1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | developing-with-streamlit（属 streamlit/agent-skills 仓库） |
| 作者/维护者 | Streamlit（Snowflake 旗下产品团队），当前 6 位贡献者 |
| 来源链接 | https://github.com/streamlit/agent-skills/tree/main/developing-with-streamlit |
| 许可证 | Apache-2.0（GitHub API 获取） |
| GitHub Stars | 222（GitHub API 获取，仓库整体即此技能，无稀释） |
| Forks | 22（GitHub API 获取） |
| 最新版本 | v1（发布于 2026-05-21，GitHub Releases） |
| 安装方式 | streamlit skills 命令 / 手动复制 / npx skills add 跨平台安装（详见第 10 章） |
2. 功能介绍与亮点
developing-with-streamlit 是一个“元技能”：它本身不重复造轮子写死一份 Streamlit 教程，而是在运行时探测用户项目里实际安装的 Streamlit 版本，去加载该版本官方 pip 包内置的开发文档与操作指南，再按你的提问关键词路由到具体子指南——涵盖应用创建、调试、样式与主题、性能优化、部署、自定义组件（含 st.components.v2）与 session state 管理等场景。
核心亮点：
- 版本自动匹配：不同 Streamlit 版本的 API 常有差异，该技能直接读取当前项目实际安装的版本文档，避免“用新语法教旧版本用户”的常见翻车
- 零维护成本：从 Streamlit 1.57 起，开发指南本体已内置进 Streamlit 官方 pip 包，这个仓库只是一个轻量发现器，本身几乎不需要跟着 Streamlit 每次发版重写
- 多包管理器兼容：能自动识别 venv、conda、pipenv、poetry、pdm、uv 等多种 Python 环境配置，一次安装可服务多个使用不同包管理方式的项目
- 企业级采纳：Snowflake Cortex Code 已默认内置该技能，是少数被下游商业产品直接集成的社区技能之一
3. 适用场景
固定分类：数据分析与可视化
适合用 Streamlit 把数据分析结果、模型输出或内部工具快速做成可交互网页应用的场景，例如：数据科学家想在几十行代码内把 Pandas 分析结果变成可分享的仪表盘；后端或算法工程师需要为内部数据/模型搭一个演示界面又不想学前端框架；团队需要给业务方提供一个可调参数、可上传文件的轻量数据工具。受益人群集中在数据分析师、机器学习工程师、以及需要快速交付数据类内部工具的全栈开发者。
4. 跨 Agent 兼容性
- Claude Code：原生支持——仓库 AGENTS.md 明确将其列为受支持对象，提供手动复制到
~/.claude/skills/的安装步骤 - Codex：未验证——仓库文档未点名提及，但该技能遵循开放的 Agent Skills 标准格式，理论上可通过通用安装器接入，无直接证据前不下结论
- OpenClaw：未验证——未在已抓取材料中出现
- Hermes Agent：未验证——未在已抓取材料中出现
（仓库文档明确点名支持的还包括 Cursor 与 GitHub Copilot，但这两者不在本报告的四个目标生态之列）
5. 推荐理由
它把“教 AI 帮我写 Streamlit”这件事，从“塞一份可能过期的静态教程”变成了“实时读取你项目里真实安装的版本文档”，从根源上避免版本错配这个 AI 辅助编码里最常见的翻车点；同时装法极简、官方持续维护、已被 Snowflake 商业产品采纳，官方出品与扎实的工程设计兼备。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 8 | Streamlit 由 Snowflake 出品且为主流数据应用框架，该技能已被 Snowflake Cortex Code 默认内置；仓库 222 Star/22 Fork 全部归属这一个技能（非稀释于合集），但独立第三方讨论热度尚属克制，故未评满分 |
