#agent_skills — Public Fediverse posts

Как делать скилы правильно и собрать из них маркетплейс

Началось всё с подборки промтов cursor-vibe-prompts , которую я таскал из проекта в проект копипастой, и в какой-то момент меня настолько утомила эта рутинная процедура копирования из одного окошка в другое, что захотелось чуть упростить себе задачу и вместо копипасты оформить эту историю в формате скилов и вызывать по необходимости. Так на свет и появился репозиторий rpa-skills , изначально в нём была сборная солянка директорий скилов, которые содержали в себе просто SKILL.md с оригинальными промтами внутри. Но выглядело и юзалось это решение как-то не очень удобно, да и масштабировать захотелось, так что я решился пойти на немыслемое, почитать документацию о том, как правильно собирать скилы и маркетплейсы, о чём и расскажу сегодня вам. Но обо всём по порядку, для начала покажу как создавать скилы по уму.

https://habr.com/ru/articles/1062626/

#agent_skills #SKILLmd #Claude_Code #OpenAI_Codex #Cursor #ИИагенты #LLM #маркетплейс_плагинов #промптинжиниринг #вайбкодинг

Как делать скилы правильно и собрать из них маркетплейс

Началось всё с подборки промтов cursor-vibe-prompts , которую я таскал из проекта в проект копипастой, и в какой-то момент меня настолько утомила эта рутинная процедура копирования из одного окошка в другое, что захотелось чуть упростить себе задачу и вместо копипасты оформить эту историю в формате скилов и вызывать по необходимости. Так на свет и появился репозиторий rpa-skills , изначально в нём была сборная солянка директорий скилов, которые содержали в себе просто SKILL.md с оригинальными промтами внутри. Но выглядело и юзалось это решение как-то не очень удобно, да и масштабировать захотелось, так что я решился пойти на немыслемое, почитать документацию о том, как правильно собирать скилы и маркетплейсы, о чём и расскажу сегодня вам. Но обо всём по порядку, для начала покажу как создавать скилы по уму.

https://habr.com/ru/articles/1062626/

#agent_skills #SKILLmd #Claude_Code #OpenAI_Codex #Cursor #ИИагенты #LLM #маркетплейс_плагинов #промптинжиниринг #вайбкодинг

Как делать скилы правильно и собрать из них маркетплейс

Началось всё с подборки промтов cursor-vibe-prompts , которую я таскал из проекта в проект копипастой, и в какой-то момент меня настолько утомила эта рутинная процедура копирования из одного окошка в другое, что захотелось чуть упростить себе задачу и вместо копипасты оформить эту историю в формате скилов и вызывать по необходимости. Так на свет и появился репозиторий rpa-skills , изначально в нём была сборная солянка директорий скилов, которые содержали в себе просто SKILL.md с оригинальными промтами внутри. Но выглядело и юзалось это решение как-то не очень удобно, да и масштабировать захотелось, так что я решился пойти на немыслемое, почитать документацию о том, как правильно собирать скилы и маркетплейсы, о чём и расскажу сегодня вам. Но обо всём по порядку, для начала покажу как создавать скилы по уму.

https://habr.com/ru/articles/1062626/

#agent_skills #SKILLmd #Claude_Code #OpenAI_Codex #Cursor #ИИагенты #LLM #маркетплейс_плагинов #промптинжиниринг #вайбкодинг

Как я собрал систему из девяти скиллов для Claude Code, которая не разваливается на длинных задачах

У любого агента, которому даёшь большую задачу, есть общая болезнь: чем длиннее контекст, тем хуже он держит собственные правила. В начале сессии аккуратен, к середине забывает половину ограничений, к концу выдаёт то, что в первом сообщении сам обещал не делать. Собрал систему скиллов для Claude Code, которая эту стену обходит не за счёт «более умного» агента, а за счёт архитектуры. Девять скиллов, набор всегда активных правил, сабагент-ревьюер. Внутри — разбор механики: — Три слоя по частоте: always-on правила / скиллы по требованию / глубокая детализация в references, которая грузится только когда реально нужна. В контексте одновременно — правила плюс один-два скилла плюс максимум один reference, а не весь справочник разом. — Оркестратор как диспетчер, а не исполнитель: он знает порядок фаз и кому делегировать, но не содержит предметного знания. — Сабагент-ревьюер без прав на запись, который обязан помечать unverified (no browser tool) вместо того, чтобы выставить правдоподобную оценку по осям, которые он физически не проверял. — Capability-check: агент инвентаризирует доступные инструменты до начала работы и докладывает пробелы вместе с фолбэками, а не проваливается молча. Репозиторий открыт, ссылка в статье.

