پرامپت‌کده
همهٔ مطالب

مبانی هوش مصنوعی

اصلاً اسکیل هوش مصنوعی چیه؟

اسکیل یعنی دستورالعمل مارک‌داون برای ایجنت — نه دوره آموزشی، نه پلاگین جادویی. اینجاست که فرق‌شان با پرامپت روشن می‌شود.

انتشار۲۳ تیر ۱۴۰۵زمان مطالعه۴ دقیقه

اگر در Cursor، Claude Code یا ابزارهای مشابه کار می‌کنید، احتمالاً زیاد به ایجنت می‌گویید: «کد را با استاندارد تیم بررسی کن»، «برای انتشار چک‌لیست را انجام بده» یا «این گزارش را با قالب ما بنویس». اسکیل (مهارت) راهی است برای اینکه این توضیحات تکراری را یک‌بار، درست و قابل‌استفاده برای همه بنویسید.

اسکیل یا مهارت، یک بستهٔ کوچک از دستورالعمل‌ها و منابع است که به ایجنت کمک می‌کند یک کار مشخص را به شکل درست و تکرارپذیر انجام دهد. ساده‌ترین اسکیل فقط یک فایل مارک‌داون به نام SKILL.md است؛ اسکیل‌های بزرگ‌تر می‌توانند اسکریپت، الگو و مستندات هم داشته باشند.

اسکیل مغز تازه‌ای به مدل اضافه نمی‌کند. به آن می‌گوید برای یک کار مشخص، در این پروژه یا تیم، چه چیزهایی مهم است و چه مراحلی را باید طی کند.

یک مثال خیلی ساده

فرض کنید هر بار که می‌خواهید یک Pull Request بررسی شود، باید یادآوری کنید که ایجنت امنیت، تست‌ها، نام‌گذاری و تغییرات دیتابیس را هم نگاه کند. به‌جای نوشتن دوبارهٔ این پیام، یک اسکیل review-pr می‌سازید.

از آن به بعد، وقتی درخواستتان به بررسی PR مربوط باشد، ایجنت می‌تواند همان راهنما را پیدا کند و اجرا کند. نتیجه: پاسخ‌ها منظم‌تر می‌شوند و بخش‌های مهم کمتر از قلم می‌افتند.

اسکیل چه فرقی با پرامپت دارد؟

پرامپت همان جمله یا درخواستی است که الان در چت می‌نویسید. شاید فقط یک‌بار به آن نیاز داشته باشید. اسکیل برای دانشی است که می‌خواهید بارها استفاده شود: روش دیپلوی، چک‌لیست ریویو، سبک نوشتن مستندات یا قواعد کار با API داخلی.

فرق اصلی

این‌ها جای هم را نمی‌گیرند. یک اسکیل خوب می‌تواند از قانون‌های پروژه پیروی کند و در موقعیت مناسب یک روند چندمرحله‌ای را اجرا کند.

داخل یک اسکیل (مهارت) چه می‌گذاریم؟

هر اسکیل یک پوشه دارد و فایل اصلی آن SKILL.md است. در ابتدای این فایل، دو بخش خیلی مهم وجود دارد: نام و توضیح.

---
name: review-pr
description: Pull Requestها را با استاندارد تیم بررسی می‌کند. وقتی کاربر درخواست code review، بررسی PR یا بازبینی تغییرات دارد از آن استفاده کن.
---

# بررسی Pull Request

1. هدف تغییرات را از PR و فایل‌های تغییرکرده بفهم.
2. خطاهای احتمالی، تست‌های جاافتاده و ریسک‌های امنیتی را بررسی کن.
3. فقط نکته‌های قابل‌اقدام را با اولویت‌بندی گزارش کن.

بعد از آن، بدنهٔ فایل توضیح می‌دهد ایجنت دقیقاً چه کار کند. اگر لازم باشد، می‌توانید کنار آن فایل‌های دیگری هم بگذارید:

ایجنت از کجا می‌فهمد کدام اسکیل مناسب است؟

نقش اصلی را description بازی می‌کند. ایجنت ابتدا نام و توضیح کوتاه اسکیل‌ها را می‌بیند. اگر درخواست شما با توضیح یک اسکیل جور باشد، متن کامل آن را می‌خواند و در صورت نیاز سراغ فایل‌های کمکی می‌رود.

به این ترتیب لازم نیست همهٔ اسکیل‌ها همیشه وارد گفتگو شوند. این روش را افشای تدریجی می‌گویند: اول توضیح کوتاه، بعد دستورالعمل کامل، و بعد فقط منابعی که واقعاً لازم‌اند.

پس توضیح را مبهم ننویسید. «برای کمک به توسعه» خوب نیست. بهتر است بنویسید: «راهنمای انتشار سرویس در staging. هنگام deploy، release یا رفع خطای انتشار استفاده شود.»

یک مهارت خوب چه ویژگی‌ای دارد؟

چه چیزی اسکیل نیست؟

اسکیل دسترسی تازه ایجاد نمی‌کند. اگر ایجنت به دیتابیس، اینترنت یا یک ابزار خاص دسترسی نداشته باشد، نوشتن آن در SKILL.md آن دسترسی را به وجود نمی‌آورد. اسکریپت هم فقط وقتی اجرا می‌شود که محیط و مجوز لازم را داشته باشد.

همچنین هر دستور کوتاهی نیاز به اسکیل ندارد. اگر کاری نادر یا کاملاً ساده است، همان پرامپت معمولی سریع‌تر و بهتر است. وقتی یک روش را چند بار تکرار می‌کنید و می‌خواهید دیگران هم همان روش را اجرا کنند، وقت ساختن یک مهارت است.

از کجا شروع کنیم؟

یک کار تکراری را انتخاب کنید که پاسخِ «چطور باید انجامش بدهیم؟» برایش روشن است. اول فقط SKILL.md را بنویسید: توضیح دقیق، چند گام کوتاه و یک نمونهٔ خوب. بعد از چند بار استفاده، هر جا ایجنت اشتباه کرد یا سؤال تکراری پرسید، همان نکته را به اسکیل اضافه کنید.

پرامپت‌کده برای همین ساخته شده: اسکیل‌های مفید را پیدا کنید، از نمونه‌های دیگران یاد بگیرید و دانش تکراریِ کار با ایجنت‌ها را به چیزی قابل‌اشتراک تبدیل کنید.

برو به اسکیل‌هامطالب دیگر