Скиллы для coding-агентов: оцениваем 10 популярных наборов в реальной работе

Чем дольше работаешь с coding-агентами, тем заметнее: качество модели — только половина результата. Не меньше решает процесс, по которому агент уточняет требования, пишет код, проверяет себя и завершает работу. Скиллы — способ упаковать такой процесс и переиспользовать его. В этом обзоре мы разбираем десять популярных наборов и даём им оценку — не по звёздам GitHub, а по тому, как они ведут себя в реальной разработке. Часть наборов из списка установлена в наше рабочее окружение и используется в повседневной работе — сайт, на котором вы читаете этот текст, собран агентом с их помощью.

Что такое скилл и чем он не является

Скилл — это папка с файлом SKILL.md: короткий заголовок с именем и описанием, дальше — Markdown с процессом. Агент видит описания всех скиллов при старте, а тело инструкции подгружает только тогда, когда скилл сработал по триггеру; тяжёлые чек-листы живут в подпапках и открываются по мере надобности. Формат Agent Skills появился у Anthropic в 2025 году, затем был опубликован как открытый стандарт и вышел за пределы экосистемы Claude: сегодня его поддерживают Codex, Cursor, Gemini CLI и десятки других агентов.

Важно не путать три механизма. Скиллы дают агенту процессы и знания — «как правильно делать X». MCP-серверы — доступ к внешним системам: базе, API, браузеру. Правила проекта вроде CLAUDE.md — постоянный контекст конкретного репозитория. Скилл — среднее звено: подключаемая по требованию экспертиза.

Как мы оценивали

Критерии простые: покрывает ли набор полный цикл разработки или одну нишу; пересекается ли с соседями — самая коварная вещь это два скилла, по-разному требующие порядок работы; сколько контекста съедает даже в пассиве; как ставится и обновляется; какая лицензия. И главное отличие от большинства обзоров: часть оценок — из повседневной эксплуатации, а не только из README.

Тройка workflow-наборов: выбрать можно только один

addyosmani/agent-skills — ★★★★★. Самый универсальный набор: 25 скиллов, закрывающих цикл DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP — от interview-me (интервью по одному вопросу до ~95% уверенности в требованиях) до doubt-driven-development (встроенный адвокат дьявола: утверждение → сомнение → примирение). В каждой инструкции есть таблица «отговорок» с опровержениями — агент не может свернуть с процесса на «и так сойдёт». Устанавливается одной командой в десятки агентов. Для нас это ядро.

obra/superpowers — ★★★★½. Строже и методологичнее: «обязательные рабочие процессы, а не предложения», TDD без компромиссов, задачи по 2–5 минут, свежий сабагент на каждый шаг. Для крупных фич, где цена архитектурной ошибки высока, — отлично; для правки в одну строку — процессное избыточие. Нюанс из практики: зоны ответственности заметно пересекаются с addyosmani — особенно в планировании, TDD, отладке и review. Если активировать оба набора целиком, их верхнеуровневые процессы начинают конкурировать за управление одной задачей и могут давать противоречивые инструкции. У нас это проявилось на дублирующемся скилле тестирования, и решили просто: один TDD, остальное — из одного источника.

mattpocock/skills — ★★★★½. Один из самых популярных наборов — сотни тысяч звёзд — и, пожалуй, самый зрелый по инженерной культуре: доменное моделирование с глоссарием и ADR, двухосевой code review, декомпозиция спеков на тикеты. Но он требует купить методологию одного автора — жёсткие интервью к требованиям, тяжёлые спеки, интеграция с issue-трекером — и настроить это на каждый репозиторий. Нативного плагина для Codex пока нет. Мощно, но это коммит в стиль работы, а не просто установка.

