WebinarNotes/raw/sources/Скиллы на базе git — новая память AI-агентов.md

#ai #agents #video #webinar

# Выводы по видео

**Источник:** https://www.youtube.com/watch?v=a-NIeMB-Hj8
**Название:** Скиллы на базе git — новая память AI-агентов. Мой опыт
**Автор:** Константин (Сбер, команда разработки ГигаЧата, R&D по агентам)
**Длительность:** 53:09

---

## Главный тезис

**Скиллы, объединённые с данными пользователя и алгоритмами автоулучшения — это новая память AI-агентов, к которой все агентные системы в итоге придут.** Это не просто «набор навыков», это принципиально новая архитектура памяти, в которой:

- инструменты (как их вызывать)
- данные (то, над чем работаем)
- история использования (что уже сделано)

лежат вместе в одном git-репозитории, и харнесс сам решает, что подгружать в контекст в конкретный момент.

Автор ведёт слушателя от исторического рекапа к практическому опыту и заканчивает моделью «трёхуровневого агентного цикла», который, по его прогнозу, будет доминировать в 2027.

---

## Часть 1. Рекап эволюции агентов (как мы пришли к харнессам)

### Таймлайн

| Период | Что появилось | Что это дало |
|---|---|---|
| Начало 2023 | LLM / ChatGPT (не чатовая) — задал вопрос, получил ответ | Нет памяти, нет инструментов, одноходовой обмен |
| Лето 2023 | Концепция **ReAct-агентов** — LLM может либо ответить текстом, либо вызвать функцию | Впервые появился «агентный цикл»: вызов инструментов → рефлексия → изменение поведения. Мир научился давать LLM обратную связь через tools |
| 2023–2024 | Цепочки вызовов, роли, первые агентные SDK, векторные БД, **RAG**, JSON-структурированные ответы | Агент становится сложнее, начал использовать внешние знания |
| 2024 | Цепочки → **графы**. LangGraph. Мультиагентные подходы (агент-планировщик, агент-критик, третий агент отвечает). Фреймворки: AutoGen, CrewAI. **Скаффолдинг** — сложная конструкция вокруг LLM | Пик технической сложности агентов |
| Конец 2025 | Внезапное **упрощение**. Оказалось, что достаточно простого агента с ~10 базовыми функциями работы с файлами, чтобы решать сложные задачи. Начало эпохи **универсальных агентов = харнессов** | Резкое снижение сложности при росте возможностей |
| 2026 (сейчас) | Универсальные агенты (харнессы) вкладываются во внешние циклы (**Ralph loop**), запускаются на дни/недели. Появляется **AI factory** (полностью автономная работа без human-in-the-loop) | Human-in-the-middle → man-on-the-middle → полное отсутствие человека |
| 2027 (прогноз) | Доминирование скиллов + агентных циклов | — |

### Эволюция ролей человека

- **Prompt-инженер** (текстовое описание задачи) → **Context-инженер** (сложный prompt с памятью, RAG, структурами) → **Harness-строитель** (архитектура харнесса, политики, песочница) → сейчас поднимается **Loop-инженер** (построение циклов вокруг агента: CI/CD, back-pressure, метациклы)

### Ключевая мысль этой части

«За полгода всё меняется». Ничего фундаментального в этой сфере пока нет. Только что утвердили MCP — уже все хотят A2A. Корпорации от этого страдают.

---

## Часть 2. Что такое харнесс

### Определение и метафора

**Харнесс** (в переводе — упряжка) = агент + инструменты. LLM — источник силы. Набор инструментов — упряжка. Поле задач — данные. LLM, запряжённая в инструменты, «тянет их по пространству данных», превращая необработанные задачи в решённые.

Важно: **задачи разные, а способ их обработки одинаковый** — одна и та же упряжка (харнесс) решает большое количество разнородных задач.

