Tessl Registry 详解：用数据证明技能有效的"包管理器"
有一个关键环节：怎么证明一个技能真的有效？ 作者说"这个技能能让 AI 编码效率提升 2 倍"——凭什么信？Tessl Registry（tessl.io）就是来解决这个"信任问题"的——它自称"The package manager for agent skills"，核心差异化是：每个技能发布前都经过自动化评测，给出质量评分和性能提升倍数（uplift multiplier），让你用数据而非 README 判断一个技能值不值得装。Google、Anthropic、OpenAI、GitHub、HashiCorp 等头部厂商已在上面发布技能。本文讲清它是什么、怎么工作、与 Skills.sh 有何不同。
官方网站：tessl.io/registry。
1、Tessl Registry 是什么
Tessl 是一个 AI Agent 技能的包管理器 + 质量评测平台。它的定位是"npm for agent skills"——但与普通包管理器不同的是，每个发布的技能都要经过自动化评测，获得"质量评分"和"性能提升倍数"（uplift），让安装者用数据判断"这个技能到底有没有用"。
// 核心定位
Tessl = AI Agent 技能的包管理器 + 质量评测平台
// 标语
"A GitHub README tells developers it exists.
Tessl tells them it works."
→ GitHub README 告诉你技能"存在"，Tessl 告诉你它"有效"
// 基本面
// 定位：包管理器 + 评测平台
// 安装：npx tessl i github:owner/repo
// 搜索：npx tessl search 或 Web UI
// 合作伙伴：Google / Anthropic / OpenAI / GitHub / HashiCorp
// Cisco / Hugging Face / ElevenLabs
// 核心差异化：自动化评测 + 质量评分 + uplift 倍数2、它解决的独特痛点：技能的"信任鸿沟"
// 现有技能生态的信任问题
Skills.sh / AgenticSkills 等：
技能多 → 安装量排行榜 → 最火的技能排前面
→ 但"最火"不等于"最有效"
→ 可能只是"作者粉丝多"或"名字取得好"
→ 安装后才发现"没什么提升"
创作者的问题：
写了一个技能 → 发 README 说"很好用"
→ 没有数据支撑 → 用户不信任
→ 无法证明"我的技能确实比没有技能好"
Tessl 的解法：
发布前 → 自动跑 A/B 评测（有技能 vs 无技能）
→ 得出 uplift（性能提升倍数）：1.26x / 2.62x / ...
→ 得出质量评分：92% / 85% / ...
→ 用户看到"装了这个技能后 AI 表现提升 2.62 倍"
→ 用数据消除信任鸿沟3、四大核心特性
// 特性一：质量评分（Quality Scoring）
// 每个技能发布时，自动按最佳实践评测
// → 得到一个质量百分比分数（如 92%）
// → 检查：指令是否清晰、触发条件是否准确、资源是否完整
// → 不合格的技能不推荐
// 特性二：影响测量（Impact Measurement / Uplift）
// 核心亮点：自动跑 A/B 对比测试
// → 对每个评测场景，跑"有技能 vs 无技能"
// → 量化技能带来的真实提升
// → 输出 uplift 倍数（如 1.26x / 2.62x）
// → "装了这个技能后，AI 在这类任务上的表现提升了 2.62 倍"
// 特性三：安全扫描（Security Scanning）
// 集成 Snyk 做自动化漏洞扫描
// → 检查技能是否包含恶意代码/已知漏洞
// → 标记安全问题
// → 让安装者放心
// 特性四：版本管理（Versioning）
// 每次发布都有版本号
// → 像管理 npm 包一样管理技能
// → 支持锁定版本（pin）、更新、回滚
// → 而非"覆盖式更新"4、优化流水线：发布前先验证
// Tessl 的三步优化流水线
Step 1: 提交技能（Submit）
从 GitHub 仓库导入，或直接粘贴 SKILL.md 内容
→ 支持多种来源
Step 2: 自动评测（Evaluate）
Tessl 自动跑评测：
A/B 对比（有技能 vs 无技能）
质量评分（按最佳实践检查）
安全扫描（Snyk 漏洞检测）
→ 输出：质量分数 + uplift 倍数 + 安全报告
Step 3: 改进与重发布（Improve & Republish）
根据评测结果优化技能
→ 重跑评测 → 分数提升 → 重发布
→ 循环到满意为止
// 这条流水线把"发布技能"从"写完就发"
// 变成"测完才发、有数据才发"
// → 提升了技能生态整体的可信度5、安装与使用
// 搜索技能
// Web UI：在 tessl.io/registry 按分类/关键词搜索
// CLI：npx tessl search "testing"
// 分类浏览
// Testing / Security / API Development / DevOps / ML/AI
// Frontend / Database / Migration / ...
