Что там по скиллам

За последнее время у меня вышло много постов про скиллы. Собрал их в одном месте, чтобы было проще разобраться в теме и найти нужное.

С чего начать
– Скиллы в агентах – часть 1: база – что такое скилл, как он устроен и как progressive disclosure помогает не забивать контекст агента
– Все ли так классно со скиллами – часть 2 – где скиллы проигрывают agents.md, почему они не заменяют MCP и для каких задач подходят лучше всего
– Где брать скиллы – часть 3 – каталог skills.sh и несколько скиллов, которыми я пользуюсь сам: для дизайна, брейншторма, презентаций и e2e-тестов
– Создаём свои скиллы – часть 4 – как делать скиллы на основе реальных сценариев, использовать skill-creator и evals, а также не раздувать SKILL.md

Практика и качество
– Скилл поверх MCP – зачем добавлять к MCP не только тулы, но и знания о правильной работе с сервисом
– Скиллы: как создавать, улучшать и распространять на команды – запись моего доклада на Podlodka: от устройства и установки скиллов до evals и дистрибуции AI-артефактов на команды
– Как писать скиллы – вызов скилла, структура, управление поведением агента и регулярная чистка инструкций
– Don’t ship skills without evals – как проверить, что скилл действительно улучшает результат, какие кейсы собирать и зачем сравнивать работу со скиллом и без него

Всякое разное
– Caveman экономит токены. Но не 65% – сколько токенов скилл экономит на реальных агентных задачах и влияет ли это на качество
– Superpowers для разработки с агентами – набор скиллов, который в процессе разработки ведёт агента через дизайн, планирование, TDD и ревью

#ai #devfm

Как дистрибутировать AI-артефакты

Меня очень интересует дистрибуция AI-артефактов внутри команд – хочется, чтобы все получали единый опыт использования агентов и не городили каждый свой сетап.

У разных агентов уже есть плагины, которые позволяют забандлить набор артефактов для команды или конкретного сценария работы. Но каждый городит своё: форматы плагинов OpenCode, Claude Code и Codex не очень-то совместимы.

И вот собрались умные мужи из Amazon, Cursor, Microsoft, OpenAI и Vercel и попытались решить эту проблему, предложив Agent Plugins – единый формат плагинов для разных агентов.

В текущей версии спецификации плагин – это директория с фиксированной структурой. В корне лежит обязательный plugin.json: в нём указываются имя плагина и версия спецификации, а опционально – версия самого плагина, описание, автор, ссылки на сайт и репозиторий, лицензия и ключевые слова.

Скиллы находятся в skills/, а MCP-серверы описываются в mcp.json. Совместимый клиент знает, где искать эти компоненты, и может подключить их своим способом. При этом сам стандарт пока описывает только два типа компонентов: скиллы и MCP-серверы.

Формат можно расширять через клиентские расширения. Например, конкретный клиент может добавить поддержку своих сущностей – тех же хуков. Но это довольно хрупкий механизм: другой клиент не обязан понимать такое расширение и может его просто проигнорировать. В итоге мы снова приходим примерно к текущему состоянию: каждый клиент расширяет формат по-своему, а совместимость между ними теряется.

В общем, заход хороший, но как будто не со всей силы.

Некоторое время назад мы начали решать эту задачу на работе и сделали свой механизм пресетов. Он позволяет объединить в один набор MCP, скиллы, рулы, хуки и агентов. Про него я немного рассказал в конце доклада про скиллы. При этом артефакты мы распространяем специальной утилитой, которая знает, как устроены пресеты, и умеет раскладывать их по конфигам разных агентов.

Таким образом, мы можем дистрибуцировать наборы AI-артефактов по командам, чтобы у всех был единый опыт работы с агентами.

#ai

Agent Reach – доступ к разным источникам для агентов

В Hermes у меня работает подборщик новостей из разных источников. Парсеры для них я либо писал сам, либо брал готовые. Некоторые ещё и периодически отваливались.

Некоторое время назад нашёл Agent Reach – утилиту, которая устанавливает и настраивает для агента инструменты доступа к разным платформам. Например, она умеет читать и искать посты в богомерзком Twitter, работать с Reddit, YouTube, GitHub, LinkedIn и Instagram, а также парсить RSS.

В общем, если искали удобный способ подключить к агенту разные источники – попробуйте.

Как улучшать скиллы по расписанию

В посте про Codex Desktop я уже рассказывал, что использую Scheduled для периодических задач. Одна из них кажется достаточно полезной, чтобы рассказать отдельно: раз в день Codex просматривает недавние сессии и предлагает, что стоит поправить.

Как работает Scheduled-задача
– анализирует сессии за последние сутки, а если вчерашний запуск был неудачным – расширяет период анализа
– читает личные скиллы, проектные скиллы, которые использовались в сессиях, и нужные AGENTS.md
– автоматически ничего не правит, а предлагает изменения

Что именно он ищет
– какие существующие личные скиллы стоит улучшить и как именно
– какие проектные скиллы стоит улучшить с учетом того, как они использовались в конкретном репозитории
– какие скиллы устарели, дублируются, стали слишком жирными
– какие повторяющиеся сценарии пора оформить в новые личные или проектные скиллы

Конечно, зачастую предлагается какая-то фигня, которую я просто игнорирую – именно поэтому не даю автоматически все править. Но и полезные штуки тоже находятся. Из последнего:
– заметил, что в нескольких сессиях я повторял одни и те же требования к интерфейсу. Мы закрепили их в проектном AGENTS.md, и теперь не нужно каждый раз объяснять агенту, какие правила применять
– нашел несколько дублирующихся скиллов с одинаковыми именами. Лишние копии удалили
– обнаружил, что один из общекомпанейских скиллов ссылался на устаревший скилл. Поправили – стало лучше сразу большому количеству людей :)
– заметил, что скилл для ежедневного разбора почты пропускал новые комментарии в задачах, назначенных на меня, если там не было прямого упоминания. Правило поправили и добавили тесты

В итоге каждое утро начинается с просмотра того, что ещё можно подтюнить.

#ai

Deep Tech Night

Я периодически рассказываю об интересных конференциях. И вот скоро, 5 сентября, состоится Deep Tech Night.

Основная тема, конечно aiaiaiiaiaia. Должно быть прикольно. Приходите :)

В этом году основной фокус – на онлайн-формате. Но офлайн тоже будет: можно подать заявочку.

Еще один способ внедрить AI в личный рабочий процесс

Встроить агентов в повседневную работу на самом деле не так уж просто. Этому явно мешают привычки. Многие вещи я уже привык делать определённым образом, да и с ходу не всегда понятно, где именно агент сможет быть полезен.

Я стараюсь критически смотреть на свои задачи и думать, где агент может помочь. Можно ли отдать ему просмотр досок, подготовку ко встречам, ревью PR, работу с требованиями, исследование или ещё что-то.

В таск-трекере периодически накапливается много муторных менеджерских задач. Делать их руками – ну такое, потому что всегда находится что-то более приоритетное. Агент бы справился, но ему явно не хватило бы контекста.

Поэтому я проделал такое упражнение:

1. Все задачи, с которыми, как мне казалось, агент в целом может справиться, пометил тегом agent.
2. Открыл новую сессию и попросил брать эти задачи по очереди и выполнять.
3. Если чего-то не знаешь или в чём-то не уверен – спрашивай. После моего ответа записывай новое знание в AGENTS.md.

Вот так в течение дня мы параллельно продвигали несколько задач. На мой взгляд, получилось хорошо. Когда я давал недостающий контекст, агент справлялся. А все выясненные по ходу детали оставались на будущее в AGENTS.md, поэтому заново отвечать на многие вопросы уже не придётся.

Например, хорошо пошла актуализация роадмапа. Сейчас в проекте много зависимостей, поэтому постоянно нужно находить тикеты, проставлять связи и актуализировать даты. Делать всё это руками – ну такое, явно не для человеков. А агент с нужным контекстом в итоге всё прошуршал и сделал. Мне только периодически нужно было отвечать на вопросы и контролировать, всё ли сделано правильно.

Заход неплохой с точки зрения агентизации некоторой рутины – рекомендую попробовать.

А еще грустенько видеть задачу, которая явно подходит агенту, но пока недоступна ему из-за отсутствия нужного инструментария. В общем, пока агент шуршал над задачами, я пошёл оформлять командировку и вручную всё протыкивать.

#agents #ai #devfm

Некоторое время назад нашёл скилл Diagram Design для рисования диаграмм. Как-то он лежал-лежал, а тут наконец потребовалось порисовать.

Что скажу – вышло хорошо. Диаграммы получаются аккуратными, красивенькими и в одном стиле. Не нужно отдельно объяснять агенту кто на ком стоял.

Скилл поддерживает самые разные схемки: архитектурные, flowchart, sequence, Gantt и ER-модели. Результат сохраняется как автономный html с inline SVG, который можно экспортировать в SVG и PNG. Ещё скилл может перерисовать существующую схему из draw.io или Mermaid.

В общем, рекомендую попробовать :)

#ai

Фича из 2015-го для агентов в 2026-м

Можно годами пользоваться гитом и ничего не знать про git worktree. Команда появилась ещё в июле 2015-го, в Git 2.5 и позволяет держать несколько веток одного репозитория в отдельных папках.

Кейсы заявлялись вполне практичные: срочно починить баг, не трогая недописанную фичу, или запустить долгие тесты в одной папке и продолжить разработку в другой. Но в целом-то можно было обходиться переключением веток и stash.

Зато теперь, когда код пишут агенты, worktree практически незаменим.

Один агент пилит фичу, другой пилит фичу, ещё один баг правит. Просто наплодить каждому по ветке не получится. В одной рабочей директории активна только одна ветка.

И вот тут мы расчехляем git worktree, который позволяет создать несколько рабочих копий одного репозитория. В каждой – своя ветка, свои файлы и незакоммиченные изменения. История Git общая, клонировать репозиторий заново для каждой задачи не нужно.

Например, из папки проекта:

git worktree add -b agent/feature ../project-feature HEAD
git worktree add -b agent/bugfix ../project-bugfix HEAD

Получаются две новые ветки от текущего коммита и две отдельные рабочие копии. Первого агента запускаешь в project-feature, второго – в project-bugfix, третьего – в исходной рабочей копии.

Конфликты при слиянии, конечно, возможны, если задачи затронули одни и те же куски кода. Но это лучше, чем всем вместе менять одну рабочую копию.

В общем, если не пробовали, то категорически рекомендую присмотреться.

#ai #agents

Что OpenAI советует при работе с GPT-6 Astra

Относительно недавно вышла GPT-6 Astra, и я решил почитать, что ребята из OpenAI советуют при работе с моделью.

Просить доводить задачу до результата
Astra чаще уточняет там, где предыдущие модели делали предположения. Советуют прямо просить агента довести задачу до конца без лишних согласований.

Пересмотреть скиллы и AGENTS.md
Модель лучше следует инструкциям и чувствительнее к их содержимому. Неясные или противоречивые правила могут заставить её остановиться и ждать подтверждения.

Я уже писал, что суперважно всё это добро поддерживать в актуальном состоянии. Хороший способ проверить, что ещё нужно, – периодически вычищать почти всё и смотреть, изменилось ли что-то в работе агента.

Задать стиль ответов
Astra склонна к подробным ответам, спискам, таблицам и повторяющимся оборотам. Если хочется короткого текста обычными абзацами, это стоит прямо написать. В доке даже есть примеры инструкций против шаблонных фраз и лишнего жаргона.

Обозначить, когда нужны субагенты
Если ваш агент поддерживает делегирование и вы хотите, чтобы он чаще распараллеливал работу, задайте это в инструкциях.

Соразмерять проверки с задачей
Для небольшой правки модель может устроить слишком широкое тестирование.
С тестами уже поймал такое: составили план, агент пошёл пыхтеть. Думаю, что-то долго, спрашиваю, в чём дело. Оказалось, всё это время он писал какие-то ну оооочень разухабистые тесты, которые к тому же у него не получалось написать.


Ничего сильно нового, конечно, не открыли, но знание таких нюансов может оказаться полезным. Кстати, в статье для каждого пункта есть примеры формулировок.

#ai #agents

Что там с кодинговыми агентами

Я тут немного пропустил, а JetBrains поделились результатами очередного большого исследования – AI Coding Agents: Adoption Trends.

Из интересного:
– 90% профессиональных разработчиков используют кодинговых AI-агентов на работе хотя бы раз в неделю, 68% – ежедневно

– Claude Code едет и бибикает – тут, кажется, без сюрпризов. С января доля разработчиков, которые используют его на работе, выросла с 18% до 39%. А для 31% это уже основной AI-инструмент для кодинга

– Codex ворвался в гонку кодинговых агентов: с 3% в январе до 16% в мае–июле. Но хотя ChatGPT уже стал именем нарицательным, как ксерокс, 35% разработчиков всё ещё даже не слышали о Codex

– опенсорсный OpenCode молодец: 7% используют его на работе, 42% о нём знают. Хороший адопшен для проекта, за которым не стоит техногигант. Попробуйте, если ещё не пробовали – я некоторое время использовал, мне нравилось

– задавший тренд индустрии GitHub Copilot потихоньку скукливается: с 29% год назад до 21% сейчас. Я его, кажется, не использую уже с 2024 года, но удивительно, что он всё ещё настолько популярен. Наверное, отчасти потому, что поддержка Copilot уже встроена в VS Code. А дефолты, как известно, сильная штука

Не пишите аислопный текст, пожалуйста-препожалуйста.

Код супер активно пишется агентами и читается ими же – и как будто даже неплохо выходит. Люди, конечно, всё ещё читают код, но сильно меньше, и тенденция понятна.

Но божечки, с текстами так не работает. Как же утомляет читать аислопные тексты. Иногда заходишь в тикет, а там простыня. Или тебе скидывают ссылку на вики – вот, читайте, изучайте. ААА!!!

Текст в большинстве своём нужен, чтобы передать информацию от одного думающего человека другим думающим человекам. Хочется понимать, что человек сам думает по заданной теме, что предлагает и почему.

Для меня тут важны три вещи.

За каждую мысль в тексте нужно отвечать. За каждым предложением в тексте должен стоять смысл. Люди воспринимают написанное как твою позицию. Если агент дописал что-то от себя, а ты не заметил, читатели вполне могут решить, что ты именно так и думаешь. Или просто будут читать и думать: ну что за вода.

Когда пишешь – думаешь. Пока пишешь, разбираешься, что важно, как одно связано с другим, где ты сам чего-то не понимаешь. И мне кажется, это супер важно.

Цените чужое время. Агент выдал тебе текст, ты пробежался по нему глазами (если вообще пробежался) и отправил людям. А им теперь разбираться, что ты хотел сказать. Нельзя экономить свои усилия, заставляя читателей разбираться в тексте, который ты сам не разобрал. Спросить у агента они и сами могут.

Я тексты продолжаю писать руками. AI, конечно, участвует в процессе, но такое я тщательнейшим образом вычитываю, ревьюю, переписываю. Мне важно, чтобы в результате было написано то, что я сам думаю и хочу сказать.

А аислопное говнище мне присылать не нужно.

#devfm #ai

Код пишется быстро, а што с ревью

Я как-то уже бухтел на тему код-ревью. Но мир так быстро меняется, что хочется поднять её снова.

Код теперь генерируют агенты. Увидеть пиар на +4623 −200 – да запросто. А дальше у всех по-разному.

Вижу проекты, где код всё так же по старинке дотошно и вдумчиво смотрят люди. Ревью становится бутылочным горлышком: код пишется быстро, пиары висят днями.

Где-то к просмотру глазами подключают агента: «Сделай ревью и смотри, чтобы там всё хорошо было» – тоже вариант.

На одном из проектов мы тоже столкнулись с этой проблемой. Задач много, бежать нужно быстро, ещё и у внешних контрибьюторов чешутся руки – дайте занести кода к вам. Пиары летят, ревью загибается.

Мы решили сделать накопленный опыт ревью доступным агентам ещё до создания пиара. Для этого:

- собрали все-все замечания из прошлых пиаров – проект не новый, истории хватало
- прошерстили личные чаты с агентами и вытащили оттуда замечания к их работе
- на этой основе сформировали гайдлайны по написанию и тестированию кода – что-то положили в AGENTS.md, что-то обернули в скиллы

Так агент может ещё во время написания кода учесть, как у нас всё устроено.

Дальше, уже в CI, добавили дополнительные валидации и ревью агентом.

В итоге обычно смотрим пиары глазами по минимуму: многие замечания уже учтены по умолчанию. А иногда и не смотрим вовсе :)

Пока проблему с очередью из пиаров удалось решить. Как этот подход скажется на качестве кода на дистанции, ещё предстоит понять. По результатам будем тюнить процесс. Чтобы держать руку на пульсе, периодически внимательно смотрим код: как связаны части проекта, не расползается ли структура.

Расскажите, как у вас устроено код-ревью? Что хорошо работает?

Остаётся, конечно, ещё один вопрос: кто в этой схеме отвечает за все эти тонны кода? Но это уже совсем другая история.

ММММолния!

В последнем обновлении Claude Code добавили поддержку AGENTS.md! Это настоящий биг факин диал.

По умолчанию Claude Code читает AGENTS.md, если в проекте нет CLAUDE.md. Выбор можно изменить в /config → Project instructions.

Ждем, когда еще начнет учитывать .agents в своей работе.