### Стандартный набор инструментов харнесса (~30–40 max)

| Категория | Инструменты |
|---|---|
| Файлы | Read, Edit, Write |
| Shell | Bash |
| Поиск | Grep, Glob, WebSearch |
| Планирование | TodoWrite/TodoRead |
| Расширение | Спавн субагентов |

**Предел:** >30–40 встроенных тулов не встречается ни в одном популярном харнессе. Больше 100 — LLM (даже Fable 5) начинает путаться, и контекст уходит с огромной скоростью, потому что каждый тул подкладывается в вызов.

### Из чего состоит хороший харнесс

1. **Короткий system prompt** («используй инструменты, чтобы решить задачу»). Чем короче — тем лучше.
2. **Набор стандартных тулов** (см. выше).
3. **Runtime loop** — тот же ReAct-цикл: вызывай тулы, пока не решишь.
4. **Управление контекстом** — своевременная суммаризация, запуск субагентов без передачи полного контекста.
5. **Стандартизованные ключевые файлы** — AGENTS.md, CLAUDE.md, GEMINI.md для описания проекта; директории `skills/` со `SKILL.md`; подключение MCP-серверов.
6. **Устойчивость к нештатным ситуациям** — обрывам соединения, ошибкам ОС, отключению VPN.
7. **Интерфейс** — консольный CLI, чат, мессенджер.

### Два режима работы харнесса (де-факто стандарт)

| Режим | Описание | Термин |
|---|---|---|
| Интерактивный | Постоянные уточнения у человека («можно я прочту этот файл?») | Human-in-the-middle → man-on-the-middle (человек уже не контролирует, а лишь присматривает) |
| Автономный (fire-and-forget) | Запуск через CLI с задачей аргументом; агент решает и возвращает результат | Позволяет встраивать харнессы в CI/CD и строить цепочки последовательных вызовов |

### Популярные харнессы

- **Claude Code**
- **Codex CLI**
- **Cursor** (в каком-то смысле)
- **OpenClaude** (форк Claude Code)
- **Hermes** — построен полностью вокруг скиллов
- И почти все агенты «последнего поколения»

### Личный опыт: харнессы — must-have (три хакатона)

| Хакатон | Результат | Технология |
|---|---|---|
| Interpress-Ex Challenge | 7 место | Свой харнесс, запущенный в бесконечном цикле на выходные. **Ни одну задачу глазами не читал** — просто оставил агента работать |
| Snowbase Camp | 3 место общее / 1 по техническим метрикам | Утечённый Claude Code в качестве бэкенда + красивый фронт. Идеально, когда задача плохо понятна заранее |
| BitGen | ~топ-20 | Обнаружил инсайт: **19 из 20 команд-топов делали свои решения на харнессах**. Все, кто участвует в интересных хакатонах, уже перешли на них |

---

## Часть 3. Эволюция инструментов агентов

### Три поколения

```
Tools (2022–2024) → MCP (кон.2024–2025) → Skills (2025→)
```

### Tools (2022–2024)

- Функция, помеченная тегом, подкладывается в вызов модели.
- Каждый тул попадает в контекст.
- Библиотеки от LangChain, LlamaIndex.
- **Проблема:** приходилось каждый раз писать или адаптировать самому.

### MCP-серверы (конец 2024 → 2025, Anthropic)

- Локально развёрнутый сервер, подключаемый к агенту стандартным протоколом.
- К агенту сразу добавляется несколько готовых тулов.
- Появились маркетплейсы MCP.
- **Проблемы:**
  - Многие MCP содержат десятки тулов → быстро съедается контекст (>100 функций = хаос).
  - Безопасность: если сервер подгружается по сети, поведение агента может неожиданно измениться.
- Автор **не хейтит MCP** — проблемы во многом уже решены, MCP имеет право на жизнь.

### Skills (2025 →) — главная тема доклада

**Скилл** = директория + джентльменское соглашение.

Состав:
- `SKILL.md` — как работает этот скилл
- Инструменты (bash-скрипты, Python-код) в той же директории
- (новое предложение автора) — **данные** прямо в этой же директории

**Ключевое преимущество: двухэтапная загрузка описания скилла**

| Что | Что видно всегда | Что подгружается по требованию |
|---|---|---|
| Короткое описание | Попадает в System Prompt агента → он знает, что скилл существует | — |
| Длинное описание | — | Только когда агент решил «мне нужен этот скилл» — он заходит в директорию и читает SKILL.md |

Это позволяет иметь **очень много скиллов без переполнения контекста**. Пример: Hermes у автора начинался с 56 скиллов, через пару недель работы вырос до 100 — и всё равно работает. С тулами такое невозможно (2 запроса — и контекст закончился).

