Обычная проблема: AI-агенты быстро пишут код, но часто пропускают самое важное. Спецификацию, тесты, проверку безопасности и нормальный ревью. Новый проект Agent Skills закрывает это через 22 готовых навыка и 7 команд, которые ведут работу от идеи до релиза.
Проще говоря, это попытка превратить «быстрый автопилот» в дисциплинированного инженера. Не магией, а строгим процессом.
Что реально изменилось: AI теперь ведут по этапам, а не по вдохновению
Вместо хаотичных запросов появился четкий маршрут: Define → Plan → Build → Verify → Review → Ship. Это шесть этапов, как в зрелой продуктовой команде. У каждого этапа есть своя команда: /spec, /plan, /build, /test, /review, /ship.
Главная идея простая: сначала договориться, что делаем, потом писать код. Если коротко, spec before code (сначала спецификация, потом код) вшит прямо в поведение агента.
- /spec — формирует PRD (документ требований к продукту).
- /plan — дробит задачу на маленькие проверяемые шаги.
- /build — делает изменения по кускам, а не одним рисковым коммитом.
- /test — доказывает работоспособность тестами, а не словами.
- /review — включает контроль качества перед слиянием.
- /code-simplify — упрощает код без потери поведения.
- /ship — готовит безопасный вывод в прод.
Это полезно даже тем, кто не программист. Предприниматель получает меньше «сюрпризов» в релизе. Маркетолог получает фичи вовремя. Разработчик меньше тушит пожары ночью.
Почему это важно бизнесу: скорость без качества больше не проходит
AI-агенты обычно идут кратчайшим путем. Кратчайший путь часто значит: «потом допишем тесты», «безопасность позже», «и так сойдет». Agent Skills прямо борется с этой привычкой.
Внутри навыков есть анти-отговорки. Например, агент не должен принимать «кажется, работает» как доказательство. Нужны артефакты: тесты, логи, сборка, runtime data (данные из реального выполнения).
Именно это меняет экономику разработки. Брак на раннем этапе дешевле исправить в 10 раз, чем после релиза. Это старая истина, но теперь ее пытаются автоматизировать для AI.
- Verification (проверка доказательствами) — обязательный финал каждого навыка.
- Quality gates (контрольные ворота качества) — перед merge (слиянием кода).
- Security and hardening (безопасность и усиление защиты) — встроено в цикл.
- Performance optimization (оптимизация производительности) — через измерения, не догадки.
Что внутри: не один промпт, а целая «операционная система» для AI-кодинга
В паке 22 skills (навыка): 21 по жизненному циклу и 1 мета-навык. Мета-навык подсказывает, какой workflow (рабочий процесс) включать под задачу.
Есть и роли для точечной проверки: code-reviewer, test-engineer, security-auditor. Это удобно, когда нужен взгляд «как у профильного специалиста», а не универсальный ответ.
- Define: idea-refine, spec-driven-development.
- Plan: planning-and-task-breakdown.
- Build: incremental-implementation, test-driven-development, api-and-interface-design и другие.
- Verify: browser-testing-with-devtools, debugging-and-error-recovery.
- Review: code-review-and-quality, security-and-hardening, performance-optimization.
- Ship: git-workflow-and-versioning, ci-cd-and-automation, shipping-and-launch.
Важная деталь: навыки подключаются автоматически по контексту. Делаешь интерфейс, включается frontend-ui-engineering. Проектируешь API, включается api-and-interface-design.
Как применить прямо сейчас: 3 сценария для занятых команд
Если у вас уже есть AI в разработке, вход пороговый. Репозиторий ставится в Claude Code, Gemini CLI, Cursor, Copilot и другие среды. Навыки обычные Markdown-файлы, поэтому они переносимы.
1) Малый бизнес, один разработчик
- Запускаете /spec перед любой новой фичей.
- Дальше /plan и /build маленькими кусками.
- Перед публикацией всегда /test и /review.
Результат: меньше поломок в проде и меньше откатов.
2) Продуктовая команда 3-10 человек
- Фиксируете единый workflow (рабочий процесс) для всех.
- Подключаете security-and-hardening на критичные задачи.
- Делаете /ship только после quality gates (контрольных ворот качества).
Результат: предсказуемые релизы и меньше споров «почему это вообще уехало в прод».
3) Аутсорс и агентства
- Стандартизируете качество между разными проектами.
- Используете checklists (чек-листы) как SLA (гарантии уровня сервиса).
- Сокращаете время на приемку и исправления.
Результат: выше маржа, потому что меньше неоплачиваемой доработки.
Где подвох и на что смотреть трезво
Это не «кнопка идеального кода». Навыки улучшают процесс, но не заменяют опыт команды. Если требования слабые, результат тоже будет слабым.
Еще один риск, дисциплина может показаться медленной на старте. Но это та самая «медленнее сегодня, быстрее завтра». Обычно экономия проявляется после 2-3 релизов.
Сильная сторона проекта, он открытый и расширяемый. Можно адаптировать навыки под свой стек, регуляторные требования и уровень риска.
Куда это всё движется
Рынок AI-разработки взрослеет. Побеждает не тот, у кого агент «пишет быстрее», а тот, у кого агент ошибается реже. Agent Skills подталкивает индустрию к новой норме: AI как исполнитель, а процесс как страховка от дорогих ошибок.
И это, вероятно, главный сдвиг 2025 года. Мы переходим от «вау, он сгенерировал код» к «докажи, что это безопасно, проверяемо и готово к деньгам».
Ссылка на проект: https://github.com/addyosmani/agent-skills