2026 年的 AI 代理人領域正在經歷一場靜默的典範轉移：當大型語言模型（LLM）本身的效能差距逐漸縮小，真正的差異化競爭已經轉移到「生態系」層級。而這個生態系的核心，就是技能市集（Skill Marketplace）。

簡單來說，技能市集就是 AI 界的 App Store。它讓開發者不必從零打造每項功能，而是透過標準化的 SKILL.md 套件，一鍵為 Claude Code、Cursor、Codex CLI 等 AI 代理人安裝新能力。Anthropic 在 2025 年 12 月發布的 Agent Skills 開放標準，更是讓這個領域從百家爭鳴走向統一規格。本文將從工程實戰角度，深入分析當前最值得關注的五大平台。

為什麼 2026 年是技能市集的爆發之年？

從「模型競賽」到「生態系競賽」的關鍵轉折

過去三年，AI 產業的競賽焦點一直鎖定在「誰的模型更強」。但到了 2026 年，情況已經截然不同。根據 McKinsey 的最新分析，AI 在 2030 年前可為全球帶來 13 兆美元 的額外經濟產出，而其中 agentic AI（代理人型 AI）就貢獻了 2.6 到 4.4 兆美元 的潛在價值。然而，真正能將這些價值落地的關鍵，不在於模型本身的參數數量，而在於模型「能執行什麼任務」。

Gartner 預測，到 2026 年底，40% 的企業應用程式 將整合特定任務的 AI 代理人。這些代理人需要的不只是一個強大的推理核心，還需要數以百計的領域技能——從程式碼審查到數據視覺化、從 SEO 優化到合規報告生成。技能市集正是滿足這個需求的核心基礎設施。

從 SKILL.md 到開放標準：生態系統一的里程碑

2025 年 12 月 18 日，Anthropic 正式發布了 Agent Skills 開放標準，並將其託管在獨立的 agentskills/agentskills GitHub 組織下，規格文件則放在 agentskills.io/specification。這個標準的核心理念極簡但強大：

• 每個技能是一個資料夾，包含至少一份 SKILL.md 檔案
• SKILL.md 使用 YAML frontmatter 定義名稱、描述、授權與相容性
• 採用「漸進式揭露」（Progressive Disclosure）設計：agent 啟動時只載入 metadata（約 100 tokens），觸發時才載入完整內容，執行時才載入腳本和資源

這個設計的巧妙之處在於：它將 agent 的 context window 效率最大化，同時保留了技能的完整功能性。Simon Willison 稱之為「精巧得令人愉悅的規格」，因為它只需要幾分鐘就能讀懂。

目前支援此標準的平台包括 Claude Code、OpenAI Codex CLI、Gemini CLI、GitHub Copilot、Cursor、VS Code 等主流工具，合作夥伴有 Canva、Notion、Figma、Atlassian 和 Box。

五大技能市集深度評測

以下從工程師的實戰角度，逐一分析當前最具影響力的五個平台。每一個我都親自測試過安裝流程、技能品質與生態整合度。

1. SkillsMP：技能界的 Google，規模制霸

核心數據：截至 2026 年 4 月，SkillsMP 索引了超過 631,813 個技能，是目前全球最大的 AI 代理人技能聚合平台。

SkillsMP 不做技能生產，也不做嚴格審核——它更像一個搜尋引擎。透過爬蟲抓取 GitHub 等公開儲存庫中符合 SKILL.md 標準的技能，並建立全文索引。使用者可以透過關鍵字搜尋、分類過濾或 AI 語義搜尋來發現技能。

優點：

• 數量無可匹敵，幾乎所有開源技能都在這裡找得到
• 支援 Claude Code、OpenAI Codex CLI 和 ChatGPT
• 提供 AI 增強的語義搜尋和熱門排序

痛點：

• 不提供官方 CLI 安裝工具，找到技能後需要手動下載 ZIP 或 clone 儲存庫
• 技能品質參差不齊，缺乏審核機制
• 安全隱憂：2026 年 4 月的一項大規模實證研究（arXiv:2604.03070）分析了 SkillsMP 上的 170,226 個技能，發現 3.1%（520 個技能）存在憑證洩漏問題。其中 84% 來自開發者的疏忽，76.3% 需要同時分析自然語言和程式碼才能偵測到。

