Полный гайд по AI-скиллам: что это такое и как создать скилл для ИИ-агента

Если вы работаете с ИИ-агентами по типу Codex, Claude Code, Hermes, то, наверное, у вас есть повторяющиеся задачи, которые нейросети нужно постоянно разжёвывать. Например, как оформить код по правилам проекта, подготовить описание в README, оформить документацию, разобрать ошибку в логе. Есть способ заставить ИИ запомнить навсегда, как выполнять такие задачи и называется он ai skills.

AI скиллы (навыки) для ИИ-агентов — это инструкции внутри файла SKILL.md, которые нейросеть всё время видит и, когда нужно, использует. С их помощью можно не объяснять каждый раз, как выполнять ту или иную задачу, нейросеть сама разберётся, когда эту инструкцию применять и как.

Что такое скиллы для ИИ-агентов — определение и зачем они нужны

Разработчики часто добавляют в проекты файл readme. Когда пользователь открывает этот файл в папке программы, он видит, что это за проект, как он устроен и как им пользоваться. Скиллы работают похожим образом. Skill — это инструкция для ИИ-агентов, по решению какой-то конкретной задачи. Она хранится в файле SKILL.md и находится внутри специальной папки.

По логике работы skills напоминают системные промпты и кастомные инструкции, но только на первый взгляд.

Системные промпты. Это глобальные правила, которые нейросеть всегда применяет и не может игнорировать. Например, мы можем прописать правила: отвечай коротко, пиши понятно, ссылайся на источники в интернете. ИИ всегда будет эти правила соблюдать.

Если вы настраивали проект (папку с чатами) внутри ChatGPT или других ИИ чат-ботов и прописывали для этого проекта инструкцию, то вы писали системный промпт.

Кастомные команды. Это сохранённые промпты, которые пользователь запускает через команду. Допустим, мы написали промпт, который анализирует длинный лог ошибки в коде и выдаёт короткое и понятное объяснение этой ошибки. Чтобы не писать или копировать этот промпт каждый раз мы настраиваем его вызов по команде: /error-summary. Вызов происходит только тогда, когда это действительно нужно, мы не применяем промпт к каждому ответу нейросети.

Скиллы. ИИ-агент, видит скиллы постоянно, как в случае с системными промптами, но применяет их не всегда, а только когда это уместно для задачи, как с кастомными командами. Нейросеть сама решает, когда применить скилл, если инструкция написана корректно, то вызывать его вручную не нужно. Навык можно считать качественным, если нейросеть сама вызывает его в 90% случаев для выполнения релевантных задач.

Структура скилла — что внутри папки и файла SKILL.md

Скилл состоит не только из файла SKILL.md. Обычно он лежит внутри специальной папки. Там же находятся другие опциональные файлы. Это могут быть шаблоны, примеры хороших ответов, скрипты, которые ИИ должен сам запускать для решения задач.

Файл/папка	Обязательно	Назначение
SKILL.md	да	Здесь находится инструкция в Markdown + блок с объяснением для ИИ-агента, когда применять навык.
scripts/	нет	Исполняемый код (Python, Bash и др.) для автоматизации сложных задач.
references/	нет	Документация для ИИ, например, здесь могут быть примеры хороших результатов работы.
assets/	нет	Шаблоны, шрифты, иконки.

У инструкции внутри SKILL.md тоже есть своя структура, без которой скилл будет работать некорректно.

YAML frontmatter — метаданные для ИИ-агента

Вверху находится блок с метаданными. Здесь есть 2 важных поля name и description, они обязательные, без них скилл не будет нормально работать.

name — название навыка. По нему ИИ-агент отличает один скилл от другого.

description — описание задачи, для которой нужен скилл. Это подсказка для нейросети, с её помощью агент понимает, когда использовать навык.

Чтобы ИИ увидел блок с name и description, он обязательно должен быть выделен тремя дефисами снизу и сверху. Такой формат записи называется YAML frontmatter.

