Anthropic explained how to build skills for Claude Code and why teams need their own marketplace

Anthropic опубликовала подробный гайд по skills для Claude Code — расширениям, которые помогают агенту лучше работать с кодом, данными и внутренними процессами. В компании говорят, что уже используют сотни таких skills и на практике выяснили, какие из них действительно повышают качество работы, а какие только раздувают контекст.

Какие skills работают

Главный тезис гайда: skill — это не просто markdown-файл с инструкцией, а полноценная папка с конфигами, скриптами, шаблонами, данными и даже hooks. Именно поэтому Anthropic советует сначала определить тип skill, а уже потом писать его содержимое. По наблюдениям компании, лучшие skills обычно решают одну ясную задачу. Те, что пытаются одновременно быть справочником, автопилотом, ранбуком и кодогенератором, чаще путают модель, чем помогают ей.

• Справочники по API, SDK и внутренним библиотекам Skills для верификации продукта через браузер, CLI и assertions Инструменты для анализа данных, метрик и мониторинга Шаблоны для скаффолдинга, тестов и код-ревью Skills для CI/CD, ранбуков и инфраструктурных операций Отдельно Anthropic выделяет верификационные и операционные skills. В первом случае агент не просто пишет код, а сам прогоняет сценарий, проверяет шаги и фиксирует результат. Во втором — получает предохранители для чувствительных действий вроде очистки ресурсов, выката или разбора алертов. Такие навыки особенно ценны там, где ошибка стоит дорого: в проде, платежах, онбординге и внутренних платформах. Именно на этих сценариях лучше всего видно, превращает ли skill модель в надёжный рабочий инструмент.

Как писать skill

Anthropic советует не тратить место на очевидные вещи, которые Claude и так знает о коде и типовых практиках. Намного полезнее собрать в skill раздел с реальными «подводными камнями»: типичными сбоями, нетривиальными крайними случаями и локальными правилами команды. Ещё один важный принцип — постепенное раскрытие контекста через файловую систему. Детали API можно вынести в references, шаблоны — в assets, а повторяемую логику — в скрипты. Так модель читает только то, что нужно для текущего шага.

«Лучший способ разобраться в skills — начать, экспериментировать и смотреть, что подходит вам».

Авторы также рекомендуют заранее продумать стартовую настройку: например, хранить параметры в config.json и задавать пользователю структурированные вопросы, если конфиг пуст. Поле description нужно писать не как маркетинговое резюме, а как условие срабатывания для самой модели. Для памяти можно использовать логи, JSON или SQLite, но постоянные данные лучше держать в стабильной директории вроде `${CLAUDE_PLUGIN_DATA}`. Плюс Anthropic отдельно продвигает идею хранить внутри skills код и helper-библиотеки, а не заставлять модель каждый раз заново изобретать бойлерплейт. Для упрощения этого процесса компания даже выпустила Skill Creator.

Как делиться внутри команды

Для распространения skills Anthropic описывает два базовых сценария: хранить их прямо в репозитории проекта или упаковывать как плагины для маркетплейса Claude Code. Первый вариант удобен для маленьких команд и пары репозиториев, но у него есть цена: каждый закоммиченный skill добавляет модели контекст. Когда skills становится много, логичнее переносить их в отдельный внутренний каталог, где команды сами выбирают, что устанавливать.

Это особенно важно, если разные проекты живут в разных кодовых базах и у команд разные потребности. При этом в Anthropic нет одной центральной группы, которая вручную утверждает все skills с самого начала. Обычно полезные наработки сначала появляются локально, затем ими делятся через GitHub и Slack, а после органического спроса переводят в маркетплейс.

Использование можно измерять через PreToolUse hooks, а зависимости между skills пока решают простыми ссылками по имени. Идея в том, чтобы выращивать библиотеку постепенно, не забивая систему дубликатами и плохо поддерживаемыми расширениями.

Что это значит

Гайд Anthropic показывает важный сдвиг: ценность AI-инструментов для разработки всё чаще лежит не только в модели, а в том, как команда упаковывает свои знания, проверки и безопасные процессы вокруг неё. Для пользователей Claude Code это сигнал инвестировать не в «магические промпты», а в собственный слой skills, который делает агента предсказуемее, полезнее и ближе к реальным рабочим задачам в инженерной среде.