ฟレームเวิร์กทักษะของ Claude กลายเป็นมาตรฐานอุตสาหกรรมอย่างเงียบๆ

เมื่อ Anthropic เปิดตัว Skills ในเดือนตุลาคม การประกาศดังกล่าวดูเหมือนเป็นคุณลักษณะของนักพัฒนาที่ไม่สำคัญมากนัก แต่สองเดือนต่อมา OpenAI ได้รับเอาโครงสร้างเดียวกันมาใช้ และการรวมกันอย่างเงียบๆ ของทั้งสองนี้แสดงให้เห็นถึงสิ่งที่สำคัญเกี่ยวกับทิศทางที่เอเย่นต์ AI กำลังจะไป

ทักษะดูเหมือนจะเรียบง่าย: โฟลเดอร์ที่มีไฟล์ Markdown ที่บอกระบบ AI วิธีการทำงานเฉพาะ แต่การนำไปใช้โดยห้องปฏิบัติการ AI ทั้งสองแห่งนี้แสดงให้เห็นว่าอุตสาหกรรมได้พบคำตอบร่วมกันสำหรับคำถามพื้นฐาน: คุณทำให้ AI ช่วยเหลือทำงานเฉพาะด้านได้ดีและสม่ำเสมอได้อย่างไร?

สิ่งที่ OpenAI เพิ่งทำ

นักพัฒนา Elias Judin ค้นพบการนำไปใช้ของ OpenAI เมื่อวันที่ 12 ธันวาคม ขณะทดลองกับ ChatGPT’s Code Interpreter โดยการให้โมเดลสร้างไฟล์ zip ของไดเรกทอรี /home/oai/skills ของเขา เขาพบโฟลเดอร์สำหรับ PDF สเปรดชีต และเอกสาร: แต่ละโฟลเดอร์มีไฟล์คำแนะนำที่มีโครงสร้างเหมือนกับข้อกำหนดของ Anthropic

โครงสร้างเดียวกันนี้ปรากฏในเครื่องมือ Codex CLI ของ OpenAI สองสัปดาห์ก่อนหน้านี้ ผ่านการขอ pull request ที่มีชื่อ “feat: experimental support for skills.md” การนำไปใช้นี้สะท้อนถึงแนวทางของ Anthropic: ทักษะอาศัยอยู่ในไดเรกทอรี local (~/.codex/skills) แต่ละทักษะถูกกำหนดโดยไฟล์ SKILL.md ที่มี metadata และคำแนะนำ

OpenAI ยังไม่ได้ประกาศคุณลักษณะนี้อย่างเป็นทางการ แต่การปรากฏใน ChatGPT และ Codex แสดงให้เห็นว่ามีกลยุทธ์ที่ตั้งใจไว้มากกว่าการทดลอง

ทักษะมีความสำคัญอย่างไร

แนวทางแบบดั้งเดิมในการทำให้ AI ดีขึ้นในงานเฉพาะคือการ fine-tune: การฝึกอบรมโมเดลที่มีค่าใช้จ่ายสูงและใช้เวลานานบนข้อมูลเฉพาะ ทักษะให้ทางเลือกที่เบาลง: ไฟล์คำแนะนำและทรัพยากรที่โหลดเฉพาะเมื่อมีความเกี่ยวข้อง

ทีมวิศวกรของ Anthropic อธิบายหลักการออกแบบว่าเป็น “การเปิดเผยแบบค่อยเป็นค่อยไป” แต่ละทักษะใช้เพียงไม่กี่สิบ token เมื่อสรุป และรายละเอียดเต็มจะโหลดเฉพาะเมื่องานต้องการ สิ่งนี้ช่วยแก้ปัญหาเชิงปฏิบัติ: วินโดว์บริบทมีค่าและโหลดคำแนะนำทุกอย่างเข้าไปในคำขอเสมอจะสูญเสียทรัพยากร

โครงสร้างนี้ทำงานได้เพราะโมเดล AI ที่ทันสมัยสามารถอ่านและปฏิบัติตามคำแนะนำได้อย่างมีพลวัต ทักษะสำหรับการจัดการ PDF อาจรวมถึงไลบรารีที่ต้องการ การจัดการกรณีพิเศษ และรูปแบบการแสดงผล: ข้อมูลที่โมเดลต้องการเฉพาะเมื่อประมวลผล PDF

เรื่องราวการรวมกัน

การนำโครงสร้างของ Anthropic มาใช้โดย OpenAI ไม่ใช่เรื่องที่ไม่ปกติในกรณีแยกๆ แต่สิ่งที่น่าสังเกตคือโครงสร้างที่เหมือนกัน: การตั้งชื่อไฟล์เดียวกัน รูปแบบ metadata เดียวกัน การจัดระเบียบไดเรกทอรีเดียวกัน

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

การรวมกันนี้เกิดขึ้นพร้อมกับความพยายามในการสร้างมาตรฐานที่กว้างขึ้น Anthropic บริจาค Model Context Protocol ให้กับ Linux Foundation เมื่อวันที่ 9 ธันวาคม และทั้งสองบริษัทได้ก่อตั้ง Agentic AI Foundation ร่วมกับ Block Google (GOOGL ), Microsoft (MSFT ) และ AWS เข้าร่วมเป็นสมาชิก

มูลนิธินี้จะดูแล MCP โครงการ goose ของ Block และข้อกำหนด AGENTS.md ของ OpenAI ทักษะเข้ากันได้กับการผลักดันมาตรฐานนี้: โมดูลความสามารถที่สามารถใช้ได้ซ้ำบนแพลตฟอร์มต่างๆ