Пример блока с метаданными:

---
name: короткое название
description: когда использовать скилл
---
А здесь — инструкция в свободной форме: что делать, в каком порядке, чего избегать и как оформить результат.

Тело навыка

После блока с метаданными идёт основная инструкция для ИИ-агента. Обычно её делают в формате Markdown-разметки.

Это значит, что мы визуально выделяем разные участки текста специальными символами и формируем понятную структуру, иерархию для нейросети. Например, знак одной решётки означает, что текст — это заголовок первого уровня. Знак с двумя решётками — заголовок второго уровня. Список с дефисами — это пунктирный список.

# Заголовок первого уровня.
## Заголовок второго уровня.
### Заголовок третьего уровня.

- Первый элемент списка.
- Второй элемент списка.
- Третий элемент списка.

Благодаря такой разметке текст становится более читаемым и нейросеть лучше понимает его структуру.

Пример инструкции из скилла от OpenAI, он собирает комментарии с замечаниями по коду для разработчика:

---
name: gh-address-comments
description: Help address review/issue comments on the open GitHub PR for the current branch using gh CLI; verify gh auth first and prompt the user to authenticate if not logged in.
metadata:
  short-description: Address comments in a GitHub PR review
---

# PR Comment Handler

Guide to find the open PR for the current branch and address its comments with gh CLI. Run all `gh` commands with elevated network access.

Prereq: ensure `gh` is authenticated (for example, run `gh auth login` once), then run `gh auth status` with escalated permissions (include workflow/repo scopes) so `gh` commands succeed. If sandboxing blocks `gh auth status`, rerun it with `sandbox_permissions=require_escalated`.

## 1) Inspect comments needing attention

- Run scripts/fetch_comments.py which will print out all the comments and review threads on the PR

## 2) Ask the user for clarification

- Number all the review threads and comments and provide a short summary of what would be required to apply a fix for it
- Ask the user which numbered comments should be addressed

## 3) If user chooses comments

- Apply fixes for the selected comments

Notes:

- If gh hits auth/rate issues mid-run, prompt the user to re-authenticate with `gh auth login`, then retry.

Версия на русском

---
name: gh-address-comments
description: Помогает обработать комментарии ревью/issue в открытом GitHub PR для текущей ветки через gh CLI; сначала проверяет авторизацию gh и просит пользователя пройти аутентификацию, если вход не выполнен.
metadata:
  short-description: Обработка комментариев в ревью GitHub PR
---

# Обработчик комментариев PR

Руководство по поиску открытого PR для текущей ветки и обработке его комментариев через gh CLI. Запускай все команды `gh` с повышенным сетевым доступом.

Предварительное условие: убедись, что `gh` авторизован (например, один раз запусти `gh auth login`), затем запусти `gh auth status` с повышенными правами (включи scopes workflow/repo), чтобы команды `gh` выполнялись успешно. Если sandboxing блокирует `gh auth status`, запусти команду повторно с `sandbox_permissions=require_escalated`.

## 1) Изучи комментарии, требующие внимания

- Запусти scripts/fetch_comments.py, который выведет все комментарии и ветки ревью в PR

## 2) Попроси пользователя уточнить

- Пронумеруй все ветки ревью и комментарии и дай краткое описание того, что потребуется, чтобы применить исправление для каждого из них
- Спроси пользователя, какие пронумерованные комментарии нужно обработать

## 3) Если пользователь выбирает комментарии

- Примени исправления для выбранных комментариев

Заметки:

- Если во время выполнения gh столкнётся с проблемами авторизации или лимитов, попроси пользователя повторно пройти аутентификацию через `gh auth login`, затем повтори попытку.

Какие бывают категории скиллов

Скиллы бывают разными, например, Anthropic выделяет 3 категории скиллов в своей документации: пользовательские, навыки от организаций, навыки партнёров.

Пользовательские — то, что мы создаём самостоятельно для личного использования.

Навыки от организаций — когда у сотрудников компании есть корпоративные аккаунты и организация может предоставить им свои скиллы.

