Transcription
Многие из нас теперь имеют ИИ-агента с мозгом. Он, вероятно, все еще не знает, как работать так хорошо, как должен. Поэтому несколько недель назад я снял видео под названием "Открытый мозг". Аргумент был прост. Агенты становятся реальными, и если они собираются выполнять для вас полезную работу, им нужен доступ к вашему контексту таким образом, который работает для вас. Им нужно знать, над чем вы работаете. Им нужно знать, что вы решили на прошлой неделе. Им нужно знать, кто важные люди. Им нужно знать, что вы уже пробовали. И им нужна память, которая не заперта внутри одного приложения, одного SaaS-продукта, одного поставщика моделей, одного мозга для каждого ИИ. И это видео нашло отклик, потому что оно назвало узкое место, которое мы все чувствовали, верно? Каждый серьезный рабочий процесс ИИ по-прежнему начинался с одного и того же мучительного ритуала. Позвольте мне снова объяснить свою жизнь этой машине. Но есть вторая проблема, которая возникает, как только вы решаете проблему памяти. И я видел ее достаточно, чтобы поговорить о ней здесь и рассказать, как я ее решаю. Даже если агент знает то, что знаете вы, он все равно может не знать, как вы работаете. Он может знать проект. Он может знать людей. Он может знать историю решений благодаря открытому мозгу. И тогда вам все равно придется объяснять процедуру с нуля. И вам все равно придется говорить, когда вы исследуете это, не доверяйте устаревшей памяти модели. Вам все равно придется говорить, когда вы пишете для меня, не звучайте как общий ИИ-бюллетень. Вам все равно придется говорить, когда вы тестируете эту страницу, фактически откройте браузер и проверьте мобильную версию и соберите доказательства, а не просто скажите мне, что это выглядит хорошо. Вам все равно придется говорить, когда вы публикуете что-то, проверьте результат в реальном времени. Все эти вещи вам придется объяснять заново, и это не проблема памяти. У вас может быть идеальная настройка открытого мозга, и это все равно будет работать так. Это проблема процедуры. И люди, серьезно использующие агентов, начинают ощущать это как процедурный долг. И вы можете увидеть это как минимум в четырех разных местах в рабочих процессах серьезных работников. Во-первых, в раздувании промптов. Люди продолжают запихивать больше правил в гигантские системные промпты или файлы Markdown, а затем удивляются, почему агент становится хуже. И это потому, что каждое предпочтение, каждый крайний случай, каждая заметка из репозитория, каждое напоминание о безопасности, форматирование и структура борются друг с другом за внимание. В какой-то момент это перестает быть ясностью и просто добавляет вес. Во-вторых, налог на повторное объяснение. Каждый новый чат, каждая новая сессия агента, каждый переход от курсора к коду Claude к CodeX означает, что вам приходится заново объяснять свой голос, свой стандарт тестирования, свои проектные шаблоны, свои безопасные команды и свое определение завершенности. Это не работа. Это работа по настройке, притворяющаяся работой. В-третьих, фрагментация инструкций. У вас получается один набор правил в одном инструменте, другой набор в другом инструменте, специфичные для репозитория заметки где-то еще и пользовательские инструкции, которые медленно расходятся друг с другом. В-четвертых, слабая верификация превращает автоматизацию в кучу долга по проверке для вас и меня, потому что агент скажет "готово", но источник устарел, ссылка сломана, мобильный вид плохой или изменение никогда не тестировалось. Таким образом, человеку все равно приходится многое проверять. В некоторых случаях агент не устранил работу, он просто переместил ее на этап проверки. Это та проблемная область, для которой созданы Open Skills, и я запускаю ее сегодня. Дело не в том, что промпты раздражают. Дело в том, что работа агентов накапливает процедурный долг именно в тот момент, когда агенты становятся способными к постоянным действиям. Возьмем небольшую продуктовую команду в стартапе, которая использует как Cursor, так и Claude Code на одной и той же кодовой базе. Допустим, они потратили недели на настройку надежного набора правил Cursor, границ безопасности, окон для написания тестов, ожиданий рабочего процесса, как обрабатывать большие рефакторинги в архитектурных шаблонах проекта, и это отлично работало внутри Cursor. Затем они начали использовать Claude Code для более крупных многофайловых изменений, и