เฟรมเวิร์กทักษะของ Claude กลายเป็นมาตรฐานอุตสาหกรรมอย่างเงียบๆ

เมื่อ Anthropic เปิดตัว Skills ในเดือนตุลาคม การประกาศดูเหมือนเป็นฟีเจอร์สำหรับนักพัฒนาที่มีจุดมุ่งหมายเฉพาะ เมื่อสองเดือนต่อมา OpenAI ได้นำสถาปัตยกรรมเดียวกันนี้มาใช้ — และการรวมกันอย่างเงียบๆ เหล่านี้เปิดเผยสิ่งที่มีนัยสำคัญเกี่ยวกับทิศทางที่เอเย่นต์ AI กำลังจะไป

ทักษะดูเหมือนง่ายมาก: โฟลเดอร์ที่มีไฟล์ Markdown ที่บอกระบบ AI วิธีการทำงานเฉพาะ แต่การนำมาใช้โดยห้องปฏิบัติการ AI ที่สำคัญทั้งสองแห่งนี้ชี้ให้เห็นว่าอุตสาหกรรมได้พบคำตอบทั่วไปสำหรับคำถามพื้นฐาน: คุณทำให้ AI ช่วยเหลือในการทำงานพิเศษได้ดีและสม่ำเสมออย่างไร?

สิ่งที่ OpenAI เพิ่งทำ

นักพัฒนา Elias Judin ค้นพบการนำไปใช้ของ OpenAI เมื่อวันที่ 12 ธันวาคม ในขณะที่ทดลองกับ ChatGPT’s Code Interpreter โดยการ提示โมเดลให้สร้างไฟล์ zip ของไดเร็กทอรี /home/oai/skills ของเขา เขาพบโฟลเดอร์สำหรับ PDF สเปรดชีต และเอกสาร — แต่ละอันบรรจุไฟล์คำแนะนำที่มีโครงสร้างเหมือนกับข้อกำหนดของ Anthropic

สถาปัตยกรรมเดียวกันนี้ปรากฏในเครื่องมือ Codex CLI ของ OpenAI สองสัปดาห์ก่อนหน้านี้ ผ่านการร้องขอ pull ที่มีชื่อเรื่อง “feat: experimental support for skills.md” การนำไปใช้สะท้อนถึงแนวทางของ Anthropic: ทักษะอาศัยอยู่ในไดเร็กทอรีระดับท้องถิ่น (~/.codex/skills) แต่ละทักษะถูกกำหนดโดยไฟล์ SKILL.md ที่มีเมตาดาต้าและคำแนะนำ

OpenAI ยังไม่ได้ประกาศคุณสมบัตินี้อย่างเป็นทางการ แต่การมีอยู่ใน ChatGPT และ Codex ชี้ให้เห็นว่าเป็นกลยุทธ์ที่ตั้งใจมากกว่าการทดลอง

ทำไมทักษะจึงสำคัญ

แนวทางแบบดั้งเดิมในการทำให้ AI ดีขึ้นในงานเฉพาะคือการปรับให้เหมาะสม — การฝึกอบรมแบบจำลองที่มีค่าใช้จ่ายสูงและใช้เวลานานในข้อมูลที่มีรายละเอียดเฉพาะ ทักษะให้ทางเลือกที่เบาลง: ไฟล์คำแนะนำและทรัพยากรที่โหลดเฉพาะเมื่อมีความเกี่ยวข้อง

ทีมวิศวกรรมของ Anthropic อธิบายหลักการออกแบบว่า “การเปิดเผยแบบก้าวหน้า” แต่ละทักษะใช้โทเค็นเพียงไม่กี่สิบตัวเมื่อสรุป โดยรายละเอียดเต็มจะโหลดเฉพาะเมื่อทำงานต้องการ ซึ่งแก้ปัญหาเชิงปฏิบัติ: วินโดว์บริบทมีคุณค่าเป็นทรัพยากรที่มีค่า และการใส่คำแนะนำที่เป็นไปได้ทั้งหมดลงในคำขอทุกครั้งจะสูญเสียทรัพยากร

