humanlayer/skills 研究筆記¶

資料來源¶

項目	連結
GitHub repo	https://github.com/humanlayer/skills
作者/公司	HumanLayer(GitHub org,YC 新創)· 官網 https://humanlayer.dev · support@humanlayer.dev
主要貢獻者	`dexhorthy`(Dexter Horthy,CEO/共同創辦人,提出「context engineering」一詞)、`K-Mistele`(Kyle Mistele,CTO/共同創辦人)
同門作品	12-factor agents、Advanced Context Engineering for Coding Agents、CodeLayer(HumanLayer 的 coding agent harness / 多人協作 IDE)
安裝器	skills.sh — `npx skills add humanlayer/skills --skill <名稱>`

Metadata(2026-09-07 即時抓取,取自 GitHub API 與 git clone):3,320 stars / 98 forks / 7 open issues / subscribers 7 · MIT(有明確 LICENSE,©2026 HumanLayer)· 建立於 2026-03-18,最後 push 2026-08-13 · 4 個分支(main + helptext、run-ec2-daemon、show-me-tree-glyphs 三個工作分支)· 僅 12 commits / 2 位 contributor(dexhorthy 8、K-Mistele 4)· 無 release、無 tag · repo size 僅 66 KB · GitHub 標主語言 TypeScript(11.8 KB)。整包只有 5 個 plugin,每個 plugin 只包 1 個 skill——這是一份小而精、拿來 dogfood 自家理念的展示集,不是動輒幾十個的大 skill 倉庫。

四個要先校正的判讀

「TypeScript 專案」是假象:GitHub 語言長條圖 100% TypeScript,但全 repo 唯一的 .ts 是 agent-iteration.ts(/iterate 留言的輔助腳本,而且在兩個 plugin 裡各放一份=同一支複製兩次)。skill 的本體全是 Markdown(SKILL.md),語言統計完全看不出這是一份 agent skill 集。
「plugin」≠「skill」,這裡是 1:1 包裝:repo 用了 Claude Code 的 plugin/marketplace 機制。plugins/ 下每個資料夾是一個 plugin(有 .claude-plugin/plugin.json),裡面 skills/<名>/SKILL.md 才是真正的 skill。這 5 個 plugin 各自只包一個同名 skill,沒有 command / agent / hook——所以 plugin 在這裡純粹是「讓 skill 能上 marketplace 的外殼」。
這不是 Superpowers / mattpocock 那種「工作流全家桶」:只有 5 個 skill,其中 2 個(improve-claude-md、narrow-react-prop-types)是很具體的小工具,3 個(show-me + 兩個 loop builder)是把 HumanLayer 方法論做成範本。看它的重點是「設計理念」而非「數量」。
安裝有兩條路,但 README 只寫了一條:README 只教 npx skills add(skills.sh);可是 repo 根目錄其實有 .claude-plugin/marketplace.json,代表它同時也是一個 Claude Code plugin marketplace,可以走原生 /plugin 機制安裝(見下)。

專案概述¶

humanlayer/skills 是 AI agent 新創 HumanLayer 公開出來的一小撮 Claude Code skills。HumanLayer 這家公司值得先交代清楚,因為這份 repo 幾乎是它整套世界觀的縮影:

公司由 Dexter Horthy(dexhorthy) 創辦,他就是紅遍 AI engineering 圈的 12-factor agents(「怎麼把 LLM 應用做到能真的上 production」的 12 條原則)與 Advanced Context Engineering for Coding Agents(ACE / RPI:Research → Plan → Implement) 的作者,也是把「context engineering 比 prompt engineering 更貼切」講法推紅的人。
HumanLayer 最早的產品是給 AI agent 加「human-in-the-loop 人工核准」的 API/SDK;後來往 coding 工具延伸,做出 CodeLayer——官網現在自稱「The multiplayer control plane for your software factory」的多人協作 coding agent 工作台,slogan 是「Do not outsource the thinking」「Ship Fast Without Sacrificing Quality」。這兩位 contributor(dexhorthy、K-Mistele)就是公司的 CEO 與 CTO。