правила не переносились очень чисто. В итоге один инженер поддерживал две версии одного и того же руководства. Одна в правилах Cursor, а другая в файле Claude.markdown. Со временем эти файлы начали расходиться. Один был обновлен новым правилом тестирования после болезненного инцидента. Другой все еще содержал старую информацию. Затем в проект присоединился подрядчик и получил длинный вводный промпт, который пытался обобщить оба файла. И он звучал исчерпывающе, но был расплывчатым в деталях, которые на самом деле предотвращали плохие исходы. У команды не хватает интеллекта в этой ситуации, и у них не хватает контекста. Им не хватает переносимого способа переноса самой процедуры. Это пробел, который призваны закрыть Open Skills. Это пробел в мультимодальном мире. Об этом и это видео. Это не трюк с промптом. Это не список хитрых ИИ-хаков. Это не еще одна папка с многократно используемыми формулировками. Open Skills — это публичная библиотека многократно используемых процедур агентов. Текущая версия содержит 31 навык в семи категориях и семь руководств. Каждый навык поставляется с промптом настройки Copype, и шаблон разработан для работы с CodeX, Claude Code и любым другим агентом, который может загрузить стиль .mmarkdown. И я хочу быть точным в разграничении, потому что это происходит не в вакууме. Большая часть мира агентов движется к модульным инструкциям. Отдельные инструменты имеют свои собственные системы правил. Кодирующие агенты имеют свои собственные файлы Markdown. Люди делятся специфичными для инструментов навыками, правилами Cursor и инструкциями агентов. И те SIG-скрипты, которые предотвращают расхождение этих файлов. Это все правильное направление. Но Open Skills делает более конкретную ставку. Отличительная особенность здесь не в том, что навыки существуют. Вы можете найти навыки. Отличительная особенность — это переносимые процедуры как операционный слой. Один источник истины в Markdown, узкие навыки как примитивы, руководства как композиции и верификация как часть контракта, личная область видимости, когда процедура принадлежит вам, и проектная область видимости, когда процедура принадлежит репозиторию. И маховик, который превращает повторяющуюся работу в кандидатов на многократно используемые навыки, вместо того чтобы позволять шаблону исчезнуть в истории старых чатов. Так что, если Open Skills станет просто еще одним списком полезных промптов, я потерплю неудачу. Он сольется со всем остальным. Это не то. Но если он останется сосредоточенным на переносимости, композиции, верификации, области видимости и накоплении, это будет другой слой. Это необходимый слой. Так что же такое навык? Верно? Навык — это обычно небольшая папка с файлом skill.mmarkdown внутри. Это простая версия. Файл сообщает агенту, когда использовать навык, когда не использовать навык, за какую работу отвечает навык, какие инструменты или файлы он должен использовать, какие границы применяются, как должен выглядеть вывод и как проверять результаты. Это единица, а не хитрый абзац, не атмосфера, не одноразовый чат, не промпт. Многократно используемая процедура, которую агент может загрузить, когда ситуация того требует. Промпт — это то, что вы говорите один раз. А навык — это то, что ваш агент знает, как делать с этого момента. Если я дам агенту промпт "Проверь факты в этой статье", это запрос. Если я дам агенту навык поиска актуальной информации, это процедура. Он может сказать: использовать живой поиск, когда утверждение недавнее, когда цены могли измениться, и версия программного обеспечения имеет значение, или когда данные обучения могут быть устаревшими. Он может сказать: сравнить источники и показать данные. Отделить подтвержденные факты от выведенных. Если я дам агенту навык поиска актуальной информации, это процедура. Он может сказать: использовать живой поиск, когда утверждение недавнее, когда цены могли измениться, когда версия программного обеспечения имеет значение, или когда данные обучения могут быть устаревшими. Он может сказать: сравнить источники и показать дату, а также отделить подтвержденные факты от выводов и позволить неопределенности блокировать публикацию при необходимости. То же самое с голосом. Если я скажу "напиши это моим голосом", модель должна угадывать. Если у меня есть навык личного голоса, он может сказать агенту, какие реальные образцы прочитать, каких фраз избегать, какова длина предложений, какая структура