สถาปัตยกรรมทำงานได้เพราะโมเดล AI สมัยใหม่สามารถอ่านและปฏิบัติตามคำแนะนำได้อย่างมีพลวัต ทักษะสำหรับการจัดการ PDF อาจรวมถึงไลบรารีที่ต้องการ การจัดการกรณีเส้นขอบ และการกำหนดรูปแบบเอาต์พุต — ข้อมูลที่โมเดลต้องการเฉพาะเมื่อประมวลผล PDF

เรื่องราวการรวมกัน

OpenAI ที่นำแนวทางของ Anthropic มาใช้ไม่ใช่เรื่องที่ไม่ปกติในแง่ของการแยกออกมา สิ่งที่น่าสังเกตคืออัตลักษณ์เชิงโครงสร้าง: การตั้งชื่อไฟล์แบบเดียวกัน รูปแบบเมตาดาต้าแบบเดียวกัน การจัดระเบียบไดเร็กทอรีแบบเดียวกัน

ความเข้ากันได้นี้อาจหมายความว่าทักษะที่เขียนสำหรับ Claude Code สามารถทำงานกับ Codex CLI ของ OpenAI และในทางกลับกัน นักพัฒนาสามารถแบ่งปันทักษะบน GitHub เช่นเดียวกับแพ็คเกจ npm พื้นที่นิเวศน์จะกลายเป็นแบบเข้ากันได้มากกว่าแบบกระจัดกระจาย

การเร่งเวลาเกิดขึ้นพร้อมกับการทำให้มาตรฐานที่กว้างขึ้น Anthropic บริจาค Model Context Protocol ให้กับ Linux Foundation เมื่อวันที่ 9 ธันวาคม และทั้งสองบริษัทได้ร่วมก่อตั้ง Agentic AI Foundation ร่วมกับ Block Google Microsoft และ AWS เข้าร่วมในฐานะสมาชิก

มูลนิธินี้จะดูแล MCP โครงการ Goose ของ Block และข้อกำหนด AGENTS.md ของ OpenAI ทักษะเข้ากันได้กับการผลักดันมาตรฐานนี้ — โมดูลความสามารถที่สามารถใช้ซ้ำซึ่งทำงานข้ามแพลตฟอร์ม

สิ่งที่หมายถึงสำหรับเครื่องมือเขียนโค้ด AI

สถาปัตยกรรมทักษะมีความสำคัญมากที่สุดสำหรับ เครื่องมือเขียนโค้ด AI โดยที่ความรู้เฉพาะทางสามารถปรับปรุงคุณภาพเอาต์พุตได้อย่างมาก ทักษะสำหรับการพัฒนา React อาจระบุรูปแบบคอมโพเนนต์ การจัดการสถานะที่ต้องการ และข้อกำหนดในการทดสอบ ทักษะสำหรับการย้ายฐานข้อมูลอาจรวมถึงการตรวจสอบความปลอดภัยและขั้นตอนการกลับ

สตาร์ทอัพ AI coding เช่น Cursor ได้สร้างธุรกิจโดยการทำให้ AI มีประโยชน์มากขึ้นสำหรับงานพัฒนาที่เฉพาะเจาะจง เฟรมเวิร์กทักษะให้โมเดลผู้ให้บริการวิธีการมาตรฐานในการนำเสนอการปรับแต่งที่คล้ายกัน — ซึ่งอาจเป็นภัยคุกคามหรือเสริมเครื่องมือของบุคคลที่สามขึ้นอยู่กับการดำเนินการ