所以這份 skills repo 不是「社群收集的 skill 大全」,而是一家把 context engineering 當招牌的公司,把自己每天在用的幾個 skill 拿出來開源——而且其中兩個招牌 skill,骨子裡就是 12-factor agents / ACE 那套「小步、可審查、人掌舵」哲學做成的可安裝範本。

repo 結構乾淨到極點:

skills/
├── .claude-plugin/
│   └── marketplace.json         # ← repo 本身就是一個 Claude Code marketplace(列 5 個 plugin)
├── LICENSE                      # MIT © 2026 HumanLayer
├── README.md                    # 只教 npx skills add
└── plugins/
    ├── improve-claude-md/
    │   ├── .claude-plugin/plugin.json
    │   └── skills/improve-claude-md/SKILL.md
    ├── narrow-react-prop-types/
    │   └── skills/narrow-react-prop-types/{SKILL.md, references/…}
    ├── build-iterated-agentic-loop/
    │   └── skills/build-iterated-agentic-loop/{SKILL.md, references/…}
    ├── design-control-loop/
    │   └── skills/design-control-loop/{SKILL.md, references/…}
    └── show-me/
        └── skills/show-me/SKILL.md

六個看點¶

1. `plugins/` 到底有哪五個 plugin(逐一拆解)¶

這是本篇重點。 五個 plugin 大致分成「兩個具體小工具 + 一個解說工具 + 兩個招牌 loop builder」:

plugin(= 同名 skill)	版本	一句話用途
`improve-claude-md`	1.0.0	用 `<important if="條件">` XML 區塊改寫 CLAUDE.md,提升指令遵從度
`narrow-react-prop-types`	1.0.0	把 React 元件 prop 型別收窄到「實際 live code path」用到的形狀,不遷就 Storybook/測試/mock
`show-me`	1.0.1	用最小的圖(pseudocode/呼叫樹/元件樹/檔案樹/Mermaid/diff/HTML)把當前主題視覺化解釋
`build-iterated-agentic-loop`	1.0.0	把「可重複的 agent 任務」做成 repo 內 skill + 排程 GitHub Actions 工作流(iterated agentic loop)
`design-control-loop`	1.0.0	用控制理論訪談式設計一套「小步、低風險、可審查」推進 codebase 的 agentic 控制迴圈,再幫你蓋出來

① improve-claude-md——把「context engineering」做成一個 skill(最有記憶點)

它的 SKILL.md 開宗明義點破一個很多人踩過的坑:Claude Code 對每份 CLAUDE.md 都會注入一段 system reminder——

「this context may or may not be relevant to your tasks. You should not respond to this context unless it is highly relevant to your task.」

(順帶一提:這段 reminder 就是本筆記自己 context 裡也看得到的那一段,不是它瞎編的。)結果就是:CLAUDE.md 裡越多「跟當前任務無關」的內容,Claude 越傾向整份都忽略,連該遵守的也一起丟。

它的解法是把「只在特定情境才相關」的段落包進 <important if="條件"> XML 標籤——刻意複用 Claude Code 自家 system prompt 就在用的 XML 標籤模式,給模型一個明確的相關性訊號,穿透「可能相關可能不相關」的模糊框架。原則整理得很到位,值得任何寫 CLAUDE.md 的人抄:

地基 context 裸放,領域規則才包:專案身分、目錄地圖、技術棧(≈90% 任務都要用)留成純 Markdown 放最上面;測試/API/狀態管理/i18n 這類只在特定工作才用到的,才各自包一個 <important if>。
條件要窄、要具體:反例是 if="you are writing or modifying any code"(等於沒條件);正解是每條規則自己的窄觸發,例如 if="you are adding or modifying imports"、if="you are creating new components"。
Less is more:能被 linter / formatter / pre-commit hook 擋的規則一律砍;能從既有程式碼 pattern 推斷的也砍(LLM 是 in-context learner);程式碼片段砍掉改成檔案路徑引用(會過期又肥)。
指令別分片到別的檔:<important if> 的重點就是全部 inline、但條件加權——agent 一次看到全部,只對符合的段落用心。