適合對象：自行探索能力強、願意手動整合、想要最大選擇權的技術開發者。

2. LobeHub Skills：生態系整合的精品平台

核心數據：索引超過 281,949 個技能，是 LobeHub 開源生態系的一環。

LobeHub Skills 走的是截然不同的路線：精品化、生態化。它不只是技能市集，更與 LobeHub 的聊天介面、工作流設計器深度整合。安裝技能只需一行指令：

npx -y @lobehub/market-cli skills install <skill-name> --agent claude-code

優點：

• 現代化的 UI/UX，分類與篩選機制完善
• 採用社群回饋機制（評分、使用心得）輔助品質控管
• 與 LobeHub 生態系深度整合，適合不想折騰的團隊
• 安裝流程一鍵完成

痛點：

• 技能數量仍遠不及 SkillsMP（約為其 44%）
• 對非 LobeHub 生態使用者的價值打折扣
• 缺乏系統性的安全審計機制

適合對象：追求開發體驗、希望快速導入可靠技能的個人開發者或團隊。

3. agentskill.sh：實用主義者的快速安裝平台

核心數據：支援超過 110,000 個技能，橫跨 20 種以上 的 AI 工具和平台。

agentskill.sh 的設計哲學非常務實：縮短從搜尋到執行的時間。其網站為每個技能提供適用於不同 agent 的專屬安裝指令，使用者複製貼上即可。

獨特優勢：引入 安全評分機制，每個技能列表上會顯示安全評分和審計細節。

安裝範例（Claude Code）：

/plugin marketplace add https://agentskill.sh/marketplace.json
/plugin install learn@agentskill-sh

優點：

• 支援工具範圍最廣：Claude Code、Cursor、Copilot、Windsurf、Zed 等
• 安全評分機制提供基本信心水準
• 安裝指令清晰直接

痛點：

• 技能數量偏少，僅約 SkillsMP 的 17%
• 安全審計的透明度和深度仍有提升空間
• 對新工具的支援速度快，但舊技能的維護品質不一

適合對象：在多個 AI 開發工具間切換、重視效率的開發者。

4. SkillHub (SkillHub.Club)：社群驅動的品質篩選市集

核心數據：約 16,000 個技能，導入 AI 評分機制。

SkillHub 不像其他平台追求數量，而是專注於「品質過濾」。採用類似 GitHub 的協作模式：允許使用者提交 Pull Request 改進技能、回報 Issue、進行評分。技能會標註「Verified by Community」或「Featured」標籤。

優點：

• 社群驗證機制提升可信度
• AI 評分輔助判斷技能品質
• 文件品質普遍較高

痛點：

• 技能庫規模最小，選擇有限
• 社群的活躍度直接影響平台價值
• 垂直領域的技能覆蓋率不足

適合對象：在關鍵任務場景中使用 AI 代理人的企業用戶，重視穩定性和可維護性勝於數量。

5. Vertical Enterprise Marketplaces（企業垂直市集）：被低估的明日之星

雖然不對公眾開放，但企業內部的專屬技能市集正在快速崛起。金融、醫療、法律等受監管行業紛紛建立自己的內部市集，將「合規報告生成」、「風險模型分析」、「病歷摘要」等經過安全審查的專業技能標準化。

根據業界數據，採用內部 AI 技能市集的大型企業，其代理人專案從 PoC 進入生產階段的成功率比未採用的企業高出 3 倍。

適合對象：大型企業、金融/醫療等受監管行業、有合規需求的組織。

安全隱憂：技能市集的暗流

2026 年 4 月，一篇由學術團隊發表在 arXiv 上的論文〈Credential Leakage in LLM Agent Skills: A Large-Scale Empirical Study〉（arXiv:2604.03070）對 SkillsMP 上的 170,226 個技能進行了大規模安全掃描，結果令人憂心：

• 3.1% 的技能存在憑證洩漏（520 個）
• 洩漏類型包括 API keys、資料庫密碼、AWS secret keys 等
• 84% 來自開發者的疏忽（如硬編碼在腳本中）
• 76.3% 的洩漏需要「跨模態分析」才能偵測（同時檢查自然語言描述和程式碼）

