Intervjuer me je pitao koja je razlika izmedju Skills i Prompta, pricao sam 15 minuta i odmah je poslao ponudu

Stari Vang je senior inženjer u jednoj velikoj kompaniji, sa bujnom kosom koja mu pada do ramena — nije baš lep, ali ima prisustvo.

Njegovo prvo pitanje je bilo: „U biografiji ste naveli da poznajete Agent Skills, pa recite koja je razlika između Skills i Prompt?"

Zabavio sam se gledajući u njegovu kosu, i u tom trenutku mi je um bio potpuno prazan, pa sam mucao i rekao „Skills su zapakovani Prompt".

Čim sam izgovorio, došao sam sebi i osetio da stari Vang nije baš zadovoljan.

Ali stari Vang je strpljiv, nije me otpao zbog KPI-ja, već je sa mnom razgovarao 35 minuta o suštini Skills-a.

Iskreno, sresti ovakvog intervjuera zaista ostavlja utisak — neće vas odbaciti zbog trenutnog neuspeha, već će vas navoditi da se otvorite i izrazite.

Hvalan.

| Tekst je prilično opsežan, najbolje da ga spremite za kasnije.

01. Suštastvena razlika između Skills i Prompt

Stari Vang: Možete li detaljnije?

Dobro, Vange. Prompt je kao razgovor koji jednom imate sa AI — kada završite, gotovo je. Sledeći put kada želite istu sposobnost, morate ponovo da kažete ili da tražite po istoriji razgovora i kopirate.

Skills su drugačiji. Oni učvršćuju rešenje za jednu klasu problema i pretvaraju ga u modul koji se može više puta pozivati. Kao kada pišete kod i napravite utility klasu — razvijate jednom, koristite svuda.

Stari Vang: Pa to nije isto što i templating Prompt-a?

Vange, nije samo templating. Templating je statičan, Skills su dinamični i mogu da evoluiraju.

Na primer. Pretpostavimo da često tražimo od AI-ja da pregleda kod. Načinom Prompt-a, svaki put morate reći: „Pregledaj ovaj kod, obrati pažnju na bezbednost, performanse, čitljivost, prema Alibaba Java standardu."

Načinom Skills, to postaje logika pregleda zapakovana u jedan Skill. Sledeći put samo kažete „koristi code-review Skill", i AI zna šta da radi, kako i do koje mere.

Još važnije, ovaj Skill se može neprestano optimizovati. Primetimo da je propustljena provera istovremenosti, dodamo je; timski standard se ažurira, sinhronizujemo. Svi koji koriste ovaj Skill odmah imaju koristi od poboljšanja.

Stari Vang: Ima nečega. Koja je po vama suštinska vrednost Skills-a?

Vange, mogu se sabrati u tri reči: taloženje, ponovna upotreba, evolucija.

Taloženje pretvara lično iskustvo u timsku imovinu. Ponovna upotreba omogućava dobrim praksama da se brzo šire. Evolucija omogućava da se sposobnosti neprestano iterativno unapređuju.

U ove tri tačke Prompt ne može da parira, ili je veoma loš.

Stari Vang: Možete li primerom objasniti „evoluciju"?

Naravno. Naš tim je rano imao Prompt za pregled koda, otprilike ovakav: „Pregledaj ovaj kod, obrati pažnju na bezbednost i performanse."

Nakon nekog vremena smo primetili da uvek propuštamo probleme istovremenosti. Zato je Prompt promenjen u: „Pregledaj ovaj kod, obrati pažnju na bezbednost (uključujući bezbednost istovremenosti), performanse, čitljivost koda."

Posle još nekog vremena, timski standard se ažurirao — traži se da sve metode imaju JavaDoc komentare. Prompt se opet mora menjati.

Problem je u tome što ovaj Prompt može biti rasut po zabeleškama kolega, po istoriji razgovora. Vi promenite svoju verziju, a drugi i dalje koriste staru. Standardi koje tim primenjuje nisu objedinjeni.

Sa Skills-om je drugačije. Logika pregleda se zapakuje u Skill; kada se uoči propust u bezbednosti istovremenosti, ažurira se Skill; kada se standard ažurira, sinhronizuje se Skill. Svi koji koriste taj Skill odmah dobijaju najnoviju verziju.

