Leader je rekao da su Skills samo Prompt pod drugim imenom, nisam ga slušao — potrošio sam nedelju dana i napisao 30 Skill-ova za tim. Potajno mi je rekao: ovog meseca dobijaš ocenu A!

Prošlog meseca, naš tim je raspravljao o tome da li da uvede Skills. Leader je odmah prohladio vodu: "Zar to nije samo Prompt pod drugim imenom? Šta se tu uopšte petlja?"

Nisam ništa rekao, ali u sebi se nisam slagao.

Nedelju dana kasnije, potajno sam napisao 30 Skill-ova za tim. Vreme pregleda koda palo je sa prosečno 2 sata na 20 minuta, a efikasnost generisanja dokumentacije porasla je 5 puta. Leader me je privukao u bojler-sobu i šapnuo: "Ovog meseca dobijaš ocenu A."

Danas ću vam podeliti osnovne principe, praktični razvoj i najbolje prakse Skills, potpuno iskreno.

Fiksne procese obično završavam skriptama, za ono što zahteva malo AI sposobnosti koristim Skills, a tek na kraju prelazim na OpenClaw.

Zato sam danas odlučio da dublje analiziram Skills.

Problem: Svaki put kada razgovarate sa AI-jem, morate da ponavljate iste instrukcije — gubite vreme i lako grešite. Još gore, prompt koji ste naporno napisali nestaje pri sledećem razgovoru, nikako da se akumulira.

Rešenje: Skills su se pojavili upravo da reše ovaj problem. Oni pakuju zajedničke promptove u module "veština" koji se mogu ponovo koristiti — jednom razvijeni, koriste se svuda. Još važnije, koriste arhitekturu "postupnog otkrivanja", koja neće dozvoliti da vam eksplodira prozor konteksta.

Korist: Nakon što pročitate ovaj članak, potpuno ćete razumeti osnovne principe Skills, savladaćete mehanizam učitavanja u tri koraka i naučiti kako da od nule razvijete svoj vlastiti Skill. Prestanite da izmišljate toplu vodu — neka AI zaista radi za vas.

01. Šta su Skills?

Najpre zaključak: zajednički promptovi su upravo Skills.

Zvuči jednostavno, zar ne? Ali se iza ove definicije krije jedno ključno pitanje razvoja AI-ja — duplo rada.

Razmislite, svaki put kada tražite od AI-ja da piše kod, ne morate li prvo da mu kažete "koristi Javu", "pridržavaj se Alibaba konvencija za kod", "komentari moraju biti jasni"?

Svaki put kada tražite od AI-ja da piše članke, ne morate li prvo da kažete "koristi Ergov stil", "malo više razgovorno", "nemoj koristiti reči sa AI prizvukom"?

Ove ponavljajuće instrukcije su "ponavljajući kod" u razvoju softvera. A u softverskom razvoju, rešavamo ponavljajući kod metodom "enkapsulacije i ponovnog korišćenja".

Skills radi upravo to. Pakuje ove zajedničke promptove u "modul veštine". Sledeći put kada vam treba, samo pozovete taj Skill, bez ponavljanja instrukcija.

To je kao da ste napisali pomoćnu klasu koju svi projekti mogu pozvati. Razlika je u tome što je ta klasa za AI, a ne za ljude.

02. Filozofija dizajna Skills

Pošto smo razumeli šta su Skills, sledeće pitanje: zašto Skills ne učitavaju sve sadržaje odjednom?

Odgovor je: radni prostor AI-ja je ograničen.

Znamo da AI pri radu nije beskonačan resursni prostor, već radi u prozoru određene veličine.

To je prozor konteksta (Context Window). Moj Claude Code koristi GLM-5, koji trenutno ima 200K — deluje mnogo, ali pri stvarnoj upotrebi brzo shvatite da nedostaje.

Ako imate 100 Skills, a pun sadržaj svakog skilla je prompt od nekoliko hiljada znakova — sve bi se učitalo i prozor konteksta bi eksplodirao. AI još nije ni počeo da radi, a token-e je potrošio samo na učitavanje Skills.

Zato je dizajnerska ideja Skills: ne učiniti AI da zna više, već da u pravo vreme zna pravu stvar.

