Рамка навыков Claude незаметно становится отраслевым стандартом

Когда Anthropic запустил Skills в октябре, объявление выглядело как нишевая функция для разработчиков. Два месяца спустя OpenAI принял ту же архитектуру — и тихое сходимость раскрывает что-то значительное о том, куда движутся агенты ИИ.

Навыки являются обманчиво простыми: папки, содержащие файлы Markdown, которые рассказывают системам ИИ, как выполнять конкретные задачи. Но их принятие двумя крупными лабораториями ИИ предполагает, что отрасль нашла общий ответ на фундаментальный вопрос: как сделать помощников ИИ последовательно хорошими в специализированной работе?

Что только что сделал OpenAI

Разработчик Elias Judin обнаружил реализацию OpenAI 12 декабря, экспериментируя с интерпретатором кода ChatGPT. Выдавая модель создать zip-файл своей директории /home/oai/skills, он нашел папки для PDF, электронных таблиц и документов — каждая содержащая файлы инструкций, идентичных по структуре спецификации Anthropic.

Та же архитектура появилась в инструменте Codex CLI от OpenAI две недели раньше, через запрос на добавление функции “feat: experimental support for skills.md.” Реализация зеркально повторяет подход Anthropic: навыки живут в локальной директории (~/.codex/skills), каждая определена файлом SKILL.md с метаданными и инструкциями.

OpenAI не正式но объявил о функции. Но ее присутствие в обоих ChatGPT и Codex предполагает намеренную стратегию, а не эксперимент.

Почему навыки имеют значение

Традиционный подход к улучшению ИИ для конкретных задач включал дообучение — дорогое и длительное обучение модели на специализированных данных. Навыки предлагают более легкую альтернативу: инструкции и ресурсы, которые загружаются только при необходимости.

Инженерная команда Anthropic описала принцип проектирования как “постепенное раскрытие”. Каждый навык занимает всего несколько десятков токенов при суммировании, с полными деталями, загружаемыми только при необходимости задачи. Это решает практическую проблему: контекстные окна являются ценным ресурсом, и упаковка каждой возможной инструкции в каждый запрос расточительна.

Архитектура работает, потому что современные модели ИИ могут читать и следовать инструкциям динамически. Навык для обработки PDF может включать предпочитаемые библиотеки, обработку краевых случаев и форматирование вывода — информацию, которую модель necesita только при обработке PDF.

История сходимости

Принятие OpenAI подхода Anthropic не является необычным в изоляции. Лаборатории ИИ регулярно учатся на опубликованных работах друг друга. Что примечательно, так это структурная идентичность: те же конвенции именования файлов, тот же формат метаданных, та же организация директорий.

Эта совместимость может означать, что навыки, написанные для Claude Code, могут работать с инструментом Codex CLI от OpenAI, и наоборот. Разработчики могли бы обмениваться навыками на GitHub, как пакетами npm. Экосистема становится совместимой, а не фрагментированной.

Совпадение по времени с более широкими усилиями по стандартизации. Anthropic пожертвовал протокол контекста модели в Linux Foundation 9 декабря, и обе компании стали сооснователями фонда Agentic AI вместе с Block. Google, Microsoft и AWS присоединились в качестве членов.

Фонд будет курировать MCP, проект goose от Block и спецификацию AGENTS.md от OpenAI. Навыки естественным образом вписываются в эту стандартизацию — многократно используемые модули возможностей, которые работают на разных платформах.

Что это значит для инструментов кодирования ИИ

Архитектура навыков имеет наибольшее значение для инструментов кодирования ИИ, где специализированные знания значительно улучшают качество вывода. Навык для разработки на React может указывать шаблоны компонентов, предпочтения управления состоянием и конвенции тестирования. Навык для миграции баз данных может включать проверки безопасности и процедуры откатов.

Стартапы кодирования ИИ, такие как Cursor, построили бизнес на том, чтобы сделать ИИ более полезным для конкретных задач разработки. Фреймворк навыков дает поставщикам моделей стандартизированный способ предложить подобную настройку — потенциально угрожая или дополняя сторонние инструменты, в зависимости от реализации.

Для разработчиков предприятий совместимые навыки означают, что корпоративные знания становятся портативными. Внутренние стандарты кодирования компании, требования безопасности и предпочтения рабочего процесса могут быть закодированы один раз и применены ко всем инструментам ИИ, которые использует команда.

Стратегический подтекст

Принятие OpenAI несет стратегические последствия. Компания исторически отдавала предпочтение проприетарным подходам — действия GPT, пользовательские GPT, интеграции, специфичные для платформы. Навыки представляют собой поворот в сторону открытых стандартов, которые работают на разных инструментах.

Одна интерпретация: OpenAI признает, что экосистемы разработчиков имеют значение больше, чем проприетарная блокировка на этом этапе. Если навыки станут стандартными, совместимость имеет значение больше, чем контроль над спецификацией.

Другая интерпретация: конкуренция с опытом разработчика Anthropic требует соответствия его функциям. Claude Code агрессивно растет, достигая 1 миллиарда долларов годового дохода и интегрируясь в Slack. Навыки являются частью того, что делает Claude Code полезным; OpenAI нужно было ответить.

Правда, вероятно, включает в себя оба фактора. Лаборатории ИИ интенсивно конкурируют на бенчмарках и возможностях, одновременно сотрудничая над инфраструктурными стандартами, которые приносят пользу всем. Навыки попадают во вторую категорию.

Что дальше

Немедленная возможность — рынок навыков — репозитории GitHub, где разработчики делятся специализированными наборами инструкций для общих задач. Anthropic уже имеет репозиторий anthropics/skills. Ожидайте, что OpenAI последует этому примеру, и ожидайте, что навыки, вносящиеся сообществом, будут распространяться.

Более долгосрочный вопрос — как глубоко навыки интегрируются в продукты ИИ. Сейчас они в основном актуальны для разработчиков, использующих инструменты CLI. Но та же архитектура могла бы обеспечить настройку в потребительских продуктах — персонализированные помощники написания, специализированные инструменты исследования, чат-боты, специфичные для области.

На данный момент сходимость на навыки представляет собой что-то редкое в ИИ: конкурирующие компании соглашаются, что стандартизация служит всем. Будет ли это сотрудничество распространяться на другие спорные области — стандарты безопасности, раскрытие возможностей, рекомендации по развертыванию — остается неопределенным.

Но для разработчиков, строящих на платформах ИИ, сообщение ясно: навыки становятся инфраструктурой. Изучение навыков сейчас означает подготовку к тому, как инструменты ИИ будут работать завтра.