Специализированные: дизайн и официальные примеры

ui-ux-pro-max — ★★★★½. База данных дизайна: десятки UI-стилей, сотни палитр и пар шрифтов, правила по типам продуктов и поиск по всему этому прямо из скилла. Превращает «сделай красиво» в осмысленный выбор с антипаттернами по отрасли — например, без фирменного «ИИ-фиолетового» для банковского интерфейса. Минус: набор заметно тяжелее обычного инструкционного скилла — помимо SKILL.md он использует локальную базу данных и Python-скрипт поиска, а для полноценной работы поискового механизма нужен Python 3.x. Это скорее специализированный инструмент под UI-задачи, чем слой, который нужен при любом запросе.

taste-skill (вариант gpt-taste) — ★★★★½. Лечит типичный «ИИ-дизайн»: три регулируемых параметра — вариативность макета, интенсивность анимации, плотность интерфейса, — запреты на шаблонные решения и отдельный более жёсткий вариант для GPT/Codex. Автор честно помечает вторую версию как экспериментальную. Хорошо работает в паре с предыдущим: один даёт правила, второй — вкус.

anthropics/skills — ★★★★. Официальный репозиторий Anthropic. Документные скиллы docx, pdf, pptx и xlsx — реальные производственные компоненты: исходники открыты для просмотра, но лицензия проприетарная, то есть это не open source. Многие остальные скиллы репозитория распространяются под Apache 2.0 и служат прежде всего примерами — с прямым предупреждением «тестите сами». Главный практический интерес — образцы того, как правильно проектировать скиллы.

Лёгкие слои и особые случаи

karpathy-skills — ★★★★. Четыре принципа одним файлом: подумай до кода, простота прежде всего, хирургические правки, цель как проверяемый тест. Ноль зависимостей, вливается в правила проекта. Частично дублирует то, что уже дают инженерные наборы, но как самостоятельный лёгкий слой для укрощения склонного к оверинжинирингу агента — хорош.

awesome-claude-skills — ★★★★. Каталог на тысячу с лишним скиллов. Как справочник для поиска готового под задачу — да; как установка целиком — нет. Оговорка: значительная часть SaaS-автоматизаций построена на платном шлюзе Composio, так что это отчасти маркетинговый актив вендора, а не нейтральная подборка.

caveman — ★★★★. Единственный набор, который мы оценили выше расхожего мнения. Обычно его записывают в «стилизаторы», но проект вышел за эти рамки: сам скилл использует крайне сжатый стиль ответов на основе контролируемого английского (стандарт ASD-STE100), а отдельный локальный прокси сокращает логи, JSON, диффы и результаты тестов до того, как они попадут в контекст модели. Независимый тест JetBrains показал около 8,5% экономии выходных токенов для одного скилла без заметной потери качества; собственный бенчмарк прокси сообщает примерно о 33% сокращения входных токенов — цифры зависят от нагрузки, так что гарантий нет. Из аккуратных решений: предупреждения о безопасности и необратимых действиях остаются полными фразами. Для кодовых сессий — реальная экономия; для текстовой работы — вреден: там многословие и есть качество.

i-have-adhd — ★★★. Форматирование ответов: следующее действие первым, списки до пяти пунктов, оценка времени в минутах. Улучшает коммуникацию с агентом, но не инженерию — честные три звезды.

Что мы рекомендовали бы поставить

Правило простое: один основной workflow, специализированные — по одному под задачу. И помните про контекстный налог: даже неактивированный скилл добавляет в контекст как минимум свои имя и описание; полный SKILL.md подгружается только при срабатывании, но слишком большая коллекция всё равно усложняет маршрутизацию и расходует контекст. Поэтому «поставить всё сразу» — худший из вариантов.

Сводная таблица оценок

Вывод

Скиллы — это перенос экспертизы в форму, которую агент применяет сам, без напоминаний. Разница между наборами — не в качестве текстов, а в фокусировке: workflow, специальность или стиль. Начните с одного ядра вроде addyosmani, погоняйте на реальных задачах пару недель и добавляйте следующее только тогда, когда почувствуете конкретную дыру. Так же, собственно, мы и пришли к своему набору — и агентная среда, в которой он живёт, от этого только выиграла.