To je sposobnost evolucije. Prompt je statičan, Skills su dinamični i iterativni.

02. Vrednost Skills-a u timskoj saradnji

Stari Vang: Upravo ste spomenuli timsku imovinu, možete li reći više o vrednosti Skills-a u timskoj saradnji?

Vange, upravo to je po meni najvredniji aspekt Skills-a.

Tradicionalna timska saradnja je stariji vodi mlađeg, usmenim prenosom. Iskusan inženjer akumulira iskustvo u pregledu koda, a kada dođe novajlija, mora jedan-na-jedan da ga podučava, i nakon podučavanja nije izvesno da će pamtiti.

Sa Skills-om, to iskustvo može da se zapakuje u jedan Skill. Novajlija samo treba da ga koristi. Iskustvo starijeg inženjera brzo se širi kroz tim u obliku Skills-a.

Stari Vang: Ali u čemu je razlika u odnosu na dokumentaciju? Nije li isto napisati dokument o standardima pregleda koda?

Dokumentacija je za ljude, Skills su za AI. To je suštastvena razlika.

Čovek čita dokument, mora da razume, zapamti i primeni. Razumevanje je podložno odstupanjima, pamćenje propušta, primena se izobličuje. Na kraju, svako ima drugačiji efekat.

Skills se daju direktno AI-ju, a izvršenje AI-ja je determinističko. Šta definišete, AI to radi, bez zastranjivanja.

Stari Vang: Ako svako u timu koristi isti Skill, da li to dovodi do ukočenosti razmišljanja?

Naprotiv, Skills oslobađa tim više vremena za kreativan rad.

Evo kako: pregled koda je ponavljajući posao koji ne zahteva da svako ima svoj „kreativni" pristup. Standard je standard, pratite najbolje prakse.

Ali Skills-om oslobođeno vreme može se iskoristiti za zaista kreativne stvari. Kao što su dizajn bolje arhitekture ili rešavanje složenijih tehničkih problema.

I sami Skills se mogu iterirati. Ako tim u praksi pronađe bolji pristup, može ažurirati Skill, čime svi odmah imaju koristi. To je zdrav mehanizam evolucije.

Stari Vang: Koliko Skills-a vaš tim sada ima?

Vange, naš tim je kroz pola godine nagomilao preko 20 Skills-a koje smatram suštastvenima, koji pokrivaju scenarije kao što su pregled koda, generisanje dokumentacije, dizajn test cases, pregled tehničkih predloga.

Najčešće se koristi Skill za pregled koda. Ranije je ručni pregled jednog PR-a u proseku trajao 60 minuta; sada, uz pomoć Skill-a, može se završiti za 30 minuta, a propuštenih problema je manje.

Stari Vang: Kako se stiže do 30 minuta?

U dva koraka. Prvi korak: AI pomoću Skill-a automatski skenira kod i pronalazi potencijalne probleme. Ovaj korak traje oko 10 minuta. Drugi korak: ručno se preispituju rezultati skeniranja AI-ja, potvrđuju se problemi i dopunjuje kontekst. Ovaj korak traje oko 20 minuta.

Ranije, ručni pregled je značio čitanje koda od početka do kraja, razumevanje logike, pa pronalaženje problema. Sada vam je AI označio probleme, pa samo procenjujete „da li je ovo pravi problem" i „koliko je ozbiljan".

I AI se ne zamara. Pri ručnom pregledu petog PR-a, pažnja je već razblažena i lako se propuštaju problemi. AI ne — svaki PR pregleda po istom standardu.

Stari Vang: Da li AI daje lažne uzbune?

Daje, ali u malom procentu. Oko 2% AI napomena su lažne uzbune. Ali čak i tako, bolje je nego propustiti problem pri ručnom pregledu.

I kako se Skill iterira, stopa lažnih uzbuna postaje sve niža. Primetimo da je neka klasa lažnih uzbuna češća, pa u Skill dodamo pravilo da je isključi. To je proces neprestane optimizacije.

03. Kako rade Skills

Stari Vang: Upravo ste rekli da se Skills dinamički učitavaju, možete li objasniti princip?

Izvolite. Ovo se tiče ograničenja prozora konteksta AI-ja.

