全程用 Claude Code 搓了一个 macOS 原生应用：SkillDeck
背景
最近在同时用多个 AI coding agent的过程中，Skills 管理起来比较麻烦，
我日常在 Claude Code、Codex、Copilot CLI 之间切换，每个 Agent 的 Skills 存放在不同的目录下（~/.claude/skills/、~/.agents/skills/、~/.gemini/skills/、~/.copilot/skills/），安装一个 Skill 的流程大概是这样的：
- 找到 Skill 的 GitHub 仓库
git clone到本地- 手动创建 symlink 到对应 Agent 的 Skills 目录
- 如果要装到多个 Agent，以上步骤重复 N 遍
卸载的时候也一样繁琐：删目录、清 symlink，漏了哪步就会留下残留。
当然也可以用命令行工具安装：
1 | |
但这也只是解决了安装的问题，对所有 Agent 的 Skills 缺乏统一的可视化管理——装了哪些 Skill、哪些有更新、哪些该删掉，全靠自己记。
所以作为一个写过多年后端，但完全没碰过 Swift 和前端的人，我决定用 Claude Code 全程手搓一个 macOS 原生桌面应用来解决这个问题——这就是 SkillDeck。它不仅提供安装能力，还提供了统一的发现、更新、删除等全生命周期管理。
核心功能
统一仪表盘
三栏布局的 macOS 原生界面：左边是 Agent 列表和筛选，中间是 Skill 列表，右边是详情。支持按名称、描述、作者搜索，还能按 Agent 过滤和排序。
symlink 去重是一个比较实用的设计——同一个 Skill 通过 symlink 安装到多个 Agent 时，只会显示一次，不会在列表里看到重复项。
Skills 市场浏览
内置了 skills.sh 的排行榜浏览，支持 All Time、Trending、Hot 三种排序方式，还有搜索功能。看到喜欢的 Skill 可以直接一键安装，不用再手动 clone 了。
安装与更新
从 GitHub 安装只需要输入仓库地址（支持 owner/repo 格式），SkillDeck 会自动 clone、扫描可用 Skills、创建 symlink、更新 lock 文件。
更新检测也是一键的：会对比本地和远程的 tree hash，有变更就显示橙色角标，点一下就能拉取最新代码。
SKILL.md 编辑器
分栏设计：左边是表单 + Markdown 编辑区，右边是实时预览。改完 Cmd+S 保存，Esc 取消。
这个功能用的少，但也聊胜于无。
Agent 分配
每个 Skill 的详情页有一组 toggle 开关，控制这个 Skill 安装到哪些 Agent。打开就自动创建 symlink，关掉就自动删除，不用再手动跑命令了。
这样也不用每个 Agent 都去安装 skill，只保留一份。
文件系统监听
SkillDeck 会自动监听 Skills 目录的变化，所以如果你从 CLI 侧做了什么操作（比如用 claude skills add 安装了新 Skill），GUI 这边会自动刷新，不需要手动点刷新按钮。
目前支持的 Agent 和对应的 Skills 目录：
| Agent | Skills 目录 | 检测方式 |
|---|---|---|
| Claude Code | ~/.claude/skills/ |
claude 二进制 + ~/.claude/ 目录 |
| Codex | ~/.agents/skills/（共享） |
codex 二进制 |
| Gemini CLI | ~/.gemini/skills/ |
gemini 二进制 + ~/.gemini/ 目录 |
| Copilot CLI | ~/.copilot/skills/ |
gh 二进制 |
开发过程
整个项目从第一行代码到现在，全程都是用 Claude Code 开发的。
我自己的技术背景是 Java/Go/Python，Swift 之前一行都没写过，SwiftUI 和 macOS 平台开发更是零经验。但这次的体验让我感触很深——AI Coding 真的把跨语言开发的门槛拉低了很多。