To je ključna misao arhitekture "postupnog otkrivanja" (Progressive Disclosure).

Kako se to konkretno radi? Napravite hijerarhijski keš. Kada unosite prompt, ne pridodate sve informacije o Skills, već samo najosnovnije metapodatke. AI vrši semantičko poklapanje, i tek kada se poklopi učitaće stvarni sadržaj.

Ovaj proces se odvija u tri koraka:

Prvi korak: faza otkrivanja. Pri pokretanju, AI skenira metapodatke svih Skills i izgrađuje "registar veština". Taj registar sadrži samo osnovne informacije: naziv Skill-a, opis, okidačke ključne reči. Kao katalog u biblioteci, koji vam samo govori naslov knjige i gde se nalazi, a ne daje vam celu knjigu na čitanje.

Drugi korak: semantičko poklapanje. Kada korisnik postavi pitanje, AI na osnovu semantike poklapa relevantne Skills. Na primer, ako pitate "napravi mi Java singleton patern", AI će poklopiti Skill vezan za "generisanje Java koda". Ovaj proces je dinamičan i zasniva se na izračunavanju vektorske sličnosti.

Treći korak: faza izvršenja. Nakon uspešnog poklapanja, učitaće se pun sadržaj tog Skill-a. Tek tada AI zaista "vidi" detaljna uputstva, primere i ograničenja tog Skill-a.

Kada se ova tri koraka završe, tek tada se Skill zaista aktivira. A oni Skills koji nisu poklopljeni zauzimaju svega nekoliko token-a metapodataka. Zato možete imati na desetine ili stotine Skills bez brige o eksploziji konteksta.

03. Zašto se Skills mogu ponovo koristiti?

Kada je reč o ponovnom korišćenju, neko će možda pitati: sačuvam prompt u beleškama i sledeći put prekopiram, zar nije dovoljno? Zašto praviti Skills?

Pitanje je dobro. Kopiranje i lepljenje zaista može rešiti deo problema, ali ima tri kobne mane:

Prvo, ne može se deliti. Vaš prompt leži samo u vašim beleškama, a kolega koji ga traži mora da ga napiše iznova. U timu od 10 ljudi, isti prompt možda bude napisan 10 puta — svaki put drugačije.

Drugo, ne može se iterirati. Danas primetite da se prompt može optimizovati i izmenite ga. Ali vaš kolega i dalje koristi staru verziju — u njegovim beleškama leži zastareo prompt. Verzije su u haosu, nema jedinstvenog ažuriranja.

Treće, ne može se kombinovati. Neki zadaci su složeni i zahtevaju više promptova koji rade zajedno. Metodom kopiranja i lepljenja morate ručno da spojite više promptova, što je podložno greškama i teško za održavanje.

Skills savršeno rešava sva tri problema.

Pre svega, Skills se brzo širi u timu. Napišete Skill, stavite ga u timski repozitorijum Skills i svi ga mogu odmah koristiti. Lično iskustvo će se brzo prenositi kroz tim u obliku Skills, a ukupna borbena moć tima će se popeti na novi nivo.

Drugo, Skills se mogu iterirati. Optimizujete jedan Skill i svi odmah mogu koristiti najnoviju verziju. Kao npm paket — ažurira se na jednom mestu, a primenjuje se svuda.

Konačno, Skills se mogu kombinovati. Možete kombinovati više Skills da završite složen zadatak. Na primer, "Skill za pregled koda" se može kombinovati sa "Skill-om za bezbednosnu proveru" da se jednim klikom obavi dvostruka provera kvalitete koda i bezbednosti.

Kada broj Skills dostigne određenu veličinu, zapravo smo izgradili prodavnicu veština namenjenu AI-ju. To je kao App Store na telefonu — koja god funkcija vam potrebna, otiđete u prodavnicu i preuzmete odgovarajući Skill.

U dobu AI-ja, dizajn sistema će se okrenuti od projektovanja za ljude ka projektovanju za AI. Ta promena se već dešava.

04. Kako razviti Skill?

Teorija je gotova, sledi praksa. Pogledajmo kako razviti vlastiti Skill.

