AI एजेंटों के लिए स्किल्स बनाना: यांत्रिकी, सर्वोत्तम अभ्यास, और प्लगइन में बदलना
Anthropic
लेख बताता है कि AI एजेंटों के लिए स्किल्स सही तरीके से कैसे बनाएं: उनकी संरचना, विवरण के सिद्धांत और परीक्षण। यह एक स्किल को मार्केटप्लेस के लिए प्लगइन में पैकेज करना भी बताता है। Anthropic के अभ्यास और अंग्रेजी विवरणों का उपयोग करके टोकन को अनुकूलित करने के सुझाव दिए गए हैं।
लेखक, rpa-skills रिपॉजिटरी के डेवलपर, बताते हैं कि AI एजेंटों के लिए स्किल्स को सही तरीके से कैसे बनाया जाए। स्किल एक अकेली मार्कडाउन फ़ाइल नहीं है, बल्कि एक फ़ोल्डर है जिसमें अनिवार्य SKILL.md फ़ाइल होती है जिसमें YAML हेडर (नाम, विवरण) और निर्देश बॉडी होती है, साथ ही वैकल्पिक निर्देशिकाएँ references/, scripts/, assets/ और README.md होती हैं। प्रोग्रेसिव डिस्क्लोज़र का सिद्धांत सिस्टम में केवल स्किल का विवरण लोड करता है; सक्रियण पर बॉडी खींची जाती है, इसलिए बॉडी को 500 लाइनों तक रखा जाना चाहिए, और भारी सामग्री को references/ में स्थानांतरित किया जाना चाहिए। विवरण फ़ील्ड में, उद्देश्य और ट्रिगर स्थितियों को स्पष्ट रूप से निर्दिष्ट करना महत्वपूर्ण है, MUST जैसे सामान्य शब्दों से बचना चाहिए ताकि मॉडल स्किल को बेतरतीब ढंग से सक्रिय न करे। लेखक स्किल्स और नियमों के बीच अंतर पर जोर देते हैं: नियम (alwaysApply: true के साथ) हमेशा सक्रिय होते हैं और कोड शैली या त्रुटि हैंडलिंग के लिए उपयुक्त होते हैं, जबकि स्किल्स बहु-चरणीय प्रक्रियाओं (डिप्लॉयमेंट, BDD, बग विश्लेषण) के लिए बेहतर होती हैं। स्किल विवरण और बॉडी अंग्रेजी में लिखे जाने चाहिए क्योंकि टोकनाइज़ेशन: सिरिलिक लैटिन की तुलना में औसतन दोगुने टोकन लेता है, जिससे संदर्भ की बचत होती है। Anthropic से अभ्यास प्रदान किए गए हैं: स्वतंत्रता की डिग्री (महत्वपूर्ण कार्यों के लिए सख्त रेल, रचनात्मक कार्यों के लिए खुला क्षेत्र), निर्धारित कार्यों को स्क्रिप्ट में स्थानांतरित किया जाना चाहिए, सामान्य गलतियों के लिए अनिवार्य अनुभाग (Gotchas), नाम gerund रूप में (जैसे, processing-pdfs), और अत्यधिक परिवर्तनशीलता से बचें—एक मुख्य समाधान और एक फॉलबैक देना बेहतर है। स्किल का परीक्षण करने के लिए, एक साफ संदर्भ के साथ एक सब-एजेंट चलाएं और जांचें कि स्किल स्वचालित रूप से सक्रिय होती है या नहीं, उसने कहाँ त्रुटियाँ कीं, और क्या परिणाम अपेक्षाओं से मेल खाता है। विभिन्न कार्यों पर और विभिन्न मॉडलों पर कम से कम तीन रन की सिफारिश की जाती है, जिसमें छोटे मॉडल भी शामिल हैं जो निर्देशों का शाब्दिक रूप से पालन करते हैं। मार्केटप्लेस के लिए एक स्किल को प्लगइन के रूप में पैक किया जाता है—यह एक फ़ोल्डर होता है जिसमें मेनिफेस्ट plugin.json (Claude Code के लिए .claude-plugin/ में, Codex के लिए .codex-plugin/ में) होता है, जिसमें मेटाडेटा निर्दिष्ट होता है, नाम SKILL.md के नाम से मेल खाता है और संस्करण सिंक होता है। प्लगइन में स्लैश कमांड, सब-एजेंट, हुक और MCP सर्वर भी शामिल हो सकते हैं।
स्रोत: Habr — хаб NLP —
मूल
