क्या आपको कभी लगता है कि AI क्षेत्र में नए शब्द फ़ोन मॉडल से भी तेज़ अपडेट होते हैं?
कल आपने अभी "Function Calling" समझा था कि आज "Skills" सामने आ गया। परसों किसी ने "MCP" का ज़िक्र किया, और इससे पहले कि आप कोई प्रतिक्रिया देते, कोई और "Agents" की बात करने लगा। हर बार जब आप ये शब्द देखते हैं, तो आपका पहला विचार होता है: क्या मैं फिर से पीछे रह गया?
घबराइए नहीं। आज हम "Claude Skills" को स्पष्ट रूप से समझेंगे।
इससे भी महत्वपूर्ण बात, मैं आपको बताऊँगा कि यह उन अवधारणाओं से कैसे संबंधित है जिन्हें आप पहले से जानते हैं—functions और function calling। आप पाएंगे कि ये तीन अलग-अलग शब्द नहीं हैं, बल्कि एक-दूसरे पर निर्मित चरण हैं। एक बार जब आप इन तीन परतों को समझ लेंगे, तो आप यह निर्धारित कर पाएंगे कि कोई भी नया शब्द कहाँ फिट बैठता है।
शुरुआती बिंदु
चलिए किसी परिचित चीज़ से शुरू करते हैं: प्रोग्रामिंग में "functions" (फ़ंक्शन)।
आप एक function को एक "छोटे सहायक" के रूप में सोच सकते हैं। आप इसे बताते हैं कि क्या करना है (इसे एक इनपुट देते हैं), और यह काम पूरा करने के बाद आपको परिणाम बताता है (आपको एक आउटपुट देता है)। जैसे किसी रेस्तरां में वेटर: आप ऑर्डर करते हैं, वे परोसते हैं, हर बार एक निश्चित प्रक्रिया का पालन करते हैं।
उदाहरण के लिए, एक प्रोग्रामर calculate_tax(income) नाम का एक function लिखता है। आप इसमें आय का आंकड़ा डालते हैं, और यह देय कर की गणना करता है। फिर से गणना करने की आवश्यकता है? बस इसे फिर से कॉल करें। हर बार टैक्स लॉजिक को फिर से लिखने की ज़रूरत नहीं है।
एक function का मूल्य तीन शब्दों में समाहित है: एनकैप्सुलेशन, पुन: उपयोग, और मानकीकरण।
यह एक कार्य को पैकेज करता है ताकि कोई भी इसे हर बार एक ही तरीके से उपयोग कर सके। यह दशकों से प्रोग्रामर के लिए सबसे बुनियादी उत्पादकता उपकरण रहा है।
लेकिन functions की एक सीमा है—वे केवल कोड की दुनिया में रहते हैं।
एक प्रोग्रामर कोड में getWeather() लिखता है, और यह 100% निष्पादित होगा। लेकिन सामान्य लोग कोड नहीं लिखते, और AI सीधे इस कोड को "चलाता" नहीं है। तो हम AI को इन "छोटे सहायकों" का उपयोग कैसे करने दें?
पुल (पुल)
लगभग 2023 के आसपास, "Function Calling" की अवधारणा लोकप्रिय हो गई।
आप इसे उस "केवल चैट करने वाले AI" को एक फ़ोन और एक संपर्क सूची देने के रूप में सोच सकते हैं।
पहले, यदि आप AI से पूछते "आज बीजिंग में मौसम कैसा है?", तो यह या तो प्रशिक्षण डेटा से अनुमान लगाता या ईमानदारी से कहता "मुझे नहीं पता" क्योंकि इसके पास वास्तव में जाँच करने के लिए कोई "हाथ या पैर" नहीं थे।
function calling के साथ, चीज़ें बदल गईं।
डेवलपर्स AI को पहले से बताते हैं: "यहाँ एक संपर्क सूची है जिसमें get_weather नाम का एक function है। अगर आप मौसम जाँचना चाहते हैं तो इस नंबर पर कॉल करें।" जब AI प्रश्न प्राप्त करता है, तो यह निर्णय करता है: "ओह, इसका उत्तर देने के लिए मुझे get_weather को कॉल करना होगा।"
फिर यह एक मानक "मेमो" (जिसे JSON कहा जाता है) उत्पन्न करता है जो कहता है:
{ "function": "get_weather", "arguments": { "city": "Beijing" } }
यह मेमो एक बाहरी प्रोग्राम द्वारा प्राप्त, पार्स और निष्पादित किया जाता है। बाहरी प्रोग्राम वास्तव में मौसम स्टेशन को कॉल करता है। परिणाम AI को वापस किया जाता है, जो फिर आपको सामान्य भाषा में बताता है: "आज बीजिंग में धूप है, 15 डिग्री।"
यहाँ एक महत्वपूर्ण मोड़ है जिसे शुरुआती अक्सर अनदेखा कर देते हैं।
पारंपरिक functions "निर्धारक" (deterministic) होते हैं—यदि कोई प्रोग्रामर getWeather() लिखता है, तो यह निष्पादित होगा।
लेकिन LLM function calling "संभाव्य" (probabilistic) है—AI को खुद निर्णय करना होगा कि function को कॉल करना है या नहीं। यह निर्णय समझ पर आधारित है, नियमों पर नहीं। एक छोटी सी संभावना है कि यह अनुरोध की गलत व्याख्या कर सकता है।
