SSD Nodes Learn Hosting plans →
मार्गदर्शक Matt Connorद्वारे Matt Connor · अपडेटेड 2026-11-14

Agent skills म्हणजे नेमके काय?

Agent skill हा SKILL.md असलेला folder आहे. गरज असेल तेव्हाच instructions load होतात. त्यामुळे giant prompt पेक्षा तो कसा वेगळा आणि MCPपेक्षा कसा भिन्न?

एजंट skill म्हणजे नेमके काय

एजंट skill म्हणजे डिस्कवरील एक folder आहे. त्यामध्ये SKILL.md नावाची file असते. या file मध्ये name, थोडक्यात description आणि साध्या markdown मध्ये लिहिलेल्या instructions असतात. एजंट startup वेळी description load करतो. तुमची request त्या description शी जुळली किंवा तुम्ही skill चे name वापरून ते invoke केले, तरच तो instructions वाचतो. Skills संदर्भातील जवळजवळ सर्व बाबी या दोन वाक्यांवर आधारित आहेत.

या folder मध्ये एका file पेक्षा अधिक files असू शकतात. Agent Skills specification मध्ये तीन optional directories नमूद आहेत: एजंट चालवतो तो code ठेवण्यासाठी scripts/, गरज पडल्यावर एजंट वाचतो ती documents ठेवण्यासाठी references/ आणि templates व data ठेवण्यासाठी assets/. यापैकी कोणतीही directory आवश्यक नाही. SKILL.md शिवाय काहीही नसलेले folder देखील पूर्ण skill असते.

restore-drill/
  SKILL.md
  references/retention-policy.md
  scripts/verify_snapshot.sh

Description हा भाग लोक अनेकदा कमी महत्त्वाचा समजतात. Skill उघडायचे की नाही हे ठरवण्यापूर्वी एजंटला दिसणारा तो एकमेव मजकूर असतो. त्यामुळे skill काय करते आणि ते कधी वापरायचे हे एखादी व्यक्ती प्रत्यक्षात type करेल अशा शब्दांत त्यात स्पष्टपणे सांगितले पाहिजे.

एखादे कौशल्य वापरेपर्यंत त्यासाठी जवळजवळ कोणताही खर्च का होत नाही

हा असा मुद्दा आहे की ज्यामुळे हे स्वरूप समजून घेणे उपयुक्त ठरते. हा मुद्दा features बद्दल नसून context बद्दल आहे. Loading टप्प्याटप्प्याने होते. Specification मध्ये याला progressive disclosure म्हटले आहे.

Startup वेळी agent प्रत्येक installed skill चे name आणि description एवढेच load करतो. Agent Skills specification नुसार, October 2026 पर्यंतच्या प्रकाशित मार्गदर्शनात, यासाठी प्रत्येक skill मागे साधारण 100 tokens लागतात. डझनभर skills install केल्यास एका मोठ्या परिच्छेदाइतका context वापरला जातो.

एखादी request description शी जुळल्यास agent त्या एकाच SKILL.md चा body वाचतो. Specification मध्ये body 5,000 tokens पेक्षा कमी आणि file 500 lines पेक्षा कमी ठेवण्याची शिफारस आहे. references/ आणि scripts/ मधील files यावेळी कोणताही खर्च निर्माण करत नाहीत. Instructions ने agent ला एखाद्या reference file कडे पाठवले तरच ती file load होते. Bundled script वेगळी असते. Agent ती shell मार्फत run करतो. त्यामुळे script चा source context window मध्ये येत नाही; फक्त त्याचे output येते.

आता याची तुलना लोक सर्वप्रथम वापरतात त्या उपायाशी करा: एक प्रचंड prompt. System prompt किंवा नेहमी सक्रिय असलेल्या instructions file मधील प्रत्येक line प्रत्येक request वेळी आणि प्रत्येक session मध्ये मोजली जाते. Task ला तिची गरज असो वा नसो, ती actual question शी लक्षासाठी स्पर्धा करते. Standing instructions मध्ये 10,000 tokens असतील, तर फक्त सध्याची वेळ विचारण्यासाठीही तो खर्च करावा लागतो. डझनभर skills activation पूर्वी सुमारे 1,200 tokens घेतात. मात्र loaded instructions त्याच conversation मधील पुढील tasks साठी context मध्ये राहू शकतात. Skills वापरण्याचा मुख्य आधार हाच आहे. म्हणून मोठ्या prompt पेक्षा छोटी library अधिक उपयुक्त ठरते.

