एजेंट स्किल्स के लिए पूर्ण शुरुआती गाइड: अपना पहला स्किल बनाना

एआई के साथ काम करने वाला हर व्यक्ति इस समस्या से जूझ चुका है:

आप इसे कुछ सिखाते हैं, अगले दिन एक नई बातचीत शुरू करते हैं, और सब कुछ रीसेट हो जाता है।

आप तीन दिनों तक किसी वर्कफ़्लो को फ़ाइन-ट्यून करने में बिताते हैं, क्लॉड (Claude) के साथ आगे-पीछे करके उसे सही करते हैं, लेकिन अगले दिन उसे फिर से समझाना पड़ता है।

आप प्रॉम्प्ट (prompts) को अपने नोट्स में सेव करते हैं और हर बार पेस्ट करते हैं, लेकिन एक महीने तक हर दिन 500 शब्दों का निर्देश पेस्ट करने के बाद आप सोचते हैं: क्या वाकई एआई का इस्तेमाल इस तरह होना चाहिए?

स्किल्स (Skills) विशेष रूप से इस समस्या को हल करने के लिए बनाई गई थी।

इसे एंथ्रोपिक (Anthropic) ने अक्टूबर 2025 में लॉन्च किया था और दिसंबर में यह एक ओपन स्टैंडर्ड (open standard) बन गया।

आज, पूरा इंटरनेट चिल्ला रहा है "स्किल्स बदलती हैं उत्पादकता", लेकिन अधिकांश लोगों ने इसके बारे में केवल सुना है, बिना वास्तव में स्किल्स, प्रॉम्प्ट्स, नॉलेज बेसेस, MCP और एजेंट्स के बीच अंतर को समझे—खुद एक बनाना तो दूर की बात है।

यह लेख एक ही बार में सब कुछ समझाता है।

पहले, एक बात समझ लें: स्किल्स किसी विशिष्ट एआई से बंधी नहीं हैं।

बहुत से लोग "क्लॉड स्किल्स" सुनते हैं और सोचते हैं कि यह क्लॉड-एक्सक्लूसिव फीचर है, लेकिन ऐसा नहीं है। एजेंट स्किल्स (Agent Skills) एंथ्रोपिक द्वारा लॉन्च किया गया एक ओपन स्टैंडर्ड है; क्लॉड केवल अग्रणी कार्यान्वयनकर्ता है।

उसी स्किल फ़ोल्डर को क्लॉड कोड (Claude Code) के लिए ~/.claude/skills/ में, कर्सर (Cursor) के लिए ~/.cursor/skills/ में, या OpenAI Codex, Gemini CLI, VS Code Copilot, और JetBrains Junie के साथ इस्तेमाल किया जा सकता है।

आज आप जो स्किल लिखते हैं, उसे कल दूसरे एजेंट में आसानी से ले जाया जा सकता है; आपका निवेश एक कंपनी में बंद नहीं होगा।

यह लेख मुख्य रूप से क्लॉड कोड को उदाहरण के रूप में उपयोग करेगा (क्योंकि यह मानक-सेटर है जिसका सबसे पूर्ण इकोसिस्टम है), लेकिन सभी सिद्धांत, लेखन विधियाँ और समस्या निवारण अनुभव सभी एआई टूल्स पर लागू होते हैं जो एजेंट स्किल्स को सपोर्ट करते हैं।

जब आप "क्लॉड स्किल" देखें, तो "एजेंट स्किल" समझें।

1. स्किल आखिर है क्या?