https://habr.com/ru/articles/1059202/

#Claude_Code #agent_skills #AIагенты #контекст #оркестрация #сабагенты #MCP #progressive_disclosure #плагины #промптинжиниринг

Как я собрал систему из девяти скиллов для Claude Code, которая не разваливается на длинных задачах

У любого агента, которому даёшь большую задачу, есть общая болезнь: чем длиннее контекст, тем хуже он держит собственные правила. В начале сессии аккуратен, к середине забывает половину ограничений, к концу выдаёт то, что в первом сообщении сам обещал не делать. Собрал систему скиллов для Claude Code, которая эту стену обходит не за счёт «более умного» агента, а за счёт архитектуры. Девять скиллов, набор всегда активных правил, сабагент-ревьюер. Внутри — разбор механики: — Три слоя по частоте: always-on правила / скиллы по требованию / глубокая детализация в references, которая грузится только когда реально нужна. В контексте одновременно — правила плюс один-два скилла плюс максимум один reference, а не весь справочник разом. — Оркестратор как диспетчер, а не исполнитель: он знает порядок фаз и кому делегировать, но не содержит предметного знания. — Сабагент-ревьюер без прав на запись, который обязан помечать unverified (no browser tool) вместо того, чтобы выставить правдоподобную оценку по осям, которые он физически не проверял. — Capability-check: агент инвентаризирует доступные инструменты до начала работы и докладывает пробелы вместе с фолбэками, а не проваливается молча. Репозиторий открыт, ссылка в статье.

https://habr.com/ru/articles/1059202/

#Claude_Code #agent_skills #AIагенты #контекст #оркестрация #сабагенты #MCP #progressive_disclosure #плагины #промптинжиниринг

Как я собрал систему из девяти скиллов для Claude Code, которая не разваливается на длинных задачах

У любого агента, которому даёшь большую задачу, есть общая болезнь: чем длиннее контекст, тем хуже он держит собственные правила. В начале сессии аккуратен, к середине забывает половину ограничений, к концу выдаёт то, что в первом сообщении сам обещал не делать. Собрал систему скиллов для Claude Code, которая эту стену обходит не за счёт «более умного» агента, а за счёт архитектуры. Девять скиллов, набор всегда активных правил, сабагент-ревьюер. Внутри — разбор механики: — Три слоя по частоте: always-on правила / скиллы по требованию / глубокая детализация в references, которая грузится только когда реально нужна. В контексте одновременно — правила плюс один-два скилла плюс максимум один reference, а не весь справочник разом. — Оркестратор как диспетчер, а не исполнитель: он знает порядок фаз и кому делегировать, но не содержит предметного знания. — Сабагент-ревьюер без прав на запись, который обязан помечать unverified (no browser tool) вместо того, чтобы выставить правдоподобную оценку по осям, которые он физически не проверял. — Capability-check: агент инвентаризирует доступные инструменты до начала работы и докладывает пробелы вместе с фолбэками, а не проваливается молча. Репозиторий открыт, ссылка в статье.

https://habr.com/ru/articles/1059202/

#Claude_Code #agent_skills #AIагенты #контекст #оркестрация #сабагенты #MCP #progressive_disclosure #плагины #промптинжиниринг

Промпт — это творчество? Нет, это 10 блоков в жёстком порядке

Все знают, как писать промпты правильно: роль, критерии готовности, защита от выдумок, разметка под конкретную модель. Проблема в другом - выписывать все эти пунктыруками для каждого нового промпта утомительно. Да ещё и думать надо :) Поэтому я собрал скилл, который делает рутину за меня: описываешь задачу своими словами, получаешь полноценный промпт под Claude, GPT, Gemini или DeepSeek. Под катом - как он устроен: десять обязательных блоков, Python-проверяльщик, протокол разнообразия из свежей научной работы. Скилл открытый, ссылка внутри.

https://habr.com/ru/articles/1046501/

#промптинжиниринг #prompt_engineering #llm #claude #agent_skills #skills #нейросети

rtk + context-mode поверх Serena + Semble: стоит ли нахлобучивать прокси-экономию токенов или это бред?