// 安装技能
npx tessl i github:owner/repo
// 或
npx tessl i owner/skill-name
// 查看技能详情（含质量评分和 uplift）
// 网页上每个技能页面显示：
// - 质量评分（如 92%）
// - uplift 倍数（如 2.62x）
// - 安全扫描结果
// - 版本历史
// - 合作伙伴标识（Google/Anthropic 等）6、合作伙伴与技能举例
// Tessl 的头部合作伙伴（在平台上发布官方技能）
Google Google 相关最佳实践技能
Anthropic 官方技能（如 frontend-design、skill-creator）
OpenAI OpenAI 相关技能
GitHub GitHub 工作流技能
HashiCorp 基础设施即代码技能
Cisco 网络安全技能
Hugging Face ML 模型使用技能
ElevenLabs 语音 AI 集成技能
// 技能覆盖的主题
Spring Boot 迁移 从旧版 Spring 迁移到新版
前端设计 UI 设计最佳实践
PostgreSQL 优化 数据库性能调优
系统化调试 科学调试方法论
API 开发 REST/GraphQL API 设计规范
安全审计 代码安全审查流程7、与 Skills.sh 的对比
维度 Skills.sh Tessl Registry
---------------------------------------------------------------------------
创建者 Vercel Tessl（独立公司）
定位 全量商店+排行榜 包管理器+评测平台
收录策略 开放收录 评测后收录（需通过质量检查）
质量保证 安装量排行（数据驱动） 质量评分+uplift 倍数（评测驱动）
安全 安全审计页面 Snyk 自动扫描
版本管理 无 完整版本管理（pin/update/rollback）
评测 不做 A/B 对比+量化 uplift
合作伙伴 社区驱动 Google/Anthropic/OpenAI 等官方
安装命令 npx skills add npx tessl i
// 核心差异
Skills.sh → "最火的技能排前面"（靠安装量）
Tessl → "最有效的技能排前面"（靠评测数据）
→ "README 告诉你它存在，Tessl 告诉你它有效"8、适用场景与最佳实践
- 选择技能时看 uplift：优先装 uplift 倍数高的（如 2.62x 比 1.26x 更值得）
- 看质量评分：质量分 90%+ 的更可靠
- 看合作伙伴标识：Google/Anthropic 官方出品的更可信
- 创作者：发布前先跑 Tessl 评测，拿到好分数再发布
- 企业：用 Tessl 做技能的质量门禁（低于 80% 不允许团队安装）
- 与 Skills.sh 交叉使用：Skills.sh 找热门，Tessl 验证有效
9、总结
Tessl Registry 是一个 AI Agent 技能的包管理器 + 质量评测平台。核心差异化是用自动化评测证明技能有效——每个技能发布前都跑 A/B 测试，得出质量评分和性能提升倍数（uplift），让用户用数据而非 README 判断该不该装。Google、Anthropic、OpenAI、GitHub 等头部厂商已在上面发布官方技能。
关键要点：
- 定位：AI Agent 技能的包管理器 + 评测平台，"npm + CI/CD for skills"
- 四大特性：质量评分 + uplift 倍数 + Snyk 安全扫描 + 版本管理
- 核心差异：Skills.sh 告诉你"什么最火"，Tessl 告诉你"什么有效"
- 合作伙伴：Google / Anthropic / OpenAI / GitHub / HashiCorp 等官方出品
- 最佳实践：用 Skills.sh 找热门 + 用 Tessl 验证有效，交叉使用
对于在技能生态里"选择困难"的开发者而言，Tessl 的价值在于"用数据替代感觉"——不再靠"README 写得好不好"或"安装量高不高"来判断技能质量，而是看"装了之后 AI 表现提升了多少倍"。就像买电子产品看跑分、买基金看收益率一样，Tessl 给技能生态带来了"可量化的质量标准"。如果你是技能创作者，Tessl 的评测流水线也能帮你"在发布前证明你的技能有用"——这是对创作者和用户双赢的基础设施。
参考资料：