這個發現對技能市集生態系敲響了警鐘。作為開發者，使用任何市集技能前應該：

1. 掃描憑證：在整合前執行 grep -r 或使用專用工具掃描 SKILL.md 和 scripts/ 目錄
2. 沙箱測試：在隔離環境中先執行一次，觀察行為
3. 審查 dependencies：確認技能依賴的外部服務或套件是否可信
4. 限制權限：根據 SKILL.md 中 allowed-tools 欄位設定執行權限

技能標準化的下一步：從 SKILL.md 到可組合技能

當前業界正在推動幾項重要的標準化進程：

SKILL.md 規格演進方向

可組合技能的願景

未來的技能不會只是單一任務的封裝，而是可以像樂高積木一樣組合。舉例來說：

• code-review 技能可以組合 lint-check + security-scan + performance-analysis
• content-pipeline 技能可以組合 topic-research + draft-generation + seo-optimization + multi-format-distribution

這個願景的實現依賴於 allowed-tools 機制的成熟，以及跨平台執行環境的標準化。

FAQ：技能市集常見問答

Q1: 我該從哪個平台開始入門？

如果你是個人開發者，建議從 LobeHub Skills 或 agentskill.sh 開始，因為它們的安裝流程最友好。如果找不到需要的技能，再到 SkillsMP 搜尋。企業用戶則應該優先考慮內部市集或 SkillHub。

Q2: 如何在 Claude Code 中安裝技能？

Claude Code 支援 plugin-based 安裝方式。以 agentskill.sh 為例：

/plugin marketplace add https://agentskill.sh/marketplace.json
/plugin install learn@agentskill-sh

也可以手動下載 SKILL.md 並放置在專案的 .agent/skills/ 目錄中。

Q3: 技能市集的技能可以用在 ChatGPT 或 Gemini 嗎？

這取決於技能是否遵循統一的 SKILL.md 標準。2025 年 12 月 Anthropic 發布的開放標準已經獲得 OpenAI Codex CLI 和 Gemini CLI 的支援，因此符合此標準的技能理論上可以跨平台使用。但實際效果仍因平台能力而異。

Q4: 企業可以建立私有的技能市集嗎？

可以。多個開源專案支援私有技能 registry 的部署，包含 LobeHub Market CLI 的私有實例。對於有合規需求的企業，強烈建議建立內部市集，並導入完整的安全審查流程。

Q5: 技能開發者可以從中獲利嗎？

目前多數平台仍以開源為主，但商業模式正在形成。可能的獲利路徑包括：(1) 付費技能的一次性收費或訂閱制；(2) 平台對熱門技能的獎勵計畫；(3) 透過開源技能建立聲譽，吸引顧問或工作機會。約 35% 的開源開發者對此表示高度興趣。

結語：從技能安裝者到技能建築師

AI 代理人技能市集的崛起，不僅是技術基礎設施的演進，更代表著我們與 AI 協作方式的根本轉變。未來的 AI 不會是一個無所不能的單體巨獸，而是由無數個精巧、可互換的技能模組所驅動的協作網路。

對開發者而言，現在是投入這個生態系的最佳時機。從學會閱讀 SKILL.md 開始，到下載第一個技能、修改第一個技能、最後發布自己的技能——這條路徑不僅能顯著提升你的 AI 工具效率，更是參與定義下一世代開發者工具生態系的機會。

正如 Simon Willison 對 SKILL.md 規格的評價：「一個精巧得令人愉悅的標準。」或許，最偉大的變革往往始於最簡單的設計。

參考資料

1. KDnuggets 原文：Top 5 Agent Skill Marketplaces for Building Powerful AI Agents — Abid Ali Awan, 2026
2. Anthropic Agent Skills 官方公告：Equipping agents for the real world with Agent Skills — Anthropic, 2025.12
3. 憑證洩漏研究：Credential Leakage in LLM Agent Skills: A Large-Scale Empirical Study — arXiv, 2026.04
4. SKILL.md 規格文件：agentskills.io/specification
5. McKinsey AI 經濟影響分析：The Economic Potential of Generative AI — McKinsey & Company
6. Gartner 企業 AI 預測：Gartner Predicts 40% of Enterprise Apps Will Have AI Agents by 2026
7. Simon Willison 對 SKILL.md 的分析：Agent Skills — 2025.12.19
8. SkillsMP 官方網站：https://skillsmp.com/
9. LobeHub Skills：https://lobehub.com/skills