**Стоимость создания:**
- MCP-сервер: нужен разработчик.
- Скилл: нужно уметь писать тексты (можно даже не на английском). Распространение — через мессенджер / GitHub / куда угодно.

### Skills vs MCP — когда что использовать

| Ситуация | Что выбрать |
|---|---|
| Не знаешь, какие задачи будет решать агент | Skills |
| Задачи разнообразные, разные тулы для разных сценариев | Skills |
| Количество тулов 5–50 | Skills |
| Агент узкоспециализированный, задачи однотипные | MCP |
| Для каждой задачи нужен один и тот же набор тулов | MCP |
| Мало тулов и агент решает однотипный поток задач | MCP |

**Оговорка:** грань стирается. Например, Claude Code использует MCP не напрямую, а превращает их в скиллы (файлик подкладывается, функции сразу в контекст не попадают). В этом режиме минусы MCP во многом исчезают.

### Что автор считает «недостающим» в классическом скилле

Как «архитектура фон Неймана без данных»: код есть, а данных нет. **Предложение — добавлять в скилл данные и историю использования прямо внутри git-репозитория.**

Тогда скилл раскрывается как:
- короткое описание
- длинное описание
- инструменты
- **+ данные**

---

## Часть 4. Skill-first архитектура на базе git

### Почему именно git

Git-репозиторий как контейнер скилла + данных даёт:

1. **Skill-first архитектура:** к одному скиллу можно подключить несколько разных агентов (Claude Code для больших операций, Hermes через Telegram для быстрых, OpenClaude — из любой точки).
2. **Встраивание в CI/CD:** пайплайн работает с тем же git-репозиторием.
3. **Совместная работа команды:** можно делиться скиллом с коллегами.
4. **Решение проблемы коллизий:** современные модели на харнессах научились решать merge-конфликты. Раньше нужен был человек — сейчас нет. Это позволяет строить системы с параллельной работой многих акторов **на голом git**, без транзакционной БД. (Не для платежей, конечно, но для многого — да.)

### Обязательные правила в AGENTS.md для такого скилла

- **Всегда `git pull` в начале работы** (последние данные).
- **Сразу `push` + `commit` после работы** (не терять правки).
- **CI как «back-pressure» (обратное давление)** — обязательно прописать в AGENTS.md. Возвращает агента в рамки, если он начинает «расползаться» — придумывать себе новые задачи, отклоняться от того, что описано в AgentsMD. Без CI изменения накапливаются, агент уходит в свою сторону.

---

## Часть 5. Личные скиллы автора (ежедневное использование)

### Список скиллов

| Скилл | Что делает | Особенность |
|---|---|---|
| ДНК / медицина | Анализ ДНК-тестов и секвенирования всей семьи | Разбирается ниже |
| Рекомендации | Фильмы, музыка, игры | Основан на выгрузке ~1000 оценок с КиноНавигатора |
| Планирование поездок | Командировки, документы, брони | Разбирается ниже |
| HR / оценка резюме | Автоматическая оценка присланных резюме | Разбирается ниже |
| Управление финансами | Мониторинг платежей, показания счётчиков, долги | — |
| R&D по агентам (командный) | Исследование агентов, много людей одновременно | — |

### Скилл 1. ДНК и медицина

**Данные:**
- ДНК-тесты (Atlas, Genotek) на всех членов семьи
- ДНК-секвенирование — ~100 ГБ прочитанного ДНК
- По каждому человеку — шаблон: пол, возраст, вес, лекарства, особенности