Тема экономии токенов сейчас дико популярна, и мы с ребятами в Гильдии AI-инженеров знатно её пообсуждали. Напомню краткую суть: там связка Serena (LSP) + Semble (векторные эмбеддинги) + Ripgrep (поиск координат) показала себя абсолютным топом для точечной навигации. Но в комментариях и личке мне тут же начали советовать: «Нахлобучь сверху еще rtk для сжатия вывода терминала и context-mode для полнотекстового индекса репозитория! Тема прокси-экономии сейчас на пике хайпа, сэкономишь еще больше!». Я подумал за**ись. И решил провести душный чек. Взял популярный open-source проект supermemory (~180 файлов, JS/TS) и замерил: действительно ли добавление rtk + context-mode дает реальный профит поверх моего текущего сетапа, или это просто карго-культ и оверхед, который утянет бюджет в минус?

https://habr.com/ru/articles/1043774/

#codex_cli #codex #claude_code #gemini #antigravity #serena #mcp #agent_skills #agent_hooks #agent_harness

rtk + context-mode поверх Serena + Semble: стоит ли нахлобучивать прокси-экономию токенов или это бред?

Тема экономии токенов сейчас дико популярна, и мы с ребятами в Гильдии AI-инженеров знатно её пообсуждали. Напомню краткую суть: там связка Serena (LSP) + Semble (векторные эмбеддинги) + Ripgrep (поиск координат) показала себя абсолютным топом для точечной навигации. Но в комментариях и личке мне тут же начали советовать: «Нахлобучь сверху еще rtk для сжатия вывода терминала и context-mode для полнотекстового индекса репозитория! Тема прокси-экономии сейчас на пике хайпа, сэкономишь еще больше!». Я подумал за**ись. И решил провести душный чек. Взял популярный open-source проект supermemory (~180 файлов, JS/TS) и замерил: действительно ли добавление rtk + context-mode дает реальный профит поверх моего текущего сетапа, или это просто карго-культ и оверхед, который утянет бюджет в минус?

https://habr.com/ru/articles/1043774/

#codex_cli #codex #claude_code #gemini #antigravity #serena #mcp #agent_skills #agent_hooks #agent_harness

rtk + context-mode поверх Serena + Semble: стоит ли нахлобучивать прокси-экономию токенов или это бред?

Тема экономии токенов сейчас дико популярна, и мы с ребятами в Гильдии AI-инженеров знатно её пообсуждали. Напомню краткую суть: там связка Serena (LSP) + Semble (векторные эмбеддинги) + Ripgrep (поиск координат) показала себя абсолютным топом для точечной навигации. Но в комментариях и личке мне тут же начали советовать: «Нахлобучь сверху еще rtk для сжатия вывода терминала и context-mode для полнотекстового индекса репозитория! Тема прокси-экономии сейчас на пике хайпа, сэкономишь еще больше!». Я подумал за**ись. И решил провести душный чек. Взял популярный open-source проект supermemory (~180 файлов, JS/TS) и замерил: действительно ли добавление rtk + context-mode дает реальный профит поверх моего текущего сетапа, или это просто карго-культ и оверхед, который утянет бюджет в минус?

https://habr.com/ru/articles/1043774/

#codex_cli #codex #claude_code #gemini #antigravity #serena #mcp #agent_skills #agent_hooks #agent_harness

Чем умнее модель, тем меньше ей нужно: четыре дисциплины production‑агента

Если твой агент обвешан пошаговыми инструкциями и десятком узких инструментов под каждый шаг — он, скорее всего, работает хуже, чем мог бы. Звучит контр‑интуитивно, но это прямой вывод из инженерных постов Anthropic за последний год: чем умнее становится модель, тем сильнее прежняя обвязка её сдерживает. За год правила производства агентов пересобрались. Появилось семь отдельных дисциплин. Это первая из двух частей: здесь — четыре дисциплины‑фундамента, на которых держится рабочий агент, а не демка. И три из этих четырёх — не про то, что добавить, а про то, что убрать лишнее и довериться модели.

https://habr.com/ru/articles/1042514/

#AIагенты #productionагенты #context_engineering #инженерия_контекста #Anthropic #Claude #LLM #Agent_Skills #промптинжиниринг #tool_design

[Перевод] Ультимативный гид по Codex CLI: от первой установки до воркфлоу

Перед вами то самое руководство, которое можно прочитать самому или скормить ИИ, а он проведет вас за ручку. Всё: от npm install до CI/CD в продакшене, с готовыми конфигами, мнениями и паттернами.