Znamo da je prozor konteksta AI-ja ograničen, na primer kod Claude-a 200K. Ako ugurate sve Skills, prozor će se brzo napuniti, i AI će ostati bez resursa pre nego što uopšte počne da radi.

Zato Skills koriste arhitekturu „progresivnog otkrivanja".

Stari Vang: Progresivno otkrivanje?

Vange: Da. Jednostavno rečeno: nije važno koliko AI zna, već da u pravom trenutku zna pravu stvar.

Konkretno, u tri koraka:

Prvi korak, faza otkrivanja. Pri pokretanju, AI učitava samo metapodatke svih Skills-a — naziv, opis, okidače. To je kao katalog biblioteke, zauzima veoma malo prostora.

Drugi korak, semantičko podudaranje. Kada korisnik postavi pitanje, AI na osnovu semantike podudara relevantne Skills. Na primer, pitate „pregledaj ovaj kod", AI će podudriti Skill za pregled koda.

Treći korak, faza izvršenja. Nakon uspešnog podudaranja, učitava se pun sadržaj tog Skill-a. Tek tada AI zaista „vidi" detaljne instrukcije i ograničenja.

Stari Vang: Kako se implementira ovaj proces podudaranja?

Na osnovu izračunavanja sličnosti vektora.

Metapodaci svakog Skill-a pretvaraju se u vektor, a i pitanje korisnika pretvara se u vektor. Zatim se izračunava sličnost — oni sa visokom sličnošću su podudarni Skills.

Ovaj proces je brz, korisnik gotovo da ne oseća kašnjenje. I samo podudareni Skill učitava pun sadržaj, dok ostali zauzimaju samo nekoliko tokena metapodataka.

Zato možete imati desetine, pa i stotine Skills-a, bez brige o eksploziji konteksta.

Stari Vang: Rekli ste da se Skills mogu iterativno razvijati, kakav je proces kreiranja jednog Skill-a?

Vange. Već sam raščlanio izvorni kod ugrađenog create-skill u Claude Code-u, čitav proces kreiranja je u 6 koraka:

Prvi korak, Understanding — prvo razjasnite šta želite da postignete. Sistem će vas aktivno pitati: koji problem ovaj Skill rešava? Koje su scenarije upotrebe? Šta je okidač? Mnogi krenu da pišu odmah, i rezultat ne odgovara stvarnim potrebama.

Drugi korak, Planning — raščlanite zahteve u tipove resursa koji se mogu ponovo koristiti. Koje funkcije zahtevaju skriptu, idu u scripts/; šta je referentna dokumentacija, ide u references/. Ovaj korak je suštastveno arhitektonski dizajn.

Treći korak, Initializing — poziva se skripta init_skill.py, automatski generiše standardna struktura direktorijuma i šablonske datoteke; svako mesto koje treba popuniti ima TODO oznaku.

Četvrti korak, Editing — popunjavanje konkretnog sadržaja. Ovo je najvremenski zahtevniji deo i ključno za kvalitet Skill-a. description mora jasno da navede okidač, a SKILL.md ne sme da prelazi 500 linija.

Peti korak, Packaging — poziva se package_skill.py za pakovanje. Pre pakovanja prolazi se šestostruka provera: postojanje datoteka, format Frontmatter-a, YAML parsing, obavezna polja, konvencija imenovanja (mora biti hyphen-case) i ograničenja dužine (description ne sme da prelazi 1024 karaktera). Sve mora proći da bi se upakovalo u .skill datoteku.

Šesti korak, Iteration — na osnovu povratnih informacija iz stvarne upotrebe neprestano se optimizuje.

Stari Vang: Šestostruka provera, ovaj dizajn je prilično strog.

Jeste, kao CI provera pre slanja koda, koja na samom kraju čuva kontrolu. I čitav proces ima jedan veoma domišljat dizajn — eksplicitno složen, implicitno jednostavan: ispod haube stoje 3 Python skripte i desetine poziva funkcija, ali je korisničko iskustvo tečno i vođeno. Ne moramo da znamo šta se dešava ispod haube, samo pratimo uputstva korak po korak.

04. Odnos između Skills i MCP-a

Stari Vang: Prošle godine MCP je bio veoma popularan, kakav je po vama odnos između Skills i MCP-a?