**Возможности:**
- Задавать вопросы про себя: какие лекарства эффективнее, какие виды спорта подходят, стиль обучения
- Сравнивать двух людей — кто более общительный, кто усидчивый (звучит как слоп, но работает)
- Автоматическая сборка сырого ДНК в единую цепочку (у автора это заняло неделю руками — Claude сделал за сутки)
- Скачивание референсного генома и сравнение
- Дашборд в стиле компьютерной игры: перки, дебафы, распределение характеристик

**Впечатляющий сценарий:** У каждого человека ~100 уникальных мутаций (из них 10 полезных, 10 вредных, 80 нейтральных в среднем). Большинство науке неизвестны.
- Автор попросил Claude проанализировать конкретную мутацию.
- Claude нашёл, что мутация не описана нигде.
- Определил, к какому гену относится.
- Сам обратился к **AlphaFold** (Google) — ИИ для рендеринга сворачивания белков.
- Отрендерил белок автора и сделал вывод: белок сворачивается корректно, мутация ничего не значит.

**Валидация:**
- Автор сравнил разные ДНК-тесты одного человека (Atlas / Genotek / секвенирование) → совпадение 99.95%. Лаборатории не жульничают.

**Контекст (важные истории «AI в медицине»):**
- **Reddit-пользователь через ChatGPT + MRI-снимок** нашёл сложную взаимосвязь болей в спине с дефицитом B12. Пошёл к врачу — подтвердилось. История опубликована в блоге OpenAI.
- **Пол Конингем** — его собака заболела раком. Он с помощью ChatGPT + AlphaFold **сам разработал индивидуальную мРНК-вакцину**, заказал печать в лаборатории, вколол собаке. **Собака была вылечена.**

**Масштаб:**
- Референсный геном человека: **3 млрд долларов, 13 лет** работы.
- Свой полный геном сегодня: **~1000 долларов и один вечер** работы ноутбука + Claude.

**«Домашняя работа над исходниками себя»** — то, что раньше было доступно только большой науке.

### Скилл 2. Планирование поездок

**Структура скилла:**
- Шаблон командировки
- Список людей, которые могут поехать (со всеми документами)

**Сценарий:**
1. Открыл Cursor → «создай мне поездку в Китай»
2. Ушёл, поехал домой
3. В Telegram (через Hermes или OpenClaude, подключённый к тому же скиллу) — фотография купленного билета
4. Агент делает `git pull`, добавляет билет в структуру поездки, кладёт PDF в директорию поездки, коммитит
5. В любой момент можно спросить: «что осталось по поездке?» — он ответит: «не забронирована гостиница, между самолётами 2 часа — даже не пытайся»

**Автозаполнение** — успешно заполнил заявление на визу практически без ошибок.

### Скилл 3. HR / оценка резюме

**Как возник:** стихийно. Автор кинул Hermes'у резюме (картинка без текстового слоя), сказал «оцени».
- Hermes подтянул OCR
- Первая оценка была нерелевантной
- Автор давал фидбэк на каждой итерации:
  - «человек ищет только удалёнку, а у нас гибрид — таких не рассматриваем»
  - «когда у человека есть GitHub, обязательно заходи, анализируй код, оценивай impact в open source»
- **10–20 итераций** — скилл сам себя корректировал

**Результат:** «идеальный HR-скилл». Кидаешь резюме → получаешь ответ → соглашаешься, если смотришь глазами. **Ошибок ~10%.**

**Правовая оговорка:** резюме приходят напрямую в личку → есть моральное право на обработку. Закон о персональных данных соблюдён.

---

## Часть 6. Автоулучшение скиллов (пример Hermes)

Hermes построен **полностью вокруг скиллов** — не только использует, но и создаёт их автономно.

### Критерий автосоздания скилла

Если Hermes на какую-то задачу потратил **>5 tool calls**, он сразу рассматривает: «а не стоит ли это запомнить как скилл».

### Механизм куратора (два слоя)

1. **Прунинг (обрезание неиспользуемого)**
   - Скилл не использовался **30 дней** → он делается неактивным (в системе есть, но его description не подкладывается или подкладывается уменьшенным).
   - Скилл не использовался **90 дней** → архивируется, полностью исчезает из системы.