Навыки партнёров — скиллы в связке с MCP от крупных компаний, например, от Notion, Figma, Atlassian. Разработчики ИИ-агентов устраивают с ними коллаборации для повышения удобства.

Ещё скиллы можно разделить на точечные и универсальные. 

Точечные скиллы хранятся в папках конкретных проектов, ИИ-агенты видят их только в рамках этих проектов. Например, у нас есть скилл для автоматизации агента по поиску вакансий в телеграм. Он запускает скрипт, собирает список новых вакансий за сутки и выводит отчёт с релевантными предложениями. Чтобы этот навык не захламлял память нейросети в других задачах, мы можем хранить его в папке проекта, ИИ-агент будет обращаться к нему, только при работе в этой папке.

Универсальные скиллы хранятся в директории ИИ-агента, в специальной папке для скиллов. Нейросеть видит их всегда, независимо от проекта. Это удобно для решения универсальных задач. Например, есть скиллы для создания других скиллов. Этот навык может пригодиться в разных проектах, поэтому логично, чтобы у агента был всегда к нему доступ.

Как работает автотриггеринг скилла — почему агент сам выбирает навык

Скиллы не нужно вызывать вручную, это делает ИИ. Автотриггеринг навыков работает следующим образом:

Важно прорабатывать описание скиллов в description для триггера, оно должно быть конкретным. Допустим, у нас есть навык, который помогает учиться программировать и объясняет участки кода. Поле description можно описать так:

description: Помогает с программированием.

Это очень общая и размытая формулировка. ИИ-агент может решить, что это скилл для генерации скриптов и проигнорировать его, когда пользователь попросит объяснить код. Поэтому определение лучше прописать так:

description: Используй этот скилл, когда пользователь учится программировать и просит простыми словами объяснить фрагмент кода, команду в терминале или сообщение об ошибке.

Это более конкретное описание. ИИ увидит его, поймёт, что этот скилл нужно использовать для объяснения кода, изучит инструкцию и корректно ответит пользователю.

Как создать скилл для агента — пошагово

Шаг 1 — выбираем задачу

Первым делом надо выбрать задачу, которая регулярно повторяется. Это может быть ревью кода, объяснение ошибок из лога, упрощение языка документации. Чем конкретнее и меньше задача, тем лучше будет результат. И наоборот, если попытаться сделать очень сложную автоматизацию, где много разных задач, качество работы ИИ может оказаться хуже.

В этом примере мы разберёмся как создать навык, который собирает описание проекта в файл README.

Шаг 2 — Создаём папку

Создаём папку для скилла. В ней будет лежать SKILL.md и дополнительные файлы. Папку можно создать внутри отдельной директории со всеми навыками для агента, либо внутри конкретного проекта.

Название папки лучше делать коротким и понятным: латиницей, маленькими буквами, через дефисы. Например, если скилл будет собирать README для проекта, папку можно назвать readme-writer.

Шаг 3 — Пишем YAML-блок в SKILL.md

Создаём файл SKILL.md. Это можно сделать через обычный блокнот, но важно, чтобы файл был в Markdown-формате, его название должно заканчиваться на .md.

Внутри файла прописываем инструкцию. Сначала идёт блок с метаданными для ИИ-агента. Между тремя дефисами сверху и снизу прописываем поля name и description. В name пишем название навыка, в description даём описание и говорим, когда использовать:

---
name: readme-writer
description: Используй этот скилл, когда нужно собрать или обновить README-файл для проекта: описать назначение проекта, установку, запуск, структуру и основные команды.
--- 

Инструкцию для скиллов не обязательно писать на английском, русский тоже подойдёт. Но название полей name и description обязательно, должно быть на английском.

По желанию сюда же можно добавить другие поля, например, version — для отслеживания версий навыка и tags — оно пригодится в автоматизациях, при поиске в каталогах скиллов и для группировки навыков.

