无论是构建小型应用还是管理大型软件项目，开发工作流程都可能很快变得复杂而耗时。软件技能为 AI 智能体提供专业能力，帮助其编写代码、分析项目、调试问题，并更高效地支持技术工作流程。借助这些技能，AI 智能体可以处理重复性的开发任务，提高一致性，帮助实现更可靠的软件开发。本文将介绍能够提升 AI 智能体在现代开发工作流程中能力的软件开发技能。
什么是 AI 软件技能？
AI 软件技能是针对特定任务的配置，用于改善 AI 智能体在软件工程工作流程中的辅助效果。它们可以引导 AI 智能体完成编码、调试、测试、安全审查、API 开发和部署等任务。这些技能有助于规范开发流程、减少重复性工作，并帮助开发者管理复杂的技术项目。
Kimi 中可直接使用的软件技能
构建软件需要处理编码、测试、部署和安全检查等任务。Kimi 的 AI 技能提供可直接使用的解决方案，帮助开发者分析代码、自动化工作流程，并提升整个软件开发生命周期中的效率。以下是 Kimi 中可用的软件开发技能。
| 技能名称 | 技能描述 |
|---|---|
| programming-tutor | 全能 AI 编程导师，通过互动课程、代码审查、苏格拉底式调试引导、算法练习、项目指导等方式系统化教授编程，支持 Python 和 JavaScript。当用户想学习编程语言、调试代码、理解算法与数据结构、审查代码质量、学习设计模式、准备编程面试、了解工程最佳实践，或从零构建项目、辅导编程作业时触发。 |
| code-to-chart | 解析代码仓库的 import/依赖关系，自动生成架构图、流程图和组织架构图，输出 Mermaid 文本或 SVG 图片。支持 Python、JavaScript、TypeScript、Go 和 Java 项目。当用户需要可视化代码结构、分析模块依赖、生成架构文档，或提及“代码架构图”、“依赖关系图”、“流程图”、“组织架构图”、“Mermaid 图”等关键词时触发。 |
| code-safety-audit | 扫描代码安全漏洞，检测依赖漏洞、密钥泄露和OWASP安全模式。当用户提到安全扫描、漏洞检测、依赖审计、密钥泄露、API key、OWASP、npm audit、pip-audit或SQL注入/XSS等关键词时触发。 |
| smart-commit-gen | Conventional Commits 规范化工具：分析 git diff 自动生成符合规范的提交信息，支持自动检测作用域（scope）并智能推断提交类型（如 feat, fix, refactor）。当用户提及 commit message、提交信息、conventional commits、git commit、规范化提交、scope 检测，或提出“帮我写个 commit message”、“这些改动应该怎么提交”、“分析一下 diff 生成提交信息”等请求时触发。 |
| database-inspector | 探索 SQLite 或 PostgreSQL 数据库，执行安全只读查询，提供表列表、详细表结构（列/类型/约束/索引）、数据预览，并生成 Mermaid ER 图。当用户需要查看数据库架构、探索表关系、预览数据、执行只读查询，或提及 schema、ER 图、SQL 查询、数据预览、describe table、数据库探索等关键词时触发。 |
| dev-guide-writer | 技术教程生成器：将任何技术主题转化为完整教程，包含前置知识、环境搭建、核心步骤、常见报错和进阶拓展，并生成速查表（Cheatsheet）。当用户提到编写教程、操作指南、入门手册、环境搭建步骤，或使用如“tutorial”、“step-by-step”、“getting started”、“how-to guide”、“速查表”、“快速上手”、“帮我写个教程”、“怎么从零开始搭这个环境”等关键词或请求时触发。 |
| gitlab-cli-guide | 提供 GitLab 命令行工具（glab）的完整参考与自动化脚本，涵盖超过30个子命令，包括合并请求创建与审查、CI/CD流水线调试、Issue管理、仓库操作和认证配置等核心工作流。适用于通过终端管理MR/Issue、调试CI失败任务、批量打标签、同步Fork和发布Release等场景。当用户提到glab、GitLab命令行、GitLab CLI、MR管理、流水线调试、glab auth、glab ci或glab mr等关键词时触发。 |
| http-load-tester | HTTP 阶梯式并发压测工具，自动执行多级并发压力测试，采集 p50/p90/p99 延迟百分位数，分析性能拐点（如延迟激增、吞吐饱和或错误率飙升），并输出结构化报告与最优并发建议。使用纯 Python 标准库，零外部依赖。当用户提及 HTTP 压测、基准测试、ab、wrk、并发测试、阶梯压测、延迟百分位、p99、拐点分析、性能测试、QPS、RPS 或容量规划等关键词或场景时触发。 |
