إطار مهارات كلود يصبح معيارًا في الصناعة بشكل هادئ

عندما أطلقت Anthropic Skills في أكتوبر، بدا الإعلان مثل ميزة مطور ضيقة. بعد شهرين، اعتمدت OpenAI نفس الهيكل المعماري – والتقارب الهادئ يكشف عن شيء مهم حول اتجاه وكلاء الذكاء الاصطناعي.

مهارات كلود بسيطة بشكل مخادع: مجلدات تحتوي على ملفات Markdown التي تخبر أنظمة الذكاء الاصطناعي كيفية أداء مهام محددة. ولكن اعتمادها من قبل مختبرين رئيسيين للذكاء الاصطناعي يشير إلى أن الصناعة وجدت إجابة مشتركة على سؤال أساسي: كيف تجعل مساعدي الذكاء الاصطناعي جيدًا بشكل متسق في العمل المتخصص؟

ما فعلته OpenAI مؤخرًا

اكتشف المطور إلياس جودين تنفيذ OpenAI في 12 ديسمبر أثناء تجربته مع مفسّر ChatGPT. من خلال تحفيز النموذج على إنشاء ملف zip من دليله /home/oai/skills، وجد مجلدات لملفات PDF وملفات جداول ووثائق – كل واحدة تحتوي على ملفات تعليمات متطابقة هيكليًا مع مواصفات Anthropic.

ظهر نفس الهيكل المعماري في أداة Codex CLI من OpenAI قبل أسبوعين، من خلال طلب سحب بعنوان “feat: دعم تجريبي لملف skills.md”. التنفيذ ي鏡 APPROACH Anthropic: تعيش المهارات في دليل محلي (~/.codex/skills)، وكل منها محدد بواسطة ملف SKILL.md مع بيانات وصفية وتعليمات.

لم تعلن OpenAI رسميًا عن الميزة. لكن وجودها في كل من ChatGPT و Codex يشير إلى استراتيجية متعمدة بدلاً من تجربة.

لماذا المهارات مهمة

المنهج التقليدي لجعل الذكاء الاصطناعي أفضل في مهام محددة يتضمن تعديل دقيق – تدريب نموذج مكلف ووقت استهلاك على بيانات متخصصة. تقدم المهارات بديلاً أخف: تعليمات وموارد تحمل فقط عند الاقتضاء.

وصف فريق الهندسة في Anthropic مبدأ التصميم بأنه “الكشف التدريجي”. كل مهارة تأخذ فقط بضع عشرات من الرموز عند تلخيصها، مع تفاصيل كاملة تحمل فقط عند demande المهمة. هذا يحل مشكلة عملية: نوافذ السياق هي أرضية حقيقية قيمة، ووضع كل تعليمات ممكنة في كل طلب يهدر الموارد.

يعمل الهيكل المعماري لأن نماذج الذكاء الاصطناعي الحديثة يمكن أن تقرأ وتتبع التعليمات بشكل ديناميكي. قد تتضمن مهارة لمعالجة ملفات PDF مكتبات مفضلة ومعالجة حالات حافة وتشكيل الإخراج – معلومات تحتاجها النموذج فقط عند معالجة ملفات PDF.

قصة التقارب

اعتماد OpenAI لمقاربة Anthropic ليس غير عادي في العزل. مختبرات الذكاء الاصطناعي تتعلم بانتظام من الأعمال المنشورة لبعضها البعض. ما هو ملحوظ هو الهوية الهيكلية: نفس اتفاقيات تسمية الملفات، نفس تنسيق البيانات الوصفية، نفس تنظيم الدليل.

يمكن أن يعني هذا التوافق أن المهارات المكتوبة ل Claude Code يمكن أن تعمل مع أداة Codex CLI من OpenAI، وبالعكس. يمكن للمطورين مشاركة المهارات على GitHub مثل حزم npm. يصبح النظام البيئي متوافقًا بدلاً من التجزئة.