SKILL.md 還附了一個完整的 before/after 範例(Turborepo monorepo 的 CLAUDE.md),示範怎麼把一坨 Coding Standards 拆成分條 block、哪些該刪、哪些要留(所有 command 一定保留)。

② narrow-react-prop-types——很具體的 TypeScript 收型別工具

情境:一個 React 元件的 props 為了 Storybook / mock / 測試被放寬,結果型別能表達出「線上程式根本不會進入」的狀態。這個 skill 的信條是:以 live code path(app route、被實際接線的元件、provider、hook、production export)為 prop 契約的唯一 source of truth,讓 stories/tests 去適應嚴格型別,而不是反過來為了測試好寫就把型別放鬆。它有 11 步 workflow + review checklist + anti-patterns,細到教你用 Parameters<typeof fn>[0]、Extract<Union, Shape> 去 derive 型別、把 onRename?.(...) 收成 onRename(...)、拿掉 ?? [] 這種防禦性 fallback。注意它綁 HumanLayer 自家 monorepo(驗證指令直接寫 bun --bun run typecheck --filter <package>)。它同時也是下面兩個 loop builder 拿來當「這才叫一個好 loop」的具體參考範例。

③ show-me——最小視覺化解說

一個純溝通用的 skill:要 Claude 用「能講清楚重點的最小視圖」解釋當前主題,並列了一整套形式讓它挑——pseudocode、呼叫樹、元件樹(含 state / 模組邊界)、淺層檔案樹、Mermaid 圖、diff(當重點是「改了什麼」時),真的太密才寫一個 focused HTML artifact 再 open 給你看。收尾特別叮嚀「你可能用其中一種、也可能用幾種,但不太可能全用——別淹沒使用者」。

④⑤ 兩個招牌:build-iterated-agentic-loop 與 design-control-loop——見看點 3、4。

2. plugin 的檔案結構與 manifest 格式(怎麼組出一個 marketplace)¶

這 repo 是研究「Claude Code plugin/marketplace 長怎樣」的乾淨樣本,兩層 manifest 都有:

(a) repo 根的 marketplace manifest — .claude-plugin/marketplace.json:

{
  "$schema": "https://anthropic.com/claude-code/marketplace.schema.json",
  "name": "skills",
  "owner": { "name": "humanlayer", "email": "support@humanlayer.dev" },
  "metadata": { "description": "Claude Code skills from HumanLayer", "version": "1.0.0" },
  "plugins": [
    { "name": "improve-claude-md", "description": "…", "version": "1.0.0",
      "author": { … }, "source": "./plugins/improve-claude-md",
      "category": "productivity",
      "keywords": ["claude-md", "instructions", "important-if", "claude-code"] },
    …其餘四個…
  ]
}

重點欄位:$schema 指向 Anthropic 官方 marketplace schema、plugins[] 每筆用 source 指到 repo 內的相對路徑(./plugins/<名>)、category 全填 productivity、keywords 供搜尋。

(b) 每個 plugin 自己的 manifest — plugins/<名>/.claude-plugin/plugin.json:

{
  "name": "build-iterated-agentic-loop",
  "description": "…",
  "version": "1.0.0",
  "author": { "name": "humanlayer", "email": "support@humanlayer.dev" },
  "repository": "https://github.com/humanlayer/skills",
  "license": "MIT",
  "keywords": ["iterated-agentic-loop", "coding-agents", "github-actions", "skills", "claude-code"]
}

(c) skill 本體 — plugins/<名>/skills/<名>/SKILL.md,frontmatter 極簡,只有 name + description 兩欄(沒有 allowed-tools),下面接純 Markdown 指令。較複雜的 skill(narrow-react、兩個 loop)另有 references/ 放模板與範例,靠 progressive disclosure「用到才讀」。

