28/30अध्याय 28 / 30

Agent Skills और SKILL.md: प्रगतिशील खुलासा, मापा हुआ

128,374 token निर्देश वाली पाँच असली skills context में सिर्फ 253 token लेती हैं। descriptions घटाएँ, तो agent उन्हें ढूँढना बंद कर देता है।

31 अगस्त 2026अपडेट किया गया 10 सितंबर 202626 मिनट पढ़ें

इस पेज पर

मान लीजिए एक project है जिसमें पाँच published skills install हैं। उनकी लागत यह है।

terminalBASH

ls .claude/skills/

TEXT

next-best-practices  next-cache-components  vercel-composition-patterns
vercel-react-best-practices  vercel-react-native-skills

o200k_base tokens, measuredTEXT

skill                              level 1   level 2    level 3   files
next-best-practices                     40       966     19,374      19
next-cache-components                   28     2,334          0       0
vercel-composition-patterns             59       533     10,667      13
vercel-react-best-practices             68     1,670     53,670      75
vercel-react-native-skills              58       950     37,957      41
                                    ------   -------   --------
total                                  253     6,453    121,668

निर्देशों, उदाहरणों और नियमों के एक लाख अट्ठाईस हजार token — 128,000-token context window में समाने से भी ज्यादा — और पाँचों को उपलब्ध रखने की स्थायी लागत है 253 tokens, एक प्रतिशत का दो-दसवाँ हिस्सा। इस course में और किसी चीज़ का आकार ऐसा नहीं है। tool definition हर request पर paid होती है, चाहे उसका इस्तेमाल हो या नहीं, और Chapter 26 ने एक MCP server को कुछ भी करने से पहले 1,619 tokens पर मापा था: ऊपर की table में average level-1 line से बत्तीस गुना।

यह chapter उस mechanism के बारे में है जो यह अनुपात बनाता है, उन दो तरीकों के बारे में जिनसे यह टूटता है, और उस सवाल के बारे में जिसे mechanism मजबूर करता है और जिसका जवाब लगभग कोई नहीं देता: knowledge के किसी टुकड़े को चार जगहों में से कहाँ होना चाहिए।

इस chapter में कोई programming language क्यों नहीं है

सेक्शन का लिंक: इस chapter में कोई programming language क्यों नहीं है

Chapter 14 ने इस course के दूसरे आधे हिस्से के लिए नियम तय किया था — connections, retries और cancellation TypeScript हैं — और पाँच exceptions घोषित किए थे। यह उनमें से एक है, और वजह कोई preference नहीं है।

skill एक Markdown file है। ऐसी file नहीं जो किसी program को configure करे, ऐसी file नहीं जिसे कोई program compile करे: यह एक document है जिसे model पढ़ता है, ठीक वैसे ही जैसे वह आपका typed message पढ़ता है। इस chapter को programming language देना मतलब format को न समझना होता, और यही misunderstanding skills के बारे में सबसे आम है। नीचे सब कुछ Markdown और YAML है, साथ में एक छोटा shell script जो ठीक यह दिखाने के लिए है कि skill के भीतर code कहाँ होना चाहिए और कहाँ नहीं।

वह bill जिसे यह हल करता है, और यह Chapter 16 का arithmetic है

सेक्शन का लिंक: वह bill जिसे यह हल करता है, और यह Chapter 16 का arithmetic है

यह एक असली instruction है: एक company अपने release notes कैसे लिखती है। यह preference नहीं, procedure है — इसमें steps का ordered set, taxonomy, voice, template और raw material इकट्ठा करने वाला script है।

इसे सब कुछ system prompt में डालिए, जैसा ज्यादातर teams करती हैं, और Chapter 16 का arithmetic हावी हो जाता है। system prompt एक prefix है, और prefix का payment हर call पर होता है। इस chapter के लिए लिखे गए folder पर o200k_base से मापा गया:

the same instruction, two ways, 40 turnsTEXT

whole thing pasted into the system prompt   1,716 x 40  =  68,640 input tokens   $0.1373
as a skill, activated once on turn 12          46 x 40
                                            + 324 (SKILL.md body)
                                            + 665 (two reference files read)
                                                        =   2,829 input tokens   $0.0057
as a skill, never activated at all             46 x 40  =   1,840 input tokens   $0.0037

जब इस्तेमाल हो तो चौबीस गुना सस्ता, जब न इस्तेमाल हो तो सैंतीस गुना सस्ता। rates Chapter 16 की हैं: input tokens के प्रति million $2.00।