एक वाक्य में परिभाषा:

एक स्किल एक फ़ोल्डर है, जो SKILL.md नामक मार्कडाउन फ़ाइल के इर्द-गिर्द केंद्रित है, जो AI को बताता है कि आपके द्वारा परिभाषित SOP के अनुसार एक विशिष्ट प्रकार के पेशेवर काम को स्थिर रूप से कैसे निष्पादित किया जाए।

यह "एक निश्चित प्रकार की चीज़ कैसे की जानी चाहिए" को एक पुन: प्रयोज्य, स्वचालित रूप से ट्रिगर होने वाली क्षमता मॉड्यूल में समाहित करता है।

मूलतः, यह सामान्य-उद्देश्य वाले AI के लिए एक "एक्सपेंशन पैक" है।

सामान्य AI एक नंगी मशीन की तरह है—बुद्धिमान लेकिन डोमेन ज्ञान की कमी। एक स्किल एक प्लग-एंड-प्ले मॉड्यूल है: एक "Xiaohongshu स्टाइल स्किल" इंस्टॉल करें, और AI तुरंत एक संपादक बन जाता है जो आपके ब्रांड को समझता है; एक "साप्ताहिक रिपोर्ट स्किल" इंस्टॉल करें, और AI तुरंत आपकी कंपनी के फॉर्मेट में रिपोर्ट तैयार करता है।

और यह "एक्सपेंशन पैक" AI के बारे में चुस्त नहीं है: Claude Code, Codex, Cursor, Gemini CLI, और Junie सभी एक ही फॉर्मेट को पहचानते हैं।

आप एक Agent Skill बना रहे हैं, न कि कोई Claude-एक्सक्लूसिव स्क्रिप्ट।

चार अन्य अवधारणाओं के साथ सीमाएँ:

बहुत से लोग Skills को Prompts, Knowledge Bases, MCP और Agents के साथ मिलाते हैं, लेकिन ये अलग हैं:

सामान्य उपमाएँ:

• Prompt = किसी कर्मचारी को वीचैट (WeChat) संदेश भेजना; वे इसे एक बार करने के बाद भूल जाते हैं।
• Skill = कर्मचारी के लिए एक मैनुअल लिखना और उसे उनकी मेज पर रखना, साथ ही एक टूलबॉक्स।
• Knowledge Base = एक पुस्तकालय जो आपको बताता है कि दुनिया में क्या मौजूद है।
• MCP = विभिन्न रसोई के बर्तन जो "क्या यह किया जा सकता है" की समस्या को हल करते हैं।
• Agent = संपूर्ण कर्मचारी प्रणाली, जिसमें मेमोरी और निर्णय लेने की क्षमता है; एक Skill इसका सिर्फ एक हिस्सा है।

ये चारों परस्पर अनन्य नहीं हैं।

वास्तविक कार्य में, इन्हें अक्सर जोड़ा जाता है: MCP Claude को Reddit से कनेक्ट करके डेटा स्क्रैप करने देता है, एक Skill उसे सिखाती है कि उस डेटा को कैसे फ़िल्टर/वर्गीकृत/अनुशंसित किया जाए, एक Knowledge Base ब्रांड सामग्री प्रदान करता है, और Agent वह पूरी प्रणाली है जो प्रक्रिया को चलाती है।

2. आर्किटेक्चर और संचालन तंत्र

फ़ाइल संरचना

प्रत्येक उपनिर्देशिका एक अलग समस्या का समाधान करती है लेकिन एक ही लक्ष्य की पूर्ति करती है—संदर्भ बचाना और गुणवत्ता स्थिर करना:

• scripts/: सटीक गणनाएँ बिना संदर्भ की खपत के।
• references/: आवश्यकतानुसार लोड किया जाता है, स्थान बर्बाद करने से बचाता है।
• assets/: आउटपुट फॉर्मेट को मानकीकृत करता है।

थ्री-लेयर प्रोग्रेसिव डिस्क्लोज़र—स्किल डिज़ाइन की आत्मा

एक स्किल का मुख्य तंत्र तीन-परत लोडिंग है, यही कारण है कि एक दर्जन स्किल्स बिना संदर्भ को उड़ाए सह-अस्तित्व में रह सकती हैं:

उदाहरण के लिए:

जब Claude शुरू होता है, तो वह केवल सभी स्किल्स के "कवर" को पलटता है ताकि यह तय कर सके कि किसका उपयोग करना है; केवल जब काम करने का समय होता है तब वह मुख्य पाठ खोलता है; और केवल जब उसे कोई परिशिष्ट जांचने की आवश्यकता होती है तब वह संदर्भ पलटता है।

