Суть урока
Есть два вида ценных скиллов: те которые учат модель чему-то новому (например, правилам дизайна которым её не обучали), и те которые кодируют твой личный способ работы (который модель знать не может по определению). Первые могут устареть — модели обновляются. Вторые — никогда: это твоя уникальная экспертиза, её нигде больше нет.
Ключевые концепции
- Capability Uplift Skills: расширяют возможности модели, риск устаревания
- Encoded Preference Skills: кодируют личный/бизнес процесс, долгосрочная ценность
- Хранение скиллов: глобально vs на уровне проекта
- Размер скилла: под 500 строк, большие данные — в reference файлы
- Суб-агенты (суб-агент — дочерний агент) внутри скиллов для тяжёлой работы
Теория
Тип 1: Capability Uplift Skills
Что это: скиллы которые дают модели знания или навыки которых у неё нет по умолчанию.
Примеры:
- "Front-end design guidelines для конверсионных лендингов"
- "Data visualization best practices по книге Tufte"
- "Правила написания юридических документов в Эквадоре"
- "Стандарты безопасности для финтех продуктов (PCI DSS)"
Почему они работают: Claude знает общие принципы дизайна, но не знает специфику твоей ниши или конкретной методологии. Скилл закрывает этот пробел.
Риск устаревания:
Claude обновляется. Каждое новое поколение моделей обучено на большем объёме данных и знает больше: на октябрь 2026 актуальны Opus 5.5 и Sonnet 5.5, свежий список — на странице Актуальное сейчас. Скилл "front-end design guidelines" написанный сегодня может оказаться лишним через год — модель сама научится этому.
Как проверять актуальность:
Раз в 3-6 месяцев тестируй: попроси модель выполнить задачу БЕЗ скилла. Если результат такой же хороший — скилл устарел, можно удалить.
Когда создавать Capability Uplift:
- Специфичные правила твоей ниши (недвижимость, медицина, право)
- Локальные стандарты (законы конкретной страны, локальный рынок)
- Проприетарные методологии (твоя внутренняя система оценки)
- Актуальная информация (конкуренты, цены — то что меняется)
Тип 2: Encoded Preference Skills
Что это: скиллы которые кодируют твой личный стиль, предпочтения и бизнес-процессы.
Примеры:
- "Мой способ создания инфографики: сначала данные в таблицу, потом 3 варианта визуализации, потом выбор"
- "Наш процесс onboarding нового клиента: шаги 1-7 с конкретными вопросами"
- "Как я пишу email холодным лидам: структура, тон, длина, call-to-action"
- "Бренд-голос агентства недвижимости: сдержанный эксперт-наблюдатель, без хайпа"
Почему они не устаревают:
Модель никогда не узнает как именно ты хочешь работать — это твои предпочтения. Даже самая умная модель не угадает:
- Какой формат отчёта тебе нравится
- Какие вопросы ты задаёшь клиентам на первой встрече
- Какой тон у твоего бренда
- Как ты расставляешь приоритеты в продуктовом бэклоге
Это твоя уникальная кодированная экспертиза. Конкурент не может её скопировать. Модель не может её изобрести. Только ты знаешь.
Самые ценные долгосрочно: именно Encoded Preference Skills создают моат вокруг твоего бизнеса. Чем больше таких скиллов — тем сложнее конкурентам воспроизвести твои процессы.
Где хранить скиллы: глобально vs проект
Глобальная папка (~/.claude/skills/):
Доступна из ЛЮБОГО проекта
├── code-review-standards/SKILL.md ← одинаковый для всех проектов
├── email-writing-style/SKILL.md ← мой стиль везде одинаковый
└── data-analysis-approach/SKILL.md ← мой подход к анализуКаждый скилл — это папка, а главный файл внутри называется SKILL.md.
Используй для: универсальных скиллов, личных предпочтений, стандартов которые применяются везде.
Папка проекта (.claude/skills/):
Доступна ТОЛЬКО в этом проекте
├── acme-realty-brand-voice/SKILL.md ← специфично для этого бренда
├── ecuador-real-estate-rules/SKILL.md ← специфично для этого рынка
└── client-report-format/SKILL.md ← формат для этого клиентаИспользуй для: бренд-специфичных скиллов, клиентских процессов, рыночной специфики.
Практическое правило: спроси себя "этот скилл нужен только в этом проекте или везде?" → проект или глобально.
Размер скилла: правило 500 строк
Проблема с большими скиллами:
Чем больше скилл — тем больше токенов (токен — единица текста для AI) тратится на его загрузку. Скилл на 2000 строк означает что каждый запрос к нему = 2000 строк контекста (контекст — текст видимый AI). Это дорого и медленно.
Правило: держи скилл под 500 строк (примерно 5-10KB). Это рекомендация из документации Claude Code.
