能力上限越来越不取决于模型参数本身，而取决于它能够调度多少经过验证、可复用的外部能力——也就是 Skill。当工程师把一次编译排障、一次内核补丁回移、一次发布检查沉淀为一个 Skill，Agent 就获得了前人的经验。但在实际落地过程中，开发者普遍面临以下几类共性问题：
1. 技能资源分散，发现成本高
大量可复用的 AI 技能散落在社区上百个仓库和内部文档之中，缺乏统一的检索入口。开发者往往需要在多个仓库之间反复跳转，才能判断某个能力是否已经被前人沉淀。
2. 安全边界模糊，引入风险不可控
Skill 在被安装后，会被 Agent 以"可信"权限直接执行。行业研究显示，约 26% 的公开 Skill 存在安全漏洞，约 5% 疑似包含恶意行为——可能涉及提示注入、数据外泄、权限提升、供应链投毒等问题。在缺乏统一安全评估的情况下，盲目引入第三方 Skill，等同于在生产环境中执行来源不明的脚本。
3. 贡献门槛高，能力难以沉淀复用
企业与团队内部沉淀了大量可复用的工程实践，但缺乏标准化的发布渠道：没有统一的元数据规范、没有版本管理、没有自动安全审查，导致好经验难以跨团队、跨组织流动。
SkillHub 的设计重点，正是针对上述高频痛点，提供一条快速可发现、可评估、可安装、可贡献的标准化路径。
SkillHub 是 openEuler 社区面向数字基础设施的 OS-Native AI 技能枢纽平台。可以把它理解为"AI 技能的应用商店"——来自社区、企业和个人的技能被统一汇聚在这里，供所有开发者搜索、评估、安装与贡献。
openEuler 选择承担这一角色，源于三方面积累：
深厚的工程场景：openEuler 周边沉淀了从编译构建、质量验证、发布部署到监控运维、性能调优、安全加固的完整操作系统工程实践，这些正是 AI Agent 最需要的"硬技能"；
成熟的社区治理体系：社区按 SIG（特别兴趣小组）运作，社区贡献、企业发布、个人分享三类主体各归其位，确保平台不是单一厂商的私域；
开源开放的基因：平台本身开源，托管于 AtomGit，任何组织都可以基于源码部署属于自己的 SkillHub 实例。
当前平台已将 Skill 归入覆盖研发全链路的领域分类，包括研究设计、开发构建、工程编译、质量验证、发布部署、监控运维、性能优化、安全加固等方向。
SkillHub 并不只是一个静态的资源列表，而是为每个 Skill 提供了一条自动化、可追踪的生命周期流水线：
贡献登记 → PR 审核 → 扫描入库 → 安全审查 → 上架展示 → 检索安装 → 版本自动同步具体来看，这条链路包含以下几个关键环节：
1. 登记即托管，作者无需搬运代码
贡献者无需将 Skill 源码搬进平台仓库，只需在 openEuler-skills 贡献仓库中提交一份 skill.yaml 配置文件，声明 Skill 所在的 Git 仓库地址或具体 SKILL.md 链接即可。平台会自动前往来源仓库拉取内容。
2. 平台自动接力，完成识别、分类与上架
PR 合入后，平台自动完成以下工作：
扫描识别：读取 SKILL.md 与仓库元数据，提取名称、简介、版本、作者等能力信息；
智能归类：在贡献者未指定分类时，自动将 Skill 归入合适的领域方向；
安全审查：自动触发 SkillSpector 扫描并生成风险评估报告（详见下一章）；
首页上架：审查通过的 Skill 同步进入公开列表，按热度与下载量排序展示。
3. 持续同步，永不掉线
发布不是终点。当源仓库推送新版本时，平台会自动拉取最新代码并重新索引；若内容未发生变化，则不做多余动作。若某次安全审查因异常未完成，系统会在后台自动重试，直至产出可靠结论。
概括而言，这条生命周期的设计目标是：作者专注于把 Skill 本身做好，其余的识别、分类、审查、同步工作全部交给平台自动化完成。
安全是 SkillHub 区别于普通资源索引站的核心能力。平台接入了 NVIDIA 开源的 SkillSpector 技能安全扫描器，为每一个上架 Skill 提供自动化、可追溯的安全评估。
1. 谁在审查：两阶段分析机制
SkillSpector 并非简单的规则匹配，而是采用两阶段分析：
静态分析阶段：快速扫描 Skill 代码与配置，匹配已知漏洞模式与恶意特征；