अब ईमानदार आपत्ति, क्योंकि इसे छोड़ने वाला chapter advertising होता। Prompt caching पैसे के gap को काफी हद तक बंद कर देती है। system prompt stable होता है और सबसे पहले बैठता है, जिससे वह सबसे अच्छा cache candidate बनता है; cached input के लिए प्रति million $0.20 पर वही 68,640 tokens $0.1373 के बजाय $0.0168 खर्च करते हैं। अब भी skill से तीन गुना, लेकिन अब magnitude का अलग order नहीं।

पैसा कभी सबसे मजबूत argument नहीं था। यह है:

Caching permanent prefix को सस्ता बनाती है। उसे छोटा नहीं बनाती।

turn 40 पर system-prompt version में release-note policy के 1,716 tokens अब भी window में बैठे हैं, जबकि conversation किसी और चीज़ के बारे में है, और वे उस चीज़ के लिए compete कर रहे हैं जिसे Chapter 24 ने model का attention budget कहा था। skill version में 46 हैं। गलत चीज़ cache कीजिए और आपने distraction पर discount खरीद लिया।

Formula के रूप में, जहाँ $n$ turns हैं, $L_1$ metadata है, $L_2$ body है, $L_3$ पूरा bundle है और $R$ वास्तव में पढ़ी गई bundled files का set है:

\text{system prompt} = n\,(L_1 + L_2 + L_3) \qquad \text{skill} = n\,L_1 + \mathbb{1}[\text{used}]\left(L_2 + \sum_{i \in R} L_3^{(i)}\right)

यह पूरा chapter second term को $n$ से multiply करने और उसे one या zero से multiply करने के बीच का फर्क है।

skill असल में क्या है

सेक्शन का लिंक: skill असल में क्या है

skill एक directory है। specification इतनी छोटी है कि पूरी कही जा सकती है:

the whole formatTEXT

release-notes/
├── SKILL.md          # required: YAML frontmatter + Markdown instructions
├── scripts/          # optional: executable code
├── references/       # optional: documentation read on demand
├── assets/           # optional: templates, schemas, examples
└── ...               # anything else you like

SKILL.md YAML frontmatter से शुरू होना चाहिए, और ठीक दो fields required हैं: name और description।¹ चार और optional हैं और कोई अन्य defined नहीं है:

Field	Required	Constraint
`name`	yes	1–64 characters, lowercase letters, digits और hyphens; leading, trailing या doubled hyphen नहीं; directory name से match करना चाहिए
`description`	yes	1–1024 characters, non-empty; बताता है कि skill क्या करती है और कब use करनी है
`license`	no	licence name, या bundled licence file का name
`compatibility`	no	500 characters तक: intended product, required packages, network access
`metadata`	no	आपकी अपनी tooling के लिए string keys से string values का free map
`allowed-tools`	no	pre-approved tools की space-separated list; experimental marked

यहाँ release-notes skill है, पूरी, जिसकी body तीस lines से कम है:

release-notes/SKILL.mdMARKDOWN

---
name: release-notes
description: Write the release notes for a tagged version in this company's house style. Use when preparing a release, drafting a changelog entry, or when someone asks for the notes for a version number or a tag.
allowed-tools: Bash(git log:*) Bash(git tag:*) Read
---

# Release notes

## Procedure

1. Run `scripts/collect.sh <previous-tag> <new-tag>`. It prints one line per merged
   pull request: number, title, author and the labels.
2. Drop every line whose labels contain `internal`, `ci` or `chore`.
3. Put each surviving line into exactly one of the four categories in
   [references/categories.md](references/categories.md). A change that seems to fit two
   belongs in the higher one; the order in that file is the order of precedence.
4. Rewrite each line as a sentence in the voice defined in
   [references/voice.md](references/voice.md). The pull request title is a note to
   the team; the release note is a note to a stranger.
5. Check the result against [references/examples.md](references/examples.md).

## The one rule that is not negotiable

Every note says what a person can now do, or what stopped happening to them. If a
sentence can only be understood by someone who has read the diff, it is not finished.

ध्यान से पढ़िए कि वह body क्या है। यह policy नहीं है — यह operations के order वाली table of contents है। policy उन तीन files में रहती है जिनके नाम यह देती है और जिन्हें include नहीं करती। और step one काम script को देता है, क्योंकि script का code context window में कभी आता ही नहीं: सिर्फ उसका output आता है।²

तीन levels, और हर level की लागत

सेक्शन का लिंक: तीन levels, और हर level की लागत

loading model का एक name और तीन stages हैं। specification उन्हें token budget के साथ बताती है:¹

Metadata, लगभग 100 tokens: name और description, हर installed skill के लिए startup पर loaded।
Instructions, recommended under 5,000 tokens: SKILL.md body, skill activate होने पर loaded।
Resources, as needed: bundled files, केवल तब loaded जब कोई चीज़ उन्हें require करे।

reference documentation उसी table पर चौथा column रखती है — when loaded, token cost, content — और जिस row का महत्व है वह third है: none until accessed।³ पूरे chapter को summarize करने वाली sentence भी वहीं है:

Files don't consume context until accessed, so Skills can include comprehensive API documentation, large datasets, or extensive examples. There's no context penalty for bundled content that isn't used.³

इस chapter के top पर measured table उसी claim को पाँच ऐसी skills के against check करती है जिन्हें किसी ने इस article के लिए नहीं लिखा। दो rows को एक-दूसरे के against पढ़ना चाहिए।

next-best-practices की body 966-token की है जो 19,374 tokens वाली nineteen files से link करती है। उसे hydration error fix करने को कहिए और agent body plus hydration-error.md पढ़ता है: 20,340 में से 1,409 tokens, fourteen का factor, और बाकी eighteen files कभी नहीं खोली जातीं।

next-cache-components की body 2,334-token की है और कोई bundled files बिल्कुल नहीं हैं। यह valid skill है और अच्छी तरह लिखी गई है, और इसमें disclose करने के लिए level 3 नहीं है। technique की ईमानदार सीमा यही है: progressive disclosure तभी saving है जब defer करने के लिए कुछ हो। जिस skill की knowledge decompose नहीं होती, activation पर उसकी पूरी body paid होती है, और बचा हुआ एकमात्र lever है उसे activate न करना।

वे शब्द जो फिर collide करते हैं।

यहाँ "Progressive disclosure" interface-design वाला term नहीं है जिसमें controls धीरे-धीरे reveal किए जाते हैं, और यह Chapter 19 का retrieval भी नहीं है, हालाँकि यह उससे मिलता-जुलता है। Chapter 24 ने उसी idea को just-in-time retrieval कहा और reference measurement दिया: eagerly loaded tool definitions को on demand loading से replace करने पर request 150,000 tokens से 2,000 पर आ गई।

फर्क यह है कि loading कौन करता है। retrieval में आपका code query embed करता है और results paste करता है। यहाँ model filename को उसी tool से पढ़ता है जिससे वह कोई भी दूसरी file पढ़ता है, क्योंकि index उस document में रहता है जिसे वह पहले ही पढ़ चुका है। इसी वजह से mechanism को किसी infrastructure की जरूरत नहीं: files पढ़ सकने वाला agent और disk पर folder ही पूरी implementation है।

इसे तोड़ें: description ही पूरा interface है

सेक्शन का लिंक: इसे तोड़ें: description ही पूरा interface है

Level 1 एक sentence से किया गया routing decision है। skill के बारे में और कुछ भी इस बात को influence नहीं करता कि वह कभी खोली जाएगी या नहीं — न body की quality, न examples, न scripts। इसलिए description documentation नहीं है। यह query surface है, और यह गलत हो सकती है।

specification इसे good example और bad one के रूप में कहती है, और bad one चार words का है: description: Helps with PDFs.¹ इसे accept करने के बजाय measure करना जरूरी है।

छह skills, हर एक की plausible description जो बताती है कि वह क्या करती है और कब use करनी है। चौबीस requests, हर skill के लिए चार, ऐसे phrased जैसे कोई व्यक्ति phrase करेगा और skill का name कभी नहीं लिया गया। model system prompt में छह lines देखता है और उसे एक name या NONE के साथ answer देना है। Greedy decoding, ताकि वह reproduce करे। फिर वही चौबीस requests उन्हीं छह skills के साथ, और descriptions अपने bare subject तक घटाई गईं।

the two system promptsTEXT

rich   - sql-review: Review a SQL migration for locks, missing indexes and unsafe
         defaults before it runs on the production database. Use when someone adds
         or changes a migration, an index, or a table column.
thin   - sql-review: Helps with SQL.

24 requests, Qwen2.5-0.5B-Instruct, greedy decodingTEXT

rich   295 tokens of level 1 for six skills   18/24 correct = 75.0 %  [55.1, 88.0]
thin    81 tokens of level 1 for six skills   10/24 correct = 41.7 %  [24.5, 61.2]

paired: rich only 9, thin only 1, two-sided sign test p = 0.0215
answered NONE: rich 1 of 24, thin 9 of 24

पहले intervals पढ़िए, जैसा Chapter 4 ने insist किया था और Chapter 29 फिर insist करेगा: वे overlap करते हैं, और चौबीस cases केवल aggregates पर दो systems को rank नहीं कर सकते। paired comparison ही फैसला करता है, और यह Chapter 15 का instrument है: उन दस cases में जहाँ दोनों arms disagree हुए, नौ rich descriptions के पास गए और एक thin ones के पास। यह usual threshold पर established है।

अब last line पढ़िए, जो actual finding है। thin descriptions के साथ model ने चौबीस requests में से नौ पर NONE answer किया। गलत skill नहीं: कोई skill नहीं। इनमें से चार यहाँ verbatim हैं:

TEXT

"Check this migration before I run it against production."     -> release-notes
"Will this CREATE INDEX lock writes?"                          -> NONE
"Is this ALTER TABLE safe to deploy at peak traffic?"          -> NONE
"Is 'seamless and powerful' allowed in the app store listing?" -> next-best-practices

एक perfect sql-review skill installed थी, body और examples और checklist के साथ, और वह लगातार तीन बार, उन्हीं तीन questions पर जिनके लिए वह लिखी गई थी, कभी खोली ही नहीं गई। Level 2 और 3 उस skill के लिए irrelevant हैं जहाँ level 1 कभी पहुँचता ही नहीं।

इसे fix करने की लागत: 214 tokens, 295 और 81 के बीच का difference, छह skills में फैला हुआ। यही Chapter 18 की finding दूसरी तरफ से आती हुई है। वहाँ केवल tool की description बदलने से date formatting 24 में से 2 correct से 24 में से 24 हो गई। यहाँ केवल skill की description बदलने से activation 24 में से 10 से 18 हो जाती है। दोनों cases में system का सबसे सस्ता fix एक sentence है, और दोनों cases में sentence को सिर्फ subject नहीं, trigger का name लेना होता है: चीज़ क्या है नहीं, बल्कि user ने अभी क्या कहा होगा जब यह apply करती है।

एक caveat जो यह chapter अपने standards को देना चाहता है। यह half-billion-parameter model है, और frontier model 75 % से कहीं बेहतर route करता है। mechanism पढ़िए, magnitude नहीं: routing signal एक sentence लंबा होता है, चाहे कोई भी model उसे पढ़े, और कोई model उस information पर select नहीं कर सकता जो आपने उस sentence में डाली ही नहीं।

इसे फिर तोड़ें: 26,362 tokens वाला escape hatch

सेक्शन का लिंक: इसे फिर तोड़ें: 26,362 tokens वाला escape hatch

दूसरी failure पहली के उलट है। skill मिल जाती है, levels correctly split हैं, और agent फिर भी सब कुछ पढ़ लेता है।

vercel-react-best-practices सचमुच अच्छी तरह built skill है। इसकी 1,670-token body आठ categories की priority table और 70 rule files के नाम वाली quick reference है, हर file की एक line। rules उसके पास disk पर हैं: 70 files, सबसे छोटी 132 tokens, median 319, सबसे बड़ी 1,052। barrel imports के बारे में एक question पूछिए और ईमानदार लागत body plus एक file है — 53,670 के bundle के against 2,400 tokens से कम।

फिर body की last line यह कहती है:

the final section of SKILL.mdTEXT

## Full Compiled Document

For the complete guide with all rules expanded: `AGENTS.md`

AGENTS.md 26,362 tokens है। यह 70 rule files concatenated हैं: उनका sum 25,784 है, और difference उनके बीच के headings हैं। इसलिए skill agent को 319 tokens वाली एक median rule पढ़ने और वही content, पूरा, तिरासी गुनी कीमत पर पढ़ने के बीच choice देती है — और वह choice ऐसे sentence में देती है जिसमें कोई cost attached नहीं और यह condition नहीं कि कब लेना चाहिए।

यह bug नहीं है और file गलत नहीं है; compiled document human के लिए सचमुच useful है, और उस agent के लिए भी जिसे पूरे codebase का audit करने को कहा गया हो। यह level-3 file with a level-2 invitation है, और lesson इस एक skill से आगे generalise होता है: SKILL.md से बाहर जाने वाले हर path को कहना चाहिए कि वह कितना cost करता है और कब worth it है, क्योंकि model के पास यह जानने का कोई तरीका नहीं कि कोई filename उसके ऊपर वाले filename से तिरासी गुना अधिक expensive है।

उसी folder में staleness का एक छोटा lesson भी है। body कहती है "70 rules across 8 categories" और 70 list करती है; rules/ directory में 72 files हैं, जिनमें से दो scaffolding हैं (_template.md और _sections.md); और sidecar metadata.json कहती है "40+ rules"। एक ही set की तीन counts एक folder में, एक right, एक arithmetic, और एक earlier version से बची हुई। skill एक document है, और documents ठीक वैसे ही rot होते हैं जैसे कोई code comment जो अपने बगल वाले code से drift होकर दूर चला गया हो — फर्क यह कि यह वाला उस machine द्वारा पढ़ा जाता है जो eyebrow नहीं उठाएगी।

reference implementation जो fields जोड़ती है, और portability trap

सेक्शन का लिंक: reference implementation जो fields जोड़ती है, और portability trap

open specification छह frontmatter fields define करती है। reference implementation, Claude Code, बीस accept करता है।² पाँच groups को name से जानना useful है, क्योंकि वहीं format केवल document रहना बंद करता है:

Permission and invocation. allowed-tools उन tools को pre-approve करता है उस turn के लिए जिसने skill invoke की और grant next message पर clear हो जाता है; disallowed-tools उन्हें remove करता है। disable-model-invocation model को इसे अपने आप load करने से रोकता है, जिससे skill ऐसा command बन जाती है जिसे व्यक्ति run करता है। user-invocable: false इसका उलटा करता है: लोगों से hidden, केवल model के लिए available, background knowledge के लिए।

Isolation and cost. context: fork skill को अपने window वाले अलग sub-agent context में run करता है — Chapter 25 की sub-agent boundary YAML की एक line के रूप में — जहाँ agent kind चुनता है और background तय करता है कि turn wait करेगा या नहीं। model और effort skill active रहने के दौरान, केवल उस turn के लिए, कौन-सा model run करता है यह बदलते हैं।

Arguments (arguments, argument-hint) किसी व्यक्ति को values pass करने देते हैं जो body में substitute होती हैं, और यही skill को slash command की तरह usable बनाता है। Scoping (paths) activation को glob match करने वाली files तक limit करता है। और dynamic context injection वह है जो mental model बदल देता है: !`git diff HEAD` form की line body भेजे जाने से पहले run होती है, और उसका output text में substitute होता है। document template है, और उसका कुछ हिस्सा read time पर computed होता है।

अब trap, और यह उसी documentation में stated है: Claude Code के बाहर — web product पर, Skills API के through, packaging में — सिर्फ छह specified fields allowed हैं, और कोई भी दूसरा field upload पर hard error है।² इसलिए जो skill एक product में perfectly काम करती है, वही उसी vendor के दूसरे product में install होने में fail होती है, और prose पढ़कर test कर सकने वाली किसी चीज़ के बजाय frontmatter पर fail होती है। अगर आप skill को portable बनाना चाहते हैं, तो छह fields ही पूरा budget हैं। अगर नहीं चाहते, तो compatibility में कहिए, जो ठीक इसी के लिए exists करता है।

वह table जिसके लिए यह chapter मौजूद है

सेक्शन का लिंक: वह table जिसके लिए यह chapter मौजूद है

चार चीज़ें लगातार एक-दूसरे से confuse होती हैं, और confusion vocabulary pedantry नहीं है: गलत चुनने से हर turn पर पैसा खर्च होता है, या वह guarantee चली जाती है जो आपको लगा था कि आपके पास है।

	System prompt	Skill	Tool	MCP server
यह क्या है	हर request में text	ऐसा folder जिसका root `SKILL.md` है	JSON Schema plus आपके code में endpoint	protocol बोलने वाला process या service
model क्या करता है	इसे पढ़ता है, हमेशा	इसे पढ़ता है, जब वह decide करता है कि description match करती है	इसे call करता है, और आपके result का wait करता है	host के through इसे call करता है, हर server पर एक client
लागत क्या है	इसकी पूरी length, हर turn, हमेशा	लगभग 50 tokens प्रति turn; body एक बार, अगर use हो	इसका schema, हर turn; execution जब called	हर schema plus server का `instructions`, हर turn
यह क्या guarantee कर सकता है	कुछ नहीं — यह advice है	कुछ नहीं — यह advice है जिसे model skip कर सकता है	वह सब कुछ जिसे आपका code act करने से पहले enforce करता है	वह सब कुछ जिसे server enforce करता है
इसे कौन लिखता है	आप	आप, colleague, या vendor	आप	कोई और, कई hosts के लिए
Chapter	15	यह वाला	18	26 और 27

bold वाली दो rows ही पूरा distinction हैं। skill पढ़ी जाती है; tool invoke होता है। skill prose है जो context window में आती है और वहाँ मौजूद हर चीज़ के साथ attention के लिए compete करती है; model इसे follow कर सकता है, misread कर सकता है, या ignore कर सकता है, और system में कुछ भी notice नहीं करता। tool एक call है जो model के हाथों से पूरी तरह निकल जाता है: आपका code arguments receive करता है, उन्हें validate करता है, permissions check करता है और decide करता है। Chapter 18 ने इसे model proposing और आपका code disposing कहा था, और यही division skill में नहीं होता।

तो छह real cases, resolved:

"User की language में answer करें। कोई price कभी state न करें जो आपको दिया नहीं गया।"

सेक्शन का लिंक: "User की language में answer करें। कोई price कभी state न करें जो आपको दिया नहीं गया।"

System prompt. यह हर turn पर apply करता है, procedure के बजाय constraint है, और दो sentences लंबा है। जो चीज़ हमेशा apply करती है, उसके पास progressively disclose करने को कुछ नहीं, और हर turn पर discovery line के लिए pay करके हर turn पर दो sentences के लिए pay करने से बचना saving नहीं है।