2. **Консолидация (раз в 7 дней)**
   - Анализирует, можно ли попарно объединить мелкие скиллы в более крупный.
   - Не даёт системе раздуться до тысяч скиллов, чьи «короткие описания» съедят весь контекст.

### Итог

Скиллы **эволюционируют автоматически**. Если они ещё и с данными — они становятся основой системы и **новой памятью агента**.

Раньше память делали на:
- поиск в переписках
- RAG на извлечении фактов о пользователе

Теперь **вся информация о пользователе лежит в скиллах**, подгружается ровно тогда, когда скилл активирован, и харнесс сам решает, что попадёт в контекст (а не RAG «за него» до начала работы модели).

---

## Часть 7. Агентные циклы (три уровня)

Это следующая большая тема после харнессов. По прогнозу автора — «стрельнёт» в 2027.

### Уровень 1: Inner Loop (React-цикл внутри харнесса)

Задача → вызов тулов → ... → решено → текстовый ответ. Классика.

### Уровень 2: Outer Loop / Ralph Loop (придумал Джеффри Хантли)

Харнесс засунут в бесконечный `while true`:

```bash
while true; do
  claude --dangerously-skip-permissions -p "реши задачу" || true
done
```

Позволяет агенту работать днями/неделями. Хитрости против «слопа»:
- **Back-pressure через CI/CD** — если агент слетает с катушек, CI возвращает его
- **Валидация качества кода**

**Почему это работает:**
- Позволяет работать **без раста контекста**.
- Когда контекст растёт → в какой-то момент кончается → суммаризация → потеря данных → **агент тупеет** (кто пользовался OpenClaude — «сегодня решил задачу, завтра ту же задачу забыл»).
- У модели есть **смарт-зона** — примерно первая треть контекста, где она максимально «умная». Дальше — глупеет, даже если у неё миллионный контекст.
- Ralph Loop позволяет **постоянно оставаться в смарт-зоне**.

### Уровень 3: Meta Loop (авторский, не общепринятый)

Проблема, подсвеченная **Андреем Карпатым** — **схлопывание (collapse)**. Если давать модели одну и ту же задачу постоянно, она «решает разными способами», но фактически всеми одним и тем же способом с разными словами.

**Пример Карпатого:** попросите модель рассказать анекдот, потом ещё один, потом ещё. На пятый раз — тот же анекдот, только место действия и герои другие.

**Решение (авторское Meta Loop):**
- В какой-то момент **полностью останавливаем цикл**
- **Полностью зачищаем все данные, которые агент создал**
- Данные складываем в архив, который агент изначально не видит
- Запускаем цикл с чистого листа → агент идёт другим путём
- Через какое-то время он находит архив, распаковывает, обнаруживает свои прошлые данные → но уже пошёл в другую сторону
- Это позволяет **исследовать задачу в разных направлениях**

Хорошо для исследовательских задач, когда сам до конца не понимаешь, что решаешь.

### Пример Ralph Loop в коде

```bash
while true; do
  claude "реши задачу"   # inner loop внутри
done                     # outer loop = Ralph
# meta loop уже не в коде
```

---

## Часть 8. Q&A — важные тезисы

### Про фундаментальность скиллов

- Ничего фундаментального в LLM-движухе нет.
- Полгода — и всё меняется.
- Корпорации страдают: «утвердили MCP на архкоме → все хотят A2A → утвердили A2A → снова поменялось».

### Кого автор нанимает

- Команда R&D, поэтому смотрит на:
  - **Широкий технический кругозор**
  - **Автономность** — full-stack, сам может найти задачу, прикопать, решить
- Знания по агентам «доберёт в процессе».
- Круто, если есть **фундаментальная математика и понимание устройства обучения**, но не стоп-фактор.

### Какие данные класть в скилл (нет стандартов)

- Пока — только интуиция и статистика использования.
- Автор в геномный скилл кладёт **200 ГБ данных**, в скилл поездок — **100 КБ**. Оба работают одинаково хорошо.
- «Потолок сверху ещё не нащупал.» Харнессы умные — насыщение данными скилл **не убивает** (в отличие от RAG и классических промптов).

