מסגרת המיומנויות של קלוד הופכת בשקט לתקן תעשייתי

כאשר Anthropic השיקה את Skills באוקטובר, ההודעה נראתה כמו תכונה של מפתחים. שני חודשים לאחר מכן, OpenAI אימצה את אותה הארכיטקטורה – וההתכנסות השקטה חושפת משהו משמעותי על היכן סוכנים של AI הולכים.

מיומנויות הן פשוטות באופן מטעה: תיקיות המכילות קבצים של Markdown שאומרים למערכות AI איך לבצע משימות ספציפיות. אך האימוץ שלהן על ידי שני מעבדות AI מובילות מצביע על כך שהתעשייה מצאה תשובה משותפת לשאלה יסודית: איך להפוך AI לעוזרים טובים באופן עקבי בעבודה מומחית?

מה שעשתה OpenAI

המפתח Elias Judin גילה את יישום OpenAI ב-12 בדצמבר, בזמן שניסה את ChatGPT עם Code Interpreter. על ידי כך שהוא הורה למודל ליצור קובץ zip של תיקיית /home/oai/skills, הוא מצא תיקיות ל-PDF, גיליונות אלקטרוניים ומסמכים – כל אחד מהם המכיל קבצי הוראות שזהים במבנה לספציפיקציה של Anthropic.

אותה הארכיטקטורה הופיעה בכלי Codex CLI של OpenAI שבועיים קודם לכן, דרך בקשה לרישיון בשם “feat: תמיכה ניסיונית ב- skills.md”. היישום משקף את הגישה של Anthropic: המיומנויות חיות בתיקיה מקומית (~/.codex/skills), כל אחת מהן מוגדרת על ידי קובץ SKILL.md עם מטא-נתונים והוראות.

OpenAI לא הודיעה רשמית על התכונה. אך נוכחותה ב-ChatGPT ו-Codex מצביעה על אסטרטגיה מכוונת ולא על ניסוי.

למה המיומנויות חשובות

הגישה המסורתית להפוך AI לטוב יותר במשימות ספציפיות כללה עדינות – אימון יקר וצרוכת זמן של מודלים על נתונים מומחים. המיומנויות מציעות חלופין קל יותר: הוראות ומשאבים שנטענים רק כאשר הם רלוונטיים.

צוות ההנדסה של Anthropic תיאר את עקרון העיצוב כ”חשיפה הדרגתית”. כל מיומנות תופסת רק כמה עשרות טוקנים כאשר מוצגת, עם פרטים מלאים שנטענים רק כאשר המשימה דורשת אותם. זה פותר בעיה מעשית: חלונות הקשר הם נכס יקר, ולהציף כל הוראה אפשרית לכל בקשה הוא בזבזת משאבים.

הארכיטקטורה עובדת מכיוון שמודלים מודרניים של AI יכולים לקרוא ולעקוב אחר הוראות באופן דינאמי. מיומנות לטיפול ב-PDF עשויה לכלול ספריות מועדפות, טיפול במקרי קצה ופורמט פלט – מידע שהמודל זקוק לו רק כאשר הוא מעבד PDF.

סיפור ההתכנסות

OpenAI אימוצה של הגישה של Anthropic אינה בלתי רגילה בבדידות. מעבדות AI לומדות באופן קבוע מעבודות פרסום הדדיות. מה שמשמעותי הוא הזהות המבנית: אותם כללים לשמות קבצים, אותו פורמט מטא-נתונים, אותו ארגון תיקיות.

תאימות זו יכולה להיגדר כך שמיומנויות שנכתבו עבור Claude Code יכולות לעבוד עם Codex CLI של OpenAI, ולהפך. מפתחים יכולים לשתף מיומנויות ב-GitHub כמו חבילות npm. האקוסיסטם הופך להיות משותף ולא מפוצל.

התאריך מתצפצף עם מאמצי תקינה רחבים יותר. Anthropic תרמה את Model Context Protocol ל-Linux Foundation ב-9 בדצמבר, ושתי החברות הקימו את Agentic AI Foundation לצד Block. Google, Microsoft, ו-AWS הצטרפו כחברים.