"हम यहाँ release notes कैसे लिखते हैं।"

सेक्शन का लिंक: "हम यहाँ release notes कैसे लिखते हैं।"

Skill. Procedural, शायद चालीस में एक turn पर needed, voice, taxonomy और examples में decomposable, और यह prose है जिसे कोई व्यक्ति edit करेगा। यही वह shape है जिसके लिए format design किया गया था, और ऊपर की measurement दिखाती है कि यह क्या बचाता है।

"Warehouse database में identifier से order look up करें।"

सेक्शन का लिंक: "Warehouse database में identifier से order look up करें।"

Tool. इसके पीछे deterministic function है और model को query improvise नहीं करनी चाहिए। इसे skill के रूप में लिखना — warehouse query करने का तरीका समझाने वाला document — model को schema देकर उम्मीद करना है। schema plus endpoint उसे answer देता है।

"हमारा tracker, company द्वारा use किए जाने वाले हर agent product से, issues read और write करे।"

सेक्शन का लिंक: "हमारा tracker, company द्वारा use किए जाने वाले हर agent product से, issues read और write करे।"

MCP server. capability आपकी नहीं है, कई hosts को चाहिए, और इसकी authentication story है। यह वही $N \times M$ problem है जिससे Chapter 26 शुरू हुआ था, protocol इसका answer है, और Chapter 27 एक को दो बार ship करता है। कोई skill उस host द्वारा discovered नहीं हो सकती जिसने आपका filesystem कभी देखा ही नहीं — यही ठीक वह gap है जिसे इस chapter के end में standards work close कर रहा है।

"चार-सौ-page brand manual।"

सेक्शन का लिंक: "चार-सौ-page brand manual।"

चारों में से कोई नहीं। यह follow करने की procedure नहीं, look up करने वाली knowledge है, और यह उस index में belong करती है जिसे agent search करता है: Chapter 19। इसे level 3 के रूप में bundle करना permitted और tempting और wrong है, क्योंकि model को केवल names से guess करना होगा कि चालीस files में से answer किसमें है। जो अच्छी skill है वह दो-page procedure है जो agent को बताती है कि उस index को कब search करना है, low similarity score का क्या मतलब है, और मिली हुई चीज़ को cite कैसे करना है।

"Human के बिना दो सौ euros से ज्यादा refund कभी न करें।"

सेक्शन का लिंक: "Human के बिना दो सौ euros से ज्यादा refund कभी न करें।"

approval gate वाला tool, और कभी skill नहीं। यही case मायने रखता है। SKILL.md में लिखा गया limit ऐसा sentence है जिसे model पढ़ता है और usually respect करता है; refund tool में लिखा गया, यह branch है जो किसी भी money move होने से पहले run होती है। ऐसा limit, जिसके cross होने पर आपको शर्मिंदगी होगी, documentation नहीं है। याद रखने लायक rule: अगर instruction ignore करने का consequence badly formatted answer से खराब है, तो instruction document में belong नहीं करता।

house jargon से standard तक, numbers के साथ

सेक्शन का लिंक: house jargon से standard तक, numbers के साथ

history छोटी है, असामान्य रूप से well dated है, और यही वह हिस्सा है जो लगभग कोई नहीं बताता।

Agent Skills 16 October 2025 को एक vendor feature के रूप में published हुए थे, उस announcement में defined: "organized folders of instructions, scripts, and resources that agents can discover and load dynamically to perform better at specific tasks", और तीन levels को एक analogy से describe किया गया जिसे रखना चाहिए: "like a well-organized manual that starts with a table of contents, then specific chapters, and finally a detailed appendix"।⁴

18 December 2025 को वही page update हुआ और format को open standard घोषित किया गया, जिसकी अपनी specification agentskills.io पर थी, governance contributions के लिए open थी, और reference validator था।³ 7 September 2026 को पढ़े जाने पर, standard का client showcase छियालिस products list करता है — editors, terminals, cloud platforms और mobile runtimes, जिनमें Anthropic, OpenAI, Google और Mistral के first-party coding agents शामिल हैं — हर एक अपनी setup documentation से link करता है।¹

MCP के साथ convergence खुले में हो रहा है, ऐसे numbers के साथ जिन्हें आप check कर सकते हैं:

