Каталог Agent Skills с GitHub: навыки для дизайна, кода, браузера, SEO/GEO/AEO и контекста. Что делает каждый skill, ограничения и как выбрать.
После статьи про Agent Skills и SKILL.md возникает следующий практический вопрос:
какие навыки вообще стоит попробовать?
Экосистема уже стала достаточно большой, чтобы простой список перестал помогать. Можно найти skills для программирования, дизайна, браузера, текстов, тестирования, SEO, работы с контекстом и даже для наблюдения за тем, как работает сам агент.
Но количество установленных навыков само по себе ничего не говорит о результате.
Поэтому я бы смотрел не на вопрос:
Какой Agent Skill сейчас самый популярный?
А на другой:
Какую конкретную работу этот skill добавляет моему ИИ-агенту?
Именно по этому принципу я собрал каталог.
Здесь есть официальные skills Anthropic и Vercel, community-проекты и несколько более нишевых находок. Они не отсортированы от лучшего к худшему. У каждого своя работа, свои зависимости и свои ограничения.
Какие Agent Skills посмотреть в первую очередь
Если нужен короткий список без погружения во весь каталог:
- Find Skills - искать готовые skills под возникшую задачу.
- Skill Creator - создавать собственные навыки и рабочие процедуры.
- Frontend Design - создавать frontend-интерфейсы по более явному дизайн-регламенту.
- Web Design Guidelines - проверять готовые интерфейсы.
- Agent Browser - выполнять работу через браузер.
- Webapp Testing - тестировать web-приложения через Playwright.
- Stop Slop - проводить дополнительный редакционный проход по типовым признакам AI-текста.
- Web Optimization - проверять web-контент по SEO, GEO и AEO-критериям.
Это не рейтинг. Для одной работы нужен браузерный skill, для другой - редакционный, а в третьем случае полезнее не искать чужой навык, а создать собственный.
Как выбрать Agent Skill: модель РАБОТА
Чтобы не устанавливать skills просто потому, что они выглядят интересно, я бы проверял каждый по шести параметрам.
Р - Результат
Что именно должно измениться после подключения навыка?
Не “агент станет лучше разбираться в дизайне”, а:
агент проверит интерфейс по конкретным правилам.
Не “улучшит SEO”, а:
проведёт аудит страницы и подготовит список конкретных исправлений.
Чем точнее можно назвать готовый результат, тем понятнее ценность skill.
А - Активация
Когда агент должен подключать этот навык?
В Agent Skills name и description играют важную роль: по ним агент понимает, подходит ли навык к текущей задаче. Открытая спецификация Agent Skills требует, чтобы описание объясняло, что делает skill и в каких сценариях он должен использоваться.
Слишком широкое описание может заставлять навык вмешиваться в нерелевантные задачи. Слишком узкое - наоборот, мешать ему активироваться тогда, когда он действительно нужен.
Б - База
Что находится внутри?
Agent Skill может состоять из одного SKILL.md, но спецификация допускает также scripts, references, assets и другие материалы. Они позволяют вынести из основной инструкции программы, документацию, шаблоны и справочные данные.
Поэтому я смотрю не только на сам SKILL.md, но и на весь рабочий пакет.
О - Ограничения
Что ещё требуется для выполнения работы?
Например:
- Python;
- браузер;
- Playwright;
- отдельный CLI;
- интернет;
- конкретный framework;
- локальный репозиторий.
Сам SKILL.md не создаёт отсутствующую техническую возможность.
Т - Требуемые доступы
Что сможет делать агент после подключения?
Навык может направлять агента на:
- чтение файлов;
- изменение кода;
- выполнение программ;
- работу с браузером;
- сетевые запросы;
- использование внешних инструментов.
Поэтому сторонний skill имеет смысл проверять не как обычную статью, а скорее как внешнюю зависимость рабочего контура.
А - Автор и актуальность
Кто создал навык?
Есть разница между официальным skill Anthropic, skill от Vercel и небольшим community-репозиторием.
Это не значит, что community skill автоматически хуже. Но происхождение, обновления, содержимое и зависимости стоит понимать до установки.
Получается простая проверка:
Результат -> Активация -> База -> Ограничения -> Требуемые доступы -> Автор.
Теперь к самим навыкам.
Найти и создавать Agent Skills
Find Skills - найти другие Agent Skills
Источник: Vercel, vercel-labs/skills.
Find Skills решает почти мета-задачу: помогает агенту искать другие skills под конкретную работу.
Он описывает процедуру поиска через экосистему Skills. Сначала нужно понять задачу, затем проверить, существует ли готовый навык, и только потом предлагать его пользователю.
Мне здесь нравится сам принцип.
Вместо:
Я сейчас сам придумаю, как это выполнить.
агент может сначала проверить:
Не существует ли уже специализированного рабочего регламента для этой задачи?
Это почти аналог поиска готовой библиотеки перед самостоятельной реализацией.
Когда смотреть: если агент решает много разных задач и вы не хотите вручную отслеживать экосистему Agent Skills.
Skill Creator - создать собственный skill
Источник: официальный репозиторий Anthropic.
Skill Creator, на мой взгляд, один из самых важных навыков в подборке.
Он помогает проектировать собственные skills и описывает архитектуру: основной SKILL.md, а при необходимости отдельные scripts, references и assets.