הקרן תפקח על MCP, פרויקט ה-bird של Block, ועל ספציפיקציה AGENTS.md של OpenAI. המיומנויות מתאימות בטבעיות לדחיפה זו של תקינה – מודולים של יכולת חוזרת שעובדים בכל הפלטפורמות.

מה זה אומר עבור כלים של קידוד AI

ארכיטקטורת המיומנויות חשובה בעיקר עבור כלים של קידוד AI, שם ידע מומחים משפר באופן דרמטי את איכות הפלט. מיומנות לפיתוח React עשויה לציין דפוסי רכיבים, העדפות ניהול מצב וכללים לבדיקות. מיומנות להגירות מסד נתונים יכולה לכלול בדיקות בטיחות והליכי ביטול.

סטארטאפים של קידוד AI כמו Cursor בנו עסקים על ידי הפיכת AI ליותר שימושי עבור משימות פיתוח ספציפיות. מסגרת המיומנויות נותנת לספקי מודלים דרך מתוקננת להציע אישום דומה – פוטנציאלית מאיימת על כלים של צד שלישי או משלימה אותם, בהתאם לביצוע.

עבור מפתחים ארגוניים, מיומנויות משותפות משמעות שידע מוסדי הופך לנייד. סטנדרטים פנימיים של חברה, דרישות אבטחה והעדפות זרימת עבודה יכולים להיות מקודדים פעם אחת ולהיות מיושמים בכלי AI שצוות משתמש.

התת-טקסט האסטרטגי

אימוץ OpenAI נושא משמעויות אסטרטגיות. החברה העדיפה באופן היסטורי גישות פרופריטריות – GPT Actions, GPTs מותאמים, אינטגרציות ספציפיות לפלטפורמה. המיומנויות מייצגות פנייה לעבר תקנים פתוחים שעובדים בכלים.

פרשנות אחת: OpenAI מכירה בכך שמערכות אקוסיסטם של מפתחים חשובות יותר מאשר נעילה פרופריטרית בשלב זה. אם המיומנויות הופכות לתקן, היותן תואמות חשובה יותר מאשר שליטה על הספציפיקציה.

פרשנות אחרת: תחרות עם חוויית המפתח של Anthropic דורשת התאמה של תכונות. Claude Code גדלה באופן אגרסיבי, הגיעה לרווח שנתי של מיליארד דולר והשתלבה ל-Slack. המיומנויות הן חלק ממה שהופך את Claude Code לשימושי; OpenAI הייתה צריכה להגיב.

האמת כנראה כוללת את שני הגורמים. מעבדות AI מתחרות באופן אינטנסיבי על בנקים ויכולות, בעודן שיתפות פעולה על תקני תשתית שמועילים לכולם. המיומנויות נכנסות לקטגוריה השנייה.

מה בא להיות

ההזדמנות המיידית היא שוק של מיומנויות – מאגרי GitHub שבהם מפתחים שותפים מיומנויות מומחים למשימות נפוצות. Anthropic כבר היא anthropics/skills מאגר. צפו ש-OpenAI תעקב, וצפו שמיומנויות שתרמו על ידי הקהילה ישגשגו.

השאלה הארוכת-הטווח היא כמה עמוקות המיומנויות משתלבות במוצרי AI. כרגע, הן בעיקר רלוונטיות עבור מפתחים המשתמשים בכלים CLI. אך אותה הארכיטקטורה יכולה להנעים אישום במוצרים לצרכנים – עוזרי כתיבה מותאמים, כלים מחקריים מומחים, צ’אטבוטים ספציפיים לתחום.

בינתיים, ההתכנסות על מיומנויות מייצגת משהו נדיר ב-AI: חברות מתחרות שמסכימות שתקינה משרתת את כולם. האם שיתוף הפעולה הזה יתרחב לתחומים אחרים – תקני בטיחות, פרוטוקולי יכולת, מדריכי פריסה – נותר לא ודאי.

אך עבור מפתחים הבונים על פלטפורמות AI, המסר ברור: המיומנויות הופכות לתשתית. ללמוד לכתוב אותן עכשיו משמעות להיות מוכן לאיך כלים של AI יעבדו מחר.