| incident-retrospective | 线上事故复盘与结构化 Blameless Postmortem 撰写工具，遵循 SRE 最佳实践。帮助用户撰写专业的事故复盘报告，通过六步 SOP 引导完成从时间线梳理、5 Whys 根因分析到制定 SMART 改进措施的全过程，输出格式化的复盘文档。当用户需要撰写事故复盘、进行根因分析（RCA）、创建 blameless postmortem、分析线上故障、制定改进措施（action items）或总结事故教训时触发，常见于提到 postmortem、事故复盘、故障分析、RCA、5 Whys、incident review、故障报告等关键词的场景。 |
| k8s-cluster-ops | 通过 kubectl 命令行工具管理 Kubernetes 集群，执行查询资源状态、部署应用、查看日志、调试容器、切换上下文和监控集群健康等操作。适用于日常运维、发布和故障排查。当用户询问集群状态、Pod/Deployment信息、查看日志、执行容器命令、切换集群或上下文，或使用 kubectl get/describe/logs/exec/apply 等相关命令短语时触发。 |
| log-diagnostic | 分析日志文件的错误模式，支持JSON、syslog、Nginx等常见格式，自动检测并输出错误聚类、频率统计和时间分布报告，用于排查问题、定位高发时段。当用户上传.log文件并要求排查错误、分析错误分布、定位高发时段，或提及错误统计、日志分析等关键词时触发。 |
| workload-calculator | 软件项目工时估算助手，使用三点估算(PERT)、T-shirt sizing或功能点分析(FPA)等方法，将需求拆解为工作包，计算出乐观、最可能和悲观工时，并提供项目总工时、标准差和置信区间等结果。当用户需要估算开发工时、评估项目工作量、做三点估算、T恤尺码估算、功能点分析、Sprint规划、报价工时拆分，或询问“这个功能要多久”、“评估一下工作量”等关键词或场景时触发。 |
| git-repo-audit | 深度分析 Git 仓库历史，识别高频变更的热点文件、分析代码的实际贡献归属关系、并扫描历史提交中的密钥泄露等安全隐患。当用户提及分析仓库、查看代码归属、寻找热点文件或安全风险扫描，或询问团队协作、代码审查分配、技术债务与安全审计等关键词时触发。 |
| api-doc-gen | 从 Flask、FastAPI、Express 或 Gin 等 Web 框架的源代码中自动扫描路由定义，生成符合 OpenAPI 3.0 / Swagger 规范的标准化 API 文档文件。当用户需要生成 API 文档、提到 OpenAPI、Swagger、接口文档、路由扫描或从代码自动提取接口信息时触发。 |
| web-security-audit | 基于 OWASP Top 10 (2021) 标准提供代码安全审查，逐项检查 SQL 注入、XSS、SSRF、访问控制、加密失败等常见漏洞，并给出具体的漏洞代码示例与修复方案。当用户需要代码安全审查、安全加固、渗透测试辅助，或提及 OWASP、安全检查、SQL 注入、XSS、代码审计、安全清单等关键词时触发此技能。 |
| interface-design-lab | 为模块生成多种截然不同的接口设计方案，通过并行探索产出多个接口签名、使用示例和封装说明，并详细对比其简洁性、通用性、深度与易用性。当用户需要设计API、探索接口方案、对比模块形态，或明确提及“设计两次”原则、并行设计、接口形态比较时触发。 |
| deep-probe | 对用户的方案或设计进行连环追问，逐一排查决策树的每个分支，直到双方达成共识。当用户希望压力测试某个方案、被深度质询设计思路，或提到“帮我审一下”、“追问一下”、“挑挑毛病”等关键词时触发。 |
| code-arch-optimizer | 探索代码库，识别架构摩擦点，并通过“加深浅模块”来提升可测试性，最终输出包含多种接口设计方案的详细重构建议与GitHub Issue RFC。当用户希望改进架构、寻找重构机会、合并紧耦合模块，或让代码库更易于AI导航和理解时触发。 |
| ddd-glossary-gen | 从当前对话中提取和规范领域术语，生成DDD风格统一语言术语表，识别歧义并给出规范用语建议，保存为UBIQUITOUS_LANGUAGE.md文件。当用户需要定义领域术语、构建术语表、统一词汇规范、创建统一语言，或在讨论中提及“领域模型”、“DDD”或“统一语言”等关键词时触发。 |
| tdd-coach | 指导测试驱动开发，遵循红-绿-重构循环来编写聚焦行为的测试和最小化实现。当用户希望以TDD方式开发功能或修复Bug、提到"红绿重构"、需要进行集成测试、或要求测试先行开发时使用。 |
| locale-guard | 在前端代码库（React/TypeScript、Vue等）中搭建、审计和规范国际化/本地化流程，包括配置i18n框架、将硬编码字符串替换为翻译键、确保en-US/zh-CN等语言文件覆盖完整、映射本地化错误消息，并校验翻译键一致性、复数规则和格式化。当用户需要实施或审查多语言支持，提及i18n、本地化、翻译键、多语言文件，或询问如何替换硬编码字符串、配置react-i18next/next-intl、处理复数规则、进行语言审计时触发。 |
| terraform-deploy-traps | Terraform 部署实战踩坑指南，提供对常见运维陷阱（如 provisioner 时序竞争、SSH 连接冲突、DNS 记录重复、卷权限问题、数据库初始化遗漏、Caddyfile 硬编码域名等）的根因分析及可直接复制的修复方案。当用户编写 null_resource provisioner、搭建多环境配置、排查 terraform apply 后容器持续重启或不健康、使用 cloud-init 初始化实例，或遇到 terraform plan/apply 报错、provisioner 执行失败、基础设施漂移、TLS 证书错误以及 Caddy/网关配置问题时，此技能将被激活。 |
| software-testing-guide | 建立全面的软件QA测试流程，包括制定测试策略、按照Google AAA标准编写测试用例、执行测试计划、使用P0-P4分级追踪缺陷、计算质量指标（如通过率与覆盖率）以及生成每日/每周进度报告。提供完整的文档模板，可直接用于外包团队交接，并实施OWASP安全测试，以90%的覆盖率为目标。当用户提到搭建QA流程、编写测试用例、制定测试计划、追踪缺陷（P0-P4）、计算质量指标、生成QA报告、进行安全测试或准备外包交接时触发。 |
如何开始使用 Kimi 的内置软件技能？
Kimi 让你可以快速将内置技能应用于不同的开发任务。选择一种技能，输入你的需求，Kimi 便会用 AI 协助完成编码、分析、调试、文档编写等软件相关工作。按以下步骤开始使用。
第一步：输入技能命令
打开 Kimi，输入你想使用的软件技能命令。例如，输入 /secure-code-review 进行安全检查。
第二步：开始你的任务
选定技能后，在对话中说明你的需求。例如使用 /code-safety-audit 时，可以让 Kimi 分析你的代码中的安全风险并给出修复建议。
示例提示词：
Kimi 的 AI 会处理你的指令，检查提供的代码，并结合所选软件技能生成详细的安全评审报告，列出可能存在的问题和改进建议。
第 3 步：查看输出结果
检查生成的结果，如有需要可对回答进行调整，然后将完成的输出用于你的开发流程。
为你的工具库添加更多开源软件技能
软件技能可以覆盖广泛的开发任务，你还可以通过添加更多技能来扩展工具库，应对专项工作流程。这些 AI 技能可以帮助你完成产品规划、编码辅助、测试、自动化和技术文档编写等工作，让开发流程更高效、更清晰。以下是一些能进一步提升你开发流程的 AI 软件技能。
| 技能名称 | 描述 | 链接 |
|---|---|---|
| agent-postmortem-skill | 一种验证技能，要求编程 agent 在声称完成任务前必须提供证据。执行意图快照、证据收集（git status、diff、命令输出）、验证检查，并输出包含结论和风险的复盘报告。 | https://github.com/plus8bit/agent-postmortem-skill |
| alibaba-java-coding-guidelines-skill | 用于将阿里巴巴 Java 开发手册应用于 Java、Spring、MyBatis、Maven、MySQL、SQL、日志记录、异常处理和安全校验的 agent 技能。包含多语言（Python、Node.js、Go）校验脚本。 | https://github.com/ns3154/alibaba-java-coding-guidelines-skill |
| litprog-skill | 面向 agent 环境的文学化编程技能。将代码库转换为文学化程序，通过 .lit.md 文件将说明文字、Mermaid 图表、LaTeX 数学公式与语法高亮代码交织在一起。包含 tangle/untangle 脚本和反向同步引擎。 | https://github.com/tlehman/litprog-skill |
| ios-agent-skill | 面向 AI 编程 agent 的可用于生产环境的 iOS SwiftUI 指导。涵盖 SwiftUI 最佳实践、UI 模式以及 iOS 开发流程，并支持 15 种以上的 AI 平台跨平台使用。 | https://github.com/Nagarjuna2997/ios-agent-skill |
| tsbs-benchmark-agent-skill | 在 Docker 中针对 QuestDB 运行端到端的 TSBS（时序数据库基准测试套件）测试。自动完成前置准备、数据生成、加载、查询执行和清理，用于性能测试。 | https://github.com/questdb/tsbs-benchmark-agent-skill |
| devops-sre-skills | 面向 DevOps 和 SRE 工作的可供 agent 使用的 SKILL.md 库，默认采用安全操作方式。涵盖 Kubernetes、AWS、Terraform、ArgoCD 以及事件响应，提供只读操作步骤和验证指导。 | https://github.com/bregman-arie/devops-sre-skills |
