Создание специализированного агента под каждый прикладной сценарий уступает место модульным переносимым навыкам (skills). В агентном стеке модель выступает процессором, среда выполнения — операционной системой, а навыки — подключаемыми приложениями. Практика Anthropic показала, что одновременная загрузка всех инструкций перегружает контекстное окно и снижает качество работы.
В основе парадигмы лежат три инженерных принципа:
- Прогрессивное раскрытие (Progressive Disclosure). Агент не держит в памяти полные тексты всех доступных инструкций. На старте считываются только краткие манифесты и условия вызова, а подробные правила и схемы данных подгружаются по требованию при активации задачи.
- Принцип DRY для кода. Когда модель успешно решает задачу рабочим скриптом, файл сохраняется в директории навыка. При повторном запросе агент выполняет проверенный код, не расходуя токены на генерацию логики заново.
- Фиксация границ и тестов. Навык содержит формат входных и выходных данных, тестовые сценарии и запреты.
Модульный подход исключает дублирование процессов, снижает расход токенов и превращает стохастические догадки нейросети в стабильные повторяемые алгоритмы.