يتزامن الوقت مع جهود توحيد أكبر. تبرعت Anthropic ببروتوكول سياق النموذج إلى مؤسسة لينكس في 9 ديسمبر، وشاركت الشركتان في تأسيس مؤسسة Agentic AI إلى جانب Block. انضمت Google و Microsoft و AWS كأعضاء.

ستشرف المؤسسة على MCP ومشروع Goose من Block وملف AGENTS.md من OpenAI. المهارات تناسب بشكل طبيعي في هذا الدفع نحو التوحيد – وحدات القدرات القابلة لإعادة الاستخدام التي تعمل عبر المنصات.

ما يعنيه هذا للادوات البرمجية للذكاء الاصطناعي

هيكل المهارات يهم بشكل أكبر أدوات البرمجة للذكاء الاصطناعي، حيث تحسن المعرفة المتخصصة جودة الإخراج بشكل كبير. قد تتضمن مهارة لتطوير React أنماط المكونات و تفضيلات إدارة الحالة وتقنيات الاختبار. قد تتضمن مهارة لعمليات نقل قواعد البيانات فحوصات أمان وإجراءات الإرجاع.

بنيت مبتدئات البرمجة للذكاء الاصطناعي مثل Cursor أعمالها على جعل الذكاء الاصطناعي أكثر فائدة لمهام تطوير محددة. يوفر إطار المهارات لموفري النماذج طريقة موحدة لتقديم تعديلات مماثلة – مما قد يهدد أو يكمّل أدوات الطرف الثالث حسب التنفيذ.

لمطوري المؤسسات، المهارات المتوافقة تعني أن المعرفة المؤسسية تصبح قابلة للنقل. يمكن ترميز معايير الترميز الداخلية للمؤسسة ومتطلبات الأمان و تفضيلات 워كفلو مرة واحدة وتطبيقها عبر أدوات الذكاء الاصطناعي التي يستخدمها الفريق.

النص الاستراتيجي الخفي

يحمل اعتماد OpenAI عواقب استراتيجية. فضل الشركة histórically لمقاربات مملوكة – GPT Actions و GPTs المخصصة وتكاملات منصة محددة. تمثل المهارات تحولًا نحو معايير مفتوحة تعمل عبر الأدوات.

تفسير واحد: تعترف OpenAI بأن بيئات المطورين مهمة أكثر من القفل الاصطناعي في هذه المرحلة. إذا أصبحت المهارات معيارًا، فإن التوافق أكثر أهمية من التحكم في المواصفة.

تفسير آخر: المنافسة مع تجربة المطور من Anthropic تتطلب مطابقة ميزاتها. نمت Claude Code بشكل عدواني، ووصلت إلى إيرادات سنوية تبلغ مليار دولار وتكاملت في Slack. المهارات جزء من ما يجعل Claude Code مفيدًا؛ OpenAI احتاجت إلى الاستجابة.

الحقيقة المحتملة تتضمن كلا العاملين. مختبرات الذكاء الاصطناعي تتنافس بشكل مكثف على المعايير والقدرات بينما تتعاون على معايير البنية التحتية التي تفيدها الجميع. المهارات تناسب الفئة الثانية.

ما يأتي بعد ذلك

الفرصة الفورية هي سوق المهارات – مخازن GitHub حيث يشارك المطورون مجموعات تعليمات متخصصة لمهام شائعة. Anthropic لديها بالفعل مخزن anthropics/skills. توقع من OpenAI اتباعها، وتوقع انتشار مهارات المساهمة المجتمعية.

السؤال الأطول الأجل هو كيف تدمج المهارات بشكل عميق في منتجات الذكاء الاصطناعي. حاليًا، المهارات أكثر صلة بالمطورين الذين يستخدمون أدوات CLI. لكن نفس الهيكل المعماري يمكن أن يزوّد التخصيص في المنتجات الاستهلاكية – مساعدي الكتابة المخصصة وأدوات البحث المتخصصة و chatbots محددة النطاق.

للمطورين الذين يبنيون على منصات الذكاء الاصطناعي، الرسالة واضحة: المهارات تصبح بنية تحتية. تعلم كتابة المهارات الآن يعني الاستعداد لطريقة عمل أدوات الذكاء الاصطناعي غدًا.