Po meni su komplementarni, a ne konkurenti.

MCP (Model Context Protocol) rešava problem povezivanja AI-ja sa eksternim sistemima. Na primer, omogućiti AI-ju da poziva GitHub API, pretražuje bazu podataka, upravlja datotečnim sistemom, otvara pretraživač itd.

Ja često koristim Chrome Devtools MCP da AI vrši automatizovano testiranje.

Skills rešavaju problem pakovanja AI sposobnosti. Na primer, omogućiti AI-ju sposobnost pregleda koda, sposobnost generisanja dokumentacije, sposobnost pregleda tehničkih predloga.

Stari Vang: Možete li dati poređenje?

Može. MCP je kao da ste AI-ju dali mehaničku ruku, omogućavajući mu da dodirne spoljašnji svet. Skills su kao uputstvo za upotrebu koje ste dali AI-ju, govoreći mu kako da radi stvari.

Kombinovanjem ovo dvoje AI zaista može postati alat za produktivnost.

Stari Vang: Kakva će biti situacija u budućnosti?

Mislim da će se pojaviti dva trenda.

Prvi trend je standardizacija Skills-a. Danas format Skills-a može da bude različit od tima do tima, ali u budućnosti bi mogli da se pojave industrijski standardi, kao npm ili pip.

Drugi trend je komercijalizacija Skills-a. Pojedinačni programeri bi mogli da objavljuju Skills u prodavnici, a drugi bi ih koristili uz naplatu ili besplatno. To će pokrenuti novi ekosistem.

Stari Vang: Veoma je zanimljiv ovaj stav. A šta mislite, šta će u budućnosti biti ključna prednost programera?

Vange: Mislim da su to tri sposobnosti.

Prvo, sposobnost definisanja problema. AI može da nam pomogne u rešavanju problema, ali pod uslovom da možemo tačno da definišemo problem. Mnogi ne znaju ni šta žele, pa makar AI bio i jak.

Drugo, sposobnost dizajniranja sistema. AI može da piše kod, ali dizajn arhitekture, podela modula i definisanje interfejsa i dalje zahtevaju čoveka. AI je izvršilac, čovek je dizajner.

Treće, sposobnost neprestanog učenja. Tehnologija se menja tako brzo — Skills koji su danas korisni, sutra mogu zastareti. Održavanje učenja jedini je način da se zadrži konkurentnost.

Skills upravo mogu pomoći programerima da unaprede ove tri sposobnosti. Štede nam vreme, ostavljajući nam više energije za promišljanje o definiciji problema i dizajnu sistema.

05. Kako dizajnirati dobar Skill

Stari Vang: Pretpostavimo da sada tražim od vas da dizajnirate Skill za „pregled tehničkog predloga", kako biste ga dizajnirali?

Prvo, razjasnimo cilj ovog Skill-a: pomoći timu da brzo pregleda tehničke predloge, otkrije potencijalne rizike i pruži predloge za poboljšanje.

Zatim, definišemo dimenzije pregleda:

• Izvodljivost: da li je tehnički predlog izvodljiv, postoje li tehničke poteškoće
• Performanse: ispunjava li zahteve performansi, postoje li uska grla
• Bezbednost: postoje li sigurnosni rizici, da li je zaštita podataka na mestu
• Održivost: da li je kod lako održavati, da li je dokumentacija jasna
• Trošak: da li je trošak implementacije razuman, postoji li bolje rešenje

Stari Vang: Nisu li ove dimenzije previše opšte?

Malo jesu, zato je potrebno prilagođavanje prema konkretnom biznisu. Na primer, finansijski sistemi treba posebno da obrate pažnju na bezbednost, dok e-commerce sistemi treba da se fokusiraju na performanse i istovremenost.

Zatim, definišemo format izlaza:

## Pregled predloga
[Jednom recenicom sumirajte ovaj predlog]

## Rezultati pregleda
- Izvodljivost: ✅/⚠️/❌ [objasnjenje]
- Performanse: ✅/⚠️/❌ [objasnjenje]
- Bezbednost: ✅/⚠️/❌ [objasnjenje]
- Odrzivost: ✅/⚠️/❌ [objasnjenje]
- Trosak: ✅/⚠️/❌ [objasnjenje]

## Glavni rizici
1. [opis rizika]
2. [opis rizika]

## Predlozi za poboljsanje
1. [predlog]
2. [predlog]

## Ukupna ocena
[odlicno / dobro / zahteva poboljsanje]

Stari Vang: Kako se koristi ovaj Skill?

