Анатомия автоматизации

Скилл - это буквально описание того, как выполнять задачу и каким правилам следовать. По дефолту агент (claude code или codex) не знает твоего процесса.

Если ты скажешь ему собрать презентацию или анимацию для видео, он сам примет решение о том, как это сделать:

Хорошо, командир дал задачу. Мне, наверное, нужно посмотреть на исходный материал, самому выбрать стиль. Так, ну пусть анимации будут, как у apple. А нужно ли накладывать звуки? Ладно, пока не буду.

И причем каждый раз, когда ты даешь задачу, результат может отличаться и принятые решения тоже.

Поэтому через скилл мы объясняем агенту как именно работу нужно выполнить.

В него мы оборачиваем каждый процесс, который:

• тратит много времени

• повторяется регулярно

• идет по примерно одной и той же последовательности действий

Свои скиллы я нарезаю по логическим единицам работы:

• вертикальные и горизонтальные анимации;

• наложение звуков;

• нарезка видео;

• субтитры;

• транскрибация Zoom-встреч;

Большинство из них живёт в проектах. У меня есть проект под видео, проект под блог, проект под консультации и так далее.

Проект — это просто папка на компьютере под конкретный тип работы.

Скиллы внутри проекта называются локальными: снаружи они недоступны.

Есть еще глобальные - они создаются в каталоге пользователя и доступны во всех его проектах.

Если ты часто разрабатываешь приложения, скилл проверки безопасности логично сделать глобальным.

А скилл для презентаций - локальным. Он будет лежать в своем проекте и не будет описанием засорять контекст там, где никогда не будет использоваться.

Из чего состоит скилл

Скилл — это папка. В ней лежит главный файл SKILL.md и сколько угодно вспомогательных файлов и папок, которые нужны по ходу работы.

SKILL.md делится на две части: шапку и тело.

Тело — это инструкции: в чём задача и как её выполнять.

В шапке — дополнительные настройки и описание. По описанию агент решает, звать ли скилл в ответ на твой промпт.

Поэтому описание должно честно говорить, что скилл делает.

Если скилл собирает презентации, а в описании сказано, что он подбирает рецепты салатов, то на просьбу сделать презентацию из вордовского документа агент до него вряд ли дойдёт.

Пример: скилл script-to-motion-h

По такой структуре у меня построен скилл горизонтальных анимаций: script-to-motion-h.

В его SKILL.md описан процесс:

1. Взять сценарий YouTube-ролика со страницы Notion.

2. Найти фрагменты с моими комментариями. Комментарий означает, что во фрагменте есть указания по визуализации.

3. Под каждый комментарий собрать отдельную Remotion-композицию: один комментарий — один b-roll.

Ещё в SKILL.md прописаны связи: из каких дополнительных файлов и папок брать информацию и в каких случаях.

• references/style-guide.md — именованные темы: палитра и шрифты.

• visual-references/<тема>/ — эталонные кадры.

• assets/<тема>/ — библиотека готовых файлов.

В папке visual-references лежат картинки того, как должна выглядеть тема: её компоненты, их внешний вид и цветовая гамма.

Стиль словами не передать, поэтому агент смотрит на эти кадры, прежде чем писать код.

Помимо автоматического вызова скила агентом у нас есть и ручной способ - через слэш. Я, например, большинство своих так и вызываю.

Тогда описания внутри, по сути, становится бесполезным, потому что тут не агент принимает решение, когда вызывать, а мы.

И нужно помнить, что все описания по дефолту загружаются в контекст сессии.

Один скилл — ничего страшного. А если их 100 — контекст может прилично забиться в самом начале диалога.

Отсюда правило - Если скилл ты вызываешь слэш-командой, нужно, чтобы на этапе создания в шапке был прописан флаг disable-model-invocation: true.

name: grill-me
description: "Продуктовый допрос по плану, фиче или идее: сценарии, логика, правила, крайние случаи. Тяжёлые инженерные решения агент берёт на себя."
disable-model-invocation: true

Но у флага есть нюанс. Если попросить агента вызвать такой скилл — скажем, «вызови скилл для продуктового допроса», — правильным путём, через Skill tool, он этого сделать не сможет.

Claude найдёт скилл и прочитает его файлы, но без Skill tool проигнорирует все настройки из шапки — например, какую модель использовать.

Скиллы можно брать готовые, создавать свои или брать готовые и допиливать под свои задачи.

Допиливать приходится часто, так как готовые скиллы сделаны либо под процессы их автора, либо максимально универсально, чтобы подходить под как можно больше случаев.

Готовые скиллы берут из GitHub-репозиториев или маркетплейсов, типа skills.sh.

На skills.sh у каждого скилла видна статистика:

• сколько скачиваний

• сколько звёзд на GitHub

• какой уровень безопасности.

Ставить скилл руками не нужно. Скинь Claude или Codex ссылку и попроси установить его локально или глобально — дальше он справится сам.

Но скилл может буквально выполнять код у тебя на компьютере.

Непроверенный инструмент из интернета способен слить твои персональные данные или сломать систему, если ты дашь ему на это права.

Поэтому если скилл малоизвестный, а нужен тебе позарез, хотя бы попроси Claude его проанализировать и сказать, насколько он безопасен.

Следующий полезный инструмент - это MCP. Для чего он нужен?

Например, ты хочешь задать ИИ-агенту вопрос - какую выручку магазин сделал за сентябрь? У агента изначально нет доступа к твоей CRM системе и данных взять не от куда. Вот тут и помогает MCP.

Это программная прослойка, которая берёт API чужого сервиса и раскладывает его на понятные агенту команды:

• получить статистику по продажам

• создать новый заказ

• добавить поставщика и так далее.

У меня на MCP, например, держится монтаж и автопубликация видео. Агент подключается к видео редактору, нарезает видео, накладывает анимации.

Когда я хочу опубликовать его, то придумывает описание и публикует на ютуб через mcp моего сервиса, который помогает с контентом.

Главное про MCP - он строится поверх API

Нет у сервиса API — не будет и MCP, писать будет не над чем.

API - это публичные функции, которые позволяют выполнять какую-то работу в стороннем приложении.

Например, notion (мощное приложение для заметок и создания базы знаний) через свое api позволяет открывать страницы, читать их, создавать новые.

Эти фишки позволяют агентам, например, быстро получать доступ ко всей информации, которую ты в Notion держишь.

Браузер chrome позволяет открывать сайты, кликать на кнопки, вводить текст, читать страницы, переключаться между вкладками и получать данные.

Теперь про субагентов. Это, по сути, отдельные сессии клода, которые могут запускаться пачкой из основной, параллельно выполнять работу и не засорять главный диалог информацией.

Очень полезны бывают для того, чтобы распараллелить задачи и не ждать, пока предыдущая работа закончится.

Если говорить о создании анимаций, то зачем делать это последовательно?

Клод может на каждую анимацию создать своего субагента, дать ему всю необходимую информацию и запустить процесс.

У тебя 5 анимаций будут готовы за 10 минут, а не за 50.

Но у субагентов есть цена:

• они тратят много токенов (от 3 до 10 раз больше, сравнивая с выполнением в основной сессии), поэтому нужно оценивать, оправдано ли использование.

• много агентов могут убить твою систему, если внутри выполняется нагруженная логика. Поэтому лучше сразу ставить ограничения и запускать субагентов пачками по несколько штук - зависит от мощности системы.

Я обычно специализированных субагентов не создаю. Если какую-то работу нужно распараллелить, я это требование указываю в скиле.

Например:

Каждую отдельную анимацию создавай в специально отведенном субагенте, у которого будет весь необходимый контекст о работе, которую нужно выполнить.

Так у нас Claude сам создаст своих дефолтных и в них передаст всё, что нужно. Обратно в основную сессию они вернут только отчет о выполненной работе.

Хороший пример - это анализ конкурентов. У меня есть скилл, который собирает по конкурентам ключевую информацию:

• какую основную боль решает приложение

• какие цены

• что включает каждый из тарифов

• какая основная ЦА и выручка

Опять же странно делать эту работу последовательно, потому что нам для следующего конкурента не нужно знать результат анализа предыдущего.

Мы просто можем вызвать скилл /add-competitor и в нем прописать что, анализ нужно выполнять в выделенном субагенте на каждого конкурента.

