SkillMarket built a marketplace of skills for AI agents on FastAPI and Claude Sonnet

SkillMarket показал MVP маркетплейса доменных навыков для AI-агентов, собранный на FastAPI всего за несколько недель. Проект пытается решить старую проблему генеративных моделей: в общих задачах они полезны, но в узких профессиональных сценариях без человеческой экспертизы быстро начинают ошибаться.

Откуда взялась идея

Команда проекта описывает знакомый для многих компаний сценарий: AI-агенты неплохо справляются с кодом, шаблонными письмами и внутренней рутиной, но сыпятся, когда нужно работать в предметной области с кучей нюансов. В статье приводятся примеры из арбитража и налогов по УСН, где недостаточно просто «умной модели». Нужен последовательный способ мышления практикующего эксперта, иначе LLM начинает галлюцинировать и выдавать опасно неточные ответы.

Отсюда и родилась гипотеза: вместо того чтобы каждый раз сажать рядом с разработчиком дорогого senior-специалиста и вручную собирать chain-of-thought промпты, можно превратить этот опыт в отдельный цифровой продукт. Юрист, логист или другой отраслевой эксперт описывает свой рабочий алгоритм, а бизнес затем покупает его как готовый навык для корпоративного агента. По сути, SkillMarket предлагает вынести промпт-инжиниринг из ремесла команды разработки в отдельный рынок доменной экспертизы.

Как устроен MVP Архитектура у проекта максимально прагматичная и без лишних слоев.

Для бэкенда выбрали Python и FastAPI, для хранения — PostgreSQL и SQLAlchemy, асинхронные задачи отдали Celery и Redis, а интерфейс собрали на Vanilla JS с Vite. Инфраструктура упакована в Docker Compose, то есть команда сознательно не пошла в микросервисы ради MVP. Это выглядит логично: основная ценность тут не в распределенной платформе, а в скорости проверки самой гипотезы.

• FastAPI и OpenAPI — для API и будущих интеграций PostgreSQL, SQLAlchemy и Alembic — для данных и миграций Celery и Redis — для фоновых обращений к LLM Vanilla JS, Vite, Sortable.js и Marked.js — для легкого фронтенда Docker Compose — для быстрого разворачивания всей системы Сам процесс создания навыка тоже сделали не техническим, а «человеческим». Эксперту не нужно знать, что такое few-shot prompting или JSON schema: он просто заходит в конструктор и свободным текстом описывает, как решает задачу в реальной работе. Дальше Celery отправляет этот черновик в Claude Sonnet через OpenRouter, а модель уже упаковывает поток мыслей в структурированный системный промпт с названием, описанием, назначением, тегами и оценкой объема токенов.

Как фильтруют качество Следующая проблема — модерация.

Если просто открыть витрину для продажи промптов, она быстро превратится в склад сомнительных заготовок без реальной пользы для бизнеса. Поэтому после публикации навыка SkillMarket запускает автоматическую проверку сразу через Claude Sonnet и GPT-4o. Обе модели выставляют баллы по нескольким критериям, а слабые карточки либо уходят на ручную проверку, либо отбрасываются еще на старте.

clarity — насколько четко описаны инструкции completeness — насколько полно покрыт алгоритм domain_accuracy — нет ли явных ошибок в предметной логике reusability — можно ли применять навык в разных компаниях * overall_score — сводный балл для решения о публикации Отдельно команда продумала и монетизацию. Для платежей подключили ЮKassa: покупатель пополняет баланс, приобретает навык, платформа удерживает комиссию в 20%, а остальное уходит автору на внутренний счет. Автор статьи пишет, что после первой публикации о проекте начали приходить не только IT-специалисты, но и эксперты из других сфер.

Для MVP это важный сигнал: модель интересна не только разработчикам, но и самим носителям прикладной экспертизы.

«Сдавать свои мозги в аренду»

Что это значит

Если подобная модель взлетит, рынок AI-агентов может сдвинуться от продажи «универсальных ботов» к продаже проверенных узкоспециализированных навыков. Для бизнеса это удобный сценарий: не выращивать внутри каждой команды собственного промпт-инженера, а покупать готовые экспертные блоки почти так же, как сегодня ставят библиотеки через npm или pip.