यह तंत्र आपको एक साथ 17 स्किल्स को सक्रिय रखने की अनुमति देता है, बिना 200K संदर्भ विंडो को बंद किए।

YAML मेटाडेटा

फ़ील्ड विवरण:

विवरण सफलता या विफलता निर्धारित करता है

तीन-परत आर्किटेक्चर में, L1 विवरण सबसे महत्वपूर्ण है—यह निर्धारित करता है कि आपकी स्किल ट्रिगर होगी या नहीं।

मुख्य तथ्य:

1. Claude स्टार्टअप पर केवल सभी स्किल्स के विवरण पढ़ता है।
2. यह विवरण के आधार पर शब्दार्थ संबंधी निर्णय लेता है, कीवर्ड मिलान से नहीं।
3. Claude रूढ़िवादी होता है: यदि अनिश्चित है, तो यह ट्रिगर नहीं करेगा। परीक्षणों में, अस्पष्ट विवरण की ट्रिगर सटीकता केवल 55% थी।

नकारात्मक उदाहरण (कभी ट्रिगर नहीं होगा):

[अस्पष्ट विवरण]

सकारात्मक उदाहरण (Anthropic की अनुशंसित "pushy" शैली):

[विशिष्ट विवरण]

विवरण लिखने के तीन सुनहरे नियम:

1. WHAT + WHEN एक साथ लिखें: बताएं कि यह क्या करता है और कब उपयोग करना है।
2. ट्रिगर शब्दों को चीनी और अंग्रेजी दोनों में सूचीबद्ध करें: उपयोगकर्ता जो कुछ भी कहे, उससे मिलान करें।
3. रूढ़िवादी होने के बजाय आक्रामक बनें: Anthropic स्पष्ट रूप से कहता है कि मुख्य समस्या अंडर-ट्रिगरिंग है।

3. अच्छी स्किल्स लिखने के मूल सिद्धांत

तीन मुख्य सिद्धांत

स्वतंत्रता को कैसे संभालें:

पाँच डिज़ाइन पैटर्न

Anthropic ने शुरुआती उपयोगकर्ताओं से पाँच स्किल डिज़ाइन पैटर्न संक्षेप में प्रस्तुत किए:

उपयोगी स्किल्स अक्सर कई पैटर्न मिलाती हैं। आपको उनका सख्ती से पालन करने की आवश्यकता नहीं है, लेकिन यह जानना कि वे मौजूद हैं, आपको अधिक संरचना के साथ डिज़ाइन करने में मदद करता है।

सुनहरा नियम: "क्यों" का उपयोग करें "अनिवार्य" के बजाय

यह skill-creator (स्किल बनाने के लिए Anthropic की आधिकारिक मेटा-स्किल) के स्रोत कोड का एक उद्धरण है:

"मॉडल को समझाने का प्रयास करें कि चीजें क्यों महत्वपूर्ण हैं, बजाय भारी-भरकम, अनिवार्य MUSTs के।"

नकारात्मक उदाहरण:

[सख्त MUST नियम]

सकारात्मक उदाहरण:

[तर्क की व्याख्या]

पहले मामले में, Claude केवल उन दो नियमों का पालन करेगा। नियमों द्वारा कवर न की गई स्थितियों में (जैसे एक प्रतीत होने वाला सुरक्षित लेकिन जोखिम भरा आदेश), यह अटक जाता है। दूसरे मामले में, Claude समझता है "सुरक्षा क्यों महत्वपूर्ण है" और ग्रे क्षेत्रों में भी सावधानी बरतेगा।

कारण मॉडल को सामान्यीकरण करने में सक्षम बनाते हैं; नियम केवल उन परिदृश्यों को कवर करते हैं जिनके बारे में आप सोच सकते हैं। एकमात्र अपवाद आउटपुट प्रारूप है: यांत्रिक आवश्यकताएं जैसे "आउटपुट को इस टेम्पलेट का उपयोग करना चाहिए" में समझाने के लिए कोई "क्यों" नहीं है, इसलिए बस उन्हें हार्डकोड करें।