По итогу у нас сразу запускается пачка из нескольких субагентов и каждый изнутри проводит полный анализ конкретного конкурента.

Как видим, скиллы, MCP и субагенты закрывают три разные проблемы. И настоящая сила раскрывается, когда мы эти инструменты собираем вместе.

У меня есть скилл, который делает анимации к ютуб-видео. На входе ему дается ссылка на страницу Notion со сценарием.

/script-to-motion-h <https://app.notion.com/p/***н>

Куски текста, под которые нужна анимация, я помечаю комментариями: пишу, что должно быть в кадре, и прикладываю картинки-референсы.

На выходе получаю готовую структуру в видео-редакторе, где каждая анимация стоит на своем месте. В большом ролике таких сцен может быть больше 70.

Скилл — мозг и роадмап

Скилл является руководителем, который рассказывает агенту, как выполнять задачу - по каким шагам идти, какие файлы читать и инструменты использовать.

Со скиллом все эти решения приняты один раз и записаны:

• какой комментарий берём в работу, а какой пропускаем;

• откуда берётся длительность и откуда её брать нельзя;

• палитра, шрифты, размеры заголовков и подписей, безопасные поля кадра;

MCP — руки

Без MCP агент не видит ни Notion, ни монтажку — у него туда нет доступа.

Он работает только с тем, что лежит на диске и что попало к нему в чат.

Значит, чтение комментариев, раскладка картинок, снятие таймингов будет невыполнимо. С MCP агент забирает исходники сам.

Notion — забрать сценарий.

Агент снимает со страницы все комментарии, скачивает вложенные картинки на диск и понимает, на каком куске фразы висит каждый бриф.

DaVinci — померить речь.

Монтажка отдаёт структуру таймлайна: где начинается и кончается клип с каждой репликой. Отсюда берётся длительность анимации.

Сцена выходит из рендера ровно нужной длины, подгонять на таймлайне нечего.

Субагенты — скорость работы

В скилле параллелится сама сборка: одна анимация — один субагент. Волнами до 18 штук.

Дальше главная проблема параллели: субагент видит только свою сцену.

Дай ему задачу «сделать анимацию» и получишь 18 разных дизайнов.

Поэтому скилл кладёт в промпт каждому всё, что решено заранее: имя папки, измеренную длительность, описание сцены из утверждённой раскадровки, дословный текст комментария, путь к теме серии.

Поэтому 74 сцены, собранные независимо и почти одновременно, выглядят одной серией. А после каждой волны главный агент прогоняет проверку на весь проект и выборочно смотрит файлы — каждый видел только свой кусок.

Сам процесс будет построен в большей мере вокруг готового пайплайна из инструментов:

• Один будет отвечать за сбор информации (grill-me)

• Другой за составление ТЗ (to-spec)

• Третий за дробление ТЗ на задачи (to-tasks)

• Четвертый за реализацию (implement)

Это набор скиллов Мэта Покока. Его процесс один из самых популярных - на уровне с superpowers и gstack.

Но перед тем, как перейдем к разработке, нужно вообще выяснить, а под какие задачи скиллы правильно создавать.

Дальше нужно понять, а нужен ли мне вообще скил под определенный процесс.

Тут все довольно просто:

У тебя должна быть регулярная задача, которую ты выполняешь по примерно одной и той же последовательности действий и есть ожидаемый результат на выходе.

Давайте объясню паттерн на скилле script-to-motion-v, который отвечает за создание вертикальных анимаций.

• Я каждый день делаю видео - довольно регулярно.

• Я прошу клод зайти на страницу в notion, найти таблицу для видео и сделать анимации на каждую реплику по плану - процесс тоже понятный.

• В итоге я ожидаю готовый набор с графикой - результат предсказуемый.

Сборку нужно начинать с хорошего понимания того, как процесс выполнять вручную. Потому что мы всегда следуем правилам и какой-то последовательности действий.

Например если мы делаем презентации, то мы можем руководствоваться правилом не добавлять слишком много текста и опираться на визуализации.

Также у нас может быть какой-то стиль, на который мы ориентируемся.

И когда мы собираем свой скилл, нужно понимать как можно больше деталей о работе, а для этого нам нужно самостоятельно уметь приходить к хорошему результату.