аргументации работает и какой фальшивый ИИ-язык следует удалить. То же самое с тестированием. Если я скажу "протестируй страницу", агент может сказать мне, что она выглядит нормально. Если у меня есть навык тестирования браузера, он может сказать: открыть фактический маршрут. Проверить консоль. Проверить мобильную версию. Проверить измененный рабочий процесс. Сделать скриншоты и предоставить доказательства. Процедура — это ценная часть. Это то, что нужно вынести из этих трех. Слова недостаточны. Это то же структурное несоответствие, о котором я говорил в видео "Открытый мозг", но на один уровень выше. OpenBrain сказал, что большинство инструментов Second Brain были созданы для людей-читателей. Это было правдой. Они были полезны, но не были разработаны как инфраструктура памяти, читаемая агентами. Open Skills говорит, что у большинства SOP, промптов, чек-листов, документов и предпочтений та же проблема. Они могут быть читаемыми человеком, но не упакованы как операционные процедуры для агентов. У них нет триггерных правил. Они не говорят, когда не запускаться. Они не определяют требуемые инструменты. Они не определяют вывод. Они не определяют верификацию. И они не переносятся чисто от одного агента к другому. Вот почему текущий мир кажется таким болезненно повторяющимся, таким копируемым и вставляемым. У вас есть пять ИИ-инструментов и пять отдельных стопок процедурных стикеров. Один инструмент немного знает о том, как вы пишете, другой имеет проектную инструкцию, третий — правила репозитория, четвертый — поле для пользовательских инструкций, а пятый — историю чатов, где вы все идеально объяснили, и вы никогда не можете найти ее снова. Это не рабочая система. Это просто процедурный разброс. Решение — не гигантский волшебный блок инструкций, который говорит: "Будь моим идеальным сотрудником". Это не работает. Это слишком широко. Это слишком расплывчато. Это нельзя протестировать. Это просто непрактично. Лучший путь, практический путь — это библиотека небольших проверяемых процедур, которые можно вызывать откуда угодно при необходимости. Это ответ на раздувание промптов. Не помещайте все правила в голову агента все время. Дайте ему чистый способ загрузить правильную процедуру, когда работа того требует. И как только у вас появятся переносимые навыки, следующим шагом будут руководства. Навыки — это примитивы. Руководства — это композиция. Оба являются частью Open Skills. Навык отвечает: "Что может сделать этот агент?". Руководство отвечает: "Что система может надежно производить?". Возьмем рабочий процесс создателя. Голосовая заметка становится опубликованной страницей. Это звучит как одна задача, но на самом деле это цепочка. Транскрипция медиа превращает аудио в транскрипт. Обработка мозгового штурма отделяет реальные идеи от болтовни. Личный голос превращает лучшую идею в черновик, который звучит как человек. Построитель HTML-артефактов превращает черновик в пригодную для использования страницу. Издатель личного сайта публикует ее с правильным маршрутом, правильными метаданными, предварительным просмотром ссылки и верификацией. Это руководство. Или возьмем день релиза. Выпускается что-то важное, и вы хотите опубликовать полезный точный брифинг, пока факты еще имеют значение. Поиск актуальной информации собирает факты. Брифинг нового релиза превращает эти факты в публикуемый пакет. Генерация изображений создает визуальный ряд. Издатель сайта публикует страницу, а обновление для заинтересованных сторон замыкает цикл, когда что-то действительно в сети. Это скорость с качественным барьером. Дело не в том, что один гигантский агент или гигантский навык знает все. Дело в том, что каждый навык отвечает за свою часть, и эти навыки — как блоки Lego, и они компонуемы. Таким образом, в этом мире навык транскрипции не должен знать, как публиковать, верно? Навык голоса не должен знать, как тестировать браузер. Издатель не должен знать, как генерировать изображения. Каждый навык имеет свой собственный контракт. Руководство отвечает за поток. Так выполняется реальная работа. И вот где слово "открытый" имеет большое значение. Открытый не означает, что каждый навык общедоступен по умолчанию. Открытый не означает, что вы вставляете секреты в общий файл. Открытый даже не означает, что каждый агент должен уметь делать все. Навык становится источником истины. Правила Cursor, файлы Claude, инструкции CodeX или все, что появится дальше, могут