Кэп, у кожаных снова забрали кусок ручного труда.
Раньше агент писал код по памяти. Память старая, SDK уже другой, документация убежала вперед, а потом инженер сидит и чинит галлюцинации в API-вызовах.
Классика жанра: модель уверенно несет мертвый синтаксис, человек разгребает.
Google выложила официальный репозиторий
google/skills - набор Agent Skills для своих продуктов и технологий.Внутри Google Cloud, Gemini API, BigQuery, Firebase, GKE, Cloud Run, Cloud SQL, AlloyDB, рецепты онбординга, аутентификация, network observability и Well-Architected Framework.
Установка без шаманства:
npx skills add google/skillsДальше выбираешь нужный skill и подключаешь его к совместимому агенту: Claude Code, Gemini CLI или любому другому инструменту, который умеет работать с Agent Skills.
ЧТО ИЗМЕНИЛОСЬ:
Документация перестает быть внешней справкой, куда человек ходит руками.
Она становится частью операционной среды агента.
Вместо абстрактной просьбы "напиши под Firebase" агент получает локальный пакет инструкций: какие SDK актуальны, какие паттерны использовать, куда смотреть за источником истины.
Это важный сдвиг.
Модель без skills - это стажер с хорошей речью и дырявой памятью.
Модель со skills - стажер, которому подложили рабочие регламенты, свежие примеры и карту проекта.
Он все еще может ошибаться.
Но ошибается уже в более узком коридоре.
ПРОВЕРКА ОТ GOOGLE-GEMINI:
Отдельный репозиторий
google-gemini/gemini-skills показывает замер по Gemini API skill.Они гоняли evaluation harness на 117 промптах для Python и TypeScript кода под Gemini SDK.
Результат с подключенным skill:
• Gemini 3 Flash - 87% корректного API-кода
• Gemini 3.1 Pro - 96% корректного API-кода
Без skill базовая точность была сильно ниже. В блоге Google прямо пишет: у моделей фиксированное знание, а софт меняется быстрее, чем заканчивается обучение модели.
Вот это и есть knowledge gap.
Skills закрывают его дешевым способом.
Без тяжелой RAG-машины.
Без отдельного MCP-сервера на каждый чих.
Просто кладешь в проект компактный слой инструкций, примеров и ссылок на источники.
ДЛЯ АРХИТЕКТОРОВ:
Не надо ждать, пока "модель станет умнее".
Надо проектировать среду, где агенту меньше поводов тупить.
Skills - это упаковка контекста в переносимый формат.
Для бизнеса это означает простую вещь: знания компании можно начинать превращать в агентные навыки.
Не "вот тебе 500 страниц регламента, удачи".
А нормальный skill:
• когда применять
• какие файлы читать
• какие команды запускать
• какие ошибки не повторять
• где источник истины
Так рождаются рабочие агенты.
🎯 ТАРГЕТ-МЕТРИКИ (КООРДИНАТЫ ЭВОЛЮЦИИ):
• Слой ИИ-индустрии: Applications - skills улучшают прикладную работу агентов с реальными SDK и облаками.
• Уровень специалиста: 3-4 - нужно понимать агентные workflow, контекст, SDK и проверку результата.
• Уровень компании: 2-3 - компания начинает превращать документацию и регламенты в исполняемую операционную память.
• Сценарии: ai-teams, ai-knowledge - skills дают агентам общий контекст и снижают ручной контроль.
Status: Agent memory upgraded. Manual docs browsing downgraded.
🔗 google/skills
🔗 google-gemini/gemini-skills
🔗 Google Developers Blog
#AI #СигизмундМнение