Skills для AI-агентов: всё, что тебе нужно знать

В сфере искусственного интеллекта произошло заметное событие. ikuchmin 2 минуты назад Skills для AI-агентов: всё, что тебе нужно знать Простой 6 мин 3 Блог компании Haulmont Программирование * Java * Искусственный интеллект Будущее здесь Обзор Добавляя новый skill, мы ждем от агента простого результата: меньше ошибок, более стабильная работа и лучшее понимание библиотек и фреймворков. На практике же часто можно наблюдать:один skill активируется почти всегда, даже когда не нужендругой — не включается в момент, когда мы на него рассчитываемтретий — срабатывает «в паре» с соседними и они мешают друг другуВ какой-то момент может показаться, что агент работает хаотично и явно хуже, и хочется выключить все skills и вернуться к первоначальному состоянию. Почему так происходит и что с этим можно сделать, разбираемся в статье.

Анатомия skillДля начала разберемся с анатомией: skill состоит из двух частей — заголовка и тела. Заголовок представляет собой YAML frontmatter, чаще всего включающий название skill и его описание, иногда также встречается набор разрешенных tools. Но это не все доступные параметры, которые может содержать YAML frontmatter: полный список можно посмотреть в документации.

Технические детали

--- name: spring-explore description: > Explores a Spring Boot application and builds primary context: tech stack, module structure, domain entities, REST endpoints. Triggers on explicit requests: "explore project", "describe project", "project overview", "what is this project", "project structure", "tech stack", "give me context about the project", or whenever you need to understand the project before starting any task. ---Тело skill — это основная инструкция для агента: что делать, в каких условиях и какой результат считать корректным.

Тело может включать пошаговые инструкции, скрипты, референсную документацию и многое другое. Когда вы разрабатываете тело, есть разные подходы, но сегодня не про это. Активация skillВ момент, когда вы запускаете агента, он читает все YAML frontmatter всех skills, добавленных на уровне пользователя и проекта, и добавляет их в контекст (в действительности LLM-модели не имеют stateful-контекста, но сейчас не об этом).

После того как вы сформировали промпт/запрос к агенту и отправили его на выполнение, агент определяет следующее действие. Таким действием может быть все что угодно, в том числе использование skill. По большому счету для LLM-модели нет большой разницы между вашим промптом и описанием skills: модель в целом решает, что делать дальше.

Отраслевые последствия

Однако на вероятность того, что агент захочет активировать skills, можно повлиять:На этапе обучения. Это то, чем долгое время занимались в Anthropic, а теперь занимаются все разработчики моделей. Метрика того, насколько модель активно использует skills, теперь замеряется и является важной характеристикой качественной модели.

LLM буквально можно мотивировать активнее использовать skills. Исследователи из Anthropic даже приводят вариант промпта:You should use tools as much as possible, ideally more than 100 times.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.