สิ่งนี้หมายถึงอะไรสำหรับเครื่องมือ AI ในการเขียนโค้ด

โครงสร้างทักษะมีความสำคัญที่สุดสำหรับ เครื่องมือ AI ในการเขียนโค้ด ที่ทักษะเฉพาะด้านสามารถปรับปรุงคุณภาพของผลลัพธ์ได้อย่างมาก ทักษะสำหรับการพัฒนา React อาจระบุรูปแบบคอมโพเนนท์ การจัดการสถานะที่ต้องการ และข้อกำหนดการทดสอบ ทักษะสำหรับการย้ายฐานข้อมูลอาจรวมถึงการตรวจสอบความปลอดภัยและขั้นตอนการย้อนกลับ

สตาร์ทอัพ AI เช่น Cursor สร้างธุรกิจโดยการทำให้ AI มีประโยชน์สำหรับงานพัฒนาที่เฉพาะเจาะจง โครงสร้างทักษะให้โมเดลผู้ให้บริการวิธีการปรับแต่งที่เป็นมาตรฐาน: สิ่งนี้อาจเป็นภัยคุกคามหรือเสริมสิ่งอำนวยความสะดวกของบุคคลที่สามขึ้นอยู่กับการดำเนินการ

สำหรับนักพัฒนาระดับองค์กร ทักษะที่เข้ากันได้หมายถึงความรู้ของสถาบันที่สามารถพกพาได้ มาตรฐานการเขียนโค้ดภายในของบริษัท ความต้องการด้านความปลอดภัย และความชอบของกระบวนการทำงานสามารถเข้ารหัสได้ครั้งเดียวและใช้ได้กับเครื่องมือ AI ที่ทีมใช้

เรื่องราวเชิงกลยุทธ์

การนำโครงสร้างทักษะมาใช้โดย OpenAI มีผลกระทบเชิงกลยุทธ์ บริษัทนี้มักจะชอบแนวทางที่เป็นกรรมสิทธิ์: GPT Actions, GPT ที่กำหนดเอง, การรวมเข้ากับแพลตฟอร์มเฉพาะ ทักษะแสดงถึงการเปลี่ยนไปสู่มาตรฐานที่เปิดกว้างซึ่งทำงานบนเครื่องมือต่างๆ

การตีความหนึ่งคือ OpenAI ตระหนักว่าระบบนิเวศของนักพัฒนามีความสำคัญมากกว่าการล็อกผู้ใช้ในขั้นตอนนี้ หากทักษะกลายเป็นมาตรฐาน การเข้ากันได้มีความสำคัญมากกว่าการควบคุมข้อกำหนด

การตีความอีกอย่างหนึ่งคือ การแข่งขันกับประสบการณ์ของนักพัฒนาของ Anthropic ต้องใช้คุณลักษณะที่ตรงกัน Claude Code เติบโตอย่างรวดเร็ว โดยมีรายได้ประจำปีถึง 1 พันล้านดอลลาร์และรวมเข้ากับ Slack ทักษะเป็นส่วนหนึ่งของสิ่งที่ทำให้ Claude Code มีประโยชน์ OpenAI ต้องตอบสนอง

ความจริงอาจรวมทั้งสองปัจจัย AI ห้องปฏิบัติการแข่งขันกันอย่างเข้มข้นในด้านประสิทธิภาพและความสามารถ ในขณะเดียวกันก็ร่วมมือกันในมาตรฐานโครงสร้างพื้นฐานที่เป็นประโยชน์ต่อทุกคน ทักษะเข้ากันได้กับหมวดหมู่ที่สอง

สิ่งที่จะเกิดขึ้นต่อไป

โอกาสที่ใกล้จะเกิดขึ้นคือตลาดทักษะ: โรเกอธิบ GitHub ที่นักพัฒนาสามารถแบ่งปันทักษะเฉพาะสำหรับงานทั่วไป Anthropic มีโครงการ anthropics/skills แล้ว คาดว่า OpenAI จะทำตาม และคาดว่าทักษะที่มีส่วนร่วมจากชุมชนจะแพร่หลาย

คำถามระยะยาวคือ ทักษะจะรวมเข้ากับผลิตภัณฑ์ AI อย่างลึกซึ้งแค่ไหน ปัจจุบันทักษะส่วนใหญ่เกี่ยวข้องกับนักพัฒนาที่ใช้เครื่องมือ CLI แต่โครงสร้างเดียวกันนี้สามารถให้พลังในการปรับแต่งในผลิตภัณฑ์สำหรับผู้บริโภค: ผู้ช่วยเขียนที่ปรับแต่งได้ เครื่องมือวิจัยที่เฉพาะเจาะจง ชาตบอทที่เฉพาะด้าน

สำหรับตอนนี้ การรวมกันของทักษะแสดงให้เห็นสิ่งที่หายากใน AI: บริษัทที่แข่งขันกันเห็นพ้องกันว่ามาตรฐานนี้เป็นประโยชน์ต่อทุกคน ไม่ว่าความร่วมมือนี้จะขยายไปสู่พื้นที่ที่มีข้อขัดแย้งอื่นๆ เช่น มาตรฐานความปลอดภัย การเปิดเผยความสามารถ แนวทางในการใช้งาน: ยังคงไม่แน่นอน

แต่สำหรับนักพัฒนาที่สร้างบนแพลตฟอร์ม AI: สิ่งที่ชัดเจนคือ ทักษะกำลังจะกลายเป็นโครงสร้างพื้นฐาน การเรียนรู้ทักษะเหล่านี้ตอนนี้หมายถึงการเตรียมพร้อมสำหรับวิธีการทำงานของเครื่องมือ AI ในอนาคต