सूचना स्वामित्व: अपने आप को दोहराएं नहीं

skill-creator का एक अटल नियम भी है:

"जानकारी SKILL.md या references में मौजूद होनी चाहिए—दोनों में नहीं।"

SKILL.md में केवल बुनियादी प्रक्रियाएँ होनी चाहिए; विवरण references/ में ले जाएँ। डुप्लिकेट स्टोरेज से असंगतियाँ पैदा होती हैं जब आप एक स्थान को अपडेट करते हैं लेकिन दूसरे को भूल जाते हैं।

बचने योग्य फ़ाइलें

Skills AI के लिए हैं, इंसानों के लिए नहीं। README.md, INSTALLATION_GUIDE.md, QUICK_REFERENCE.md, या CHANGELOG.md न जोड़ें। ये मानव दस्तावेज़ केवल संदर्भ बर्बाद करते हैं।

4. अपनी पहली स्किल बनाना

Anthropic के आधिकारिक छह चरण

skill-creator के अंदर परिभाषित मानक प्रक्रिया:

1. इरादा कैप्चर करें: स्पष्ट करें कि क्या करना है / कब ट्रिगर करना है / आउटपुट प्रारूप / परीक्षण आवश्यकताएँ।
2. साक्षात्कार और अनुसंधान: एज केस / I/O फॉर्मेट / उदाहरण फ़ाइलें / निर्भरताएँ।
3. SKILL.md लिखें: ड्राफ्ट लिखें।
4. परीक्षण मामले: 2-3 वास्तविक परीक्षण मामले लिखें।
5. चलाएँ और मूल्यांकन करें: साथ-साथ बेंचमार्क के लिए with-skill और baseline (बिना स्किल) चलाएँ।
6. Iterate: फीडबैक के आधार पर संशोधित करें और संतुष्ट होने तक पुनः चलाएँ।

सामान्य उपयोगकर्ताओं के लिए चार तेज़ रास्ते

skill-creator: स्किल लिखने के लिए मेटा-स्किल

मैं दृढ़ता से अनुशंसा करता हूँ कि पहले Anthropic के आधिकारिक skill-creator को इंस्टॉल करें। यह एक स्किल है जो आपको स्किल बनाने में मदद करने के लिए डिज़ाइन की गई है। शुरू होने के बाद, Claude आपका साक्षात्कार करेगा—आपके वर्कफ़्लो, ट्रिगर शर्तों और सीमाओं के बारे में पूछेगा—फिर स्वचालित रूप से SKILL.md और फ़ोल्डर संरचना तैयार करेगा।

इंस्टॉलेशन कमांड:

[कमांड]

यह केवल आउटपुट ही नहीं बनाता; यह आपकी यह भी मदद करता है:

• Eval: स्वचालित रूप से परीक्षण मामले उत्पन्न करें ताकि यह सत्यापित हो सके कि स्किल सही ढंग से ट्रिगर होती है।
• Improve: परीक्षण परिणामों के आधार पर स्वचालित रूप से विवरण और निर्देशों को अनुकूलित करें, ओवरफिटिंग को रोकने के लिए 60/40 ट्रेन/टेस्ट स्प्लिट का उपयोग करें।
• Benchmark: सफलता दर और टोकन उपयोग को ट्रैक करें, दो संस्करणों के बीच A/B परीक्षण भी चलाएँ।

एक न्यूनतम उदाहरण

मान लीजिए कि आप एक Xiaohongshu फ़ूड ब्लॉगर हैं जो नियमित रेसिपी को Xiaohongshu शैली में फिर से लिखना चाहते हैं:

इसे ~/.claude/skills/xiaohongshu-recipe/SKILL.md में रखें। भविष्य में, "Xiaohongshu संस्करण में बदलें" कहने से यह स्वचालित रूप से ट्रिगर हो जाएगा।

फ़ाइल बनाने से लेकर उपयोग करने तक 20 मिनट से भी कम समय लगता है।

5. इंस्टॉलेशन, स्टोरेज और क्रॉस-टूल उपयोग

लोडिंग प्राथमिकता (4 स्तर)

Claude Code निम्न क्रम में खोज करता है; अधिक विशिष्ट स्थानों की उच्च प्राथमिकता होती है:

टिप: जब तक यह प्रोजेक्ट-विशिष्ट न हो, उन्हें एकीकृत प्रबंधन के लिए व्यक्तिगत ~/.claude/skills/ निर्देशिका में रखें।

तीन इंस्टॉलेशन विधियाँ:

इंस्टॉलेशन के बाद Claude Code को पुनरारंभ करना याद रखें।

क्रॉस-टूल संगतता (फिर से जोर दिया गया)

जैसा कि बताया गया, Skills Claude से बंधी नहीं हैं। यहाँ पथ तुलनाएँ हैं:

परिचालन महत्व: आप एक ही SKILL.md फ़ोल्डर को विभिन्न टूल निर्देशिकाओं में सिमलिंक (symlink) कर सकते हैं। यह एक ओपन स्टैंडर्ड के रूप में Agent Skills का सबसे बड़ा लाभ है।

देशी उपयोगकर्ताओं के लिए समस्या बिंदु

• आधिकारिक Claude महंगा है: बेहतर लागत-प्रदर्शन के लिए प्रॉक्सी API का उपयोग करें।
• CC Switch: कई API कॉन्फ़िगरेशन को प्रबंधित और स्विच करने के लिए एक ओपन-सोर्स टूल (github.com/farion1231/cc-switch)।
• npm से अधिक स्थिर मूल इंस्टॉलेशन: curl -fsSL https://claude.ai/install.sh | bash।

6. उन्नत—मल्टी-स्किल सहयोग आर्किटेक्चर

ग्रैन्युलैरिटी

मूल सिद्धांत: प्रति स्किल एक स्पष्ट कार्य। "सार्वभौमिक स्किल" न बनाएं।

यदि ग्रैन्युलैरिटी बहुत मोटी है, तो विवरण अस्पष्ट हो जाता है और ट्रिगर अशुद्ध होते हैं। यदि यह बहुत महीन है, तो प्रबंधन लागत बढ़ जाती है। एक उचित ग्रैन्युलैरिटी प्रति श्रेणी की समस्या एक स्किल है, जिसमें SKILL.md की बॉडी लगभग 200-500 पंक्तियाँ होती है।

केस स्टडी: ब्लॉग राइटिंग स्किल सूट

एक "सर्व-उद्देश्यीय लेखन स्किल" न बनाएं। इसे 5 सहयोग करने वाली स्किल्स में विभाजित करें:

सहयोग मोड: मुख्य स्किल अपने ## Steps अनुभाग में अन्य स्किल्स को स्पष्ट रूप से कॉल करती है।

इस विभाजन के लाभ:

पाँच इंजीनियरिंग अनुभव

1. महीन ग्रैन्युलैरिटी: प्रति स्किल एक स्पष्ट कार्य।
2. स्पष्ट सहयोग: दूसरों को कॉल करने के लिए मुख्य स्किल में ## Steps का उपयोग करें।
3. गणना के लिए स्क्रिप्ट: SEO कैरेक्टर काउंट या लिंक आँकड़ों के लिए स्क्रिप्ट का उपयोग करें; मॉडल को अनुमान न लगाने दें।
4. स्वतंत्र शैली गाइड: स्थिर ज्ञान (लेखन शैली/ब्रांड विनिर्देश) को references/ में रखें ताकि आप शैली को अपडेट करने के लिए केवल एक फ़ाइल बदलें।
5. टेम्पलेट फ़ॉलबैक: टेम्पलेट एक आधारभूत गारंटी प्रदान करते हैं ताकि आउटपुट बहुत दूर न हो।

7. पेशेवर मूल्यांकन और Iteration

Eval प्रणाली:

skill-creator से मानक प्रक्रिया:

1. evals/evals.json में परीक्षण प्रॉम्प्ट लिखें।
2. डबल-ब्लाइंड तुलना के लिए with_skill और baseline (बिना स्किल) को एक साथ चलाएँ।
3. agents/grader.md का उपयोग करके प्रत्येक assertion को स्कोर करें।
4. pass_rate / time / tokens पर रिपोर्ट आउटपुट करने के लिए aggregate_benchmark का उपयोग करें।

स्वचालित विवरण अनुकूलन

skill-creator का सबसे मूल्यवान हिस्सा विवरण अनुकूलन है:

• 20 ट्रिगर eval क्वेरी लिखें (8-10 को ट्रिगर करना चाहिए + 8-10 को नहीं करना चाहिए)।
• कठिनाई: नॉन-ट्रिगर के लिए "नियर मिसेज़"—क्वेरीज़ जो कीवर्ड साझा करती हैं लेकिन अन्य टूल की आवश्यकता होती है।
• अनुकूलन स्क्रिप्ट: ओवरफिटिंग को रोकने के लिए 60% ट्रेन + 40% होल्ड-आउट टेस्ट।
• 5 राउंड चलाएँ और उच्चतम परीक्षण स्कोर वाला विवरण चुनें।

ट्रिगर के अच्छे उदाहरण: केवल "PDF तालिका निकालें" न लिखें; एक वास्तविक उपयोगकर्ता की तरह लिखें:

"ठीक है, मेरे बॉस ने मुझे यह xlsx फ़ाइल भेजी है (यह मेरे डाउनलोड में है, जिसका नाम कुछ इस तरह है 'Q4 sales final FINAL v2.xlsx') और वह चाहती हैं कि मैं एक कॉलम जोड़ूं जो लाभ मार्जिन को प्रतिशत के रूप में दिखाता है।"

इसमें फ़ाइल पथ, व्यक्तिगत संदर्भ, कॉलम नाम, अनौपचारिक भाषा और संभावित टाइपो शामिल हैं।

Iteration मानसिकता

skill-creator से चार बिंदु:

1. फीडबैक से सामान्यीकरण करें: एकल मामले के लिए छोटे-मोटे नियम न जोड़ें। यदि कोई समस्या बार-बार आती है, तो कोई अलग रूपक या वर्कफ़्लो आज़माएँ।
2. इसे हल्का रखें: समय बर्बाद करने वाले निर्देशों के लिए ट्रांसक्रिप्ट की जाँच करें और उन हिस्सों को हटा दें जो मदद नहीं करते।
3. 'क्यों' समझाएँ: LLM में थ्योरी ऑफ़ माइंड होता है और वे सामान्यीकरण कर सकते हैं।
4. अनावश्यक कार्य खोजें: यदि प्रत्येक उप-एजेंट स्वतंत्र रूप से create_docx.py लिख रहा है, तो इसे scripts/ में बंडल करें।

पहला संस्करण कभी सही नहीं होता।

एक वास्तविक iteration मामला: एक लेखक की /daily स्किल को स्थिर होने में 6 संस्करण लगे।

• v1: अस्पष्ट चरण, गलत पथ।
• v2: सामग्री खोज प्रणाली एकीकरण जोड़ा गया।
• v3: साप्ताहिक प्रगति गणना त्रुटियाँ ठीक की गईं।
• v4: ऑटो-ट्रिगर जोड़े गए (मंगलवार अनुस्मारक, महीने के अंत में संग्रह)।
• v5: iPhone लाइट मोड जोड़ा गया (मोबाइल पर Python चरणों को छोड़ना)।
• v6: अंत में "उपयोग करने के लिए अच्छा।"

एक स्किल एक बार सेट करने और भूलने वाली कॉन्फ़िग फ़ाइल नहीं है; यह आपके वर्कफ़्लो का एक जीवंत दस्तावेज़ है।

8. आपको स्किल कब बनानी चाहिए?