### Что ещё можно добавить в архитектуру агента (вопрос из зала)

- Слушатель предложил концепцию: LLM → tools → skills → auto-improvement → «больше ничего добавить нельзя?»
- Автор: **не хватает восприятия мира / квалиа**.
- Пример: «до автомойки 5 минут ехать или 10 минут идти пешком — как лучше?» Нейронка отвечает: «Пешочком сходите, всего 5 минут». Не понимает, что без машины на автомойке делать нечего.
- **Возможно помогут world-models** (модели мира), но как их сделать — открытый вопрос.

### Прикладной пример: авто-улучшение агента

Автор построил скилл, где:
- **Данные:** бенчмарк, который надо улучшить + код агента
- **Задача агенту:** улучшай себя на бенчмарке в цикле
- Идея взята у Карпатого (репозиторий назывался «autoagent»):
  - Агент выдвигает гипотезу
  - Меряет бенчмарк
  - Хорошая гипотеза → фиксирует
  - Плохая → откатывает
- **Стартовая база:** слабый ГигаЧат, решал 1 из 89 задач бенча
- **Результат за выходные:** **11 задач из 89**
- **Рост в 11 раз.**
- Автор проверил всё — «сделал адекватно, нигде не заоверфитился».

---

## Сквозные принципы доклада

1. **Простота бьёт сложность.** Универсальный агент с ~10 функциями работы с файлами делает больше, чем сложный мультиграф.
2. **Задачи разные — способ обработки одинаковый.** Один харнесс на всё.
3. **Данные должны жить рядом с инструментами.** Скилл без данных — как «фон Нейман без данных».
4. **Git — универсальный контейнер** для скилла + данных + истории + коллаборации.
5. **Контекст — самый ценный ресурс.** Двухэтапная загрузка скиллов, back-pressure через CI, оставаться в смарт-зоне.
6. **Автономность важнее контроля.** Human-in-the-middle → man-on-the-middle → AI factory.
7. **Автоулучшение обязательно.** Куратор, прунинг, консолидация, генерация новых скиллов.
8. **Циклы — новая парадигма.** Inner + Outer (Ralph) + Meta.
9. **Ничего фундаментального нет.** Готовьтесь переучиваться каждые полгода.

---

## Actionable takeaways для практика

1. **Строй агентов на харнессах** (Claude Code / OpenClaude / Hermes / Cursor). Это уже must-have.
2. **Не переходи с ходу на MCP** — оцени: количество тулов 5–50 → скиллы. >50 однотипных → MCP.
3. **Клади данные в тот же git-репозиторий, где скилл.** Это не убьёт агента.
4. **Прописывай в AGENTS.md жёсткие правила:**
   - `git pull` в начале
   - `push` + `commit` в конце
   - CI как back-pressure
5. **Автоматизируй создание скиллов** — если задача съела >5 tool calls, это кандидат в скилл.
6. **Внедри куратора:** прунинг неиспользуемого (30/90 дней), консолидация раз в неделю.
7. **Оборачивай агента в Ralph Loop** для многодневных задач: избегай раста контекста и суммаризации.
8. **Держи агента в первой трети контекста** (смарт-зона), даже если у модели миллионный контекст.
9. **Для исследовательских задач** — Meta Loop: периодически сноси всё в архив, стартуй с нуля.
10. **Хочешь стать HR/медиком/финансистом для себя?** Начни с одного скилла с данными по своему кейсу. Итерируй фидбэком — через 10–20 циклов будет работать.

---

## Кому полезно

- **Разработчикам агентов** — карта перехода от tools → MCP → skills и практическая схема хранения в git.
- **Тимлидам R&D** — фреймворк оценки: скиллы vs MCP, back-pressure через CI, куратор.
- **Продактам AI-продуктов** — понимание, куда движется парадигма (skill-first архитектура, harness как бэкенд, memory-as-skills).
- **Индивидуальным biohacker'ам / self-quantifiers** — реальный кейс «Claude + AlphaFold над своим ДНК за $1000 и вечер».
- **Всем, кто участвует в AI-хакатонах** — 19 из 20 победителей уже строят решения на харнессах. Догоняйте.