GitSkills：GitHub 上的代理技能数据集

代理技能是一个包含 SKILL.md 文件的文件夹，其中包含语言模型代理的说明，还可以选择附带脚本和参考文件。当代理判断任务与技能描述匹配时加载技能。 Anthropic 于 2025 年 10 月推出了该格式作为开放规范。九个月后，公共 GitHub 存储库保存了数百万个技能文件。技能与软件工程研究人员通常挖掘的工件不同：它们主要用自然语言编写，模型在运行时概率性地选择它们，并且没有编译器或类型检查器验证选择。技能也没有中央注册表或包管理器；开发人员通过在存储库之间复制文件夹来重用它们。因此，开发人员如何编写、重用和维护技能是一个经验问题，并且没有现有的数据集记录这一群体。我们展示了 GitSkills，这是一个包含 2026 年 7 月从 282,200 个公共存储库收集的 3,797,117 个 SKILL.md 文件的数据集。该数据集保留了每个文件的出现及其存储库、路径和内容哈希。我们将相同的文件分为 1,877,981 个不同的内容，并用全文、解析的前文、文件夹内容、存储库元数据以及文件的子集的提交历史记录丰富每组的一个代表。单个独立的 SQLite 文件支持对代理技能的采用、重用、结构、作者身份、维护和安全性的研究。