हर चीज़ एक स्किल के लायक नहीं है। केवल तब कार्य करें जब इन तीन संकेतों में से कोई एक दिखाई दे:

इसके विपरीत: कब नहीं बनाना चाहिए

• एक बार के कार्य: बस एक प्रॉम्प्ट का उपयोग करें।
• अति-एनकैप्सुलेशन: केवल तीन उपयोगों के बाद स्किल्स को विभाजित करना; रखरखाव लागत लाभ से अधिक होती है।
• पूर्णता का पीछा करना: v1 को सही बनाने की कोशिश करना; जब आप वास्तव में इसका उपयोग करेंगे तो आप पाएंगे कि ज़रूरतें काल्पनिक थीं।

9. खामियों की चेकलिस्ट

10. इकोसिस्टम और अनिवार्य सूची

स्किल संसाधन मानचित्र

अनिवार्य स्किल सूची

11. स्किल्स की व्यावसायिक क्षमता

स्किल्स व्यक्तिगत दक्षता उपकरणों से कहीं अधिक हैं; वे पुनर्परिभाषित कर रहे हैं कि एआई एप्लिकेशन कैसे बनाए जाते हैं।

पहले, एक वर्टिकल एआई ऐप विकसित करने के लिए लंबे चक्र, उच्च लागत और तकनीकी टीमों की आवश्यकता होती थी। अब:

• जीरो-कोड थ्रेशोल्ड: बिना कोडिंग के वर्टिकल एजेंट बनाएँ।
• तेज़ सत्यापन: विकास चक्र सप्ताहों से घटकर मिनटों में।
• API सेवा: एक स्किल को API के रूप में पैकेज करें ताकि मौजूदा उत्पादों को सशक्त बनाया जा सके।
• स्किल्स उत्पाद के रूप में: प्रॉम्प्ट संग्रह बेचने के समान, लेकिन उच्च मूल्य के साथ।

वास्तविक मामले:

• Article-Copilot: सामग्री सफाई से लेकर लेखन तक पूरी श्रृंखला के लिए एक एकल स्किल।
• AI Partner Skill: सामान्य एजेंटों को गहरी मेमोरी देता है ताकि वे सच्चे साथी बन सकें।
• Interview Prep Skill: कंपनी/नौकरी/रीज़्यूमे के आधार पर पूर्ण रिपोर्ट तैयार करता है। किसी ने इसका उपयोग Hithink RoyalFlush में साक्षात्कार पाने के लिए किया।
• सुपर हुआंग की विधि: दर्जनों स्किल्स + क्रॉन जॉब्स जो हर घंटे रिपोर्ट चलाते हैं जब वह सो रहा होता है।

कोई भी व्यक्ति जो किसी उद्योग में गहराई से है, अपने अनुभव को एक स्किल में आसवित कर सकता है ताकि समय बचा सके या इसे उत्पाद के रूप में बेच सके।

निष्कर्ष

यदि कोई एजेंट एआई दुनिया का शरीर है, तो एक स्किल उसमें डाली गई आत्मा है।

यह Steam और Workshop के बीच संबंध जैसा है; एक्स्टेंसिबल आर्किटेक्चर गेम्स को अनंत जीवन देता है।

स्किल्स कठिन नहीं हैं—वे कुछ संरचना के साथ केवल मार्कडाउन हैं। लेकिन वे जिस प्रवृत्ति का प्रतिनिधित्व करते हैं वह महत्वपूर्ण है: AI "आपको हर बार सिखाना पड़ता है" से "आप इसे केवल एक बार सिखाते हैं" की ओर बढ़ रहा है।

और मानक खुला है। आप आज Claude Code के लिए जो स्किल लिखते हैं, उसे कल Cursor या Gemini में ले जाया जा सकता है।

अभी भी देख रहे लोगों के लिए:

स्किल्स डिज़ाइन नहीं की जाती हैं; वे बार-बार किए गए श्रम से विकसित होती हैं।

पहले एक चीज़ चलाएँ, फिर उसे एनकैप्सुलेट करें। अच्छे वर्कफ़्लोज़ की योजना नहीं बनाई जाती है, बल्कि उन्हें Iterate किया जाता है।

अपना टर्मिनल खोलें, skill-creator इंस्टॉल करें, और आज आपने जिस पैराग्राफ को तीन बार दोहराया है, उसे अपने पहले SKILL.md में बदलें।