Skills: что это и как использовать в Cursor и Claude Code

20.02.2026 • Хабр

Материал описывает подход Skills: переиспользуемые «навыки» для ИИ-ассистентов, которые хранятся в репозитории и подключаются под конкретные типы задач. Идея — сделать работу агентов более предсказуемой и переносимой между инструментами.

Skill описывается как персистентный плейбук: версионируется в Git, лежит в папке проекта и подтягивается агентом при подходящей задаче.
Skill противопоставляется системному промпту: системный промпт задаёт глобальную роль, а skill — узкую специализацию под конкретный тип задач и стандарты команды.
Приводится рекомендуемая структура в репозитории: .ai/ с AGENTS.md (глобальные правила), router.md (маршрутизация), skills/* (плейбуки), subagents/* (опциональные роли).
«Анатомия» навыка включает: Scope, Context & Inputs, Process, Output Format, Quality Bar, Anti-patterns и примеры.
На примере Webapp Testing упоминаются требования к выходу: runnable-скрипт, networkidle, browser.close(), плюс 1–2 команды запуска.
Шаблоны навыков предлагаются через aitmpl.com и установку командой npx, либо через ручное копирование Markdown в .ai/skills.

Почему это важно: В тексте Skills подаются как способ «зафиксировать стандарты» для агента так же, как линтеры, CI и PR-шаблоны фиксируют стандарты в разработке. Отдельно подчёркивается, что это слой поверх инструментов, поэтому поведение агента можно переносить между Cursor, Claude Code и другими средами. Для командной работы это связывается с тем, что правила и плейбуки лежат рядом с кодом и версионируются.

На что обратить внимание: Автор отдельно отмечает, что общие пожелания вроде «пиши хороший код» обычно игнорируются, а рабочие навыки опираются на конкретные триггеры, входные данные, формат вывода и критерии самопроверки. В описании router.md выделяется инженерный нюанс: без явных правил выбора skill агент может не «догадаться» включить нужный плейбук. Также в примерах подразумевается разделение: AGENTS.md — для always-on политики и ограничений, skills/* — для узких процедур под типы задач.

Коротко

Skills подаются как способ убрать «DRY» в работе с ИИ: стандарты описываются рядом с кодом и переиспользуются, вместо копипаста инструкций в чат.
Качество навыка в тексте связывается с конкретикой: триггеры активации, входные данные, output contract и self-check, а не с лозунгами «пиши хорошо».
Роутинг выделен как отдельный нюанс: без правил выбора нужного skill агент может срабатывать нестабильно, даже если плейбуки написаны тщательно.
Логика разнесения правил по AGENTS.md и skills/* выглядит как способ держать «прошивку» проекта управляемой и не превращать инструкции в свалку.
В тексте подчёркнута переносимость: это не привязка к Cursor или Claude Code, а слой, который должен одинаково работать в разных ИИ-инструментах.

FAQ

Зачем это важно, если уже есть системные промпты в Cursor или Claude Code и можно каждый раз уточнять требования в чате?

В тексте это сравнивается с принципом DRY: повторение инструкций не фиксирует стандарт. Skills описываются как версионируемый слой, делающий поведение агента переносимым и более предсказуемым.

Чем Skill отличается от системного промпта и где он должен жить в проекте, если следовать подходу из статьи?

Системный промпт — глобальная роль, а Skill — узкая специализация под тип задач. Навыки предлагается хранить в репозитории, в структуре .ai/ (в том числе .ai/skills/).

Какие блоки должны быть в «идеальном» skill, чтобы агент понимал границы задачи, формат ответа и мог сам себя проверять?

В тексте перечислены Scope, Context & Inputs, Process, Output Format, Quality Bar, Anti-patterns и примеры. Отдельно подчёркивается роль чек-листа самопроверки.

Как по статье агент понимает, какой skill включить, если в репозитории много плейбуков для разных типов задач и артефактов?

Описывается router.md: сначала классификация запроса по основной категории, затем выбор ровно одного файла skill и выполнение с self-check по Quality Bar.

PubMag