तो, function calling का सार है: AI को "फ़ोन कॉल करने देना," लेकिन यह खुद तय करता है कि कॉल करना है या नहीं और किसे कॉल करना है।
यह एक बहुत बड़ी छलांग है—AI अब केवल एक "ज्ञानकोष" नहीं है; यह एक "अभिनेता" बन जाता है।
लेकिन function calling में अभी भी एक समस्या है: यह खंडित और एक-बारी है।
यदि किसी कार्य के लिए लगातार पाँच या छह functions को कॉल करने की आवश्यकता है, जिसमें तार्किक निर्णय और दस्तावेज़ संदर्भ शामिल हों, तो साधारण function calling पर्याप्त नहीं है।
छलांग
16 अक्टूबर, 2025 को, Anthropic ने एक नई सुविधा जारी की: Claude Skills।
आप Skills को एक "कर्मचारी मैनुअल" और "टूलबॉक्स" के संयोजन के रूप में सोच सकते हैं।
मैनुअल AI को बताता है: "जब आपको इस प्रकार का कार्य मिले, तो इसे करने का तरीका यहाँ है, चरण-दर-चरण, और प्रत्येक चरण में किन उपकरणों का उपयोग करना है।" टूलबॉक्स में वे स्क्रिप्ट और संदर्भ सामग्री होती हैं जिनकी इसे आवश्यकता होती है।
विशेष रूप से, एक Skill एक फ़ोल्डर है जिसमें तीन चीज़ें होती हैं:
पहला, SKILL.md फ़ाइल। ये प्राकृतिक भाषा में लिखे गए "निर्देश" हैं। यह AI को बताता है कि Skill किस लिए है, इसका उपयोग कब करना है, और कोई सावधानियाँ।
दूसरा, स्क्रिप्ट। ये Python, JavaScript आदि में लिखा गया कोड हो सकता है। जब AI को "हाथ गंदे करने" की आवश्यकता होती है, तो यह इन स्क्रिप्ट को निष्पादित करता है।
तीसरा, संसाधन फ़ाइलें। जैसे संदर्भ दस्तावेज़, टेम्पलेट, या कॉन्फ़िगरेशन फ़ाइलें जिन्हें AI कार्य करते समय परामर्श कर सकता है।
आप पूछ सकते हैं: function calling से मूलभूत अंतर क्या है?
अंतर यह है: Function calling एक "एकल उपकरण" है, जबकि Skills एक "संपूर्ण समाधान" हैं।
Function calling आपको एक हथौड़ा और एक पेचकस देने जैसा है; आपको पता होना चाहिए कि कब किसका उपयोग करना है। Skills आपको एक IKEA असेंबली मैनुअल देने जैसा है जिसमें सभी चरण, उपकरण और भाग शामिल हैं।
एक महत्वपूर्ण तंत्र भी है जिसे "प्रगतिशील प्रकटीकरण" (progressive disclosure) कहा जाता है।
AI की "कार्यशील मेमोरी" (संदर्भ विंडो) सीमित है। यदि आप सभी Skills को एक साथ ठूंस देंगे, तो AI अभिभूत हो जाता है। Skills AI को यह जानने देती हैं कि मैनुअल मौजूद है, और जब वास्तव में इसकी आवश्यकता होती है तभी "पेज पलटता है।"
अब, आइए तीनों परतों को एक साथ देखें:
नीचे से ऊपर तक, अमूर्तता का स्तर बढ़ता है। Functions कोड-स्तर पर हैं, function calling इंटरफ़ेस-स्तर पर है, और Skills वर्कफ़्लो-स्तर पर हैं।
Skills में function calls शामिल हो सकते हैं, लेकिन function calling Skills का सिर्फ एक हिस्सा है।
व्यावहारिक अनुप्रयोग
Skills वास्तव में क्या कर सकती हैं? आइए कुछ वास्तविक मामलों को देखें।
पहला, मेरा अपना प्रोजेक्ट: x-article-publisher-skill।
यदि आप Markdown में लिखते हैं और X (Twitter) Articles पर प्रकाशित करना चाहते हैं, तो आप पाएंगे कि कॉपी-पेस्ट करने से सारी फ़ॉर्मेटिंग खत्म हो जाती है। आपको हेडर, बोल्ड टेक्स्ट और लिंक को मैन्युअल रूप से ठीक करना होता है, जिसमें प्रति लेख 15-20 मिनट लगते हैं।
इमेज तो और भी बुरी हैं। आपको उन्हें मैन्युअल रूप से अपलोड करना होता है और सही स्थान पर खींचना होता है। यह Skill इस समस्या को हल करती है।
यह आपके Markdown को पार्स करती है, शीर्षक और कवर निकालती है, और हर इमेज के लिए एक "ब्लॉक इंडेक्स" की गणना करती है। फिर यह Markdown को समृद्ध टेक्स्ट HTML में बदलती है ताकि सही तरीके से पेस्ट किया जा सके और ब्राउज़र ऑटोमेशन (Playwright) का उपयोग करके स्वचालित रूप से हर इमेज को सही स्थान पर डालती है।
जिसमें मैन्युअल रूप से 30 मिनट लगते थे, अब पूरी तरह से स्वचालित रूप से कुछ मिनट लगते हैं। आलसी लोगों के लिए, एक उंगली भी न उठाना ही असली मूल्य है।
आप कह सकते हैं: क्या यह सिर्फ एक ऑटोमेशन स्क्रिप्ट नहीं है?