---
name: readme-writer
description: Используй этот скилл, когда нужно собрать или обновить README-файл для проекта: описать назначение проекта, установку, запуск, структуру и основные команды.
version: 1.0.0
tags:
  - documentation
  - readme
  - markdown
---

Шаг 4 — Пишем тело инструкции

Под блоком с полями после закрывающих трёх дефисов идёт основное тело ai-скилла для агентов. В нём мы пишем инструкцию, желательно с markdown-разметкой, так ИИ будет проще ориентироваться в структуре текста.

Какого-то единого стандарта, как писать инструкцию нет, но часто в скиллах есть разделы, которые отвечают за:

Название скилла — объясняет, что это за навык, но уже для человека:

# README Writer

Этот скилл помогает создавать и обновлять README-файлы для проектов.

Когда использовать — более подробное описание сценариев применения:

## Когда использовать

Используй скилл, если пользователь просит:

- написать README для проекта;
- обновить старый README;
- описать установку и запуск проекта;
- привести описание проекта к понятной структуре.

Как работать — здесь задаём порядок действий:

## Как работать

1. Изучи файлы проекта.
2. Определи, что делает проект, и для кого он нужен.
3. Найди команды установки, запуска и тестирования.
4. Если информации не хватает, задай уточняющие вопросы.
5. Проверь, есть ли уже README-файл.
6. Собери новый README или обнови существующий.

Структура результата — объясняем, как должен быть устроен результат:

## Структура README

Собери README по такой структуре:

- название проекта;
- краткое описание;
- установка;
- запуск;
- основные команды;
- структура проекта;
- дополнительные заметки.

Правила — фиксируем ограничения:

## Правила

- Не придумывай команды, которых нет в проекте.
- Не описывай файлы, которых нет в проекте.
- Если информации не хватает, напиши, что нужно уточнить, задавай вопросы.
- Пиши простым и понятным языком.

Формат ответа — объясняем, что ИИ должен вернуть:

## Формат ответа

Верни готовый текст README в Markdown.

Необязательно прописывать всё вручную, мы можем объяснить задачу ИИ чат-боту и попросить сгенерировать черновик инструкции, но потом важно прочитать эту инструкцию и внести правки.

Шаг 5 — Добавляем доп ресурсы

У нас есть папка и файл SKILL.md с инструкцией. Но иногда одной инструкции мало. Если задача сложная, в папку скилла можно добавить дополнительные материалы, например, скрипты, шаблоны, чек-листы, примеры хороших ответов или документацию.

Для этого обычно используют две папки: scripts/ и references/.

В scripts/ кладут исполняемые файлы, например, Python- или Bash-скрипты. Агент может запускать их, когда ему нужно не просто написать текст, а выполнить какое-то сложное действие, к примеру, пройтись по ссылкам в документе, собрать список файлов проекта, преобразовать данные из CSV в Markdown-таблицу.

В references/ кладут справочные материалы, которые агент должен учитывать во время работы. Это могут быть шаблоны, правила оформления, примеры хорошего вывода, чек-листы или внутренняя документация проекта.

Для нашего скилла readme-writer структура может выглядеть так:

readme-writer/
├── SKILL.md
├── references/
│   ├── readme-template.md
│   └── readme-checklist.md
└── scripts/
    └── collect-project-info.py

В readme-template.md можно сохранить шаблон README, в readme-checklist.md — список требований к хорошему описанию проекта, а в collect-project-info.py — скрипт, который собирает список файлов, зависимостей и команд запуска.

После этого нужно написать в SKILL.md, когда агент должен обращаться к этим файлам:

## Дополнительные материалы

Перед созданием README изучи файлы из папки `references/`:

- `references/readme-template.md` — базовая структура README;
- `references/readme-checklist.md` — чеклист для финальной проверки.

Если нужно быстро собрать информацию о проекте, используй скрипт:

- `scripts/collect-project-info.py`

Важно добавлять дополнительные файлы только тогда, когда они действительно нужны. Если положить в папку слишком много лишних файлов, то агент может забить свою память и запутаться. Часто одного файла SKILL.md уже достаточно для нормальной работы.

Шаг 6 — Проверяем работу скилла

Чтобы убедиться, что скилл работает, можно положить его в папку проекта, либо директорию, где ИИ-агент хранит скиллы. У разных агентов эти пути могут отличаться.