читать из него или генерироваться из него, вместо того чтобы становиться отдельными, расходящимися копиями. Некоторые процедуры личные. Мой голос — личный. Мои привычки публикации — личные. Мои стандарты для обновления заинтересованных сторон — личные. Другие процедуры локальны для проекта. Способ тестирования конкретного приложения должен жить вместе с этим приложением. Безопасные команды для одного репозитория не должны становиться универсальными правилами для каждого репозитория. Известные селекторы, начальные данные, шаги очистки и особенности развертывания должны жить там, где живет проект. Это еще одна причина, по которой навыки — это не просто промпты. Их можно размещать в правильной области видимости: глобальной, когда процедура принадлежит вам, локальной, когда процедура принадлежит проекту, и именно так вы поддерживаете чистоту системы, вместо того чтобы превращать ее в гигантскую кучу предпочтений, которые являются смесью ваших и командных. Другое важное преимущество навыков — верификация. Вот где разговор с агентом должен стать намного серьезнее. Пока ИИ в основном писал текст, многие люди мирились с расплывчатой уверенностью. Просто буду честен. Но с агентами расплывчатой уверенности недостаточно. Если агент редактировал код, какие тесты прошли? Если я создал страницу, какой браузер он открыл? Если он что-то опубликовал, какой URL он проверил? Если он обобщил источник, какой источник он на самом деле прочитал? Если он использовал актуальные факты, какую дату он проверил? Хороший навык может заранее определить это доказательство. Он может сказать: "Не считайте это завершенным, если это доказательство не существует". Это одно предложение многое меняет, потому что агенты очень хорошо производят правдоподобный завершающий язык, и они менее надежны, когда определение завершенности расплывчато. Так что не делайте это атмосферой. Включите это в навык. Так вы превратите автоматизацию из долга по проверке в рычаг. И есть еще одна важная часть — маховик. Один из навыков в библиотеке, которую я запускаю сегодня, называется "Извлечение сессии в навык". Идея проста, но очень мощна. В конце существенной сессии агента спросите: "Узнали ли мы повторяющуюся неочевидную процедуру, которую стоит сохранить?". В большинстве случаев ответ должен быть "нет". И это часть качественного барьера. Вы не хотите превращать каждое мелкое предпочтение в навык. Но иногда ответ "да". Иногда вы обнаруживаете шаблон тестирования, или чек-лист публикации, или способ обработки транскриптов, или повторяющийся процесс сбора источников. И когда это происходит, процедура не должна исчезнуть с этим чатом в куче компоста. Она должна стать кандидатом на навык. Это та же логика накопления, что и у Open Brain, но примененная к процедурам, которые помогают вам работать. Open Brain накапливается, потому что каждая мысль, которую вы фиксируете, улучшает последующий поиск. Так это работает. Open Skills накапливается, потому что каждая хорошая процедура, которую вы сохраняете, делает будущую работу более надежной. И вот где сейчас рычаг. И настоящая сила заключается в том, когда эти две системы объединяются. Open Brain предоставляет агенту контекст, проект, аудиторию, решения, предыдущую работу, ограничения. Open Skills предоставляет агенту процедуру: как исследовать, как писать, как строить, как тестировать, как публиковать и как сообщать об изменениях в мультимодальном мире, где вы не можете быть уверены, какая модель будет лучшей в следующий раз. И посмотрите, как это меняет вещи для нас. Прямо сейчас мы, люди, не тратим всю сессию, говоря: "Вот фон. Вот как я хочу, чтобы это было сделано". Мы, люди, можем делать реальную работу. И этот пробел, способность сосредоточиться на реальной работе, он накапливается каждую неделю с Open Skills. Он накапливается каждый раз, когда появляется новая модель. И вам не приходится переключаться и тратить столько времени. Он накапливается каждый раз, когда вы пробуете новый агентский инструмент, и вы можете перенести Open Skills, потому что вы меньше привязаны к предположениям о памяти и рабочем процессе любого одного поставщика. Они не заслуживают этого. Вы заслуживаете. Вы можете перемещать свой контекст. Вы можете перемещать свои процедуры. Вы можете подключать лучшие инструменты к одному и тому же операционному слою. Вот что должно означать "открытый" здесь. Не расплывчатая открытость, а практическая