สำหรับนักพัฒนาระดับองค์กร ทักษะที่เข้ากันได้หมายความว่าความรู้ของสถาบันกลายเป็นแบบพกพาได้ มาตรฐานการเขียนโค้ดภายในของบริษัท ความต้องการด้านความปลอดภัย และความชอบด้านการทำงานสามารถเข้ารหัสได้ครั้งเดียวและใช้กับเครื่องมือ AI ที่ทีมใช้

เนื้อหาทางยุทธศาสตร์

การนำไปใช้ของ OpenAI มีนัยยะเชิงกลยุทธ์ บริษัทนี้มักจะชอบแนวทางที่เป็นกรรมสิทธิ์ — GPT Actions, GPTs ที่กำหนดเอง, การผสานรวมเฉพาะแพลตฟอร์ม ทักษะแสดงถึงการเปลี่ยนไปสู่มาตรฐานที่เปิดกว้างซึ่งทำงานข้ามเครื่องมือ

การวิเคราะห์หนึ่งคือ: OpenAI ตระหนักว่าระบบนิเวศน์ของนักพัฒนามีความสำคัญมากกว่าการล็อกอินแบบผูกขาดในขั้นตอนนี้ หากทักษะกลายเป็นมาตรฐาน การเข้ากันได้จะมีความสำคัญมากกว่าการควบคุมข้อกำหนด

การวิเคราะห์อื่นคือ: การแข่งขันกับประสบการณ์ของนักพัฒนาของ Anthropic ต้องจับคู่คุณลักษณะของมัน ทักษะเป็นส่วนหนึ่งของสิ่งที่ทำให้ Claude Code มีประโยชน์; OpenAI ต้องตอบสนอง

ความจริงอาจรวมทั้งสองปัจจัย AI ห้องปฏิบัติการแข่งขันกันอย่างเข้มข้นในด้านประสิทธิภาพและความสามารถ ในขณะที่ร่วมมือกันในมาตรฐานโครงสร้างพื้นฐานที่เป็นประโยชน์ต่อทุกคน ทักษะอยู่ในประเภทหลัง

สิ่งที่จะเกิดขึ้นต่อไป

โอกาสทันทีคือตลาดทักษะ — โรไพเรทอรี GitHub ที่นักพัฒนาสามารถแบ่งปันทักษะเฉพาะสำหรับงานทั่วไป Anthropic มี anthropics/skills โรไพเรทอรีแล้ว คาดว่า OpenAI จะทำตามและคาดว่าทักษะที่มีส่วนร่วมโดยชุมชนจะแพร่กระจาย

คำถามในระยะยาวคือทักษะจะรวมเข้ากับผลิตภัณฑ์ AI อย่างลึกซึ้งแค่ไหน ปัจจุบันทักษะส่วนใหญ่เกี่ยวข้องกับนักพัฒนาที่ใช้เครื่องมือ CLI แต่สถาปัตยกรรมเดียวกันสามารถเปิดใช้งานการปรับแต่งในผลิตภัณฑ์สำหรับผู้บริโภค — ผู้ช่วยเขียนที่ปรับให้เหมาะสม เครื่องมือวิจัยที่เฉพาะเจาะจง ชาตบอทที่เฉพาะโดเมน

สำหรับตอนนี้ การรวมกันของทักษะแสดงให้เห็นสิ่งที่หายากใน AI: บริษัทที่แข่งขันกันเห็นด้วยว่ามาตรฐานเป็นประโยชน์ต่อทุกคน สิ่งใดจะขยายไปสู่พื้นที่ที่มีการถกเถียงกัน — มาตรฐานความปลอดภัย การเปิดเผยความสามารถ คู่มือการปรับใช้ — ยังคงไม่แน่นอน

แต่สำหรับนักพัฒนาที่สร้างบนแพลตฟอร์ม AI ข้อความคือชัดเจน: ทักษะกำลังจะกลายเป็นโครงสร้างพื้นฐาน การเรียนรู้ทักษะเหล่านี้ตอนนี้หมายความว่าคุณพร้อมสำหรับวิธีการทำงานของเครื่องมือ AI ในอนาคต