背景：一个让我抓狂的问题

今年 AI 编程工具爆发，我同时在用 Claude Code、Cursor、Codex、Trae CN、Windsurf……每个工具都有自己的 Skill 机制，每个 Skill 都要手动安装到对应的目录。

问题来了：同一个 Skill，我要装 8 次。

改了一个 Skill 的内容？8 个目录都要同步。新增一个 Skill？又是 8 次复制粘贴。

我查了一下自己的电脑，find-skills 这个 Skill 被重复安装了十几次，分布在不同平台的不同目录里。

这不是个例。如果你也在用多个 AI 编程工具，你一定懂这个痛。

解决方案：SkillManager

我做了一个开源桌面工具 SkillManager，用一个界面管理所有平台的 Skill。

GitHub：github.com/A-Duang/ski…

核心能力：

0. 自动发现 — 扫描本地文件系统，自动识别你装了哪些 AI 平台
1. 矩阵视图 — Skill × Platform 的交叉矩阵，一眼看出每个 Skill 装在了哪些平台
2. 在线市场 — 输入 GitHub 仓库地址，浏览里面的 Skill，一键安装到指定平台
3. 跨平台同步 — 选一个源平台，把所有 Skill 批量同步到其他平台
4. 中英双语 — 内置 i18n，一键切换

技术选型：为什么选 Tauri 而不是 Electron

这是很多人会问的问题。我的考虑：

对比项	Tauri 2.x	Electron
后端语言	Rust	Node.js
安装包大小	~5-10MB	~150MB+
内存占用	低	高
原生文件系统	Rust std::fs，性能好	Node.js fs，够用但慢
跨平台	Windows/macOS/Linux	Windows/macOS/Linux

对于一个需要频繁操作文件系统的工具来说，Rust 的性能优势是实打实的。而且安装包小一个数量级，用户体验好很多。

架构设计

整个应用分三层：

┌─────────────────────────────────────────┐
│         React + TypeScript (前端)        │
│   Dashboard / MatrixView / Market / ... │
├─────────────────────────────────────────┤
│           Tauri invoke() (桥接)          │
├─────────────────────────────────────────┤
│           Rust 后端 (核心逻辑)           │
│  filesystem.rs  — 文件系统扫描           │
│  github.rs      — GitHub API 集成        │
│  install.rs     — 文件复制 / 跨平台同步  │
│  parser.rs      — SKILL.md 解析          │
│  config.rs      — 配置管理               │
└─────────────────────────────────────────┘

关键设计决策：

0. 纯文件系统操作 — 不依赖任何外部 CLI，直接读写本地文件。这意味着零安装门槛，用户不需要装任何额外工具。
1. GitHub API 集成 — 通过 GitHub REST API 浏览仓库内容，用 Trees API 批量获取文件列表，再逐个下载。支持公开仓库和私有仓库（通过配置 GitHub Token）。
2. 平台注册表 — 内置 23+ 平台的路径映射，同时支持用户自定义平台和路径覆盖。配置存储在 ~/.skillmanager/config.json。
3. 增量安装 — 已存在的 Skill 会自动跳过，不会覆盖用户已有的文件。

遇到的坑

Windows Junction Point

在 Windows 上，有些 AI 平台的目录是 Junction Point（mklink /J 创建的）。用 std::fs::metadata 可以正确读取，但 entry.file_type() 在某些情况下会返回错误。最终用 fs::metadata 替代解决了。

GitHub API 限流

未认证的 GitHub API 请求限制是 60 次/小时。浏览一个仓库的 Skill 可能需要多次请求（获取目录 → 逐个检查 SKILL.md）。解决方案是支持用户配置 GitHub Token，认证后限制提升到 5000 次/小时。

SKILL.md 解析

不同仓库的 Skill 格式不完全一致。有的 SKILL.md 在仓库根目录，有的在 skills/ 子目录下，有的在 .claude/skills/ 等平台特定目录下。需要递归搜索多个位置。

支持的平台

内置支持 23+ AI 平台：

Claude Code · Cursor · Codex · Trae CN · Windsurf · OpenClaw · Gemini CLI · Roo Code · Cline · Aider · Continue · Amazon Q · GitHub Copilot · OpenCode · Void · Sweep · gptme · Avante · CodeCompanion · AgentOps · Trae Solo · WorkBuddy · Qclaw

同时支持添加自定义平台。

后续计划

• Skill 编辑器 — 在应用内直接编辑 SKILL.md
• 操作历史/撤销 — 误删了可以恢复
• 团队配置 — 团队共享 Skill 配置方案
• 可视化 Skill 编辑器 — 所见即所得
• 多设备同步 — 不同电脑之间的 Skill 同步

写在最后

这个工具是 MIT 开源的，完全免费。如果你也有多个 AI 平台 Skill 管理的痛点，欢迎试用。

GitHub：github.com/A-Duang/ski…

欢迎提 Issue 和 PR，也欢迎给个 Star 支持一下 🙏

---