Рамка навичок Клода тихо стає галузевим стандартом

Коли Anthropic представив Skills у жовтні, оголошення виглядало як ніша розробника. Два місяці потому OpenAI прийняла ту ж архітектуру — і тихе збіговисько відкриває щось суттєве про те, куди рухаються агенти штучного інтелекту.

Навички видаються надзвичайно простими: папки, що містять файли Markdown, які повідомляють системам штучного інтелекту, як виконувати конкретні завдання. Але їхнє прийняття двома великими лабораторіями штучного інтелекту свідчить про те, що галузь знайшла спільну відповідь на фундаментальне питання: як зробити помічників штучного інтелекту постійно хорошими у спеціалізованій роботі?

Що зробила OpenAI

Розробник Elias Judin виявив реалізацію OpenAI 12 грудня під час експериментів з інтерпретатором коду ChatGPT. Запропонувавши моделі створити zip-файл зі своєї директорії /home/oai/skills, він знайшов папки для PDF, електронних таблиць і документів — кожна з яких містила інструкційні файли, ідентичні за структурою специфікації Anthropic.

Ту ж архітектуру бачимо в інструменті OpenAI Codex CLI два тижні раніше, завдяки запиту на прийняття “feat: експериментальна підтримка skills.md”. Реалізація дзеркально повторює підхід Anthropic: навички живуть у локальній директорії (~/.codex/skills), кожна з яких визначається файлом SKILL.md з метаданими та інструкціями.

OpenAI офіційно не оголосила про цю функцію. Але її наявність у ChatGPT та Codex свідчить про свідому стратегію, а не про експеримент.

Чому навички важливі

Традиційний підхід до поліпшення штучного інтелекту у конкретних завданнях полягав у тонкій настройці — дорогому та тривалому тренуванні моделей на спеціалізованих даних. Навички пропонують легшу альтернативу: інструкції та ресурси, які завантажуються лише тоді, коли це доречне.

Інженерна команда Anthropic описала принцип проектування як “прогресивне розкриття”. Кожна навичка займає лише кілька десятків токенів, коли підсумовується, а повні деталі завантажуються лише тоді, коли завдання цього вимагає. Це вирішує практичну проблему: вікна контексту є цінним ресурсом, а завантаження всіх можливих інструкцій у кожен запит марнує ресурси.

Архітектура працює, оскільки сучасні моделі штучного інтелекту можуть читати та виконувати інструкції динамічно. Навичка для обробки PDF може включати вибрані бібліотеки, обробку країв випадків та форматування виводу — інформацію, яку моделі потребують лише під час обробки PDF.

Історія збіговиська

Прийняття OpenAI підходу Anthropic не є незвичним у ізоляції. Лабораторії штучного інтелекту регулярно вчаться одна в одної з опублікованих робіт. Що примітно, так це структурна ідентичність: ті ж конвенції найменування файлів, той же формат метаданих, та ж організація директорій.

Ця сумісність може означати, що навички, написані для Claude Code, можуть працювати з інструментом OpenAI Codex CLI, і навпаки. Розробники можуть спільно використовувати навички на GitHub, як пакети npm. Екосистема стає сумісною, а не фрагментованою.

Тимінг збігається з більш широкими зусиллями щодо стандартизації. Anthropic передала протокол контекstu моделі Linux Foundation 9 грудня, а обидві компанії стали співзасновниками фундації Agentic AI разом з Block. Google, Microsoft та AWS приєдналися як члени.

Фундація буде опікуватися MCP, проєктом goose від Block та специфікацією AGENTS.md від OpenAI. Навички природно вписуються у цю стандартизацію — багаторазові модулі можливостей, які працюють на різних платформах.

Що це означає для інструментів кодування штучного інтелекту

Архітектура навичок найважливіша для інструментів кодування штучного інтелекту, де спеціалізовані знання суттєво покращують якість виводу. Навичка для розробки React може вказувати шаблони компонентів, уподобання управління станом та конвенції тестування. Навичка для міграції баз даних може включати заходи безпеки та процедури відкату.

Стартапи з кодуванням штучного інтелекту, як Cursor, побудували бізнес на тому, щоб зробити штучний інтелект більш корисним для конкретних завдань розробки. Фреймворк навичок надає постачальникам моделей стандартизований спосіб пропонувати подібну настройку — потенційно загрожуючи або доповнюючи сторонні інструменти, залежно від виконання.

Для розробників підприємств сумісні навички означають, що внутрішні знання компанії стають переносними. Внутрішні стандарти кодування компанії, вимоги безпеки та переваги робочого процесу можна закодувати один раз і застосувати до будь-яких інструментів штучного інтелекту, які використовує команда.

Стратегічний підтекст

Прийняття OpenAI має стратегічні наслідки. Компанія історично віддавала перевагу пропрієтарним підходам — дії GPT, спеціальні GPT, інтеграції, специфічні для платформи. Навички представляють поворот у бік відкритих стандартів, які працюють на різних інструментах.

Одне тлумачення: OpenAI розуміє, що екосистеми розробників важливіші за пропрієтарне блокування на цьому етапі. Якщо навички стають стандартними, сумісність важливіша за контроль над специфікацією.

Інше тлумачення: конкуренція з досвідом розробника Anthropic вимагає відповідності її функціям. Claude Code агресивно зростає, досягнувши 1 мільярда доларів річної виручки та інтегрувавшись у Slack. Навички є частиною того, що робить Claude Code корисним; OpenAI мусила реагувати.

Істина, ймовірно, включає обидва фактори. Лабораторії штучного інтелекту інтенсивно конкурують у бенчмарках та можливостях, одночасно співпрацюючи над інфраструктурними стандартами, які приносять користь усім. Навички входять до другої категорії.

Що далі

Найближча можливість — ринок навичок — репозиторії GitHub, де розробники діляться спеціалізованими інструкційними наборами для загальних завдань. Anthropic вже має репозиторій anthropics/skills. Очікуйте, що OpenAI послідує, і очікуйте, що спільні навички будуть поширюватися.

Довгострокове питання полягає в тому, як глибоко навички інтегруються у продукти штучного інтелекту. Наразі вони переважно актуальні для розробників, які використовують інструменти CLI. Але та ж архітектура могла б забезпечити настройку у споживчих продуктах — персоналізованих асистентів написання, спеціалізованих інструментів дослідження, домен-специфічних чат-ботів.

Наразі збіговисько навколо навичок представляє щось рідкісне в штучному інтелекті: конкуруючі компанії погоджуються, що стандартизація служить всім. Чи пошириться ця співпраця на інші спірні питання — стандарти безпеки, розкриття можливостей, керівні принципи розгортання — залишається невизначеним.

Але для розробників, які будують на платформах штучного інтелекту, повідомлення чітке: навички стають інфраструктурою. Навчитися писати їх зараз означає бути готовим до того, як інструменти штучного інтелекту будуть працювати завтра.