	यह क्या है	Opened	7 Sep 2026 को state
SEP-2076	Agent Skills as a First-Class MCP Primitive: नए `skills/list` और `skills/get` methods, `skills` capability, `list_changed` notification	13 January 2026	closed, 24 February 2026
Skills Over MCP working group	define करता है कि skills "discovered, distributed, and consumed through MCP" कैसे होती हैं; weekly मिलता है; seventeen listed members, उनमें से two leads	interest group 1 February 2026; working group 16 April 2026	active
SEP-2640	Skills Extension, Extensions Track: `skill://` resource convention, extension identifier `io.modelcontextprotocol/skills`, discovery `skills/list` through और content `resources/read` through	23 April 2026	in review

interesting part proposals नहीं, closure है। SEP-2076 ने tools, resources और prompts के beside fourth primitive माँगा था। उससे बने working group ने decide किया कि answer no था: skills पहले से मौजूद resources primitive पर opt-in extension के रूप में ride करती हैं।⁵ Chapter 26 ने protocol के अपने changelog में वही instinct measure की, जहाँ sampling, roots और logging को रखे जाने के बजाय deprecated किया गया था। standards body जो अपना authored proposal remove करती है, अच्छा behave कर रही है, और numbers सामने रखकर यह story बताने की वजह यह है कि जो summaries आप elsewhere पढ़ेंगे वे अब भी skills को MCP primitive बताती हैं।

आगे यह कहाँ जाता है

सेक्शन का लिंक: आगे यह कहाँ जाता है

अब आप SKILL.md लिख सकते हैं, उसे तीन levels में split कर सकते हैं जो अपनी लागत justify करते हैं, किसी और की skill का frontmatter पढ़कर जान सकते हैं कि कौन-से fields कहीं और upload होने पर survive नहीं करेंगे, और जिस सवाल के around पूरा chapter बनाया गया था — system prompt, skill, tool, या server — उसका answer habit के बजाय reason से दे सकते हैं।

जो आप नहीं कर सकते, वह यह बताना है कि आपकी वाली काम करती है या नहीं।

इस chapter में जो भी claims मायने रखते थे वे measurements थे, और जो सबसे ज्यादा मायने रखता था वह accuracy थी: 24 के against 18 versus 24 के against 10, हर एक पर interval और उनके बीच paired test के साथ, क्योंकि दो overlapping aggregates कुछ decide नहीं करते। वह instrument borrowed था। skill की description routing key है, उसकी body procedure है जिसे model follow कर भी सकता है या नहीं भी, और ये दोनों properties आप केवल thing को कई बार run करके और जो वापस आया उसे score करके ही जान सकते हैं — यानी golden set, run से पहले लिखा गया grader, और वह metric जो पूछता है कि क्या यह हर बार काम किया, कम से कम एक बार नहीं।

Chapter 29 वही है, और यह उस number से शुरू होता है जिस पर इस chapter की method depend करती है: जो agent दस में से सात बार succeed करता है वह 70 % जैसा दिखता है, और उसका pass^10 — chance कि वह दसों में succeed करे — zero है। यह उसी दो सौ transcripts पर तीन graders भी measure करता है और बिना एक भी token regenerate किए 0 %, 13 % और 26 % पाता है। आपने अभी description में जो sentence लिखा, उस पर trust करने से पहले आपको वह instrument चाहिए जो बता सके कि वह उससे खराब है जिसे आपने replace किया।

Sources and method

सेक्शन का लिंक: Sources and method

इस chapter में हर token count locally tiktoken 0.14.0 और o200k_base encoding के साथ, 7 September 2026 को produce किया गया: इस chapter की शुरुआत में listed पाँच third-party skills पर, और इस chapter के लिए लिखी गई release-notes skill पर, जिसका complete text ऊपर partly reproduced है। Level 1 को single line - name: description के रूप में measure किया गया जिसे host system prompt में render करता है; level 2 frontmatter के बाद की SKILL.md body है; level 3 folder की हर other file है। costs Chapter 16 की measured rates use करते हैं gpt-5.6-terra के लिए, input tokens के प्रति million $2.00 और cached input tokens के प्रति million $0.20, उन counts पर applied — ये measured tokens पर arithmetic हैं, live bill के observations नहीं। इस chapter को लिखने के लिए कोई paid API call नहीं की गई।

activation experiment ने एक consumer GPU पर half precision में Qwen/Qwen2.5-0.5B-Instruct run किया, greedy decoding, छह skills पर 24 requests, दो बार — एक बार ऐसी descriptions के साथ जो बताती हैं कि skill क्या करती है और कब apply होती है, एक बार descriptions को specification के अपने "poor example" की style में bare subject तक काटकर। Intervals 95 % पर Wilson हैं; paired comparison दस discordant cases पर two-sided exact sign test है; Wilson interval Chapter 4 का है और exact paired sign test Chapter 15 का, दोनों unchanged reused। magnitudes को बहुत छोटे model की property की तरह पढ़ें और method को transferable समझें।

