Фреймворк навыков Claude стал де-факто 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 кажутся 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 сделал OpenAI

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

Та же архитектура появилась в инструменте Codex CLI от OpenAI две недели раньше, через запрос на добавление функции “feat: экспериментальная поддержка skills.md”. Реализация отражает подход Anthropic: навыки живут в локальной директории (~/.codex/skills), каждый определяется файлом SKILL.md с метаданными и инструкциями.

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

Почему навыки важны

Традиционный подход к улучшению ИИ для конкретных задач включал тонкую настройку — дорогостоящую и длительную обучение модели на специализированных данных. Навыки предлагают более легкий альтернативный вариант: 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 кратком изложении, а полные детали загружаются только тогда, когда задача требует этого. Это решает практическую проблему: контекстные окна являются ценным ресурсом, и заполнение каждого возможного инструктажа в каждый запрос расточительно.

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

Тот факт, что OpenAI принял подход 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 делиться навыками на GitHub, как пакетами npm. Экосистема становится интероперабельной, 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 Agentic AI Foundation вместе с Block. Google (GOOGL ), Microsoft (MSFT ) 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 инициативу по стандартизации — многоразовые 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 по кодированию ИИ, такие как Cursor, построили свой 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 в корпорациях интероперабельные навыки означают, что знания института становятся переносимыми. Внутренние стандарты кодирования компании, требования безопасности и предпочтения рабочего процесса могут быть закодированы один раз и применены к любым инструментам ИИ, которые использует команда.

Стратегический подтекст

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

Одна из интерпретаций: OpenAI признает, что экосистемы разработчиков важнее проприетарного блокирования на этом этапе. Если навыки станут стандартными, совместимость будет иметь больше значения, чем контроль над спецификацией.

Другая интерпретация: конкуренция с опытом разработчика Anthropic требует соответствия его функций. Claude Code агрессивно растет, достигнув 1 миллиарда долларов годового дохода и интегрировавшись 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 стандартами инфраструктуры, которые приносят пользу всем. Навыки входят 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 сообществом будут создаваться навыки.

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 по написанию, специализированные инструменты исследования, чат-боты, специфичные для области.

Пока сходимость на навыки представляет собой что-то редкое в ИИ: конкурирующие компании соглашаются, что стандартизация служит всем. Будет ли это сотрудничество распространено на другие спорные области — стандарты безопасности, раскрытие возможностей, руководства 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.