开发节奏基本上就是一个循环：
1 | |
跟之前用 AI 搓 Skills 的流程差不多，但这次的复杂度高了不少——毕竟是一个完整的 macOS 桌面应用，涉及 UI 布局、文件系统操作、网络请求、并发处理等等。
我不需要先花几周系统学习 Swift 和 SwiftUI，遇到不懂的语法或 API 直接问 AI 就行。当然，这不代表可以完全当甩手掌柜——你得能看懂代码逻辑、能写清楚需求、能有效测试和反馈问题，AI 才能帮你持续推进。
说白了就是：你不需要会写 Swift，但你得会”验收”Swift 代码。能跑起来、功能正确、边界情况覆盖到，这些判断能力还是需要你自己具备的。
AI Coding 小 Tips
这段时间用 Claude Code 开发积累了一些经验，分享几个我觉得比较实用的 tips。
1. 每个功能新开一个 context
不要在一个超长的对话里做所有事情。每个功能开一个新的 context 会更聚焦，AI 不容易被之前的上下文带偏。
完成一个功能后记得 commit，这样如果 AI 后续改错了什么，你可以很方便地回滚到之前的状态。
尽量不要使用 AI 来回滚，不然会有不好的事情发生，血的教训。
精确的回滚还是交给靠谱的 git 工具来实现。
2. 大量 token 总结的内容保存成文档
有时候让 AI 做了一大堆分析（比如梳理项目架构、分析某个复杂模块的实现），这些内容当下可能用不上，但后面很可能会再用到。
我的做法是让 AI 把分析结果整理成文档保存到项目的 memory 目录，下次开新 context 的时候直接加载这个文档，不用重新消耗 token 再分析一遍。
3. claude --resume 恢复历史会话
如果你中途关掉了某个对话，后面又想继续，可以用 --resume 恢复：
1 | |
它会搜索历史 session 的内容，列出匹配的会话让你选择。不过搜索不是百分百精准，有时候需要换几个关键词试试。
4. Session 保留策略
Claude Code 默认 30 天自动清理历史 session，可以在 ~/.claude/settings.json 里修改保留时间：
1 | |
所以 --resume 只适合短期内继续某个对话，不适合当作长期知识存储。长期需要保留的内容还是整理成文档更靠谱。
我建议还是使用刚才的方案，将你觉得消耗 token 的结论存储到专门的文档里，后期你需要使用的时候直接加载即可。
而不需要存放到 Claude Code 的系统提示词里，这样可能会浪费 token。
5. 用 CLAUDE.md 约束 AI 的开发规范
这个我觉得是最重要的一条。
把开发规范写进 CLAUDE.md，AI 每次开新对话都会自动加载这些规则，就像给团队新人定 code review 规范一样。我在项目里定了这些规则：
- Git 工作流：代码改动必须新建分支，禁止直接提交到 main
- 测试要求：每次代码修改都应包含对应的单元测试
- 提交确认：AI 不能自动 commit/push，必须等我确认
- PR 规范：每个 PR 必须包含「Manual Verification Required」（人工验证清单）和「Regression Checklist」（回归测试清单）
这里有一个关键区分：每个项目都通用的规则（比如分支策略、测试要求），可以放到
~/.claude/CLAUDE.md（全局配置），所有项目自动生效，不用每个项目重复写。项目特有的规范才放到项目根目录的CLAUDE.md里。
总结
SkillDeck 解决的核心痛点就一个：让多个 AI Agent 的 Skills 管理更直观易用。从安装、更新、分配到删除，全部在一个 GUI 里搞定。
全程用 Claude Code 开发这个项目的感受是：跨语言开发的门槛被 AI 大幅拉低了。我一行 Swift 都不会写，但靠着 AI 辅助，从零产出了一个完整的 macOS 原生应用。当然前提是你得有基本的软件工程能力——需求拆解、测试验证、问题排查这些还是得自己来。
项目开源，MIT 协议，欢迎 star/issue/PR：GitHub - crossoverJie/SkillDeck
安装方式：
1 | |
#Blog