https://habr.com/ru/articles/1040296/

#codex #codex_cli #chatgpt #claudecode #agentsmd #hooks #agent_skills #gemini #openai #vibecoding

[Перевод] Ультимативный гид по Codex CLI: от первой установки до воркфлоу

Перед вами то самое руководство, которое можно прочитать самому или скормить ИИ, а он проведет вас за ручку. Всё: от npm install до CI/CD в продакшене, с готовыми конфигами, мнениями и паттернами.

https://habr.com/ru/articles/1040296/

#codex #codex_cli #chatgpt #claudecode #agentsmd #hooks #agent_skills #gemini #openai #vibecoding

[Перевод] Ультимативный гид по Codex CLI: от первой установки до воркфлоу

Перед вами то самое руководство, которое можно прочитать самому или скормить ИИ, а он проведет вас за ручку. Всё: от npm install до CI/CD в продакшене, с готовыми конфигами, мнениями и паттернами.

https://habr.com/ru/articles/1040296/

#codex #codex_cli #chatgpt #claudecode #agentsmd #hooks #agent_skills #gemini #openai #vibecoding

Анатомия production AI агента: разбор двух открытых промптов Anthropic

Что должно быть в теле production AI агента? Не «один длинный промпт», а структурированная система: роль, бюджет вызовов, OODA loop, потолки ресурсов, разделение ответственности между агентами. Разбираю два открытых промпта от Anthropic ( research_lead_agent.md и research_subagent.md ), собираю чек-лист из 13 блоков и шаблон SKILL.md . На руки — конкретный артефакт, по которому можно пройтись по своему агенту.

https://habr.com/ru/articles/1035948/

#claude #anthropic #aiагенты #llm #context_engineering #agent_skills #system_prompt #claude_code #multiagent

Harness вокруг LLM: что я понял за полтора года ежедневной работы

Полтора года в Claude Code, несколько релизов моделей, десятки экспериментов с командой в Kaiten. Всё это время я ждал, что главным рычагом качества будет очередной релиз модели. Оказалось, ровно наоборот: смена модели даёт заметный, но ограниченный прирост, а каждый новый слой обвязки вокруг неё — кратный. Англоязычные инженеры называют эту обвязку harness . Это контур, в котором живёт модель: системный промпт, инструменты, контекст, скиллы, хуки, разрешения и память. Без него даже флагманский Claude или Codex работает как экскаватор без рычагов — мощность есть, использовать нечем. У русского аналога одного короткого слова пока нет, поэтому ниже — harness и обвязка вперемешку.

https://habr.com/ru/articles/1035812/

#LLM #Claude_Code #AIагенты #prompt_engineering #harness #Anthropic #context_engineering #Agent_Skills #llmstxt #vibecoding

Harness вокруг LLM: что я понял за полтора года ежедневной работы

Полтора года в Claude Code, несколько релизов моделей, десятки экспериментов с командой в Kaiten. Всё это время я ждал, что главным рычагом качества будет очередной релиз модели. Оказалось, ровно наоборот: смена модели даёт заметный, но ограниченный прирост, а каждый новый слой обвязки вокруг неё — кратный. Англоязычные инженеры называют эту обвязку harness . Это контур, в котором живёт модель: системный промпт, инструменты, контекст, скиллы, хуки, разрешения и память. Без него даже флагманский Claude или Codex работает как экскаватор без рычагов — мощность есть, использовать нечем. У русского аналога одного короткого слова пока нет, поэтому ниже — harness и обвязка вперемешку.

https://habr.com/ru/articles/1035812/

#LLM #Claude_Code #AIагенты #prompt_engineering #harness #Anthropic #context_engineering #Agent_Skills #llmstxt #vibecoding

Harness вокруг LLM: что я понял за полтора года ежедневной работы

Полтора года в Claude Code, несколько релизов моделей, десятки экспериментов с командой в Kaiten. Всё это время я ждал, что главным рычагом качества будет очередной релиз модели. Оказалось, ровно наоборот: смена модели даёт заметный, но ограниченный прирост, а каждый новый слой обвязки вокруг неё — кратный. Англоязычные инженеры называют эту обвязку harness . Это контур, в котором живёт модель: системный промпт, инструменты, контекст, скиллы, хуки, разрешения и память. Без него даже флагманский Claude или Codex работает как экскаватор без рычагов — мощность есть, использовать нечем. У русского аналога одного короткого слова пока нет, поэтому ниже — harness и обвязка вперемешку.

