27k Stars,零行代码 —— kepano/obsidian-skills 凭什么?

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
27k Stars,零行代码 —— kepano/obsidian-skills 凭什么?
8718点击    2026-05-09 10:34

一个让人愣两秒的画面


随手打开 GitHub,2026 年的 Agent 项目热榜上有这样一个仓库:


  • • 27,000+ stars,1,800+ forks
  • • 零行 Python,零行 TypeScript,零行 JS
  • • 作者是 Obsidian 的 CEO 本人,kepano
  • • 整个仓库就是 5 个 Markdown 文件


如果你第一反应是"水分?",我建议再看一眼——这不是营销刷出来的虚火,这是一群 AI 工程师正在认真 follow 的项目。


27k Stars,零行代码 —— kepano/obsidian-skills 凭什么?


为什么?


因为它戳中了一个所有人都在等、但没人敢先踏出来的拐点。


特点一:工具厂商第一次主动给 Agent "写说明书"


过去半年,Agent Skills 标准化的讨论一直很热,但下场的主要是两类玩家:平台方(Anthropic 推 Skills、Karpathy 提 LLM Wiki)和开源社区(autoskills、skills.sh、OpenClaw)。


工具厂商自己,一直缺席。


kepano/obsidian-skills 是这场缺席被打破的瞬间。Obsidian 的 CEO 亲自下场说了这样一句话:


与其等 Agent 通过反复试错学会怎么用我的产品,不如我自己写一份操作手册给它。


这件事的份量,需要类比才能说清:


27k Stars,零行代码 —— kepano/obsidian-skills 凭什么?


每一次抢的,都是"被开发者正确使用"的入场券。这次抢的,是"被 Agent 正确使用"的入场券。 跑得早的,在下一波 AI 原生应用里就有先发优势。


Obsidian 是第一个跑出来的主流工具厂商。这就是为什么这个仓库值得 27k stars——它不是拿到了 27k 个用户,它拿到了 27k 个"看到信号的人"


特点二:Markdown 替代 SDK,这个豪赌押对了


仓库做了哪些事?


  • • 教 Agent 写出符合 Obsidian 风味的 .md 文件(wikilinks、embeds、callouts、frontmatter)
  • • 教 Agent 生成数据库视图文件 .base
  • • 教 Agent 画 JSON Canvas 关系图 .canvas
  • • 教 Agent 用命令行操作正在运行的 Obsidian
  • • 教 Agent 把网页清洗成干净 Markdown,节省 token


如果用传统 SDK 思路做这件事,你需要:一个 npm 包、一套类型定义、一份 API 文档、一个示例仓库,大概率还要一套测试。至少上千行代码,一个工程师两周起步。


kepano 用 5 个 Markdown 文件搞定了。


为什么能做到?因为在 LLM 时代,接口的本质回归到了"对调用方说人话"


函数签名是给编译器看的,自然语言才是给 Agent 看的。当调用方不再是死板的代码,而是有理解力的模型,接口的最优解也就跟着变了。这个范式转变,SDK 时代的工程直觉是抗拒的——但 27k stars 是一个非常硬的事实判决。


这是整个项目最容易被忽视、却最有迁移价值的一个洞察:未来的"开发者工具",可能根本不需要写代码。


特点三:一份代码,所有 Agent 都能跑


仓库严格遵循 agentskills.io[1] 规范——这一个细节带来了 SDK 时代极少见的特性:真正的跨平台


同一份 obsidian-skills,在 Claude Code、Codex CLI、OpenCode 上都能直接装、直接用。仓库的 topics 里还专门挂着 openclawclawdbot,意味着国产 Agent 生态也在第一时间对接。


你写 React 组件没法同时跑在 React 和 Vue 上,你写 SDK 没法同时跑在 Python 和 Go 上,但你写 Skill,真的可以一次写完到处用


这就是协议化的红利。


也是我一直在 OpenClaw 里强调的设计第一原则——Skill 的写法不要绑定任何具体 Agent 实现kepano/obsidian-skills 是这条原则迄今最好的示范。


特点四:它的写法本身就是教科书


仔细读 SKILL.md,你会发现 kepano 把"如何写一份高质量 Skill"几乎手把手演示了一遍。抽出四条最值得抄的手艺:


1. 差量教学(Differential Teaching)标准 Markdown 的语法默认 Agent 已经会,SKILL.md 只讲 Obsidian 的扩展部分。这种"只教不会的"思路,把 token 占用压到了极致。


2. 渐进式披露(Progressive Disclosure)主 SKILL.md 极简,所有 callout 类型、所有 property 类型这些细节,拆到 PROPERTIES.mdEMBEDS.mdCALLOUTS.md 里,Agent 按需加载。把上下文窗口当成稀缺资源在管理。


3. 运行时即真相(Runtime as Source of Truth)obsidian-cli 的 SKILL.md 里写得很明白:"运行 obsidian help 查看最新命令,这份永远是最新的。" 把命令的真实数据源指向运行时,而不是写死在文档里——一招干掉文档随版本漂移的问题。


4. 显式反例(Explicit Anti-pattern)defuddle 的 SKILL.md 里专门写道:"如果 URL 已经是 .md 结尾,直接用 WebFetch,不要走 Defuddle。" 告诉 Agent 何时不要用我,和告诉它何时用我同等重要。 这是写 Skill 的资深技巧。


这四条,放到任何一个想做 Skill 包的项目上,都是直接可抄的方法论。


真正的最大价值:它是一个时代的扳机


回到开头的问题:27k stars,凭什么?


不是因为 Obsidian 火(它确实火),也不是因为五个 Skill 有用(它们确实有用),而是因为它让一件事第一次变得明白无误:


工具厂商写 Skill 的时代,真的来了。


在它之前,所有人都在等。等一个标杆案例,等一个"敢第一个吃螃蟹的"。kepano 用一个周末的工作量,把这块多米诺骨牌推了出去。


接下来 12 个月,你会看到越来越多 SaaS、开发工具、协作软件,把"为 Agent 写一份 SKILL.md"列入产品路线图。这件事的边际成本极低——一个工程师,一个周末,一份 Markdown——但收益曲线非常陡:你的产品被 Agent 正确使用的概率,从 30% 跳到 90%。


而对国内的 Agent 工程师和工具创业者来说,真正值得问的问题不是"Obsidian 做了什么",而是:


下一个跟进的国产工具,会是谁?


这个问题的答案,大概率就在你我手里。


仓库地址:github.com/kepano/obsidian-skills[2]


Agent Skills 规范:agentskills.io/specification[1]


引用链接


[1] agentskills.io: https://agentskills.io/specification

[2] github.com/kepano/obsidian-skills: https://github.com/kepano/obsidian-skills


文章来自于微信公众号 "大鱼读书",作者 "大鱼读书"

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md