एक महत्त्वाची बाब अनेकांच्या लक्षात येत नाही. Claude Code मध्ये एखादे skill load झाल्यानंतर त्याचा body पुढील turns मध्येही conversation मध्ये राहतो. त्यामुळे मोठा SKILL.md हा एकदाच होणारा खर्च नसून वारंवार होणारा खर्च असतो. Compaction मुळे loaded skill content कमी केले जाऊ शकते किंवा काढून टाकले जाऊ शकते. तपशील references/ मध्ये हलवणे ही केवळ नीटनेटकेपणा राखण्याची बाब नाही. ही यंत्रणा ज्या पद्धतीने design केली आहे त्याच पद्धतीने ती कार्य करण्याचा हा भाग आहे.

Agent skill हा tool call नाही

Tool, ज्याला function call असेही म्हणतात, ही model invoke करू शकणारी गोष्ट आहे. Harness model ला name, description आणि arguments ची रचना असलेला schema पाठवते. Model call तयार करते, तुमचा code तो चालवतो आणि result message म्हणून परत येतो. Tools प्रत्यक्ष काम करतात. या देवाणघेवाणीचे दोन्ही भाग model भोवती loop चालवणाऱ्या program म्हणजे harness याच्या नियंत्रणाखाली असतात. Startup वेळी तुमची skill descriptions वाचून कोणती skill उघडायची हेही harness ठरवते.

Skill स्वतःहून काहीही execute करत नाही. Agent ती वाचतो आणि त्याच्याकडे आधीपासून असलेल्या tools वापरून कृती करतो. Skill invoke केल्यावर Claude Code arguments स्वीकारते आणि $ARGUMENTS सारख्या placeholders द्वारे ते आपल्या instructions मध्ये समाविष्ट करते. कोणते tools वापरायचे, कोणत्या क्रमाने वापरायचे आणि त्यानंतर काय तपासायचे हे model ला सांगणे एवढेच skill चे कार्य असते. दुसऱ्या agent कडे काम सोपवणे हे याचे स्पष्ट उदाहरण आहे: एका Claude Code session मधून दुसऱ्या session ला आधीपासून message पाठवता येतो, आणि हे केव्हा उपयुक्त आहे तसेच काय पाठवायचे हे skill मध्ये लिहिता येते.

थोडक्यात, tool agent ला नवीन क्षमता देते, तर skill मुख्यतः त्याच्याकडे आधीपासून असलेल्या क्षमतांचा वापर कसा करायचा याबद्दल निर्णयक्षमता देते. Skill एखादी क्षमता जोडत असेल, तर ती bundled script द्वारे जोडते आणि agent ती script त्याच्याकडे असलेल्या shell मधून चालवतो. प्रत्येक वेळी अचूक आणि validated result निर्माण करणे आवश्यक असेल, तर tool किंवा script वापरा. एखाद्या टप्प्यावर समान विचारपद्धत सातत्याने लागू करायची असेल, तर skill वापरा. Skill मध्ये केवळ निर्णयक्षमता असू शकते आणि तरीही ती तुम्ही सर्वाधिक वापरणारी skill ठरू शकते. Ponytail coding agent ला कार्य करणारा सर्वात लहान बदल करायला प्रवृत्त करते हे याचे उदाहरण आहे: ती कोणतीही नवीन क्षमता जोडत नाही आणि agent आधीपासून असलेल्या क्षमतांचा वापर कसा करतो तेवढेच बदलते. ही निर्णयक्षमता उलट दिशेनेही लागू होऊ शकते. unlazy skill Depth Tree वापरून agent ला काम लवकर पूर्ण झाल्याचे घोषित करण्यापासून थांबवते; हेच तंत्र संयमाऐवजी सखोलतेसाठी वापरलेले आहे.

Agent skill हा MCP server नाही

MCP (model context protocol) हा agent ला बाह्य system शी जोडण्यासाठीचा protocol आहे. MCP server ही अशी process असते जी चालू राहते, त्या protocol द्वारे संवाद साधते आणि agent ला tools उपलब्ध करून देते. त्यासाठी सहसा configuration, credentials आणि local command किंवा network endpoint आवश्यक असतो. Skill ही त्यातील markdown file असलेली folder असते. त्यात process, port किंवा protocol नसतो.

Context cost मध्येही असाच फरक असतो. MCP server ने उपलब्ध करून दिलेल्या प्रत्येक tool सोबत name, description आणि argument schema असतो. हे tools सुरुवातीलाच load करणाऱ्या client मध्ये ती माहिती संपूर्ण session दरम्यान request मध्ये राहते, tool वापरले असो वा नसो. Claude Code आता default पद्धतीने असे काम करत नाही. October 2026 पासून त्याचे tool search out of the box सुरू असते. त्यामुळे session सुरू होताना फक्त tool names आणि server instructions load होतात. Claude त्यांचा शोध घेतो तेव्हा पूर्ण definitions येतात. Skill वापरात नसताना केवळ text ची एक ओळ असते.

ही दोन्ही परस्परपूरक आहेत आणि सर्वोत्तम setups मध्ये दोन्ही वापरले जातात. MCP server access उपलब्ध करून देतो. Skill procedure देते: तुमच्या टीमच्या प्रत्यक्ष workflow साठी यापैकी कोणते tools call करायचे, कोणत्या क्रमाने करायचे आणि चांगला result कसा दिसतो. तुम्ही स्वतःचे MCP server host करत असल्यास, VPS वर MCP servers चालवणे या बाजूचे वर्णन करते.

Agent skill हा system prompt किंवा AGENTS.md नसतो

दोन्ही markdown मधील सूचना आहेत, त्यामुळे हा गोंधळ होणे स्वाभाविक आहे. ते कधी लोड होतात, यामध्ये फरक आहे. startup वेळी लोड होणारा system prompt आणि project instructions नेहमी सक्रिय असतात; nested AGENTS.md आणि CLAUDE.md फाइल्स agent त्या directories मध्ये काम करताना लोड करतो. Skill मागणीनुसार सक्रिय होते. Claude Code मधील output styles नेहमी सक्रिय असण्याच्या टोकाला असतात, कारण त्यापैकी एखादी निवडल्यावर system prompt मध्येच बदल होतो. त्यामुळे session मधील प्रत्येक reply वर त्याचा परिणाम होतो, त्या reply साठी कोणताही skill वापरला गेला नसला तरी.

यासाठी एकच प्रश्न विचारा: या paragraph कडे दुर्लक्ष केल्यास, त्याच्याशी कोणताही संबंध नसलेल्या task वर ते चुकीचे ठरेल का? House style, build command आणि branch naming rule प्रत्येक task ला लागू होतात. त्यामुळे त्या नेहमी सक्रिय असलेल्या file मध्ये असाव्यात; प्रत्येक वेळी लोड होणे हाच त्यांचा उद्देश आहे. महिन्यातून दोनदा वापरली जाणारी release checklist प्रत्येक task ला लागू होत नाही. त्यामुळे ती skill मध्ये असावी. तुमच्या नेहमी सक्रिय असलेल्या file मधील एखादा section numbered procedure मध्ये विकसित झाला असेल, तर तो हलवण्याची वेळ आली आहे.

या files साठीही योग्य पद्धतीने पाळण्यासारख्या स्वतंत्र conventions आहेत. आम्ही वापरत असलेल्या दोन बाबींसाठी AGENTS.md मध्ये काय असावे आणि human file मध्ये काय असावे आणि codebase ची रचना स्पष्ट करणारा design.md पहा.

किमान skill कसा दिसतो

Claude Code मध्ये personal skills ~/.claude/skills/<name>/SKILL.md मध्ये असतात आणि त्या मशीनवरील तुमच्या सर्व प्रकल्पांना लागू होतात; मात्र Cowork किंवा cloud sessions ला लागू होत नाहीत. Project skills .claude/skills/<name>/SKILL.md मध्ये असतात आणि git मध्ये commit केल्या जातात, त्यामुळे तुमच्या टीमलाही त्या मिळतात; Claude project मधील cloud threads त्या load करत नाहीत. GitHub Copilot आणि VS Code project skills .github/skills/ आणि .agents/skills/ मधून तसेच .claude/skills/ मधूनही वाचतात. त्यातील file एकच असते.

mkdir -p ~/.claude/skills/restore-drill
---
name: restore-drill
description: Run a restic restore drill and report what was recovered. Use when the user asks to test backups, verify a restore, or check that a snapshot is readable.
---

# Restore drill

1. Run `restic snapshots` and pick the newest snapshot for the host in question.
2. Restore it into a scratch directory under `/tmp`, never over live data.
3. Compare the restored file count and total size against the snapshot summary.
4. Report the snapshot ID and anything that failed to restore.

If `restic snapshots` reports that it cannot open the config file, stop and report the full error instead of guessing the cause.

ही पूर्ण skill आहे. Directory चे नाव तुम्ही टाइप करत असलेल्या command मध्ये वापरले जाते, त्यामुळे या skill साठी ते /restore-drill आहे. Claude Code मध्ये /skills menu मध्ये install केलेल्या skills ची यादी दिसते. त्यामुळे file स्वीकारली गेली आहे का हे तपासण्याचा हा सर्वात जलद मार्ग आहे. ती या menu मध्ये दिसत नसेल, तर प्रथम नावे तपासा: file चे नाव SKILL.md असणे आवश्यक आहे. Agent Skills specification नुसार name मध्ये lowercase letters, digits आणि single hyphens असणे आवश्यक आहे आणि ते directory शी जुळले पाहिजे. तुमचा agent पुन्हा चालवू शकेल अशा procedure स्वरूपात हीच प्रक्रिया लिहिणे VPS वर scheduled restic backups साठी उपयुक्त companion ठरते, कारण backup चालू असणे आणि backup restore होणे या एकाच गोष्टी नाहीत.

Skill ऐवजी script कधी वापरावे

प्रत्येक वेळी एकच योग्य उत्तर असलेल्या कोणत्याही चरणासाठी script वापरा. Skill मध्ये फक्त तो कधी चालवायचा आणि output कसे वाचायचे हे सांगणाऱ्या काही ओळी ठेवा. यामागे दोन व्यावहारिक कारणे आहेत.

पहिले, script चा source context window मध्ये येत नाही. 300 ओळींच्या parser साठी फक्त त्याचा output context मध्ये येतो. त्याच logic चे markdown instructions म्हणून लेखन केले, तर skill load होईल तेव्हा प्रत्येक वेळी त्याची संपूर्ण लांबी context मध्ये येते.

दुसरे, script दोन वेळा समान उत्तर देतो. प्रत्येक run वेळी समान log parsing rule पुन्हा तयार करण्यास model ला सांगितल्यास, एखाद्या चुकीच्या वेळी त्याला थोडे वेगळे उत्तर मिळू शकते. दोन आकडे जुळत नाहीत तोपर्यंत ही बाब तुमच्या लक्षातही येणार नाही.

म्हणून कामाचा प्रकार पाहून त्याचे विभाजन करा. “CSV parse करा आणि total हा line items शी जुळत नसलेल्या प्रत्येक row ची नोंद print करा” हे script चे काम आहे. “script ने print केलेल्या rows पाहा आणि त्यापैकी कोणत्या data entry mistake सारख्या दिसतात ते स्पष्ट करा” हे skill instruction चे काम आहे. Judgment markdown मध्ये आणि determinism code मध्ये ठेवणे हीच तुम्ही पाहत नसतानाही agent चालवू शकेल असा loop तयार करण्याची शिस्त आहे.

माझे skill कधीच का trigger होत नाही?

कारण त्याच्या description मध्ये skill काय करते हे सांगितले आहे, पण ते कधी वापरायचे हे सांगितलेले नाही. Agent ला तुमच्या विनंतीशी जुळवायचे असते तेवढेच त्या एका ओळीत असते. "Helps with database work" हे कोणत्याही विशिष्ट गोष्टीशी जुळत नाही. "Runs a schema migration against the staging database. Use when the user asks to migrate a table, add a column, or change a schema" या वाक्यात वापरकर्ता प्रत्यक्षात टाइप करतो असे शब्द आहेत. त्यामुळे ते trigger होते.

याच्या उलट समस्या म्हणजे skill सतत trigger होणे. "Use for any code changes in this repository" सारखे description प्रत्येक गोष्टीशी जुळते. त्यामुळे body प्रत्येक task वेळी load होते आणि नंतरच्या turns मध्येही conversation मध्ये राहते. तुम्हाला अपेक्षित असलेल्या परिस्थितीपुरते description मर्यादित करा. Claude Code मध्ये frontmatter मध्ये disable-model-invocation: true सेट करता येते. यामुळे automatic loading थांबते आणि तुम्ही skill चे नाव टाइप केल्यावर ते उपलब्ध राहते.

तिसरी समस्या म्हणजे skill एखाद्या tool ची पुनरावृत्ती करते. MCP server आधीच expose करत असलेले API curl करण्याच्या सूचना agent ला देणे, किंवा harness मध्ये search tool असताना files मधून grep करण्यास सांगणे, यामुळे मार्ग धीमा होतो आणि परस्परविरोधी ठरू शकणाऱ्या सूचनांचे दोन संच तयार होतात. duplicate काढून टाका आणि त्याऐवजी अपेक्षित intent वर्णन करा.

तुमच्याकडे या तीनपैकी कोणती समस्या आहे याचा अंदाज लावू नका. Fresh session मध्ये तोच prompt दोनदा चालवा: एकदा skill उपलब्ध ठेवून आणि एकदा ते switched off करून. त्यानंतर दोन्ही answers ची तुलना करा. Fresh session महत्त्वाचे आहे. कारण skill लिहिलेल्या session मध्ये skill जे काही सांगते ते आधीच असते. त्यामुळे लिखित version मधील उणिवा दिसत नाहीत. Anthropic चे skill-creator plugin ही तुलना Claude Code मध्ये automate करते. त्यात skill ने कोणते prompts fire करावेत आणि कोणते करू नयेत हे दर्शवणारे prompts generate करणे आणि प्रत्येक प्रकार किती वेळा trigger होतो हे मोजणे यांचा समावेश आहे. Skill load होते, पण agent तरीही त्यातील सूचनांनुसार काम करत नसेल, तर समस्या description मध्ये नाही. पुढे agent ने आधीच वाचलेल्या सूचनांकडे दुर्लक्ष करण्याची कारणे तपासा.

हा एका vendor चा format आहे की standard?

Anthropic ने हा format 2025 च्या शेवटी प्रकाशित केला. त्यानंतर agentskills.io वर host केलेला open standard म्हणून तो जारी केला. October 22, 2026 रोजी Anthropic ने Agent Skills हे Linux Foundation अंतर्गत Agentic AI Foundation ला दान करण्याची घोषणा केली. October 2026 पर्यंत त्या specification मध्ये आवश्यक name आणि description fields, पर्यायी license, compatibility, metadata आणि allowed-tools fields, तीन पर्यायी directories आणि staged loading behaviour परिभाषित केले आहेत. त्यासोबत reference validator देखील दिला आहे. त्यामुळे share करण्यापूर्वी skills-ref validate ./my-skill एखाद्या folder ची specification शी पडताळणी करते.

Client ची यादी हे खरे संकेत देते. Claude Code, Cursor, OpenAI Codex, Gemini CLI, GitHub Copilot, VS Code, Goose, OpenHands आणि opencode यांसह इतर अनेक clients हाच folder वाचतात. Microsoft आपली skills याच format मध्ये github.com/microsoft/skills येथे प्रकाशित करते. तसेच Skill Recorder नावाचे desktop tool उपलब्ध करून देते. हे tool तुम्ही एखादे task एकदा करताना निरीक्षण करते, ते intent आणि क्रमाने मांडलेल्या steps म्हणून पुन्हा तयार करते आणि त्याचा skill म्हणून output लिहिते. एखादा vendor ज्याच्या output format साठी दुसऱ्याच्या specification चा वापर करतो, हे त्या format ने एका product च्या feature ची मर्यादा ओलांडल्याचे चांगले संकेत आहे.

सर्वप्रथम काय लिहावे

लायब्ररीचे नियोजन करू नका. एखाद्या चॅटमध्ये समान सूचना तिसऱ्यांदा पेस्ट करताना स्वतःला आढळेपर्यंत थांबा. त्यानंतर तो मजकूर SKILL.md मध्ये हलवा आणि पेस्ट केलेला मजकूर काढून टाका. तुम्ही प्रत्यक्ष अनुभवलेली पुनरावृत्ती हे जतन करण्यास योग्य skill साठीचे एकमेव विश्वासार्ह संकेत आहे. शोध प्रक्रिया ही सुरुवातीसाठी चांगली skill आहे. तुमच्या स्वतःच्या SearXNG instance वर आधारित search skill तिची रचना दाखवते.

दोन सवयी लायब्ररी व्यवस्थित ठेवतात. तुम्ही लिहिलेली नसलेली प्रत्येक skill install करण्यापूर्वी वाचा आणि त्यातील scripts देखील तपासा. कारण skill म्हणजे तुमचा agent अनुसरण करेल अशा सूचना आणि तो चालवू शकेल असा code असतो. अनोळखी व्यक्तीकडून software install करताना जशी काळजी घेता, तशीच काळजी येथे घ्या. तसेच credentials folderच्या बाहेर ठेवा. कारण skill ही commit आणि share केली जाणारी text file असते. तुमच्या agents पासून secrets दूर ठेवणे ही values त्याऐवजी कुठे ठेवावीत हे स्पष्ट करते. या वर्षी agents शिकण्यासाठीचा road map setupच्या इतर भागांसह skills कोणत्या क्रमाने शिकाव्यात हे दाखवतो.

FAQ

agent skill आणि MCP server यांच्यात काय फरक आहे?

MCP (model context protocol) server ही चालू असलेली process आहे. ती protocol द्वारे agent ला tools उपलब्ध करून देते. त्यामुळे तिच्यासाठी configuration आणि credentials आवश्यक असतात. Client ने tool definitions नंतर लोड करण्याची पद्धत वापरली नाही, तर त्या definitions संपूर्ण session दरम्यान context व्यापतात. Claude Code मध्ये आता ही पद्धत default आहे. agent skill हा SKILL.md file असलेला folder असतो. त्यात process किंवा protocol नसतो. Agent ने तो वाचण्याचा निर्णय घेईपर्यंत त्यासाठी सुमारे 100 tokens लागतात. Agent ला एखाद्या system चा access द्यायचा असल्यास MCP server वापरा. तो access योग्य पद्धतीने कसा वापरायचा हे सांगण्यासाठी skill वापरा. अनेक setups मध्ये दोन्ही वापरले जातात.

agent skills फक्त Claude Code सोबतच काम करतात का?

नाही. Anthropic ने हे format विकसित करून agentskills.io वर open standard म्हणून प्रसिद्ध केले. तोच folder Cursor, OpenAI Codex, Gemini CLI, GitHub Copilot, VS Code, Goose, OpenHands आणि इतर clients वाचतात. प्रत्येक client तो folder कुठे शोधतो आणि कोणते अतिरिक्त frontmatter fields समजतो, यात फरक असतो. Claude Code ~/.claude/skills/ आणि .claude/skills/ वाचतो. GitHub Copilot आणि VS Code repository मधील .github/skills/, .claude/skills/ किंवा .agents/skills/ वाचतात. SKILL.md file मात्र बदल न करता त्यांच्यामध्ये वापरता येतो.

कामाची गती कमी होण्यापूर्वी किती skills install करता येतात?

मर्यादा skills च्या संख्येपेक्षा startup budget ची आहे. प्रत्येक installed skill specification मध्ये प्रकाशित केलेल्या मार्गदर्शनानुसार त्याचे नाव आणि description, म्हणजे साधारण 100 tokens, जोडते. त्यामुळे कोणताही skill वापरण्यापूर्वी तीस skills साठी सुमारे 3,000 tokens लागतात. प्रथम speed कमी होत नाही; matching ची गुणवत्ता कमी होते. अनेक skills च्या descriptions एकमेकांशी overlap झाल्यास model ला योग्य skill निवडणे कठीण होते. एकमेकांशी overlap न करणारी descriptions लिहा आणि वापरणे थांबवलेले skills delete करा.

ही instruction skill मध्ये ठेवावी की AGENTS.md मध्ये?

ती repository मधील प्रत्येक task ला लागू होते का, हा प्रश्न विचारा. Build commands, house style आणि naming rules सर्व tasks ला लागू होतात. त्यामुळे त्या always-on file मध्ये ठेवाव्यात. ती file प्रत्येक वेळी load होणे हाच तिचा उद्देश आहे. Release checklist किंवा restore drill यांसारखी क्वचित वापरली जाणारी procedure skill मध्ये ठेवावी. Activation पूर्वी तिच्या one-line description साठीच tokens लागतात. Claude Code मध्ये skill load केल्यानंतर त्याच्या instructions पुढील turns मधील conversation मध्ये कायम राहतात. यात असंबंधित tasks चाही समावेश होतो. AGENTS.md मधील एखादा section numbered steps मध्ये वाढला असेल, तर तो सहसा हलवण्याची प्रतीक्षा करणारा skill असतो.

हा लेख उपयुक्त होता का?