LLM 语义评估阶段：借助大模型理解 Skill 的真实行为意图，识别那些难以通过静态规则发现的"伪装型"风险。
扫描器内置 70 种漏洞检测规则，覆盖 17 个安全类别，涉及4大风险分类，重点排查提示注入、数据外泄、权限提升、供应链风险、系统提示泄露与记忆投毒、危险代码等问题。
2. 五档安全等级，一眼判断风险
每个 Skill 最终会获得一个 0–100 分的风险评分，并映射为五档直观的安全等级：
用户在列表页即可按"安全等级"筛选，详情页顶部醒目标注等级标签，并提供完整评估报告——列明每一项风险信号的描述、严重程度与处理建议。
3. 一条不可逾越的红线
需要特别强调的是：未通过安全审查的 Skill，不会出现在公开列表中。 此外，平台在登记环节即做来源校验：只接受来自可信代码托管平台、采用正规仓库地址的 Skill，对可疑内网地址、非常规端口、来源不明的链接直接拦截。
SkillHub 的安装体验围绕"Agent 优先"设计——不需要打开终端，也不需要记命令。
1. 提示词安装（推荐）
在 SkillHub 网页上找到目标 Skill，进入详情页，右侧"安装"卡片会给出一句现成的提示词：
请根据 https://skillhub.openeuler.org/install/skillhub.md，安装 {skill_id}。点击"复制提示词"，把这句话粘贴到正在使用的 AI Agent（Trae、Claude Code、Cursor、Codex、Gemini CLI 等）的对话框里发送即可。
接下来的事全部由 Agent 自己完成：它会读取这段公开的安装指南，自动检测并安装 wittyhub CLI，识别当前是哪种 Agent 环境，再把 Skill 装到对应的 skills 目录（如 ~/.claude/skills/、~/.cursor/skills/，以及项目通用目录 .agents/skills/）。安装过程中 CLI 会展示该 Skill 的安全风险等级，一目了然。
全程只需做两件事：在网页上复制一句话，在 AI 对话框里粘贴发送。
2. 下载 ZIP 包
如果不便使用 Agent 环境，或需要在内网、离线环境中部署，可直接在详情页点击"立即下载"获取 Skill 的 ZIP 包，解压到本地 Agent 的技能目录即可。
只需简单4步：准备好 SKILL.md、签署 openEuler社区CLA 后，在 openEuler-skills 仓库提交 PR，审核通过即自动完成扫描、安全审查并上架官网。
openEuler-skills 仓库地址：
https://atomgit.com/openeuler/openEuler-skills
面向 AI Agent 时代的技能生态，SkillHub 以快速可发现、可评估、可安装、可贡献为目标，将过去散落、不可信、难以复用的 AI 技能，组织为一条标准化、自动化、带安全背书的分发链路。
无论是想为自己的 Agent 找到一个经过安检的现成技能，还是想把团队沉淀已久的工程实践分享给更广泛的开发者，SkillHub 都提供了开放入口。欢迎大家访问 https://skillhub.openeuler.org/ 体验使用，也期待更多开发者参与到 Skill 的贡献与共建中来。
欢迎开发者前往 SkillHub 在线站点，查找适配自身场景的AI技能；如果你已经沉淀了可复用的skill，也欢迎提交贡献，把你的实践经验共享给整个开发者社区：
Skill 贡献登记仓库：
https://atomgit.com/openeuler/openEuler-skills
在线站点：
https://skillhub.openeuler.org/
开发&维护SIG：
sig-DevStaion
后续社区将持续丰富技能目录、优化安全检测规则覆盖，并探索与 openEuler 周边 DevStation、PolyMind ，以及主流Agent如WorkBuddy、OpenCode、DeepSeek Harness等 AI 工程化工具的深度联动，让操作系统周边的工程经验真正成为 Agent 可直接调用的能力。
欢迎添加下方openEuler小助手，邀请你进DevStaion交流群。
-END-
供稿 | 富焘
编辑 | 丘云
校审 | 袁礼鹏、郑振宇、刘彦飞
关注我们，了解更多
▼