Например у меня есть скилл, с помощью которого я к своим урокам делаю вот такие диаграммы по сценарию. У всех них есть общий стиль и правила.

• Слайд — это опора для рассказа.

• Скриншоты из ноушина переносятся на диаграммы.

• Промпт вставляется как картинка.

• Между слайдами нет пустых мест и т.д.

И все эти детали нужно учитывать и проговаривать, иначе агент просто примет свое решение, которое, мб и не будет отражать то, что мы задумали.

Нам нужно заставить агента с нами разговаривать, чтобы он задавал много по всему, что ему неясно и, где нет однозначного решения. Специально для этого есть режим планирования.

В этом режиме агент сразу код не пишет. Он анализирует наши требования, смотрит, что уже сделано, продумывает решение и ждет нашего одобрения.

Но есть проблема - в стандартном режим планирования клод задает мало вопросов. Он стремится закрыть основные дыры и при этом значительную часть решений принимает сам.

Мы будем использовать планирование на максимальках через скил grill-me.

Он вытягивает из нас все, что мы не сказали и то, о чем может и не думали.

Также важно, что для задач, которые касаются составления плана и исследований, лучше ставить мощные модели например Opus. Для реализации можно будет использовать sonnet.

Дальше вызываем grill-me и описываем задачу. Стараемся сразу заложит как можно больше деталей, чтобы количество вопросов свести к минимуму:

/grill-me мне нужно создать скилл, который будет чистить исходное видео от дублей, пауз и других дефектов.

И тут у агента появляется множество разных вопросов:

• Фраза сказана пять раз — брать первый дубль или последний? А если, например, в последнем запнулся - что делать?

• Забракованное удалять или складывать отдельно?

• Запись разошлась со сценарием — резать по сценарию или оставлять как сказано?

• Резать внутри редактора или отдельным инструментом?

Эти вопросы агент мог мне вообще не задать. Он бы решил сам:

• оставил первый дубль

• удалил брак навсегда

• оставлял реплики, которые не прописаны в сценарии

Ну если у вас уже голова кругом идет от вопросов и не хочется дальше продолжать на них отвечать, можно сказать агенту:

Дальнейшее решение принять самостоятельно

Он нам в конце на ревью отдаст свои ответы и можно будет на этом этапе его подправить.

И прям сильно проще на вопросы отвечать голосом, потому что писать текст вручную уж очень сильно утомляет.

Поэтому советую, если у кого еще нет, сразу себе скачать приложение для перевода речи в текст. Я использую WisprFlow.

Сразу на этапе допроса лучше явно указать, что для сборки скила нужно использовать Skill-creator.

Skill-creator - это официальный скилл от Anthropic, внутри которого прописаны правила и паттерны, по которым нужно создавать другие скиллы.

Например, что в файле SKILL.md должно быть не больше 500 строк и, что при бОльших объемах нужно создавать вспомогательные файлы и в SKILL.md добавлять на них ссылки.

Без этого клод туда спокойно запишет 3000 строк и подвоха не почувствует.

Поэтому доработанный промпт будет выглядеть примерно так - просто добавляем хвост с явным триггером:

/grill-me мне нужно создать скилл, который будет чистить исходное видео от дублей, пауз и других дефектов. Сборка должна произойти по правилам skill-creator

Еще может случиться так, что в процессе гриллинга забьется слишком много контекста.

Если забито 40%, а у агента еще есть вопросы, дальнейший анализ будет не таким хорошим, как в самом начале, потому что закончилась эффективная зона.

А нам после допроса ещё спеку собирать — и тут нужно, чтобы агент мыслил здраво.

Вообще такая ситуация часто проблема. Значит, что либо была задана слишком большая задача, либо даны плохие ответы и агенту приходилось переспрашивать.

Но если уже не хочется после этой сессии начинать заново, можно использовать еще один скилл Покока - называется handoff.

Он используется для того чтобы незаконченную работу в текущем чате продолжить в следующем.

Он буквально делает перенос памяти, чтобы в новой сессии заново не объяснять, над чем мы работали и до чего дошли.

