我们提出 PYSKL：一个基于 PyTorch 的开源骨架动作识别工具箱。该工具箱支持多种基于骨架的动作识别算法，涵盖图卷积网络（GCN）与卷积神经网络（CNN）等方法。与现有仅包含一至两种算法的开源骨架动作识别项目不同，PYSKL 在统一框架下实现了六种不同的算法，融合了最新的研究成果与原始的经典实践，有效促进了各类方法在性能与效率方面的对比分析。此外，我们提出了一种基于 GCN 的新型骨架动作识别模型 ST-GCN++，该模型在不采用复杂注意力机制的情况下，仍能实现具有竞争力的识别性能，可作为强有力的基线模型。同时，PYSKL 支持九个主流骨架动作识别基准数据集的训练与测试，并在其中八个数据集上取得了当前最优的识别性能。为推动未来在骨架动作识别领域的研究，我们还提供了大量已训练好的模型以及详细的基准测试结果，以供参考和深入分析。PYSKL 已开源，项目地址为 https://github.com/kennymckormick/pyskl，将持续维护更新。后续若新增功能或引入新基准，我们将及时更新本报告。当前版本为 PYSKL v0.2。