一句話:marketplace.json 是「店」的目錄,plugin.json 是「一件商品」的標籤,SKILL.md 是「商品實際做的事」。 這是想自建 Claude Code marketplace 時最省事的抄襲對象。

3. 招牌一:`build-iterated-agentic-loop`——把「重複的 agent 任務」變成排程 CI¶

這個 skill 幫你把一個「可重複的 agent 任務」變成一整組落地的東西:

.claude/skills/<名>/SKILL.md——repo 內的 agent 行為(judgement)
.github/workflows/agent-<任務>.yml——排程/手動觸發的 coding-agent 工作流
.github/agent-memory/<任務>.md——跨執行之間傳遞的長效回饋
選配 references/ 模板

它自述的目標形狀叫 iterated agentic loop:「一個聚焦的 skill 定義 agent 的判斷力,一個 workflow 用 repo 專屬 prompt 叫起 coding agent,一個 memory 檔在多次執行間帶著長效回饋,每個 workflow 給自己的 PR 打 label,讓每個迴圈同時只存在一個 open PR。」——並直接點名 narrow-react-prop-types 是「具體參考 pattern」。

9 步 workflow 每步都有「completion criterion」,而且處處是運維老手才會在意的細節:

先讀 repo 再問問題:看既有 workflow、package manager、驗證指令、既有 .claude/skills,帶著預設答案來訪談,而不是丟一張空白表。
把任務壓成三題:找什麼(finding)→ 改什麼(changing:fix / migrate / generate / refactor)→ 怎麼驗(validate),逼你把 job 講成一句話(例:「找 5 個 react-doctor 違規、修好、跑過 typecheck 與 quality」)。
PR bounding(招牌設計):預設「每個 agent loop 只准 1 個 open PR」,排程跑之前用 gh pr list --label <label> --state open 數,達標就 no-op;手動 workflow_dispatch 可繞過。理由講得很直白:沒有這個上限,一個每天跑的 agent 一週能生 5+ 個沒人 review 的 PR,製造 review 疲勞與 merge 衝突。
agent 中立:workflow 模板同時給 Claude Code / Codex / OpenCode / CodeLayer 四種 headless 跑法與各自的 response 抽取方式(每種 agent 輸出格式不同,都要把最終回覆導進 /tmp/pr-body.md 當 PR body)。SKILL.md 裡一句話點名——「CodeLayer is Humanlayer's ultra-lightweight agent harness」。
memory 檔的紀律:好的條目=永久排除範圍、已知誤報區、該改變未來選擇的 review 回饋;壞的條目=一次性指令、單次執行 log、skill 裡已寫過的規則。判準是「刪掉這檔會不會損失未來執行需要的 context」。
最後還教你 dry-run(GitHub Actions 首次要靠 push trigger bootstrap,跑過一次才能 workflow_dispatch)。

4. 招牌二:`design-control-loop`——把控制理論搬進 codebase 自動化¶

這是整包裡理念密度最高的一個,直接把控制理論(control theory)當心智模型:把 codebase 看成一個被隊友、相依套件、生成程式碼持續擾動(disturbance)的動態系統,用一個控制迴圈把它「小步」推向目標,而不是一次到位:

元件	意義
Set point(設定點)	想達到的目標狀態:一個 invariant(「沒有模組跨這些邊界 import」)、一個 threshold(「`core` 覆蓋率 ≥ 80%」)、或一個方向(「每次跑都更少」)
Sensor(感測器)	量現況與目標的差距:lint/靜態分析、AST 搜尋、型別檢查、測試、telemetry 查詢、自訂腳本,甚至一個檢查用的 agent
Controller(控制器)	從量測結果挑「這次要改哪個、幾個、什麼順序」,大小控制在低風險可審查。可從全 deterministic 腳本到全 agentic,這是你會隨時間 tune 的部分,從簡單開始
Actuator(致動器)	一個 coding agent + repo 內 skill,在 CI 跑、開 PR
Disturbance(擾動)	迴圈外部對系統的一切改動,迴圈必須「帶病」持續推進