https://habr.com/ru/articles/1035812/

#LLM #Claude_Code #AIагенты #prompt_engineering #harness #Anthropic #context_engineering #Agent_Skills #llmstxt #vibecoding

Bug fingerprinting для UI: почему stack trace не работает и что вместо

TL;DR: Sentry дедуплицирует backend-ошибки по хешу (error class + top stack frame + module) . Для UI-багов этот рецепт ломается — у expect(button).toBeVisible() нет stack frame в продуктовом смысле, есть локатор + assertion + URL . В webtest-orch я собрал composite SHA-256 fingerprint из (normalized_selector | assertion type | error class | URL template | message[:80]) с тремя rules нормализации ( :nth-child , UUID, /users/123 → /users/:id ). Это даёт стабильный 8-hex BUG-id который выживает прогоны и даёт diff new / regression / persisting / fixed без БД и embedding’ов.

https://habr.com/ru/articles/1032230/

#playwright #qa_automation #qa_testing #claude #agents #agent_skills #aria #webразработка #fingerprint #ui

Bug fingerprinting для UI: почему stack trace не работает и что вместо

TL;DR: Sentry дедуплицирует backend-ошибки по хешу (error class + top stack frame + module) . Для UI-багов этот рецепт ломается — у expect(button).toBeVisible() нет stack frame в продуктовом смысле, есть локатор + assertion + URL . В webtest-orch я собрал composite SHA-256 fingerprint из (normalized_selector | assertion type | error class | URL template | message[:80]) с тремя rules нормализации ( :nth-child , UUID, /users/123 → /users/:id ). Это даёт стабильный 8-hex BUG-id который выживает прогоны и даёт diff new / regression / persisting / fixed без БД и embedding’ов.

https://habr.com/ru/articles/1032230/

#playwright #qa_automation #qa_testing #claude #agents #agent_skills #aria #webразработка #fingerprint #ui

Bug fingerprinting для UI: почему stack trace не работает и что вместо

TL;DR: Sentry дедуплицирует backend-ошибки по хешу (error class + top stack frame + module) . Для UI-багов этот рецепт ломается — у expect(button).toBeVisible() нет stack frame в продуктовом смысле, есть локатор + assertion + URL . В webtest-orch я собрал composite SHA-256 fingerprint из (normalized_selector | assertion type | error class | URL template | message[:80]) с тремя rules нормализации ( :nth-child , UUID, /users/123 → /users/:id ). Это даёт стабильный 8-hex BUG-id который выживает прогоны и даёт diff new / regression / persisting / fixed без БД и embedding’ов.

https://habr.com/ru/articles/1032230/

#playwright #qa_automation #qa_testing #claude #agents #agent_skills #aria #webразработка #fingerprint #ui

[Перевод] «Большой скачок» в мире AI: история повторяется

В 1958 году Мао приказал каждой деревне в Китае выплавлять сталь. Крестьяне бросали кухонную утварь в самодельные домны и рапортовали о феноменальных показателях. Сталь оказалась непригодной. Урожай сгнил. Тридцать миллионов человек погибли от голода. В 2026 году каждая вторая компания проводит масштабную AI-трансформацию сверху вниз. Тот же вайб.

https://habr.com/ru/articles/1021342/

#AIтрансформация #AIагенты #корпоративный_AI #agent_skills #LLM #productivity #технический_долг #vibe_coding

MCP не умер: почему ИИ-агенты тонут в контексте

Еще недавно казалось, что MCP решит главную проблему ИИ-агентов: даст единый способ подключать инструменты, данные и внешние системы. Но быстро выяснилось, что если дать модели все сразу, она не становится умнее - она теряет фокус. В статье разбираю, почему ИИ-агенты тонут в контексте, и какие подходы помогают это исправить.

https://habr.com/ru/articles/1019866/

#mcp #искусственный_интеллект #нейросети #model_context_protocol #ии_агенты #контекстное_окно #автоматизация #agent_skills #api #архитектура

MCP не умер: почему ИИ-агенты тонут в контексте

Еще недавно казалось, что MCP решит главную проблему ИИ-агентов: даст единый способ подключать инструменты, данные и внешние системы. Но быстро выяснилось, что если дать модели все сразу, она не становится умнее - она теряет фокус. В статье разбираю, почему ИИ-агенты тонут в контексте, и какие подходы помогают это исправить.

https://habr.com/ru/articles/1019866/

#mcp #искусственный_интеллект #нейросети #model_context_protocol #ии_агенты #контекстное_окно #автоматизация #agent_skills #api #архитектура

MCP не умер: почему ИИ-агенты тонут в контексте

Еще недавно казалось, что MCP решит главную проблему ИИ-агентов: даст единый способ подключать инструменты, данные и внешние системы. Но быстро выяснилось, что если дать модели все сразу, она не становится умнее - она теряет фокус. В статье разбираю, почему ИИ-агенты тонут в контексте, и какие подходы помогают это исправить.

https://habr.com/ru/articles/1019866/

#mcp #искусственный_интеллект #нейросети #model_context_protocol #ии_агенты #контекстное_окно #автоматизация #agent_skills #api #архитектура

Как я собрал AI-оркестратор расследования продовых инцидентов на `SKILL.md`, субагентах и API

Тикет «404 на оплате» раньше означал для меня 5 вкладок и 15-20 минут ручного расследования: Sentry, Kibana, Grafana, база, Jira. Я собрал AI-оркестратор расследования на SKILL.md , субагентах и обычных API: теперь агент за 3-5 минут приносит первый черновик отчёта. Показываю архитектуру, контракт между агентами, рабочие формулировки и границы, где AI-оркестрация реально помогает, а где начинает буксовать.

https://habr.com/ru/articles/1013858/

#Claude_Code #SKILLmd #Agent_Skills #субагенты #MCP #автоматизация #Sentry #ELK

Extend your coding agent with .NET Skills
https://devblogs.microsoft.com/dotnet/extend-your-coding-agent-with-dotnet-skills/

#microsoft #NET #AI #C #Debugging #Performance #agent_skills #coding_agents #copilot

Как я запилил Skill для $mol, чтобы Claude Code перестал писать на React

Привет, Хабр! Последние несколько месяцев я пишу на фреймворке $mol . $mol очень крутая штука, но для иишки слишком мало информации в датасетах. Агент постоянно что то да путал, и даже не смотря на типизацию в моле ( даже в css ) это всё очень долго кругами ходило. Агент:

https://habr.com/ru/articles/1002192/

#mol #$mol #skills #skill #agent #agentic_ai #agentic_coding #agent_skills

AIを“即戦力の専門家”に変える「Agent Skills」は単なる機能拡張ではない、暗黙知をデジタル化する新たなスタンダード【柳谷智宣のAI ウォッチ！】
https://forest.watch.impress.co.jp/docs/serial/yaaiwatch/2081968.html

#forest_watch_impress #生成AI #Claude #Agent_Skills #genai #AIエージェント #その他

「Claude」のファイル生成・編集機能が無料プランにも開放、スキルも利用可能に／コンパクションでより大きなタスクを任せることも
https://forest.watch.impress.co.jp/docs/news/2081867.html

#forest_watch_impress #Claude #Claude_Desktop #Agent_Skills #genai #文章生成 #AIコーディング #AIエージェント

エージェントスキルに対応した「Visual Studio Code」v1.108が公開 ～2025年12月更新／追加すれば汎用AIモデルが専門家に、内蔵ターミナルはカスタムグリフ対応を拡充
https://forest.watch.impress.co.jp/docs/news/2076969.html

#forest_watch_impress #Visual_Studio_Code #Claude_Skills #Agent_Skills #プログラミング #Windows #Mac #Linux #オフィス_ドキュメント #テキストエディター

エージェントスキルに対応した「Visual Studio Code」v1.108が公開 ～2025年12月更新／追加すれば汎用AIモデルが専門家に、内蔵ターミナルはカスタムグリフ対応を拡充
https://forest.watch.impress.co.jp/docs/news/2076969.html

#forest_watch_impress #Visual_Studio_Code #Claude_Skills #Agent_Skills #プログラミング #Windows #Mac #Linux #オフィス_ドキュメント #テキストエディター

Навыки агентов (Agent Skills): что это такое и почему это больше, чем «папка с промптами»