Osnovna zamisao pri razvoju Skill-a je: sažeti primere iz rada (indukcija), učvrstiti ih u Skill, kako bi se nosili sa sličnim problemima (dedukcija), ili se ponovo vratiti i poboljšati taj Skill.

Zvuči apstraktno, da to objasnim konkretnim primerom.

Pretpostavimo da često tražite od AI-ja da uradi "obrnuto modeliranje". Šta je obrnuto modeliranje? Imate deo postojećeg koda i želite da AI analizira njegovu dizajnersku ideju, a zatim generiše odgovarajuću dizajnersku dokumentaciju ili arhitekturni dijagram. To je jedan od najčešćih scenarija u procesu razvoja, a odgovara najčešćem slučaju primene: iteracija zahteva.

Prvi korak, posmatrajte proces vašeg prompta. Možda pitate AI ovako:

"Analiziraj dizajnersku ideju ovog koda, a zatim nacrtaj arhitekturni dijagram." "Obrati pažnju da jasno označiš odgovornosti svakog modula." "Koristi PlantUML sintaksu." "Odnose između modula prikaži strelicama."

Drugi korak, sažmite. Učvrstite ove instrukcije u Skill:

---
name: reverse-modeling
description: Obrnuto modeliranje, analizira dizajnersku ideju koda i generiše arhitekturni dijagram
trigger:
  - obrnuto modeliranje
  - analiza koda
  - arhitekturni dijagram
---

## Cilj zadatka
Analizira dizajnersku ideju datog koda i generiše jasan arhitekturni dijagram.

## Zahtevi za izlaz
1. Jasno označiti odgovornosti svakog modula
2. Koristiti PlantUML sintaksu
3. Odnose između modula prikazati strelicama
4. Uključiti ključne tokove podataka

## Primer
Ulaz: kod Spring Boot aplikacije
Izlaz: arhitekturni dijagram koji prikazuje hijerarhiju Controller -> Service -> Repository

Treći korak, provera i iteracija. U stvarnoj upotrebi možete otkriti da ovaj Skill još uvek nije dovoljno potpun. Na primer, ponekad treba podrška za Mermaid sintaksu, a ponekad treba generisati dijagram sekvence. Možete dodati te nove zahteve i učiniti taj Skill sve jačim.

Ovde postoji ključna tačka: da li imate oštroumnost da uočite problem.

U ovom dobu ubrzanog razvoja AI-ja, sposobnost rešavanja problema će AI postepeno zameniti, ali precizno otkrivanje vrednog problema je upravo ona jezgro-sposobnost koja se najteže zamenjuje, a i izvor vrednosti Skill-a.

Mnogi ljudi, kada AI reši problem, jednostavno zatvore prozor za razgovor i pređu na sledeći zadatak. Ali ako želite da AI sve više razume vas, morate naučiti da ga naterate da akumulira iskustvo za vas.

Kako?

Vrlo jednostavno. Kada AI reši novi problem za vas, nemojte žuriti da zatvorite prozor za razgovor — neka Agent sam posmatra proces vašeg prompta, neka sam sažima i akumulira. Taj proces zahteva samo da, nakon što rešite problem, dodate jedan prompt:

"Posmatraj proces našeg maloprešnjeg razgovora, sažmi Skill koji se može ponovo koristiti i sačuvaj ga."

AI će automatski izvući Skill za vas, koji sledeći put možete pozvati za sličan problem.

05. Razvoj Skill-a za "optimizaciju CV-ja"

Treba i praktično. Razvijmo jedan zaista koristan Skill — optimizacija CV-ja.

Scenario ovog Skill-a je: imate CV i želite da AI optimizuje formulacije, istakne jake strane i izbegne uobičajene probleme.

Prvo, kreirajte fajl Skill-a. U vašem direktorijumu Skills, napravite fajl resume-optimizer/SKILL.md:

---
name: resume-optimizer
description: Ekspert za optimizaciju CV-ja, pomaže u optimizaciji formulacija, isticanju jakih strana i izbegavanju uobičajenih problema
trigger:
  - optimizacija CV-ja
  - CV
  - biografija
  - traženje posla
---

## Definicija uloge
Vi ste iskusan ekspert za optimizaciju CV-ja, sa preko 10 godina iskustva u HR-u i regrutaciji. Vešti ste u pregledu CV-ja iz ugla poslodavca i pomažete kandidatima da istaknu svoju jezgro-konkurentnost.

