मैंने Agent Skills के इर्द-गिर्द एक repo बनाया — और यह क्यों महत्वपूर्ण है
अगर आप अभी AI agents के साथ काम कर रहे हैं, तो आपने शायद वही दीवार महसूस की होगी:
आप बार-बार वही निर्देश दोहराते रहते हैं — और आपका agent फिर भी भूल जाता है।
यही वह समस्या है जिसे Agent Skills हल करने की कोशिश कर रहे हैं। इसलिए मैंने इस विचार को व्यवहार में देखने के लिए एक repo तैयार किया:
👉 github.com/andreab67/agent-skills
Agent Skills क्या हैं?
Agent Skills एक सरल लेकिन शक्तिशाली विचार हैं: किसी काम को कैसे करना है — इसे reusable निर्देशों में पैकेज करें, जिन्हें आपका AI agent ज़रूरत पड़ने पर लोड कर सके।
तकनीकी रूप से, ये बस ऐसे folders हैं जिनमें एक SKILL.md file के साथ-साथ optional scripts, templates, और reference material होते हैं। अवधारणात्मक रूप से, ये AI agents के लिए portable expertise हैं।
यह क्यों महत्वपूर्ण है
आज के ज़्यादातर AI workflows कुछ इस तरह दिखते हैं:
- Copy-paste prompts
- हर बार session शुरू करते समय context फिर से लिखना
- उम्मीद करना कि model लगातार एक जैसा व्यवहार करे
Agent Skills इस प्रवाह को उलट देते हैं:
- एक workflow एक बार define करें। निर्देश, examples, और constraints एक बार — अच्छी तरह — लिखें।
- इन्हें projects और tools में reuse करें। skill repo में रहती है, आपके clipboard में नहीं।
- इसे केवल ज़रूरत पड़ने पर load करें। context bloating नहीं — agents केवल वही skill लेते हैं जो मौजूदा task के लिए relevant हो।
यह "load-on-demand" model ही मुख्य insight है। Agents को सब कुछ पहले से नहीं चाहिए। उन्हें सही समय पर सही capability चाहिए।
यह repo किस बारे में है
agent-skills repo इस विचार को व्यवहार में समझने का मेरा तरीका है:
- Skills को इस तरह कैसे संरचित करें कि वे वास्तव में reusable हों
- एक folder में रखे verbose prompt और एक useful skill के बीच क्या अंतर है
- वास्तविक, बार-बार होने वाले tasks के लिए composable workflows कैसे बनाएँ
इसे repeated prompts को reusable systems में बदलने के लिए एक playground समझिए।
बड़ा चित्र
हम एक स्पष्ट progression से गुज़र रहे हैं:
prompts → tools → agents → skill ecosystems
Agent Skills इस stack में एक नए layer पर बैठते हैं:
- Raw prompts से अधिक structured
- System prompt में baked-in custom instructions से अधिक reusable
- पूरा custom agent खड़ा करने से अधिक lightweight
ये AI behavior के लिए micro-plugins जैसे हैं — और यह सचमुच एक उपयोगी abstraction है।
एक reality check
सभी skills बराबर नहीं होतीं। इस प्रयोग से मुझे यह समझ आया:
- Bad skills disguised verbose prompts होती हैं — लंबी, generic, scope करना मुश्किल
- Good skills साफ़, specific, और actionable होती हैं — वे task, constraints, और expected output को परिभाषित करती हैं
- Great skills वास्तव में outcomes बदल देती हैं — वे केवल निर्देश नहीं, बल्कि वास्तविक expertise को encode करती हैं
दूसरे और तीसरे के बीच अंतर specificity और real-world grounding का है। एक skill जो कहती है "write clean code" — वह skill नहीं है। एक skill जो कहती है "when refactoring a React component, check for these five specific patterns, in this order, and fix only what was asked" — वह उपयोगी है।
Yoga और Cloud Architecture से जुड़ाव
Yoga में एक सिद्धांत है: sequence, poses जितनी ही महत्वपूर्ण होती है। आप हर asana जानते हुए भी ऐसी practice बना सकते हैं जो लोगों को चोट पहुँचाए, अगर ordering और transitions गलत हों। यहाँ भी यही सच है।
Agent Skills दरअसल sequence और judgment को encode करने के बारे में हैं — सिर्फ knowledge के बारे में नहीं। क्या करना है, कब करना है, और क्या छोड़ देना है। यही उन्हें एक लंबे prompt से अलग बनाता है।
Cloud architecture में हम इसे runbook कहते हैं। insight वही है: steps को नहीं, judgment को document करें।
यह किस दिशा में जा रहा है
निकट भविष्य कुछ ऐसा है:
- Skill marketplaces जहाँ teams agent capabilities को share और version-control करें
- Composable workflows जहाँ skills complex tasks के लिए आपस में जुड़ें
- AI agents जो आपके process को सीखें, सिर्फ आपके prompts को नहीं
अगर आप agents के साथ काम कर रहे हैं, तो इसे शुरू में ही explore करना वाकई उपयोगी है। सरल शुरुआत करें: कोई ऐसा task लें जिसे आप बार-बार करते हैं, उसके लिए एक SKILL.md लिखें, और sessions में उसे reuse करें। सुधार तुरंत महसूस होगा।
repo open है और मैं contributions का स्वागत करता हूँ: