ایجنٹ skills اصل میں کیا ہوتے ہیں؟
ایجنٹ skill ڈسک پر ایک folder اور SKILL.md file ہے؛ اس کی instructions صرف ضرورت پر load ہوتی ہیں۔ جانیں کہ یہ giant prompt سے بہتر کیوں ہے اور MCP سے کیسے مختلف ہے۔
ایجنٹ skill اصل میں کیا ہوتا ہے
ایجنٹ skill ڈسک پر موجود ایک folder ہوتا ہے جس کے اندر SKILL.md نامی file ہوتی ہے۔ اس file میں name، مختصر description اور سادہ markdown میں لکھی گئی instructions شامل ہوتی ہیں۔ ایجنٹ startup کے وقت description load کرتا ہے، اور instructions صرف اسی وقت پڑھتا ہے جب آپ کی request اس description سے match کرے یا آپ skill کو اس کے name سے invoke کریں۔ skills کے بارے میں تقریباً باقی تمام باتیں انہی دو جملوں سے اخذ ہوتی ہیں۔
folder میں اس ایک file سے زیادہ مواد بھی ہو سکتا ہے۔ Agent Skills specification میں تین optional directories بیان کی گئی ہیں: scripts/ اس code کے لیے جسے ایجنٹ چلاتا ہے، references/ ان documents کے لیے جنہیں ایجنٹ ضرورت کے وقت پڑھتا ہے، اور assets/ templates اور data کے لیے۔ ان میں سے کوئی بھی required نہیں ہے۔ ایسا folder جس میں صرف SKILL.md ہو، مکمل skill ہوتا ہے۔
restore-drill/
SKILL.md
references/retention-policy.md
scripts/verify_snapshot.shdescription وہ حصہ ہے جس کی اہمیت کو لوگ کم سمجھتے ہیں۔ ایجنٹ یہ واحد text skill کو کھولنے یا نہ کھولنے کا فیصلہ کرنے سے پہلے دیکھتا ہے۔ اس لیے description میں واضح ہونا چاہیے کہ skill کیا کرتا ہے اور اسے کب استعمال کرنا ہے، اور یہ بات ان الفاظ میں لکھی ہونی چاہیے جو کوئی شخص حقیقت میں type کرے گا۔
مہارت استعمال ہونے تک اس کی لاگت تقریباً نہ ہونے کے برابر کیوں رہتی ہے
یہی وہ دلیل ہے جو اس فارمیٹ کو سمجھنے کے قابل بناتی ہے، اور اس کا تعلق features سے نہیں بلکہ context سے ہے۔ لوڈنگ مرحلہ وار ہوتی ہے، جسے specification progressive disclosure کہتی ہے۔
آغاز کے وقت agent ہر installed skill کا صرف name اور description لوڈ کرتا ہے، اس کے علاوہ کچھ نہیں۔ Agent Skills specification کے مطابق، اکتوبر 2026 تک شائع شدہ رہنمائی میں، یہ تقریباً فی skill 100 tokens بنتے ہیں۔ اگر آپ ایک درجن skills install کریں تو خرچ تقریباً ایک طویل پیراگراف کے context کے برابر ہوگا۔
جب کوئی request کسی description سے match ہو، تو agent صرف اسی SKILL.md کا body پڑھتا ہے۔ specification body کو 5,000 tokens سے کم اور file کو 500 lines سے کم رکھنے کی سفارش کرتی ہے۔ اس مرحلے پر references/ اور scripts/ میں موجود files کی کوئی لاگت نہیں ہوتی۔ reference file صرف اسی وقت لوڈ ہوتی ہے جب instructions agent کو اس کی طرف بھیجیں۔ bundled script اس سے بھی مختلف ہے: agent اسے shell کے ذریعے چلاتا ہے، اس لیے script کا source context window میں شامل نہیں ہوتا، صرف اس کا output شامل ہوتا ہے۔
اب اس چیز کا موازنہ کریں جس کی طرف لوگ سب سے پہلے رجوع کرتے ہیں: ایک بہت بڑا prompt۔ system prompt یا ہمیشہ فعال instructions file کی ہر line ہر request اور ہر session میں شمار ہوتی ہے، خواہ task کو اس کی ضرورت ہو یا نہ ہو، اور یہ اصل سوال کے ساتھ توجہ کے لیے مقابلہ کرتی ہے۔ 10,000 tokens کی مستقل instructions ایسی لاگت ہے جو آپ صرف یہ پوچھنے کے لیے بھی ادا کرتے ہیں کہ وقت کیا ہوا ہے۔ ایک درجن skills activation سے پہلے تقریباً 1,200 tokens استعمال کرتی ہیں، لیکن loaded instructions اسی conversation میں بعد کے tasks کے لیے context میں برقرار رہ سکتی ہیں۔ skills کے حق میں پوری دلیل یہی ہے، اور اسی لیے ایک چھوٹی library طویل prompt سے بہتر ہے۔
ایک اہم نکتہ اکثر لوگوں کی نظر سے رہ جاتا ہے۔ Claude Code میں skill load ہونے کے بعد اس کا body بعد کی turns میں conversation کے اندر برقرار رہتا ہے، اس لیے طویل SKILL.md صرف ایک بار کی نہیں بلکہ بار بار آنے والی لاگت ہے۔ Compaction loaded skill content کو مختصر یا خارج کر سکتی ہے۔ تفصیل کو references/ میں منتقل کرنا محض صفائی نہیں ہے۔ یہی وہ mechanism ہے جو مقررہ design کے مطابق کام کرتا ہے۔
ایجنٹ skill، tool call نہیں ہے
Tool، جسے function call بھی کہا جاتا ہے، وہ چیز ہے جسے model invoke کر سکتا ہے۔ Harness، model کو ایک schema بھیجتا ہے: نام، description، اور arguments کی ساخت۔ Model ایک call جاری کرتا ہے، آپ کا code اسے چلاتا ہے، اور نتیجہ message کے طور پر واپس آتا ہے۔ Tools کام انجام دیتے ہیں۔ اس تبادلے کے دونوں حصے harness، یعنی model کے گرد loop چلانے والے program سے متعلق ہیں۔ یہی وہ چیز ہے جو startup کے وقت آپ کی skill descriptions پڑھتی ہے اور فیصلہ کرتی ہے کہ اسے کب کھولنا ہے۔
Skill خود کچھ بھی execute نہیں کرتی۔ Agent اسے پڑھتا ہے، پھر ان tools کو استعمال کرتے ہوئے کارروائی کرتا ہے جو اس کے پاس پہلے سے موجود ہوں۔ Claude Code، skill invoke ہونے پر arguments قبول کرتا ہے اور انہیں $ARGUMENTS جیسے placeholders کے ذریعے اپنی instructions میں شامل کرتا ہے۔ Skill یہ بتا سکتی ہے کہ model کو کون سے tools استعمال کرنے ہیں، کس ترتیب سے استعمال کرنے ہیں، اور اس کے بعد کیا check کرنا ہے۔ کسی کام کو دوسرے agent کے حوالے کرنا اس کی واضح مثال ہے: ایک Claude Code session پہلے ہی دوسرے session کو message بھیج سکتی ہے، اور skill میں یہ لکھا جاتا ہے کہ ایسا کب کرنا مفید ہے اور کیا بھیجنا ہے۔
مختصر بات یہ ہے: tool، agent کو نئی capability دیتا ہے، جبکہ skill عموماً ان capabilities کے بارے میں judgment دیتی ہے جو agent کے پاس پہلے سے موجود ہوں۔ جب skill کوئی capability شامل کرتی بھی ہے تو یہ bundled script کے ذریعے کرتی ہے، جسے agent اپنے پہلے سے موجود shell سے چلاتا ہے۔ اگر کسی step کو ہر بار exact اور validated result پیدا کرنا ہو تو tool یا script استعمال کریں۔ اگر کسی step میں ایک ہی طرح کی سوچ مستقل طور پر لاگو کرنی ہو تو skill استعمال کریں۔ Skill صرف judgment پر مشتمل ہو سکتی ہے اور پھر بھی وہی skill بن سکتی ہے جسے آپ سب سے زیادہ استعمال کریں، جیسا کہ Ponytail، جو coding agent کو کام کرنے والی سب سے چھوٹی تبدیلی کرنے پر مجبور کرتی ہے سے ظاہر ہوتا ہے۔ یہ کوئی نئی capability شامل نہیں کرتی، بلکہ صرف یہ تبدیل کرتی ہے کہ agent اپنی موجودہ capabilities کیسے استعمال کرے۔ یہ judgment اس کے برعکس سمت بھی رہنمائی کر سکتی ہے۔ unlazy skill، جو Depth Tree کے ذریعے agent کو کام وقت سے پہلے مکمل قرار دینے سے روکتی ہے اسی طریقے کو restraint کے بجائے thoroughness کے لیے استعمال کرتی ہے۔
ایجنٹ skill، MCP server نہیں ہے
MCP (model context protocol) ایجنٹ کو بیرونی نظام سے منسلک کرنے کا protocol ہے۔ MCP server ایک ایسا process ہے جو چلتا ہے، اس protocol میں بات کرتا ہے، اور ایجنٹ کو tools فراہم کرتا ہے۔ اسے عموماً configuration، credentials، اور یا تو local command یا network endpoint درکار ہوتا ہے۔ skill ایک folder ہے جس میں markdown file ہوتی ہے۔ اس میں کوئی process، port یا protocol نہیں ہوتا۔
Context کی لاگت بھی اسی طرح مختلف ہوتی ہے۔ MCP server کے فراہم کردہ ہر tool کے ساتھ name، description اور argument schema شامل ہوتا ہے۔ جو client انہیں ابتدا میں load کرتا ہے، اس میں یہ معلومات پورے session کی request کا حصہ رہتی ہیں، چاہے استعمال ہوں یا نہ ہوں۔ Claude Code اب default طور پر اس طرح کام نہیں کرتا: October 2026 سے اس میں tool search پہلے سے فعال ہے، اس لیے session شروع ہوتے وقت صرف tool names اور server instructions load ہوتے ہیں، جبکہ مکمل definitions اس وقت آتی ہیں جب Claude انہیں search کرتا ہے۔ مستقل حالت میں skill صرف ایک سطر کا متن ہے۔
یہ دونوں ایک دوسرے کے معاون ہیں، اور بہترین setups دونوں چلاتے ہیں۔ MCP server رسائی فراہم کرتا ہے۔ skill طریقۂ کار فراہم کرتی ہے: آپ کی ٹیم کے حقیقی workflow کے لیے ان tools میں سے کنہیں call کرنا ہے، کس ترتیب سے کرنا ہے، اور اچھا نتیجہ کیسا ہونا چاہیے۔ اگر آپ اپنا system host کرتے ہیں تو VPS پر MCP servers چلانا اس پہلو کا احاطہ کرتا ہے۔
ایجنٹ skill، system prompt یا AGENTS.md نہیں ہوتا
دونوں Markdown میں لکھی گئی ہدایات ہوتی ہیں، اس لیے یہ الجھن قابل فہم ہے۔ فرق یہ ہے کہ یہ کب load ہوتی ہیں۔ startup کے وقت load ہونے والا system prompt اور project instructions ہمیشہ فعال رہتے ہیں؛ nested AGENTS.md اور CLAUDE.md files اس وقت load ہوتی ہیں جب ایجنٹ ان کی directories میں کام کرتا ہے۔ skill ضرورت کے وقت فعال ہوتی ہے۔ Claude Code کے output styles ہمیشہ فعال رہنے کی دوسری انتہا پر ہیں، کیونکہ کسی style کا انتخاب خود system prompt میں ترمیم کرتا ہے۔ اس لیے وہ session کے ہر جواب کو متاثر کرتا ہے، حتیٰ کہ ان جوابات کو بھی جن میں کوئی skill استعمال نہیں ہوتی۔
اس کا فیصلہ ایک سوال سے کریں: اگر کسی ایسے task میں، جس کا اس سے کوئی تعلق نہیں، اس paragraph کو نظرانداز کرنا غلط ہوگا؟ House style، build command اور branch naming rule ہر task پر لاگو ہوتے ہیں، اس لیے یہ always-on file میں ہونے چاہییں، جہاں ہر بار load ہونا ہی مقصد ہے۔ Release checklist جسے آپ مہینے میں دو بار چلاتے ہیں، ہر task پر لاگو نہیں ہوتی، اس لیے اسے skill میں ہونا چاہیے۔ جب آپ کی always-on file کا کوئی section numbered procedure بن جائے، تو یہ اسے منتقل کرنے کا اشارہ ہے۔
ان files کے اپنے conventions بھی ہیں، اور انہیں درست طور پر استعمال کرنا ضروری ہے۔ AGENTS.md میں کیا ہونا چاہیے اور human file میں کیا ہونا چاہیے اور codebase کی ساخت کی وضاحت کرنے والی design.md دیکھیں؛ ہم یہی دو files استعمال کرتے ہیں۔
ایک کم سے کم skill کی شکل
Claude Code میں ذاتی skills ~/.claude/skills/<name>/SKILL.md میں موجود ہوتی ہیں اور اس machine پر آپ کے تمام projects پر لاگو ہوتی ہیں، لیکن Cowork یا cloud sessions پر نہیں۔ Project skills .claude/skills/<name>/SKILL.md میں موجود ہوتی ہیں اور git میں commit کی جاتی ہیں، اس لیے آپ کی team کو بھی مل جاتی ہیں؛ Claude project میں cloud threads انہیں load نہیں کرتے۔ GitHub Copilot اور VS Code project skills کو .github/skills/ اور .agents/skills/ کے ساتھ ساتھ .claude/skills/ سے بھی پڑھتے ہیں۔ اندر موجود file ایک ہی file ہوتی ہے۔
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.یہ ایک مکمل skill ہے۔ Directory کا نام وہ command بن جاتا ہے جو آپ type کرتے ہیں، اس لیے یہ /restore-drill ہے۔ Claude Code میں /skills menu installed skills کی فہرست دکھاتا ہے۔ یہ تصدیق کرنے کا سب سے تیز طریقہ ہے کہ file load ہو گئی ہے۔ اگر یہ menu میں موجود نہ ہو تو پہلے نام check کریں: file کا نام SKILL.md ہونا چاہیے، اور Agent Skills specification کے مطابق name میں صرف lowercase letters، digits اور single hyphens ہونے چاہییں، اور یہ directory کے نام سے match ہونا چاہیے۔ اسی عمل کو ایسے procedure کی صورت میں لکھنا جسے آپ کا agent دوبارہ چلا سکے، VPS پر scheduled restic backups کا فطری companion ہے، کیونکہ backup کا run ہونا اور backup کا restore ہونا ایک ہی چیز نہیں ہے۔
کب skill کو script ہونا چاہیے
ہر وہ مرحلہ جس کا ہر بار ایک ہی درست جواب ہو، اسے script ہونا چاہیے۔ skill میں صرف یہ چند سطریں رہنی چاہییں کہ اسے کب چلانا ہے اور output کو کیسے پڑھنا ہے۔ اس کی دو وجوہات ہیں، اور دونوں عملی ہیں۔
اول، script کا source context window میں شامل نہیں ہوتا۔ 300 سطروں کے parser سے صرف اس کا output context میں آتا ہے، اس سے زیادہ کچھ نہیں۔ جبکہ اسی منطق کو markdown instructions میں لکھنے سے skill کے load ہونے پر ہر بار اس کی مکمل طوالت شامل ہوتی ہے۔
دوم، script ہر بار ایک ہی جواب دیتی ہے۔ اگر model سے ہر run پر وہی log parsing rule دوبارہ اخذ کرنے کو کہا جائے تو خراب دن میں نتیجہ معمولی طور پر مختلف آ سکتا ہے، اور آپ کو اس کا پتا اس وقت چلے گا جب دو numbers آپس میں نہ ملیں۔
اس لیے کام کو اس کی نوعیت کے مطابق تقسیم کریں۔ "CSV کو parse کریں اور ہر وہ row print کریں جہاں total، line items سے match نہ کرے" ایک script ہے۔ "script کی print کردہ rows دیکھیں اور وضاحت کریں کہ ان میں سے کون سی data entry mistake معلوم ہوتی ہیں" ایک skill instruction ہے۔ judgment کو markdown میں اور determinism کو code میں رکھنا اسی discipline کا حصہ ہے جس کے تحت ایسا loop بناتے ہیں جسے agent آپ کی نگرانی کے بغیر چلا سکے۔
میری skill کبھی trigger کیوں نہیں ہوتی؟
کیونکہ اس کا description صرف یہ بتاتا ہے کہ skill کیا کرتی ہے، یہ نہیں بتاتا کہ اسے کب استعمال کرنا ہے۔ Agent کو آپ کی درخواست کے ساتھ match کرنے کے لیے صرف یہی ایک سطر دستیاب ہوتی ہے۔ "Database کے کام میں مدد کرتی ہے" کسی خاص درخواست سے match نہیں ہوتی۔ "Staging database کے خلاف schema migration چلاتی ہے۔ اس وقت استعمال کریں جب صارف table migrate کرنے، column شامل کرنے، یا schema تبدیل کرنے کو کہے" میں وہ الفاظ شامل ہیں جو کوئی شخص حقیقت میں لکھتا ہے، اس لیے skill trigger ہو جاتی ہے۔
اس کے برعکس مسئلہ اس skill میں ہوتا ہے جو مسلسل trigger ہوتی رہتی ہے۔ "اس repository میں code کی کسی بھی تبدیلی کے لیے استعمال کریں" جیسی description ہر چیز سے match ہوتی ہے، اس لیے body ہر task پر load ہو جاتی ہے اور بعد کی turns میں بھی conversation میں موجود رہتی ہے۔ Description کو صرف اس case تک محدود کریں جس کے لیے skill بنائی گئی ہے۔ Claude Code میں آپ frontmatter میں disable-model-invocation: true بھی set کر سکتے ہیں۔ اس سے automatic loading رک جاتی ہے اور جب آپ skill کا نام لکھیں تو یہ دستیاب رہتی ہے۔
تیسرا مسئلہ وہ skill ہے جو کسی tool کی نقل بناتی ہے۔ Agent کو ایسی API کے لیے curl کی ہدایات دینا جسے اس کا MCP server پہلے ہی expose کرتا ہے، یا files میں grep کرنے کی ہدایت دینا جبکہ harness میں search tool موجود ہو، ایک سست راستہ بناتا ہے۔ اس کے علاوہ instructions کے دو مجموعے بن جاتے ہیں جو ایک دوسرے سے متصادم ہو سکتے ہیں۔ نقل شدہ حصہ حذف کریں اور اس کے بجائے مقصد بیان کریں۔
ان تینوں میں سے آپ کے پاس کون سا مسئلہ ہے، اس کا اندازہ نہ لگائیں۔ ایک ہی prompt کو fresh session میں دو مرتبہ چلائیں: ایک بار skill available رکھ کر اور ایک بار اسے switch off کر کے۔ پھر دونوں answers کا موازنہ کریں۔ Fresh session اس لیے ضروری ہے کہ جس session میں آپ نے skill لکھی تھی، اس میں skill کی تمام باتیں پہلے ہی موجود ہوتی ہیں۔ اس سے written version کے gaps چھپ جاتے ہیں۔ Anthropic کا skill-creator plugin Claude Code کے اندر یہ comparison خودکار بناتا ہے۔ اس میں ایسے prompts بھی generate ہوتے ہیں جن پر skill کو trigger ہونا چاہیے یا نہیں ہونا چاہیے، اور یہ بھی measure کیا جاتا ہے کہ ہر prompt کتنی مرتبہ trigger ہوتی ہے۔ اگر skill load ہو جاتی ہے لیکن agent پھر بھی اس کے مطابق عمل نہیں کرتا، تو مسئلہ description کا نہیں ہے۔ اگلے مرحلے میں ان وجوہات کو دیکھیں جن کی بنا پر agent پہلے سے پڑھی ہوئی instructions کے باوجود ان کے مطابق عمل نہیں کرتا۔
کیا یہ کسی ایک vendor کا format ہے یا ایک standard؟
Anthropic نے یہ format 2025 کے اواخر میں شائع کیا، پھر اسے agentskills.io پر hosted open standard کے طور پر جاری کیا۔ 22 October 2026 کو Anthropic نے اعلان کیا کہ وہ Agent Skills کو Linux Foundation کے تحت Agentic AI Foundation کو عطیہ کر رہا ہے۔ October 2026 تک یہ specification لازمی name اور description fields، اختیاری license، compatibility، metadata اور allowed-tools fields، تین اختیاری directories، اور مرحلہ وار loading behaviour کی وضاحت کرتی ہے۔ اس کے ساتھ reference validator بھی شامل ہے، اس لیے skills-ref validate ./my-skill اسے share کرنے سے پہلے کسی folder کو specification کے مطابق check کرتا ہے۔
اصل اشارہ client list ہے۔ یہی folder Claude Code، Cursor، OpenAI Codex، Gemini CLI، GitHub Copilot، VS Code، Goose، OpenHands اور opencode سمیت دیگر clients پڑھتے ہیں۔ Microsoft اسی format میں اپنی skills github.com/microsoft/skills پر publish کرتا ہے، اور Skill Recorder نامی desktop tool بھی فراہم کرتا ہے۔ یہ tool آپ کو ایک بار task انجام دیتے ہوئے دیکھتا ہے، اسے intent اور ترتیب وار steps کی صورت میں reconstruct کرتا ہے، اور نتیجے کو skill کے طور پر لکھ دیتا ہے۔ اگر کوئی vendor ایسا recorder بنا رہا ہو جس کا output format کسی دوسرے فریق کی specification سے تعلق رکھتا ہو، تو یہ اس بات کی اچھی علامت ہے کہ یہ format کسی ایک product کا feature نہیں رہا۔
پہلے کیا لکھیں
library کی منصوبہ بندی نہ کریں۔ جب آپ خود کو تیسری بار ایک ہی ہدایات chat میں paste کرتے ہوئے پائیں، تو اس متن کو SKILL.md میں منتقل کریں اور paste حذف کر دیں۔ آپ پہلے ہی جس repetition کو محسوس کر چکے ہوں، وہی کسی skill کو محفوظ رکھنے کے قابل سمجھنے کا واحد قابلِ اعتماد محرک ہے۔ search procedure ایک اچھا پہلا انتخاب ہے، اور اپنی SearXNG instance سے تقویت یافتہ search skill اس کی ساخت واضح کرتی ہے۔
دو عادات library کو صحت مند رکھتی ہیں۔ جس skill کو آپ نے خود نہ لکھا ہو، اسے install کرنے سے پہلے مکمل پڑھیں، جس میں scripts بھی شامل ہیں، کیونکہ skill ایسی instructions ہوتی ہیں جن پر آپ کا agent عمل کرے گا اور ایسا code بھی ہو سکتا ہے جسے وہ چلائے: اسے کسی اجنبی سے software install کرنے کے مترادف سمجھیں۔ credentials کو folder سے باہر رکھیں، کیونکہ skill ایک text file ہوتی ہے جسے commit اور share کیا جاتا ہے۔ اپنے agents سے secrets دور رکھنا وضاحت کرتا ہے کہ ان values کو اس کے بجائے کہاں رکھنا چاہیے، جبکہ اس سال agents سیکھنے کا road map skills کو setup کے دیگر حصوں کے ساتھ مناسب ترتیب میں رکھتا ہے۔
FAQ
agent skill اور MCP server میں کیا فرق ہے؟
MCP (model context protocol) server ایک running process ہے جو protocol کے ذریعے agent کو tools فراہم کرتا ہے۔ اس کے لیے configuration اور credentials درکار ہوتے ہیں، اور اس کی مکمل tool definitions پورے session کے context میں شامل رہتی ہیں، جب تک client انہیں مؤخر نہ کرے، جیسا کہ Claude Code اب default طور پر کرتا ہے۔ agent skill ایک folder ہے جس میں SKILL.md file ہوتی ہے۔ اس میں کوئی process یا protocol نہیں ہوتا، اور agent کے اسے پڑھنے کا فیصلہ کرنے تک اس پر تقریباً 100 tokens خرچ ہوتے ہیں۔ agent کو کسی system تک رسائی دینے کے لیے MCP server استعمال کریں۔ اس رسائی کو درست طریقے سے استعمال کرنے کا طریقہ بتانے کے لیے skill استعمال کریں۔ بہت سے setups دونوں چلاتے ہیں۔
کیا agent skills صرف Claude Code کے ساتھ کام کرتی ہیں؟
نہیں۔ Anthropic نے یہ format تیار کیا اور پھر اسے agentskills.io پر open standard کے طور پر جاری کیا۔ یہی folder Cursor، OpenAI Codex، Gemini CLI، GitHub Copilot، VS Code، Goose، OpenHands اور دیگر clients بھی پڑھتے ہیں۔ فرق صرف یہ ہے کہ ہر client کہاں تلاش کرتا ہے اور کون سے اضافی frontmatter fields سمجھتا ہے۔ Claude Code ~/.claude/skills/ اور .claude/skills/ پڑھتا ہے، جبکہ GitHub Copilot اور VS Code repository میں .github/skills/، .claude/skills/ یا .agents/skills/ پڑھتے ہیں۔ SKILL.md file خود ان کے درمیان بغیر تبدیلی منتقل ہوتی ہے۔
چیزوں کی رفتار کم ہونے سے پہلے میں کتنی skills install کر سکتا ہوں؟
اصل پابندی skills کی تعداد نہیں بلکہ startup budget ہے۔ ہر installed skill specification کی published guidance کے مطابق اپنا name اور description شامل کرتی ہے، جس پر تقریباً 100 tokens خرچ ہوتے ہیں۔ اس لیے تیس skills میں ان میں سے کسی کو استعمال کرنے سے پہلے تقریباً 3,000 tokens خرچ ہوتے ہیں۔ سب سے پہلے matching متاثر ہوتی ہے، رفتار نہیں۔ ایک جیسی یا باہم ملتی descriptions والی بہت سی skills model کے لیے درست skill منتخب کرنا مشکل بنا دیتی ہیں۔ ایسی descriptions لکھیں جو ایک دوسرے سے نہ ملتیں، اور وہ skills حذف کر دیں جنہیں آپ نے استعمال کرنا چھوڑ دیا ہے۔
یہ instruction skill میں ہونی چاہیے یا AGENTS.md میں؟
یہ دیکھیں کہ آیا یہ repository کے ہر task پر لاگو ہوتی ہے۔ Build commands، house style اور naming rules تمام tasks پر لاگو ہوتے ہیں، اس لیے انہیں always-on file میں رکھیں، کیونکہ اسے ہر بار load کرنا ہی اس کا مقصد ہے۔ کبھی کبھار چلایا جانے والا procedure، مثلاً release checklist یا restore drill، skill ہونا چاہیے، تاکہ activation سے پہلے اس پر صرف اس کی one-line description کی لاگت آئے۔ Claude Code میں load ہونے کے بعد اس کی instructions بعد کے turns میں conversation کے اندر برقرار رہتی ہیں، حتیٰ کہ unrelated tasks کے دوران بھی۔ AGENTS.md کا وہ section جو numbered steps میں تبدیل ہو چکا ہو، عموماً ایسی skill ہوتا ہے جسے منتقل کیا جانا چاہیے۔