Привет, Хабр! Меня зовут Сергей Нотевский, я AI Platform Lead в Битрикс24. Сегодня поговорим о новой практике упаковки знаний для LLM - Agent Skills. Разберем само понятие «навыков агентов» и проблемы, которые они решают, рассмотрим архитектуру и взаимосвязь с Tools, RAG и MCP. TL;DR: Agent Skills – это переносимые модули процедурной памяти (инструкции + критерии + ресурсы), которые агент подгружает по мере необходимости. Они решают проблему «впихнуть невпихуемое» в контекст и устраняют prompt sprawl (разрастание промптов): процесс превращается в версионируемый артефакт (папку с кодом и Markdown). В отличие от Retrieval-Augmented Generation (RAG), который приносит факты, и Tools (инструментов), которые дают действия, Skill задаёт алгоритм – как именно действовать .

https://habr.com/ru/companies/bitrix/articles/980654/

#agent_skills #навыки_агентов #архитектура_LLMагентов #LLMагенты #context_rot #skill #ai

Hugging Face Skills: AI агенты теперь сами обучают LLM

Hugging Face релизнули Skills — Agent Context Protocol (ACP), через который упаковываются определения разных задач для ИИ агентов. По сути — это папки, в которых собраны инструкции, скрипты и ресурсы для использования ИИ агентом под конкретный кейс. Один из перых скиллов — дообучение опенсорсных LLM. Разбираемся подробнее.

https://habr.com/ru/articles/974148/

#искусственный_интеллект #hugging_face #gemini_cli #openai_codex #claude_code #llmагенты #llm #agent_skills #Agent_Context_Protocol #Сезон_ИИ_в_разработке

[Перевод] Как прокачать ИИ-агента без дообучения: Agent Skills

Большие языковые модели давно вышли за пределы «болталок» и теперь работают в реальных средах — пишут код, анализируют данные, управляют инструментами. Однако чем мощнее становятся такие агенты, тем отчётливее видно: дело уже не в нейросетевых весах, а в доступе к структурированным знаниям и процедурному контексту. Anthropic предлагает ответ в виде Agent Skills — модульного подхода, позволяющего упаковывать экспертизу в обычные папки и файлы, которые агент может обнаруживать, подгружать и использовать динамически. Это попытка превратить LLM из универсального помощника в специалиста без дообучения и одновременно найти масштабируемый способ работать с контекстом за пределами токенов. Читать статью

https://habr.com/ru/companies/otus/articles/967320/

#разработка_по #агентные_системы #LLM #модульность #контекстное_окно #инструкции_для_агентов #автоматизация #ИИагент #Agent_Skills

[Перевод] Как прокачать ИИ-агента без дообучения: Agent Skills

Большие языковые модели давно вышли за пределы «болталок» и теперь работают в реальных средах — пишут код, анализируют данные, управляют инструментами. Однако чем мощнее становятся такие агенты, тем отчётливее видно: дело уже не в нейросетевых весах, а в доступе к структурированным знаниям и процедурному контексту. Anthropic предлагает ответ в виде Agent Skills — модульного подхода, позволяющего упаковывать экспертизу в обычные папки и файлы, которые агент может обнаруживать, подгружать и использовать динамически. Это попытка превратить LLM из универсального помощника в специалиста без дообучения и одновременно найти масштабируемый способ работать с контекстом за пределами токенов. Читать статью

https://habr.com/ru/companies/otus/articles/967320/

#разработка_по #агентные_системы #LLM #модульность #контекстное_окно #инструкции_для_агентов #автоматизация #ИИагент #Agent_Skills

[Перевод] Как прокачать ИИ-агента без дообучения: Agent Skills

Большие языковые модели давно вышли за пределы «болталок» и теперь работают в реальных средах — пишут код, анализируют данные, управляют инструментами. Однако чем мощнее становятся такие агенты, тем отчётливее видно: дело уже не в нейросетевых весах, а в доступе к структурированным знаниям и процедурному контексту. Anthropic предлагает ответ в виде Agent Skills — модульного подхода, позволяющего упаковывать экспертизу в обычные папки и файлы, которые агент может обнаруживать, подгружать и использовать динамически. Это попытка превратить LLM из универсального помощника в специалиста без дообучения и одновременно найти масштабируемый способ работать с контекстом за пределами токенов. Читать статью

https://habr.com/ru/companies/otus/articles/967320/

#разработка_по #агентные_системы #LLM #модульность #контекстное_окно #инструкции_для_агентов #автоматизация #ИИагент #Agent_Skills