| aws-devops-agent-skills | 为 AWS DevOps Agent 打造的定制技能，包括 EKS 弹性检查工具、Well-Architected Framework 评审以及中国区多账户 DevOps 场景。共包含 10 种技能，用于路由管理、事件排查和跨账户管理。 | https://github.com/aws-samples/sample-skills-for-AWS-Devops-agent |
| software-architecture-skills | 一套与平台无关的软件架构技能包，用于探索架构方案、记录权衡取舍、定义边界，以及编写可复用的架构文档。包含 ADR 编写工具、架构方案生成器、风险评估工具、可用性策略评审工具、组件边界评审工具以及服务拆分建议工具。 | https://github.com/45ck/software-architecture-skills |
| swift-architecture-skill | 涵盖 MVP、MVVM、MVI、TCA、Clean Architecture、VIPER、Coordinator 和 Reactive 等 Swift 架构设计与实现模式的技能。每种架构都配有专门的实践指南，包括概述、模式说明、反模式修正、测试策略和 PR 检查清单。 | https://github.com/efremidze/swift-architecture-skill |
| superstar-engineer-skill | 推动编程 agent 像资深首席/高级软件工程师那样工作。大幅简化问题，基于约束条件进行推理，明确权衡取舍，为失败做好预案，并提供最简且可靠的解决方案。涵盖架构决策、系统设计、生产环境可靠性、性能瓶颈以及根因排查。 | https://github.com/inevolin/superstar-engineer-skill |
如何在 Kimi 中使用开源 AI 技能？
开源 AI 技能可以让你通过从公开仓库安装技能，为 Kimi 添加新能力。你可以提供技能链接，让 Kimi 自动完成配置，然后将新增的功能用于开发、自动化等不同工作流程。请按照以下步骤在 Kimi 中使用这些开源技能：
第 1 步：输入提示词
打开 Kimi，输入包含你想添加的开源技能 GitHub 链接的提示词。
示例提示词：
第 2 步：让 AI 自动安装技能
Kimi 会处理提供的仓库链接，下载所需文件，并完成技能配置，使其可以在你的工作空间中使用。
第 3 步：使用该技能
安装完成后，在 Kimi 中启用该技能，输入相关指令即可开始使用。你可以根据该技能的用途，让它执行代码审查、文档生成、数据分析或流程优化等任务。
为你的工作流构建高级自定义软件技能
Kimi 可以把你自己的资料转化为可复用的 AI 工具，帮助你创建个性化技能。你可以添加编码规范、项目文档、技术参考资料或工作流说明，构建符合开发需求的技能。按照以下步骤，在 Kimi 中创建你的自定义软件技能。
第一步：进入文档转技能工具
打开 Kimi 技能，选择“文档转技能”，开始创建自定义软件开发技能。
第二步：上传文件
上传与软件相关的资料，例如编码规范、API 文档、项目需求、测试指南或技术笔记。Kimi 会分析这些文件，并将其转化为一种可用于协助类似开发任务的技能。
第三步：创建并使用你的技能
处理完成后，你的自定义软件技能即可用于代码审查、文档生成、调试支持或工作流自动化等任务。
你也可以随时编辑该技能，或将其下载为文件，在其他项目中复用。
使用软件开发技能的进阶技巧
要有效使用软件开发技能，不能只依赖预设的工作流。进阶用法包括自定义技能、组合多种工作流，以及持续改进 AI 智能体在开发任务中的支持方式。
根据项目具体标准自定义技能
根据项目需求调整软件开发技能，包括编码规范、架构指南、测试规则和文档格式。经过自定义的技能有助于 AI 智能体产出更符合团队开发实践的结果。
组合多种技能，处理复杂工作流
软件开发通常涉及多个相互关联的任务，例如规划、编码、测试、调试和文档编写。组合不同的技能可以让 AI 智能体处理更广泛的工作流，而不只是完成孤立的任务。
运行技能前提供详细上下文
为 AI 智能体提供相关信息，例如项目目标、代码库结构、技术需求和预期输出。清晰的上下文有助于技能生成更准确的结果，减少不必要的返工。
根据开发反馈优化技能
检查 AI 生成的结果，找出可改进的地方。根据反复出现的问题更新技能的说明、需求或工作流，使 AI 辅助开发随着时间推移变得更加可靠。
为重复性工程任务创建可复用技能
把重复的开发流程转化为可复用的技能，例如代码审查清单、测试工作流、API 文档生成或缺陷分析流程。可复用的技能有助于提升一致性，并在不同项目中节省时间。
结语
AI 正在改变开发者处理软件开发的方式，让技术任务变得更快、更易管理。借助合适的软件技能，团队可以改进工作流、高效解决问题，并适应不断变化的开发需求。了解这些 AI 能力，可以帮助开发者以更少的投入构建更好的解决方案。体验 Kimi，发现、创建并应用适用于你软件项目的 AI 技能。从今天开始使用 Kimi，提升你的开发工作流。