它跟 ④ 最大的差別是態度:build-iterated-agentic-loop 有明確模板可複製;design-control-loop 明說「沒有固定工具組、沒有模板可照抄」,要 agent 先讀 repo、帶著提案來訪談使用者、一起設計、再蓋。8 個 Phase(A→H)一路從「理解系統 → 跟使用者設計迴圈 → 寫 actuator skill → 讓每個元件都能在本機單獨跑 → 接進 CI → 把人放到迴圈外(put a human on the loop) → flow control → 驗證與 dry-run」。幾個亮點:

每個元件先能在本機單獨手跑,才准接 CI(sensor 跑出穩定量測、controller 選出合理下一步、actuator 在選定目標上改成功並過驗證)——workflow 只是「把你本來就能手跑的東西串起來」的薄薄一層 orchestrator,好 debug。
元件會 blur 也 OK:sensor+controller 融合(工具同時報告又排序)、controller+actuator 融合(一個 prompt 又選又改)都行,「別製造設計裡沒有的分工」。
dampener(阻尼器/回歸閘):選配的 PR/push 檢查,把 sensor 輸出跟 baseline 比,在迴圈慢慢改善的同時,擋住問題變更糟。
人「站在迴圈上」而非「在迴圈裡」:memory 檔 + PR 上留言 /iterate 兩個 channel,都要求「改變未來行為,而不只是這次 PR」,並明白告訴使用者「這就是你隨時間 tune controller 與 skill 的方式——迴圈會變好,是因為有人一直在修正它」。

這一個 skill 幾乎就是 HumanLayer 從「human-in-the-loop」演化到「human-on-the-loop」 的世界觀濃縮:自主 coding agent 不是放牛吃草,而是一個有感測、有邊界、有回饋、有人掌舵的控制系統。

5. 怎麼安裝、怎麼用(兩條路)¶

路線 A — skills.sh(README 唯一寫的):把可編輯的 skill 檔複製進你的專案。

npx skills add humanlayer/skills --skill improve-claude-md
# 然後在專案裡:
/improve-claude-md

其餘四個同理(--skill narrow-react-prop-types / build-iterated-agentic-loop / design-control-loop / show-me,再用對應的 /xxx 觸發)。這條路跟 mattpocock/skills 用的是同一個 skills.sh 生態(「fork / 擁有」:檔案進你的 repo,自己改、自己追上游)。

路線 B — Claude Code 原生 plugin marketplace(README 沒寫、但 manifest 支援):因為 repo 根有 marketplace.json,可以把它當 marketplace 加進來,再裝個別 plugin:

/plugin marketplace add humanlayer/skills
/plugin install improve-claude-md@skills

這條路是「訂閱 / managed」:拿到託管的整包、跟著上游走。兩條路的產物都一樣——5 個 skill 都是「既可被 model 自動抓、也能當 /slash 指令手動叫」的 skill(SKILL.md 只有 name + description)。

6. 設計理念:這是「context engineering」的可安裝樣本¶

把五個 skill 擺在一起看,它們其實在講同一件事——幫 agent 把 context 這件事做對,只是切入點不同:

improve-claude-md:進入 context 的東西要條件加權(<important if>),別讓無關內容稀釋該遵守的。
narrow-react-prop-types:型別即 context——收窄型別=減少 agent 要 reason 的狀態分支,「越嚴格,程式越簡單」。
show-me:輸出 context 要挑最小視圖,別淹沒人。
兩個 loop builder:把自主 agent 包成有感測、有邊界、有記憶、有人掌舵的控制迴圈,呼應 12-factor agents「小而聚焦的 agent + 策略性的人為介入」與 ACE 的 RPI(Research/Plan/Implement)。

