换电脑、换 Agent，你的 Skill 都得重配一遍？

文章目录标准开放了安装这最后一公里没人管一份 workspace所有 Agent 都只是渲染目标四条边界决定了它敢承诺什么import → plan → apply → doctor想试试的话适合谁以及它明确不做的事让工作方式跟着你走你或许也有这样的困扰平时办公电脑上的 Agent 已经被你调得很顺Codex 知道该加载哪些 Skill、遵守哪些规则常用的 MCP 工具也已经连好。可一回家换了台电脑或者想改用 Claude Code、DeepSeek HarnessDSH试试原来顺手的那一套突然全没了。于是你又得重新安装 Skill、复制规则、连接 MCP再把每个 Agent 的设置逐项调一遍。有人会直接复制旧电脑上的整个配置目录结果登录信息、聊天记录和只适用于旧电脑的路径也跟着过来了。同一份配置在 Codex、Claude Code 和 DSH 里的写法也不同复制过去后有些内容不会生效还有些会盖掉新电脑上已经调好的设置。其实你真正想带走的是这套熟悉的 Agent 工作方式让同一批 Skill 能被发现让同一组规则继续生效让同样的 MCP 工具可以重新连接。这正是我做 SkillFerry 的原因复现你的 Agent 能力让你长期积累的 Skill 与 MCP 连接能够跨平台、跨 Agent 复用。标准开放了安装这最后一公里没人管Agent Skills 让一套做事方法可以按共同格式保存MCP 则让不同 Agent 用相近的方式连接外部工具。基础已经有了按理说在 Codex、Claude Code、DSH 之间复用能力或者把它们带到一台新电脑上应该轻松很多。共享格式解决了内容怎么保存部署仍由各个 Agent 自己决定。Codex、Claude Code 和 DSH 放置 Skill、读取规则和连接 MCP 的方式各不相同。同一份 Skill 到了另一个 Agent可能可以直接使用也可能需要转换、损失一部分效果甚至只能手工重做。macOS、Windows、Linux 的路径和命令差异又增加了一层工作。公开讨论里已经能看到这类经历。MCP 社区把客户端配置怎么存单列为待解决的标准问题MCP IG #2761Claude Code 和 Codex 的 issue 里也有用户报告换机器后 Skills 没跟过来Claude Code #36693、Codex #26691。这些记录只能证明有人遇到过问题无法说明需求规模或优先级排名。要把这件事做稳需要先回答四个问题跨工具、跨机器哪一份内容是事实源哪些内容可以自动转换转换时会不会丢失含义哪些数据必须留在本机应用变更时怎样保护本机已有的设置一份 workspace所有 Agent 都只是渲染目标SkillFerry 把 Skills、全局规则和不含秘密的 MCP 模板放进同一个 workspace也就是一份可以审查并提交到 Git 的工作目录。你只在这里维护一次内容执行计划时SkillFerry 再按 Codex、Claude Code 或 DSH 各自需要的格式生成配置。因此三种 Agent 都是接收结果的“渲染目标”workspace 保存那份共同的事实源。举个例子。workspace 里有一个release-checklistSkill、一份全局发布规则、一个 GitHub MCP 模板。Token 不写进 workspace模板里只有secret:env/GITHUB_PERSONAL_ACCESS_TOKEN这样的引用。跑一下plan它逐项告诉你三个目标会得到什么SKILL release-checklist codex native claude native dsh native MCP github codex translated secret resolved from local env claude translated secret resolved from local env dsh translated inserted as dsh-mcp-client entries这串等级说明转换后会发生什么。native会按目标原生格式安装含义完整保留translated会转换成目标格式上面三个 MCP 就属于这一类degraded可以使用但存在已知损失manual只提供操作步骤unsupported表示目标端没有对应能力。每个等级都要有能力证据支撑不能只标一句兼容。换电脑和换工具到这里其实是同一件事Skill 只维护一份换台新电脑拉下来装好就行想换个 Agent 试试也还是这一份只是按对方的格式装。