यहाँ measured पाँच skills third-party packages हैं, इस chapter के लिए written नहीं: next-best-practices और next-cache-components from vercel-labs/next-skills, और vercel-composition-patterns, vercel-react-best-practices और vercel-react-native-skills from vercel-labs/agent-skills। उनकी internal counts — 70 rule files, AGENTS.md at 26,362 tokens, metadata.json dated January 2026 and claiming "40+ rules" — 7 September 2026 को disk पर files से read की गईं और उस published version की properties हैं, उसके authors की criticisms नहीं: उनमें से हर एक वही drift है जो किसी भी documentation tree में दिखती है जिसे count किए जाने से ज्यादा बार edit किया जाता है।

संदर्भ

सेक्शन का लिंक: संदर्भ

Agent Skills Specification और Overview, agentskills.io/specification और agentskills.io, 7 September 2026 को read। directory layout का source; ऊपर हर constraint के साथ reproduced frontmatter table (name 1–64 characters और directory से matching, description 1–1024 characters, compatibility up to 500, allowed-tools marked experimental); अच्छे और poor description examples; token budget के साथ three-stage progressive-disclosure description (metadata लगभग 100 tokens, instructions under 5,000 recommended, resources as needed) और SKILL.md को 500 lines के under रखने की advice; note कि "the agent will load this entire file once it's decided to activate a skill"; scripts/, references/ और assets/ conventions; skills-ref validate command; statement कि format "was originally developed by Anthropic, released as an open standard, and has been adopted by a growing number of agent products"; और client showcase, जिसमें reading date पर forty-six products listed थे। ↩ ↩² ↩³ ↩⁴
Claude Code documentation में Skills, code.claude.com/docs/en/skills, 7 September 2026 को read। "fields the reference implementation adds" section में use की गई full field table का source — when_to_use, argument-hint, arguments, disable-model-invocation, user-invocable, allowed-tools, disallowed-tools, model, effort, context, agent, background, hooks, paths, shell, metadata, license, compatibility — dynamic context injection की description का जिसमें !`command` body भेजे जाने से पहले run करता है, rule का कि allowed-tools grant next message पर clear होता है, और compliance note का कि Claude Code के बाहर केवल छह specified fields accepted हैं और कोई भी दूसरा upload या packaging में hard error cause करता है। ↩ ↩² ↩³
Agent Skills overview, platform.claude.com/docs/en/agents-and-tools/agent-skills/overview, 7 September 2026 को read। level table का source जिसकी four columns हैं (Level 1 metadata, always, लगभग 100 tokens per skill; Level 2 instructions, when triggered, under 5k tokens; Level 3+ resources, as needed, none until accessed); bundled content पर no context penalty वाली पूरी quoted sentence का; "until a Skill is triggered, only its name and description occupy context" का; statement कि script का code context window में कभी enter नहीं करता और only its output does; और security section का, जो आपको trusted sources से ही skills use करने को कहता है और warn करता है कि malicious skill "can direct Claude to invoke tools or execute code in ways that don't match the Skill's stated purpose" — Chapter 30 का subject, tool description के बजाय document के through आता हुआ। ↩ ↩² ↩³
Anthropic, Equipping agents for the real world with Agent Skills, 16 October 2025, anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills, 7 September 2026 को read। ऊपर quoted definition का source, table-of-contents/chapters/appendix analogy का, originally described three levels का, और उस framing का कि agents को domain expertise देने के लिए "more composable, scalable, and portable ways" चाहिए। companion product announcement claude.com/blog/skills पर 16 October 2025 की publication date और 18 December 2025 का update रखता है जिसने organisation-wide management और open standard introduce किया। ↩
Skills Over MCP Charter, modelcontextprotocol.io/community/working-groups/skills-over-mcp, 7 September 2026 को read। ऊपर quoted mission statement का source, changelog dates का (interest group formed 1 February 2026, initial charter 14 April 2026, converted to working group 16 April 2026, SEP-2640 linked 25 April 2026), leadership और seventeen listed members का, weekly meeting cadence का, और success criterion का जो draft Skills Extension को "a formal extension using existing Resources primitives" कहता है। SEP-2076, Agent Skills as a First-Class MCP Primitive, github.com/modelcontextprotocol/modelcontextprotocol/pull/2076, 13 January 2026 को opened और 24 February 2026 को closed हुआ; इसने skills/list, skills/get, skills server capability और skills/list_changed notification propose किया, और skill को "a named bundle of instructions plus references to tools, prompts, and resources that together teach an agent how to perform a domain-specific workflow" define किया। SEP-2640, Skills Extension, .../pull/2640, 23 April 2026 को Extensions Track पर opened हुआ और skill:// resource convention तथा extension identifier io.modelcontextprotocol/skills रखता है। Chapter 26 उसी working group को protocol के optional extensions में list करता है। ↩