Далее даём нейросети задачу под наш навык. Когда ИИ выведет результат, проверяем две вещи:

Рассуждения. Есть ли в цепочки рассуждений сообщения о том, что нужно применить скилл?

Результат. Соответствует ли ответ ИИ-агента тому, что он должен делать в инструкции по скиллу?

Ещё можно прописать прямо в SKILL.md, что нейросеть должна в ответе сообщить об использовании скилла.

Задачу можно усложнять, упрощать, переформулировать другими словами и давать ИИ-агенту её несколько раз, чтобы убедиться, что автовызов скилла работает корректно.

Где брать готовые скиллы для агента — Hub и экосистема

Не все скиллы нужно создавать самостоятельно. Если задача не уникальная, то подходящий скилл могли уже создать, его надо только найти и установить. Для этого существуют хабы скиллов.

Готовые скиллы от разработчиков ИИ-агентов

У популярных ИИ-агентов по типу Hermes, Claude Code, Codex, Antigravity есть свои хабы скиллов. Мы можем брать оттуда навыки и устанавливать их в своего агента. Это работает даже с чужими экосистемами. Например, если мы используем Codex, то всё равно можем поставить скилл от команды Claude Code и наоборот.

Примеры ресурсов со скиллами:

Маркетплейсы скиллов

Кроме официальных навыков компаний, существуют маркетплейсы скиллов. Это базы данных, которые хранят скиллы из разных источников, чаще всего из репозиториев GitHub. Это могут быть как скиллы компаний, так и навыки, созданные пользователями:

Как скачать и установить готовый скилл

Нет какого-то одного универсального способа по установке скиллов, всё зависит от конкретного хаба и ИИ-агента. В целом установку навыков можно разделить на 4 способа:

Установка через команду агента

Первый способ — установка через специальную команду ИИ-агента. Например, у Claude для этого нужно сначала подключить хаб с навыками от Anthropic при помощи команды в Claude Code:

/plugin marketplace add anthropics/skills

Потом можно устанавливать навыки по их имени и названию каталога при помощи команды  /plugin install:

/plugin install document-skills@anthropic-agent-skills

Здесь document-skills — это набор навыков для работы с документами, а anthropic-agent-skills — каталог Anthropic, из которого Claude Code его берёт.

Codex работает по похожей логике. Здесь для установки нужна команда $skill-installer. Если навык есть в каталоге, OpenAI, его можно установить по имени:

$skill-installer gh-address-comments

Либо указать путь к папке, в которой лежит навык:

$skill-installer install https://github.com/openai/skills/tree/main/skills/.experimental/create-plan

Также можно ставить скиллы из сторонних каталогов:

$skill-installer install https://github.com/anthropics/skills/tree/main/skills/pdf

Установка через команду маркетплейса навыков

Второй способ — установка через команду маркетплейса. У скиллов из маркетплейсов навыков есть своя страница с командой для установки. Эту команду можно копировать и выполнить через терминал.

Например, в skills.sh, чтобы установить навык для конвертации PDF, нужно выполнить команду:

npx skills add https://github.com/claude-office-skills/skills –skill pdf-converter

Ссылка внутри команды ведёт на репозиторий с навыками. После –skill идёт название скилла.

Похожим образом работает Context7 Skills. Чтобы установить навык, нужно использовать команду npx ctx7 skills install:

npx ctx7 skills install /anthropics/skills pdf

/anthropics/skills — это путь к репозиторию с навыками на GitHub, а pdf — название скилла.

Для установки навыков с маркетплейсов часто нужен Node.js, без него команды установки не будут выполняться.

Установка через промпт

Третий способ установить скилл — сказать сделать это ИИ-агенту. Нейросеть сама найдёт навык, разберётся, как его ставить и выполнит установку.