換句話說,別人是「給你一堆好用的 skill」,HumanLayer 是「給你幾個 skill,順便把我們對 agent 的整套主張塞給你」。這跟 Superpowers 用心理學說服強推紀律、mattpocock/skills 用「四種失敗模式」組織工具箱,是三種很不一樣的「用 skill 傳教」姿態。

授權與商用可行性¶

實務要留意的相依:
narrow-react-prop-types 綁 HumanLayer 自家 monorepo + Bun 慣例(bun --bun run typecheck --filter),非該環境要改驗證指令。
兩個 loop builder 產出的是 GitHub Actions 工作流,且預設 agent 選項含 CodeLayer(HumanLayer 自家 harness)——雖然也支援 Claude Code / Codex / OpenCode,但要小心它會很自然地把你導向自家生態。跑 CI agent 需要對應的 API secret(ANTHROPIC_API_KEY / OPENAI_API_KEY 等),且範例用 --permission-mode bypassPermissions,只適合在可信、隔離的 runner 上跑。
improve-claude-md、show-me 幾乎零外部相依,拿去用最安全。
沒有 telemetry、沒有外部呼叫:skill 本體是純 Markdown 指令,不會偷連家裡(唯一的 .ts 是 CI 輔助腳本,你自己讀得懂)。

與其他 skills 集合的差異¶

	humanlayer/skills	Superpowers	mattpocock/skills	microsoft/skills
規模	5 個 skill(小而精)	14 個核心 skill(完整流程)	30+ 個(大型個人作品集)	一批官方 skill
分發機制	同時是 marketplace + skills.sh	Claude Code plugin marketplace	skills.sh + 官方 plugin	官方 plugin
定位	公司理念的 dogfood 展示	強制紀律的開發方法論框架	「real engineering not vibe coding」工具箱	官方參考實作
招牌	控制理論式的 iterated agentic loop / CI 自動化	brainstorm→plan→TDD→review 全流程	grill-with-docs / tdd / 反熵	各領域範例
授權	MIT	MIT	MIT	MIT

一句話:別的集合在解「怎麼寫好一段 code / 怎麼跑好一次 session」,humanlayer/skills 有兩個招牌在解「怎麼讓一個自主 agent 在 CI 上安全地、可審查地、長期地推進整個 codebase」——這是它最獨到的角度,和它「human-in/on-the-loop」的公司出身直接相關。

注意事項與已知限制¶

很新、很小、更新慢:2026-03 建立,到 8 月才 12 個 commit、5 個 skill、無任何 release/tag。這不是活躍迭代中的大專案,而是「偶爾拿幾個好用的東西出來開源」。要當「完整 skill 生態」用會失望。
README 只寫了一半的安裝路徑:只教 npx skills add,沒提 repo 本身其實是個 marketplace;想走原生 /plugin 的人得自己看 marketplace.json。
兩個 loop builder 門檻高:它們不是「跑一下就有結果」的 skill,而是「陪你設計一整套 CI 自動化」的引導流程,需要你對自家 repo、CI、agent secret、控制論心智模型都有一定掌握,產物還要你自己 review、dry-run、長期 tune。新手直接上手會 overwhelm。
明顯的自家生態引力:CodeLayer 被放進預設選項、React skill 綁 Bun monorepo——不是壞事,但要意識到你在採用的是「HumanLayer 怎麼做」的一種意見,不是中立最佳實踐。
語言統計誤導:如前述,GitHub 標 TypeScript 會讓人誤以為是程式庫。
.gitignore 的小線索:忽略 .humanlayer/tasks/(註解寫 "Riptide artifacts, cloud-synced"),透露他們自家工具(Riptide / CodeLayer)產物的存在,對外部使用者無影響。