Что выносить в reference файлы:
# Не пихай в SKILL.md:
# - Полный список 500 конкурентов
# - Все данные о ценах (меняются)
# - Большие шаблоны (HTML/CSS)
# - Библиотеки примеров контента
# Вместо этого — отдельные файлы в папке скилла, на которые SKILL.md ссылается:
my-skill/
SKILL.md
data/competitors-database.json # большой JSON
templates/report-layout.html # HTML шаблон
brand/content-examples/ # папка с примерамиВ тексте SKILL.md ты пишешь, когда какой файл открывать. Скилл читает файл только когда нужно: если задача не требует конкурентного анализа — competitors-database.json не загружается.
Inline контекст vs Reference файлы
Inline (прямо в тело скилла):
- Критически важные правила которые всегда применяются
- Структура процесса
- Параметры и настройки
Reference файлы:
- Объёмные данные (списки, таблицы)
- Шаблоны (HTML, Excel)
- Данные которые меняются (цены, конкуренты, тренды)
- Примеры контента (30+ примеров)
Пример:
# В теле скилла (inline):
## Шаги анализа
1. Извлечь ключевые метрики
2. Сравнить с бенчмарками (см. references/benchmarks.json)
3. Идентифицировать аномалии (отклонение >20% от среднего)
4. Составить executive summary (максимум 150 слов)
# В references/benchmarks.json (не в теле; цифры условные):
{
"email_open_rate": {"good": 25, "average": 20, "poor": 15},
"conversion_rate": {"good": 3.5, "average": 2.0, "poor": 1.0},
...200 строк данных...
}Суб-агенты внутри скиллов
Некоторые задачи внутри скилла слишком тяжёлые для одного агента (агент — автономный исполнитель задач):
## Шаг 3: Конкурентный анализ
Делегируй суб-агенту `competitor-researcher` со следующими параметрами:
- Список конкурентов из references/competitors.json
- Задача: собрать данные за последние 30 дней
- Вернуть: JSON с метриками каждого конкурента
Основной агент ждёт результата → продолжает с шага 4.На заметку (по состоянию на октябрь 2026): суб-агенты в Claude Code по умолчанию работают в фоне. Если шаг 4 зависит от результата, прямо напиши в инструкции, что нужно дождаться. А целый скилл можно запускать в отдельном контексте полем context: fork во frontmatter.
Зачем: конкурентный анализ — долгая задача (много запросов, много данных). Делегируя её суб-агенту, ты:
- Сохраняешь контекст основного агента чистым
- Можешь запустить несколько суб-агентов параллельно
- Суб-агент может использовать более дешёвую модель (Haiku для сбора данных)
Как аудитировать библиотеку скиллов раз в квартал
Раз в 3-6 месяцев:
- Проверь Capability Uplift скиллы: протестируй модель без скилла. Если хорошо — удали.
- Обнови данные в reference файлах: цены конкурентов изменились? Обнови.
- Оцени использование: какие скиллы не использовались 60+ дней? Стоит ли держать?
- Найди дубликаты: два скилла делают похожее? Объедини.
Библиотека скиллов должна оставаться lean — не коллекция ради коллекции, а рабочий инструмент.
Практика
Задание: Классифицировать 5 потенциальных скиллов по двум типам
- Возьми 5 задач которые ты делаешь регулярно:
- Например: пишу email клиентам, делаю анализ данных, создаю посты в соцсети, готовлю презентации, провожу code review
- Для каждой задачи определи: это Capability Uplift или Encoded Preference?
- Задай себе: "Может ли модель сделать это без моего личного опыта?"
- Если ДА → Capability Uplift
- Если НЕТ (нужен мой личный стиль/процесс) → Encoded Preference
- Для каждого скилла определи: глобально или в проекте?
- Оцени размер: что войдёт inline, что в reference файлы?
- Бонус: создай один Encoded Preference скилл прямо сейчас — выбери самую личную задачу из пяти
Инструменты и ресурсы
~/.claude/skills/<имя>/SKILL.md— глобальные скиллы (создай папку, если её ещё нет).claude/skills/<имя>/SKILL.md— скиллы проекта- Claude Code Skills документация — официальное руководство по скиллам
/skill-doctor— проверка состояния скиллов в Claude Code (команда появилась в 2026; список команд: документация)/skills— команда для просмотра установленных скиллов
Ключевые выводы
Encoded Preference Skills = твой конкурентный моат. Кодируй свои процессы — конкурент не скопирует, модель не угадает.
Capability Uplift Skills стареют по мере обновления моделей. Проверяй каждые 3-6 месяцев — не держи мёртвый груз.
Скилл больше 500 строк — запах проблемы. Большие данные в reference файлы, логика в тело.
Связанные уроки
- ← Что такое Skills — базовые концепции, 6-шаговый фреймворк создания
- ← Создаём скилл с нуля LIVE — практика создания через Skill Creator
- → Evals — самоулучшающиеся скиллы — тестирование скиллов, цикл самоулучшения
- → Суб-агенты — специализированные работники, которых скиллы могут вызывать
Следующий урок
→ Evals — самоулучшающиеся скиллы: как проверять и улучшать скиллы по данным
Отметка хранится только в этом браузере и никуда не отправляется. Мой прогресс