Мы вызываем команду и описываем, что будем делать в новой сессии:

/handoff продолжим отвечать на вопросы агента по реализации запрашиваемого функционала

Агент создает временный файл, который мы читаем в новом чате и продолжаем отвечать на вопросы.

Итак, после того, как мы на вопросы ответили, есть два варианта, как действовать.

• Если скилл начально был простой и у нас еще в первой сессии было забито меньше 20% контексте, мы можем сразу сказать агенту написать его.

• Если забито больше, либо задача трудная, лучше сохранить в отдельный файл информацию о том, над чем мы работали и какие решения приняли.

Для этого у Покока есть скилл to-spec.

Этот скилл мы должны вызывать в той же сессии, где у нас происходил грилинг.

Он в отдельный файл собирает из текущей сессии всю важную информацию, которая относится к задаче и фиксирует ее в файле спецификации.

Что этот файл будет содержать:

• Задачу целиком — что за проблема и что должно получиться

• Все решения, которые мы приняли на допросе.

• Что считается готовым результатом — проверяемые пункты, по которым потом можно сказать «скилл отработал правильно».

По сути это слепок нашего разговора, очищенный от воды и приведенный к формату, по которому можно будет полностью выполнить реализацию и ее проверить.

Далее мы создаем новый чат — и вместо того, чтобы пересказывать задачу заново, просто место вызываем еще один скилл Покока - implement и указываем название спеки:

/implement video-cleanup

Он сам находит нужный файл, читает его целиком и заходит в реализацию: задача, наши правила и все принятые решения у него уже есть.

После того, как скил реализован, нужно провести его тестирование. Лучший способ это сделать - прогнать на реальной задаче.

Потому что не так важно, что прописано внутри. Важно, как быстро и на сколько качественно выполняется работа.

Сразу дай боевую задачу и смотри, как справится.

Обращай внимание не только на результат, но и на затраченное время.

Если времени тратится на задачу слишком много, спроси у клода, можно ли что-то в ней распараллелить или оптимизировать.

Поэтому во время прогона держи в голове три вопроса:

• получился ли тот результат, который я представлял;

• где агент топтался, переспрашивал или делал лишние шаги;

• стало ли быстрее, чем руками.

Сейчас давайте посмотрим, как лучше собирать более сложные системы, которые состоят из нескольких частей.

Возьмём задачу, которая встречается у большинства людей, которые что-то продают.

У тебя есть Telegram-бот, через который люди оставляют заявки.

Человек переходит по ссылке — из блога, ролика или сторис, — бот проводит их по нескольким экранам и в конце просит оставить контакт.

Важно для таких систем отсматривать статистику: с какого источника человек пришел, какие его контакты, до какого этапа в воронке он дошел.

Для этого обычно делается веб-дашборд.

Фунционал довольно крупный и многослойный: сам бот, база, куда падают заявки, веб-страница со статистикой.

В рамках одной сессии тут вряд ли получится нормально справиться. И вот тут схема будет немного другой

допрос → спека → задачи → реализация

Зачем нужны задачи

Чего в спеке нет — это маршрута. В ней не написано, что в какой последовательности делать, нет статуса задачи.

Для маленькой задачи, где всё делается в одной сессии, этого хватает. Для большой — уже нет. Здесь подключается to-tasks

Он берёт готовую спеку и раскладывает её в путь: последовательность задач, каждая из которых — чекпоинт.

К каждой задаче написаны категории приемки (то есть как понять, что она выполнена) и ее статус (не начата, в работе, готово).

И на больших задачах это полезно.

Например, если реализация выходит за рамки сессии, ты просто открываешь новый чат, пишешь /implement и название спеки — работа продолжается.

Так большая автоматизация собирается за несколько заходов, и результат каждого шага зафиксирован.

Как мы увидели на предыдущем примере, некоторые системы могут собираться вместе с веб-интерфейсом для удобства работы.

Это хорошо подходит для отображения статистики и выполнения работы, где недостаточно просто команд и терминала.

В моем случае веб-обвязка пригодилась дважды.

Первый кейс - это мой внутренний инструмент для создания постов в телеграмм.

Через него я могу просматривать посты других каналов и находить идеи.

Также я собрал удобный редактор, где я могу собирать посты любого формата, проверять их на грамматику, советоваться со внутренним ИИ-ассистентом и настраивать автопубликацию в каналы.