研究價值與啟示¶

關鍵洞察¶

<important if> 是可以馬上抄走的 context engineering 技巧:它抓到一個很多人沒意識到的真相——Claude Code 對 CLAUDE.md 會加一句「可能相關可能不相關,不高度相關就別理」,所以塞越多無關內容,越可能整份被忽略。用 <important if="窄條件"> 把領域規則條件加權、地基 context 裸放,是「怎麼寫 CLAUDE.md」這題目前看過最具體、最有理論依據的答案。可直接跟本站 zeuikli 的 CLAUDE.md 最佳實踐、mattpocock 的 CONTEXT.md 拆分對讀。
「iterated agentic loop / 控制迴圈」是自主 agent 進 CI 的成熟框架:大家都在講「讓 agent 自動修 code」,但很少人把「怎麼不失控」講清楚。HumanLayer 用控制理論給了一套完整詞彙與護欄——set point / sensor / controller / actuator / disturbance / dampener,加上「每個迴圈只准 1 個 open PR」「每個元件先能本機單獨跑再接 CI」「人站在迴圈外用 memory + /iterate 掌舵」。這是把 agent 自動化從「有時候會跑」變成「可觀測、有界、可審查」的關鍵一步,值得任何想做 CI agent 的人先讀。
「human-in-the-loop → human-on-the-loop」是這家公司的主線,也是 agent 自主化的縮影:HumanLayer 從「每個工具呼叫都要人核准」起家,到 design-control-loop 裡「人站在迴圈上掌舵、而非在迴圈裡逐步核准」——這條演化路線本身就是「agent 能自主到什麼程度、人該介入在哪一層」這個大哉問的具體答案。
plugin 只是 skill 的分發外殼——1 plugin = 1 skill 是合法且乾淨的做法:很多人以為 plugin 一定要塞 command + agent + hook 一大包。這 repo 示範了「一個 plugin 只包一個 skill」也完全成立,而且讓 repo 同時是 marketplace 又能 skills.sh 安裝。想自建 marketplace 的人,這是最小可行範本。
小集合 + 強理念 > 大雜燴:5 個 skill 卻資訊量很大,因為每一個都在夾帶一個明確主張。相比動輒幾十個 skill 的集合,這種「精選 + 每個都有觀點」的策略,對讀者反而更有啟發。

與其他研究筆記的關聯¶

與 Superpowers、mattpocock/skills:三者並列可看「用 skill 傳教」的三種姿態——Superpowers 用心理學說服強推紀律、mattpocock 用「失敗模式→對應 skill」組織工具箱、humanlayer 用「控制理論 + context engineering」把公司世界觀做成範本。
與 microsoft/skills、casper 的 skill 設計藝廊、claude-skills-guide:都是研究「skill 該怎麼設計」的材料,humanlayer 這份的獨到處在「skill × CI 自動化」的交叉點。
與 knowledge-work-plugins、claude-financial-services-plugins:同樣是「Claude Code plugin marketplace」的樣本,可對照 manifest 結構;humanlayer 這份是「1 plugin = 1 skill」的極簡版。
與 zeuikli 的 Claude Code 最佳實踐:improve-claude-md 的 <important if> 技巧,是「CLAUDE.md 該長還是該短」這題的一個具體工程解,可跟該報告的方法論層對讀。

一句話總結¶

YC 新創 HumanLayer(12-factor agents、Advanced Context Engineering、CodeLayer 的同一批人)公開的 5 個 Claude Code plugin——不是 skill 大雜燴,而是把自家 context engineering 世界觀做成可安裝範本。兩個具體小工具(improve-claude-md 用 <important if> 救 CLAUDE.md、narrow-react-prop-types 收窄 React prop 型別)、一個解說工具(show-me),加上兩個招牌 build-iterated-agentic-loop / design-control-loop——用控制理論(sensor/controller/actuator/disturbance)幫你蓋出「排程跑、每次只開一個 PR、人站在迴圈外掌舵」的自主 coding agent。MIT、每個 plugin 只包一個 skill、repo 本身即 marketplace 也能 npx skills add;規模小(3.3k stars、12 commits、2 位 contributor=公司 CEO/CTO)但理念密度極高。想學「怎麼寫好 CLAUDE.md」和「怎麼讓 agent 安全地在 CI 上長期改 codebase」的人必看。