Генеративные модели

Навыки для ИИ-агентов: как собрать и проверить один рабочий навык

Пошагово собираем один навык для ИИ-агента: папка и SKILL.md, триггеры, инструкция, подключение и проверка на двух прогонах.

Редакция DeepMe
· Обновлено · 7 мин чтения
Три бумажные карточки, керамические кубики-ступени и лента, соединённые шаром в один маршрут.

Если вы каждый раз заново объясняете агенту, как оформить отчёт, разобрать таблицу или проверить текст по чек-листу, вы теряете время и получаете разный результат. Навык (skill) решает именно эту задачу: процедура записывается один раз и подключается, когда запрос совпадает с её назначением. Ниже — практика на одном сквозном примере: от структуры папки до проверки, что навык воспроизводит процедуру стабильно.

Коротко: в материалах Anthropic навык описывается как папка с файлом SKILL.md, где указано, когда навык применять и что делать по шагам. В статье — как собрать такой навык, как отличить его от обычного промпта и MCP-инструмента и как убедиться, что он работает, а не просто «объявляет модель экспертом».

Зачем навык вместо повторяющегося промпта

Промпт в чате живёт в пределах одного разговора. Навык — это артефакт: его можно хранить, версионировать, передать коллеге и подключить в другом чате. Практическая формулировка «один раз научить агента и больше не объяснять заново» точно описывает суть.

Есть и вторая причина. Исследование Skill-Pro (препринт на arXiv) описывает проблему повторного вывода решения с нуля в похожих ситуациях: это даёт вычислительную избыточность и накопление ошибок на длинных задачах. Авторы предлагают хранить процедурные единицы с условиями активации, выполнения и завершения. Нам не нужно повторять их метод целиком, но идея полезна: у навыка должны быть явные условия, когда он включается и когда работа считается законченной.

Что такое навык технически: папка и SKILL.md

В материалах Anthropic навык описывается как папка, внутри которой лежит файл SKILL.md в формате Markdown. Именно его наличие делает папку навыком; остальные файлы опциональны и добавляются, когда навыку нужны дополнительные материалы.

Внутри SKILL.md обычно есть две части:

  • метаданные — имя и описание, по которому агент понимает, когда навык уместен;
  • тело инструкции — конкретные шаги, правила и формат результата.

По описаниям установленных навыков агент решает, какой применить к текущему запросу. Это называют автотриггерингом: вы пишете задачу обычными словами, а подходящий навык подхватывается сам. При желании навык можно вызвать вручную, если интерфейс поддерживает такую команду.

Эти три вещи часто путают, хотя решают разные задачи. Ориентируйтесь на таблицу ниже.

Что нужноПодходящий инструментПочему
Разово получить ответ в одном чатеПромптНе требует хранения и подключения
Повторять одну и ту же процедуру с одинаковым форматомНавыкПроцедура зафиксирована и переиспользуется
Дать агенту доступ к внешнему сервису или даннымMCP-инструмент или коннекторНавык задаёт правила, но не подключает сервисы
И то, и другое: доступ плюс порядок работыMCP-инструмент + навыкИнструмент даёт доступ, навык — сценарий

Полезная аналогия из обзоров: MCP — это кухня с оборудованием и ингредиентами, а навык — рецепт. По отдельности оба работают, вместе дают предсказуемое блюдо.

Отдельно стоит отличать навык от проекта. Проект — рабочее пространство с общим контекстом, а навык — инструкция для задач определённого типа, которую агент достаёт по мере надобности.

Сквозной пример: навык для оформления отчёта

Возьмём учебную задачу: есть сырые заметки по встрече, нужно получить короткий отчёт по фиксированному шаблону. Все числа и названия ниже — локальные, придуманные для примера, а не результаты исследования.

Учебный шаблон отчёта: заголовок, три раздела («Что решили», «Что открыто», «Следующие шаги»), в каждом — не больше трёх пунктов, в конце — список ответственных. Такой навык полезен, если вы регулярно превращаете заметки в одинаково оформленные отчёты.

Шаг 1. Структура папки и вспомогательные файлы

Учебная минимальная структура:

report-notes/
├── SKILL.md
└── references/
    └── template.md

SKILL.md — основной файл навыка. В references/template.md можно держать сам шаблон, чтобы не раздувать основную инструкцию. Если шаблон короткий, его допустимо вставить прямо в SKILL.md — лишняя папка не нужна.

Шаг 2. Метаданные и триггеры: когда навык должен срабатывать

Описание в метаданных — главный механизм активации. Оно должно отвечать на вопрос «при каких запросах меня звать», а не «какой я хороший».

Слабое описание: «Помогает с отчётами». Сильное: «Оформляет сырые заметки встречи в короткий отчёт по шаблону: три раздела, до трёх пунктов в каждом, список ответственных. Использовать, когда просят „сделать отчёт по заметкам“ или „оформить итоги встречи“».

Во втором варианте есть предмет задачи, формат результата и примеры формулировок. Это снижает риск, что навык не сработает на нужном запросе или, наоборот, полезет в неподходящую задачу.

Шаг 3. Тело инструкции: исполнимые правила вместо «ты эксперт»

Типичная ошибка — навык, который лишь объявляет модель экспертом. В обзорах сторонних навыков это отмечают как распространённую проблему: такие файлы не содержат полезных инструкций. Агент и так умеет быть «экспертом»; ему нужен порядок действий.

Рабочее тело инструкции для нашего примера:

  1. Прочитай заметки и выдели решения, открытые вопросы и следующие шаги.
  2. Если какой-то раздел пуст, напиши «Не зафиксировано» — не придумывай содержание.
  3. Оформи результат строго по шаблону из references/template.md.
  4. В каждом разделе — не больше трёх пунктов; лишнее объединяй или отбрасывай.
  5. В конце перечисли ответственных в том виде, как они названы в заметках.
  6. Если в заметках нет ответственных, укажи это отдельной строкой.

Обратите внимание: здесь есть условия завершения и правило на случай нехватки данных. Именно этого не хватает навыкам-«пустышкам».

Шаг 4. Подключение навыка в агенте

Способ подключения зависит от среды и версии интерфейса, поэтому его нужно сверять с официальной документацией на момент использования — интерфейсы меняются. Общий принцип из материалов Anthropic такой: агент при старте загружает имя и описание каждого установленного навыка в системный промпт и подгружает полное содержимое SKILL.md, только когда считает навык релевантным задаче. Значит, для подключения достаточно, чтобы папка с SKILL.md была доступна агенту в его каталоге навыков или загружена через интерфейс, который это поддерживает.

Не держите включёнными десятки навыков одновременно: это запутывает выбор. Лучше несколько точных.

Шаг 5. Проверка на двух прогонах и фиксация расхождений

Навык готов не тогда, когда он один раз сработал, а когда воспроизводит процедуру. Простейшая проверка:

  1. Возьмите один и тот же набор заметок и один и тот же запрос.
  2. Запустите задачу дважды в новых чатах, чтобы контекст не подсказывал ответ.
  3. Сравните результаты по трём пунктам: структура разделов, число пунктов, наличие списка ответственных.
  4. Запишите расхождения. Если они есть, уточните инструкцию — чаще всего не хватает правила на случай пустого раздела или лимита пунктов.

Двух прогонов достаточно, чтобы поймать грубые расхождения; для критичных процедур имеет смысл прогнать больше и на разных формулировках запроса. Это не гарантия качества, а дешёвый способ заметить нестабильность до того, как навык уйдёт в работу.

Типичные ошибки и как их избежать

  • Навык без триггеров. Описание не говорит, когда навык нужен, — он либо не срабатывает, либо мешает. Решение: предмет задачи, формат результата, примеры формулировок.
  • Навык-«ты эксперт». Нет шагов и правил. Решение: список действий, лимиты, поведение при нехватке данных.
  • Слишком широкая зона ответственности. Один навык на всё сразу плохо выбирается. Решение: один навык — одна процедура.
  • Нет проверки. Навык принят после одного удачного прогона. Решение: сравнение двух прогонов по явным критериям.
  • Сторонние навыки без разбора. Качество пользовательских навыков сильно разнится. Решение: читать SKILL.md перед подключением.

Чек-лист готовности навыка

  1. Есть папка и файл SKILL.md.
  2. В описании указано, когда навык применять, и приведены примеры запросов.
  3. В теле — исполнимые шаги, а не общие заявления.
  4. Заданы лимиты и поведение при нехватке данных.
  5. Определено, что считается завершённым результатом.
  6. Навык подключён и проверен на двух прогонах.
  7. Расхождения зафиксированы, инструкция уточнена.
  8. Навык не дублирует MCP-инструмент и не подменяет доступ к данным.

Если задача разовая, навык не нужен — хватит промпта. Если нужен доступ к внешнему сервису, сначала подключается инструмент. Навык оправдан там, где процедура повторяется и должна воспроизводиться одинаково. Смежные темы — типичные ошибки при работе с генеративными моделями и обзор инструментов для текста.

Материалы по теме: Skill-Pro: Learning Reusable Skills from Experience via Non-Parametric PPO for LLM Agents, Equipping agents with Agent Skills (Anthropic).