| 可用性 | 9 | 三种安装路径覆盖从“一条命令”到“手动复制”全场景；文档完整（SKILL.md + AGENTS.md + README）；4 天前仍有提交，维护活跃；自动适配 6 种主流 Python 包管理器；全程无付费依赖 |
| 安全性 | 9 | 见下方检查清单，唯一的代码执行是一个用途单一、无网络行为的本地发现脚本 |
安全检查清单：
① Shell 执行：仅运行仓库自带的 scripts/discover.py，作用是在本地项目内定位已安装的 Streamlit 文档路径，用途单一、可审计，不涉及任意命令执行
② 联网行为：抓取到的脚本与文档均未显示运行时对外发起网络请求
③ API Key/凭据：无任何要求
④ 可疑指令：抓取 SKILL.md 全文未发现面向 AI Agent 的异常操作指令
⑤ 作者信誉：Streamlit 官方组织（Snowflake 旗下），信誉良好
⑥ License：Apache-2.0，清晰明确
⑦ 维护时间：最近一次提交为 4 天前，v1 正式版发布于 2026-05-21，活跃维护中
7. 跟同类 Skills 相比的优势
| Skill | 定位 | 与本技能的差异 |
|---|---|---|
| motherduckdb/agent-skills（MotherDuck 官方技能集） | 面向 DuckDB/MotherDuck 云数仓的建管道、建看板、写 SQL 等一整套技能 | 覆盖的是“数据库到分析层”的工作流，产出通常是 SQL 查询或数据管道，而非可直接交互的网页应用；如果目标是给非技术用户一个可点按的界面，仍需额外接一层展示工具 |
| metabase/agent-skills（Metabase 官方技能） | 教 AI 使用 Metabase 这款 BI 工具搭建报表与仪表盘 | 定位偏“操作既有 BI 产品”，产出的仪表盘运行在 Metabase 平台内；本技能则是直接在代码里用 Python 生成独立可部署的应用，定制自由度更高，但需要使用者具备基础 Python 能力 |
| PostHog/skills（PostHog 官方技能集） | 面向产品分析场景，审计埋点、实验、Feature Flag 配置质量 | 聚焦“分析已有产品数据是否健康”，不涉及构建新的数据展示界面；两者可以互补而非替代——PostHog 负责发现问题，Streamlit 负责把发现的结果做成可分享的应用 |
8. 用户评价
该技能目前在第三方平台尚无独立、具名的用户评价；仓库自身的 Issue 区可见到多位非 Streamlit 团队成员的开发者提交过集成建议（例如为 opencode 等第三方 Agent 补充安装说明、讨论子技能目录结构），显示出官方团队之外确有社区在实际使用并参与共建。
9. 其他补充
该技能历史上曾作为独立教程分发，自 v1（2026-05-21）起收敛为“发现器 + 官方内置文档”的架构，理论上后续 Streamlit 版本更新文档时无需这个仓库跟进重新发布，长期可维护性较好。
10. 安装使用方式
方式一（推荐，Streamlit ≥ 1.58）：项目内安装好新版 Streamlit 后直接执行：
streamlit skills方式二（手动安装，适用于 Claude Code）：
git clone https://github.com/streamlit/agent-skills.git
cp -r agent-skills/developing-with-streamlit ~/.claude/skills/方式三（跨 Agent 通用安装器）：
npx skills add streamlit/agent-skills -s developing-with-streamlit -g安装后无需重启终端即可在下一次对话中触发；实际调用时该技能会自动执行本地发现脚本定位当前项目使用的 Streamlit 版本文档，首次使用建议在已安装 Streamlit 的项目目录下测试一次以确认发现脚本能正确解析你的虚拟环境。
11. 注意事项
- 技能的知识深度依赖用户项目本地安装的 Streamlit 版本文档，若项目未安装 Streamlit 或版本低于 1.57，会回退到在线文档，体验不如本地发现完整
- 目前仅明确验证支持 Claude Code（以及 Cursor、GitHub Copilot）；在 Codex、OpenClaw、Hermes Agent 上的实际表现未经验证，需自行测试
- 定位是“辅助用 Streamlit 写代码”，不涉及部署托管、域名、鉴权等应用上线后的运维问题，这部分仍需使用者自行解决