Пример установки скилла с skills.sh в Codex без ручного ввода команды:

Некоторые маркетплейсы скиллов используют такой способ для установки. Например, в LobeHub есть отдельный раздел для ИИ-агентов. Там можно скопировать промпт, который объяснит ИИ, как устанавливать скиллы:

Read https://lobehub.com/skills/skill.md and follow the instructions to setup LobeHub Skills Marketplace

Это самый простой способ, так как не нужно вручную вызывать команды или устанавливать дополнительные утилиты в окружение устройства.

Ручная установка

Последний способ — обычное скачивание. Мы можем зайти в репозиторий навыка, скачать его и сохранить папку с навыком туда, где ИИ-агент ищет скиллы. Это может быть папка проекта или глобальная папка агента с другими навыками.

Частые вопросы об AI-скиллах

Чем скилл отличается от системного промпта?

Системный промпт задаёт общие правила работы агента: как отвечать, чего избегать, какой стиль использовать. Его правила применяются всегда.  Скилл решает более узкую задачу, например, как делать код-ревью, писать документацию или собирать отчёт. Агент видит описание скилла и применяет инструкцию из него только тогда, когда это действительно нужно для решения задачи.

Скиллы работают только с Claude или с другими агентами тоже?

Впервые skills появились в Claude Code, но сейчас их поддерживают Codex, Hermes и другие ИИ-агенты. У разных инструментов могут отличаться пути к папкам для хранения скиллов, но в остальном навыки идентичны и не привязаны к экосистеме какого-то одного агента. Например, мы можем добавить скилл от Claude в Codex, и он будет исправно работать и наоборот.

Сколько скиллов можно установить одновременно?

Жёсткого универсального числа нет, всё зависит от конкретного агента и его настроек. Но устанавливать десятки скиллов на всякий случай — плохая идея. Агенту нужно видеть их названия и описания, чтобы выбрать подходящий. Чем больше лишних скиллов, тем больше они забивают память агента, это может запутывать нейросеть и приводить к ошибкам.

Можно ли сделать скилл, который вызывает внешние API?

Да, если агент умеет запускать скрипты или пользоваться внешними инструментами. Главное — положить скрипты в директорию навыка, желательно в папку scripts. Ещё важно прописать инструкцию в SKILL.md и объяснить, как пользоваться скриптами и API.

Как проверить, что скилл правильно триггерится?

Проверьте его на нескольких похожих запросах: прямом, коротком и переформулированном. Если агент стабильно сам выбирает скилл, значит, описание написано понятно. Если скилл не срабатывает, доработайте description: сделайте описание более конкретным, чтобы агент понимал, когда использовать навык. Ещё можно прописать в SKILL.md правило, чтобы ИИ сообщал в ответе, о том, что использовал навык для выполнения задачи.

Ai-скиллы для агентов — это способ один раз объяснить нейросети, как выполнять повторяющуюся задачу, и больше не расписывать одни и те же правила вручную. Главное — не пытаться запихнуть в него всё сразу: хороший скилл решает одну понятную задачу и точно описывает, когда его нужно применять. Чем яснее написан description, тем лучше агент поймёт, в какой момент подключить инструкцию.

Советуем дополнительно почитать по теме:

20 AI GitHub-репозиториев для разработчика в 2026 году — подборка инструментов для локальных моделей, RAG, инференса, AI-агентов и разработки с ИИ: что запускать локально и что брать под реальные проекты.

Лучшие ИИ для программирования в 2026 году: нейросети, которые пишут код за вас — сравниваем Copilot, ChatGPT, Claude и другие AI-инструменты: где они ускоряют разработку, а где оставляют вам ошибки на разбор.

Как стать ML-инженером в 2026: роадмап от Python до первого оффера — путь от Python и классического ML до LLM, агентных архитектур, MCP, Tool Calling и деплоя моделей в продакшн.

17 инструментов разработчика: базовый набор для любого стека — редакторы, GitHub, Docker, Postman, Codex и другие инструменты, которые помогают писать, проверять и поддерживать код в 2026 году.

n8n автоматизация без кода: парсер Telegram за 10 минут — как собрать автоматический сценарий из готовых узлов, подключить Telegram, расписание и при необходимости добавить AI-агента или собственный код.