Можно без проблем под эти задачи собрать скиллы, но у них не будет интерфейса, поэтому работа может быть не так удобна.

Второй кейс - внутренний сервис для аналитики коротких видео.

Я также могу в удобном интерфейсе просматривать конкурентов и очень удобно собирать нужные видео в группы и дальнейшую работу передавать агенту.

Для каждой группы видео есть такая штука, называется - ссылка для агента.

По этой ссылке сервис отдает для каждого видео всю информацию: описание, транскрибацию, и ссылку на источник.

Дальше я в Клоде вызываю скил, передаю ему эту ссылку и он собирает уникальные сценарии по каждому видео группы.

/transcript-to-notion https://hit-vid.ru/api/reels/export-batch...

И вот, когда ты пишешь под автоматизации дополнительные программы, хорошо в систему ложатся собственные MCP-сервера.

Вернёмся к сервису для работы с короткими видео. У него есть API — значит, есть из чего собрать MCP.

А когда MCP написан, агент умеет то же, что я делаю в интерфейсе - собрать группу роликов

Листаю ленту и вижу видео, которое хорошо зашло.

Раньше, чтобы забрать его к себе, нужно было открыть приложение через телефон либо ноутбук и добавить ролик руками. На ходу это делать неудобно.

Теперь я просто копирую ссылки на видео, скидываю их Клоду через телефон и говорю:

Собери из этих ссылок новую группу.

Агент через MCP создаёт группу в сервисе, закидывает в нее все видео и сразу пачку транскрибирует. Я в этот момент могу быть хоть в автобусе ехать.

На последок хочу показать еще один интересный тип автоматизаций - событийные. Примеров может быть масса:

• клиент оставил заявку на ваши услуги, ее надо обработать

• прошла оплата за продукт, человеку нужно скинуть чек

• пришёл отзыв с низкой оценкой, его нужно проанализировать

• заказчик прислал договор на согласование, его нужно вычитать

Как это может работать:

• Есть сервер, который всегда включён и доступен из интернета.

• На нём ты держишь свою маленькую программку, которая ждет входящие сообщения.

• Когда связь установлена: платёжка, телеграм бот или другой источник могут присылать события. Например, о том что пришла оплата.

• А если сервис ничего не шлёт, например, ты просто следишь за ценами конкурента - программа сама раз в час ходит и проверяет, изменилось ли что-нибудь.

• Дальше поднимается клод в headless-режиме, когда ему, по сути, не нужен человек для работы. Он получает промпт с задачей и уходит её делать.

• В конце результат он может положить к тебе в админку и прислать сообщение в бот, что все готово.

Пример: сборка статьи из ролика

Покажу на автоматизации, которую я себе собрал под блог.

Задача в том, чтобы для каждого видео, которое я выпускаю на ютуб, у меня собиралась статья в блоге.

Так человеку удобнее работать с материалом, статьи приводят людей на сайт через СЕО и делают меня заметным для ИИ-моделей.

Вот как это работает:

Ролик замечается сам.

Раз в неделю программа обходит публичную ленту моего канала и ищет новые ролики длиннее трёх минут — шортсы в эту воронку не попадают.

Бот спрашивает.

Приходит одно сообщение: название ролика, ссылка, предполагаемая страница сценария в Notion и кнопки «Да» / «Не надо».

После «Да» собирается материал.

Из ролика собирается транскрибация.

Дальше поднимается Клод.

Поднимается claude code на моей подписке в headless режиме. Материал ложится внутрь проекта blog на сервере, там же лежит скил, который умеет писать статью.

Статью записывает не сама программа.

Клод зовёт MCP-сервер моего блога, и статья ложится туда черновиком. С нужным форматированием и разметкой.

Отбивка в Telegram: заголовок, ссылка на предпросмотр и кнопка «Опубликовать».

• Мэт Покок — набор скиллов grill-me, to-spec, to-tasks, implement и handoff

• Anthropic — skill-creator, официальный скилл для создания скиллов

• skills.sh — каталог готовых скиллов

• Wispr Flow — перевод речи в текст

• Remotion — композиции для анимаций

• Blackmagic Design — DaVinci Resolve