переносимость, ваши мысли, любой ИИ, которым вы можете свободно пользоваться, ваши рабочие процессы, любой агент. Это отсылка к Open Brain. Это тот же дух. И поэтому Open Skills — это не библиотека промптов. Библиотека промптов слишком мала для этой проблемы. Она просто не работает в 2026 году так же. Open Skills больше похож на публичное руководство по эксплуатации для работы агентов. Ценность Open Skills заключается не столько в 31 файле Markdown, хотя они очень хороши. Ценность в том, что у каждого файла есть задача, область видимости, триггер, граница и стандарт доказательства. Вот что отличает Open Skills от более широкой волны навыков и правил. Нам нужны и мы заслуживаем иметь навыки, которые переносимы с четкими связанными руководствами, потому что это больше, чем просто навыки. Вы можете создавать с помощью этих навыков один раз, и вы можете комбинировать их вечно в любом ИИ, который вы хотите. Это суть того, чем являются Open Skills. Навыки не делают агентов совершенными. Руководства по-прежнему требуют человеческого суждения. ИИ-навыки — это не магическая автономия людей. Но реальное обещание Open Skills по-прежнему невероятно мощно, потому что Open Skills означает, что вам не придется объяснять одну и ту же процедуру вечно. Это означает, что вам не придется держать свой стиль работы в голове. Вам не придется мириться с тем, что каждый агентский инструмент имеет свою собственную отдельную кучу инструкций. Вы можете записать процедуру так, чтобы агент мог ее загрузить. Это Open Skills. Вы можете проверить ее. Вы можете улучшить ее. Вы можете поместить ее в правильную область видимости, и вы можете комбинировать ее в более крупные рабочие процессы и переносить ее по мере изменения инструментов. Это имеет значение. Так что правило принятия решения простое. Если вы делаете что-то с агентом один раз, промпт подойдет. Если вы комфортно живете в мире, где вам приходится постоянно заново приобретать навыки и вручную помнить о настройке циклов для добавления к вашим навыкам по мере их появления, а затем у вас возникает расхождение навыков, когда у вас есть CodeX, Claude Code и Cursor в смеси, отлично. Больше вам удачи. Если вы хотите решение, которое вы можете контролировать, это Open Skills. И это то, что я запускаю сегодня. Если вы хотите получить больше информации, вы можете перейти по URL-адресу, который я показываю прямо на экране прямо сейчас. Вы будете полностью готовы к работе оттуда. Я не могу дождаться, чтобы увидеть вас там. Open Brain предоставил невероятную возможность сообществу сотрудничать в создании системы памяти, которую мы контролируем, а не какой-то SaaS-компании. Я хочу, чтобы Open Skills было тем же самым. Это шанс для всех нас внести свой вклад в создание набора навыков, которые помогут нам контролировать нашу работу, даже когда инструменты развиваются и меняются. Так что мы можем оставаться гибкими, так что мы можем расти, так что наши навыки идут с нами. Знаете, несколько недель назад я поделился мыслью о том, что одна из больших проблем эпохи ИИ — это то, как квалифицированный рабочий перемещается с одной работы на другую и что он делает со своими навыками, которые он приобретает с помощью ИИ по пути. Open Skills — это ответ. Приносите свои открытые навыки на работу, а затем забирайте их с собой, когда уходите. Open Skills помогает вам быть более эффективными в любом ИИ-инструменте, который подбросит вам ваша работа, а также в ваших личных инструментах. Если вы компания, Open Skills — это способ для вас и ваших команд быть более продуктивными, потому что мы предвидим командный уровень. Это важная часть того, как мы создаем значимые вещи в эпоху ИИ. Я не верю, что будущее — это только одноличная компания стоимостью миллиард долларов. Хотя это и весело, но некоторые из них будут. Я думаю, что большая часть будущего — это люди, которые вместе создают крутые вещи, и Open Skills — это мощный способ сделать это. Так что проверьте Open Skills. Я так взволнован этим. Я думаю, что это решает одну из самых настойчивых и болезненных проблем, которые я видел в экосистеме навыков. Не должно быть трудно перемещать свои навыки между разными ИИ. Не должно быть трудно развивать свои навыки со временем, и не должно быть трудно комбинировать свои навыки в руководства. Open Skills решает все это. Проверьте это. Получайте удовольствие от этого и вносите свой вклад в создание. Давайте сделаем это вместе великим. Удачи.