## Principi optimizacije
1. Govorite podacima: pretvorite nejasne opise u merljive rezultate
2. Istaknite ključne reči: prilagodite gustinu ključnih reči ciljnoj poziciji
3. Skratite višak: uklonite iskustva koja nisu vezana za ciljnu poziciju
4. Izbegavajte zamke: nemojte koristiti slabe glagole poput "učestvovao", "pomagao"

## Proces optimizacije
1. Analizirajte JD ciljne pozicije i izdvojite ključne zahteve
2. Uporedite sadržaj CV-ja, pronađite poklapanja i razlike
3. Optimizujte formulacije, istaknite rezultate a ne proces
4. Proverite formatiranje i raspored, osigurajte profesionalan izgled

## Format izlaza
### Dijagnoza CV-ja
- Trenutni problemi: [navedite 3-5 glavnih problema]
- Pravci optimizacije: [dajte konkretne predloge optimizacije]

### Optimizovani CV
[izlaz sa sadržajem optimizovanog CV-ja]

### Isticanje jakih strana
[navedite 3 ključne jake strane u CV-ju]

Zatim taj Skill možete odmah koristiti. U razgovoru unesite:

"Koristi resume-optimizer Skill da mi optimizuješ ovaj CV: [nalepi sadržaj CV-ja]"

AI će automatski učitati taj Skill i optimizovati CV prema procesu koji ste definisali.

Ovaj Skill možete stalno iterirati. Na primer, dodajte "strategije optimizacije za različite pozicije", "proveru kompatibilnosti sa ATS sistemima" i druge funkcije. Svaka iteracija je akumulacija vaših AI sredstava.

06. Najbolje prakse za Skills

Nakon što sam neko vreme razvijao Skills, sažeo sam nekoliko najboljih praksi i delim ih sa vama.

Prvo, gradite po potrebi. Ne pravite Skill radi pravljenja Skill-a. Tek kada primetite da se neki prompt ponavlja 3 ili više puta, razmislite o tome da ga enkapsulirate u Skill. Prekomerna enkapsulacija će povećati troškove održavanja.

Drugo, može se kombinovati. Jedan Skill radi samo jednu stvar. Složeni zadaci se završavaju kombinovanjem više Skills. To je kao filozofija dizajna Unix-a: svaki alat radi samo jednu stvar, ali je radi savršeno.

Treće, može se iterirati. Skill nije jednom-zauvek. Sa promenama u biznisu moraćete stalno da ažurirate sadržaj Skill-a. Tretirajte Skill kao živi dokument, a ne kao mrtav.

Četvrto, ima okidačke reči. Svaki Skill mora imati jasno definisane okidačke ključne reči. Samo tako AI može tačno da ga poklopi. Okidačke reči moraju biti specifične i izbegavati dvosmislenost.

Peto, ima primere. Dodavanje konkretnih primera u Skill uveliko povećava tačnost AI-jevog razumevanja. Primeri su najbolja dokumentacija.

ending

Nakon što sam napisao ovaj članak, osvrnuo sam se na svoj direktorijum Skills.

Obrisao sam nekoliko koje sam ranije instalirao, a nisam koristio.

Cilj je da Agent pri učitavanju mojih Skills bude što lakši, kako bi se smanjio uticaj previše Skills na Agent-ov kontekst.

I vi nikako nemojte instalirati previše Skills u svom Agent-u — samo je ono što koristite najbolje. Ako nešto ne koristite, čak i ako drugi to hvale do neba, odmah to uklonite.

Kao što i mi ljudi moramo naučiti da se oslobodimo suvišnih stvari.

Pravovremeno čišćenje svoje glave i novi početak možda donose nešto novo i drugačije.

Učenje raznih imena u AI-ju i korišćenje raznih AI alata — cilj je samo jedan: da AI radi za nas i da nam zaista pomogne.

Ako vam nije pomoglo, bezobzirno ga obrišite.

Vidimo se u sledećem.