हाँ और नहीं। एक स्क्रिप्ट के लिए आपको याद रखना होता है कि इसे कैसे चलाना है। एक Skill में वे निर्देश शामिल होते हैं। आप बस AI से कहते हैं "इसे X पर प्रकाशित करो," और यह जानता है कि किस Skill का उपयोग करना है और इसे कैसे संचालित करना है।
यह "ज्ञान एन्कोडिंग" का मूल्य है—"मुझे पता है कि यह कैसे करना है" को "AI को भी पता है कि यह कैसे करना है" में बदलना।
अन्य परिदृश्यों में शामिल हैं:
मीटिंग प्रबंधन: एक Skill जो ट्रांसक्रिप्ट से सारांश और कार्य आइटम निकालती है और फॉलो-अप ईमेल का मसौदा तैयार करती है।
डेटा विश्लेषण: एक CSV डालें, और यह प्रमुख मीट्रिक की पहचान करती है और चार्ट के साथ एक रिपोर्ट तैयार करती है।
ग्राहक सहायता: यह ज्ञानकोष से उत्तर प्राप्त करती है और उन्हें मानवीय प्रतिक्रिया के रूप में व्यवस्थित करती है।
अंत में, डेवलपर टूल।
skill-creator नामक एक Skill है—Skills बनाने के लिए एक Skill। आप वर्कफ़्लो का वर्णन करते हैं, और यह आपके लिए प्रोजेक्ट फ्रेमवर्क उत्पन्न करता है।
शुरुआत करना
मौजूदा Skills का उपयोग करने के लिए, सबसे आसान तरीका Claude Code प्लगइन मार्केटप्लेस के माध्यम से है।
आप /plugin marketplace add anthropics/claude-code का उपयोग करके अन्य मार्केटप्लेस जोड़ सकते हैं।
एक बार इंस्टॉल होने के बाद, आप उन्हें /plugin कमांड से प्रबंधित कर सकते हैं।
अपनी खुद की बनाने के लिए, skill-creator मेटा-स्किल का उपयोग करें। आप ऐसी Skills भी बना सकते हैं जो सामग्री का विश्लेषण करें और आरेख बनाएं, जैसे ड्रीम ऑफ़ द रेड चैंबर का यह चरित्र संबंध मानचित्र:
या सात युद्धरत राज्यों की बातचीत:
आप Claude Skills को NotebookLM जैसे बाहरी टूल से भी जोड़ सकते हैं ताकि शक्तिशाली पुनर्प्राप्ति को अपनी रचनात्मकता के साथ जोड़ा जा सके।
GitHub पर awesome-claude-skills देखें जो उत्कृष्ट Skills की सामुदायिक सूची है।
मैं व्यक्तिगत रूप से यांग झिपिंग की टीम द्वारा 42plugin मार्केटप्लेस की सिफारिश करता हूँ, जिसमें रेटिंग शामिल हैं जो कम गुणवत्ता वाले प्लगइन से बचने में मदद करती हैं।
सबसे महत्वपूर्ण बात: एक Skill बनाने के लिए आवश्यक रूप से कोडिंग की आवश्यकता नहीं है।
SKILL.md में निर्देश प्राकृतिक भाषा में हैं। यदि आपके वर्कफ़्लो को जटिल स्क्रिप्ट की आवश्यकता नहीं है, तो अकेली प्राकृतिक भाषा बहुत कुछ पूरा कर सकती है।
सारांश
- Functions आधार हैं (कोड-स्तर)।
- Function Calling पुल है (इंटरफ़ेस-स्तर)।
- Claude Skills ब्लूप्रिंट हैं (वर्कफ़्लो-स्तर)।
जैसा कि Gartner विश्लेषक कहते हैं, फोकस "मॉडल अपडेट" से "उपयोग-मामला कार्यान्वयन" की ओर स्थानांतरित हो रहा है। Skills AI को एक "प्रतिक्रियाकर्ता" से एक "सहयोगी" में बदल देती हैं।
अगली बार जब आप कोई नया AI शब्द सुनें, तो अपने आप से पूछें: यह किस परत में है? इस तरह सोचने से नए शब्द बहुत कम डरावने लगते हैं।
क्या आपने Claude Skills आज़माया है? बेझिझक अपने वर्कफ़्लो को टिप्पणियों में साझा करें!