U razgovoru unesite: „Koristi tech-review Skill da pregledaš ovaj predlog: [zalepi sadržaj predloga]"

AI će automatski učitati Skill i prema definisanim dimenzijama i formatu ispisati rezultat pregleda.

Stari Vang: Šta ako nismo zadovoljni rezultatom pregleda?

Možete iterativno optimizovati Skill. Na primer, ako primetite da uvek propušta određeni rizik, dodajte u Skill odgovarajuću stavku provere. Ako vam se učini da format izlaza nije dovoljno jasan, prilagodite format.

Skill je živ, nije mrtav. Sa upotrebom će sve više odgovarati potrebama tima.

Stari Vang: Prilikom dizajniranja Skill-a, kako odmeriti stepen ograničenja? Previše strogo značiukočenost, previše slobodno gubitak kontrole.

Vange, ovde ulazimo u jedan ključni koncept dizajna — stepenovanje slobode.

Visoka sloboda:Čisti tekstualne instrukcije, za scenarije gde postoji više važećih metoda. Na primer, „optimizuj ovaj kod na odgovarajući način" — AI može slobodno da se igra.

Srednja sloboda: Pseudokod ili skripta sa parametrima, sa preporučenim paternom ali uz dozvolu varijacija. Na primer, pregled tehničkog predloga — definišu se dimenzije, ali dozvoljava se prilagođavanje težina prema karakteristikama projekta.

Niska sloboda: Specifična skripta, malo parametara, za operacije koje zahtevaju strogu doslednost. Na primer, formatiranje koda — mora se koristiti zadati format_code.py, bez dozvole izmene pravila formata.

06. Kako Skills povećava konkurentnost na tržištu rada

Stari Vang: Poslednje pitanje. Koliko po vama poznavanje razvoja Skills-a pomaže programeru na tržištu rada?

Po mom mišljenju, to je unapređenje na tri nivoa.

Prvi nivo, poboljšanje efikasnosti. Programer koji zna da koristi Skills primetno je efikasniji od onog koji ne zna. Isti zadatak — drugom treba 2 sata, vama 20 minuta, to je prednost.

Drugi nivo, taloženje iskustva. Običan programer reši problem i time je gotovo. Programer koji zna Skills rešenje pretvara u imovinu koja se može ponovo koristiti. To je skok sa „rešavanja problema" na „taloženje metodologije".

Treći nivo, proširenje uticaja. Vaši Skills koristi tim, vaše iskustvo se širi u obliku Skills-a. To prodire mnogo dublje od pisanja dokumentacije ili održavanja prezentacija, jer su Skills odmah upotrebljivi.

Stari Vang: Da treba da date jedan savet početnicima, šta biste rekli?

Ne jurite obim, krenite od jednog malog scenarija.

Mnogi odmah žele da napišu „univerzalni" Skill, ali ispadne komplikovano i nezgrapno u upotrebi.

Savetujem: prvo posmatrajte šta u radu ponavljate, izaberite najjednostavnije i zapakujte ga u Skill. Na primer „generisanje Git commit poruke" ili „formatiranje komentara u kodu".

Kada se počne koristiti, postepeno iterirajte i dodajte funkcije. Skills rastu, ne designiraju se.

Kraj

Intervju je završen, ali razmišljanje o Skills-u se nastavlja.

Skills nisu neka duboka tehnologija, to je samo nov način rada. Prepustite ponavljajuće poslove AI-ju, a kreativni rad zadržite za sebe.

[Suština tehnologije nije u alatima, već u nadogradnji načina razmišljanja. Skills nas tera da preispitamo: šta vredi raditi, a šta prepustiti AI-ju.]

Ako još uvek niste počeli da koristite Skills, sada je pravi trenutak. Krenite od jednog malog scenarija, napišite svoj prvi Skill.

Ne brinite ako ispadne loše — Skills se rađaju iteracijom. Prvo počnite, pa polako optimizujte.

Vidimo se u sledećem.