四条边界决定了它敢承诺什么让能力随你走把状态留在本机。Skill、规则、MCP Server 定义描述了可复现的工作方式Token、登录态、会话、缓存和自动记忆属于身份或运行时状态。SkillFerry 只管理前一类中被明确声明的内容也不会把整个~/.codex或~/.claude当作同步单元。它的范围不包括 dotfiles 同步、Provider 切换和 Agent 编排。文件放到位后还要确认功能怎样加载。目标目录里出现一个文件只能证明写入完成目标 Agent 是否按相同含义读取它还要看实际能力。当前版本能把 stdio MCP 生成三种目标所需的配置HTTP/SSE MCP 会标为manual插件和扩展则只记录期望状态需要用户自行安装。plan会在写入前把这些人工步骤列出来。同步能力时把秘密留在本机。workspace 的数据规则会拒绝 MCP 环境中的字面秘密只接受secret:env/...或secret:file/...引用。真实值到apply时才在本机解析不会写进 JSON 报告也不会被skillferry export destination展开到可分享副本中。操作系统仍负责保护本机文件SkillFerry 负责避免把秘密误当成可分享的能力定义。尊重你手工改过的内容。SkillFerry 用所有权账本记录自己上次写入的路径和哈希。目标文件后来发生变化下次plan或apply会报告冲突exit 3并停止覆盖。你可以显式选择adopt、overwrite或keep-local应用前会创建备份一组多文件写入失败时则回滚已经完成的部分。import → plan → apply → doctor主流程四步每一步都让你先看清楚再动手import从现有的 Codex 或 Claude Code 环境提取可移植资产敏感值自动转成引用plan展示每个目标的路径、等级、来源和冲突不写任何文件apply只写自己声明管理的路径doctor用退出码 0/1/2/3 区分已同步 / 出错 / 可安全处理的漂移 / 需要人决策的冲突。跑完一轮你就能说清楚带走了什么在哪个目标被转换哪些值还留在本机应用之后还有没有漂移。想试试的话SkillFerry 发布在 PyPI要求 Python 3.11 或更高pipxinstallskillferry skillferry init my-workspacecdmy-workspace skillferry plan skillferry apply skillferry doctor如果你已经有 Codex 环境也可以从import --from codex开始再审查生成的 workspace从老项目 codex-profile-sync 迁移则有migrate --from codex-profile-sync。仓库还带了一个可直接运行的 starter workspace 和两个种子 Skill可以先在隔离目录里看看三个目标的渲染结果再决定要不要落地。适合谁以及它明确不做的事如果只用一个 Agent、一台电脑也还没攒下自己的 Skills 和规则手工维护可能更简单。SkillFerry 更适合这些场景你在 Codex、Claude Code、DSH 之间切换你想让同一套能力覆盖 macOS、Windows、Linux你已经把 Skills 和规则当成需要版本管理的工程资产你希望应用前能预览语义有损失时必须明说你想用 Git 管理可分享的定义但不想把凭据和运行时状态一起提交。它不做 GUI、SSH 远程目标、团队层、会话或记忆同步、Provider 管理也不承诺任意插件无损转换。macOS 和 Windows 各有独立的原生验收记录Windows 那台机器上没有装 Claude Code只验证了它生成的配置形状没真正启动进程。CI 是另一道自动化门禁不算原生验收。完整边界见可移植性契约、能力证据矩阵和文档与验收记录。让工作方式跟着你走开放格式让内容可以复用真正部署时仍要处理目录、配置格式、操作系统、秘密引用和本机修改。SkillFerry 会在执行前列出这些差异让你看到每个目标能得到什么、哪里有损失、哪些步骤还要手工完成。如果你也在重复安装 Skills、重写规则、给同一个 MCP 维护好几份配置可以先跑一次隔离的import → plan看看哪些能力能原生带走哪些需要转换哪些本来就该留在本机。项目地址GreenLv/skillferry最新发布GitHub Releases安装入口PyPI