Именно здесь Agent Skills начинают становиться особенно интересными для бизнеса.
Публичный каталог полезен как источник готовых решений. Но со временем более ценной может стать собственная библиотека:
- как мы исследуем клиента;
- как проверяем публикацию;
- как готовим еженедельный отчёт;
- как проверяем договор;
- как проводим code review;
- как оформляем презентацию.
В этом случае сохраняется уже не чужая инструкция, а собственный способ выполнения работы.
Frontend, дизайн и интерфейсы
Frontend Design - создавать интерфейсы с заданным уровнем дизайна
Источник: официальный Anthropic frontend-design.
Навык предназначен для создания frontend-интерфейсов и отдельно пытается бороться с типовой визуальной шаблонностью AI-генерации. Он применяется к страницам, компонентам, приложениям и другим web-интерфейсам.
Важно, что это не просто библиотека CSS-правил.
Это инструкция о том, как подходить к самой работе создания интерфейса.
То есть хороший пример процедурного skill: не только знать про дизайн, а выполнять дизайн-задачу определённым способом.
UI/UX Pro Max - большая база проектных рекомендаций
Источник: nextlevelbuilder/ui-ux-pro-max-skill.
UI/UX Pro Max использует другой подход.
В проекте собрана большая база UI-стилей, палитр, сочетаний шрифтов, UX-рекомендаций и правил для разных технологических стеков.
Поэтому я бы не ставил UI/UX Pro Max и Frontend Design в один ряд как два одинаковых навыка.
Frontend Design ближе к регламенту создания интерфейса.
UI/UX Pro Max ближе к большой дизайн-базе плюс рабочая логика выбора решений.
Это разные модели одного класса работы.
Web Design Guidelines - проверить готовый интерфейс
Источник: Vercel web-design-guidelines.
Здесь функция ещё уже.
Навык предназначен для review UI-кода по Web Interface Guidelines: дизайн, UX, accessibility и связанные best practices. В текущей реализации он получает актуальные guidelines из внешнего источника и применяет их к указанным файлам.
Это важное отличие от предыдущих skills.
Frontend Design:
создать.
Web Design Guidelines:
проверить.
В реальной работе это две разные функции, даже если обе относятся к frontend.
Есть и техническое ограничение: навык рассчитывает на получение актуальных guidelines по сети. Значит, его результат зависит не только от локального SKILL.md, но и от доступности внешнего источника.
Design Taste Frontend - попытка формализовать визуальный вкус
Источник: Leonxlnx/taste-skill.
Этот skill интересен самой постановкой задачи.
Он пытается зафиксировать набор правил, которые уменьшают шаблонность сгенерированного frontend-дизайна.
Автор развивает design-taste-frontend как экспериментальную линию с параметрами визуальной вариативности, движения и плотности.
Поэтому я бы не воспринимал её как установленный отраслевой стандарт дизайна.
Это скорее хороший эксперимент:
можно ли вынести часть субъективных дизайнерских предпочтений в отдельный повторно используемый skill?
Для бизнеса здесь интересна сама модель.
По такому же принципу можно фиксировать редакционные предпочтения, стиль презентаций, требования к отчётам и другие правила качества.
Image to Code - от визуального референса к реализации
Источник: пакет Leonxlnx/taste-skill.
Это более конкретная работа:
изображение -> анализ -> реализация frontend.
Здесь особенно хорошо видно отличие skill от общего промпта.
Задача не просто:
Посмотри на картинку и напиши код.
Skill задаёт повторяемую последовательность работы с визуальным референсом.
Такой формат особенно интересен там, где один и тот же производственный цикл выполняется регулярно.
Разработка и качество кода
Vercel React Best Practices - правила работы с React и Next.js
Источник: Vercel react-best-practices.
Skill предназначен для написания, review и refactoring React и Next.js кода с фокусом на performance patterns.
Для меня это один из наиболее очевидных корпоративных сценариев.
Почти у любой технической команды постепенно появляются свои требования:
- как получать данные;
- как строить компоненты;
- какие зависимости допустимы;
- как писать тесты;
- как оформлять ошибки;
- что считается хорошим pull request.
Часть такого стандарта можно вынести из головы отдельных разработчиков и постоянных комментариев к AI в отдельный skill.
Ponytail Review - искать переусложнение
Источник: DietrichGebert/ponytail, skill ponytail-review.
Этот навык интересен тем, что не пытается сделать код “ещё умнее”.
Его задача уже и практичнее:
найти over-engineering.
В review отдельно ищутся заново изобретённые возможности стандартной библиотеки, ненужные зависимости, спекулятивные abstraction и лишняя гибкость.
То есть после обычного review можно отдельно задать вопрос:
Что здесь можно удалить?
Для AI-кодинга это полезная специализация.
Генерировать дополнительный слой абстракции модели обычно значительно проще, чем доказать, что он действительно нужен.
Браузер и тестирование
Agent Browser - работа через браузер
Источник: Vercel agent-browser.
Здесь нужно разделять две сущности.
agent-browser - отдельный CLI для браузерной автоматизации.
А в репозитории есть core skill, который объясняет агенту, как этим инструментом пользоваться: навигация, работа с элементами, формами, вкладками, извлечение данных, screenshots, авторизация и browser sessions.
То есть:
CLI даёт техническую возможность управлять браузером. Skill задаёт рабочий способ использования этой возможности.
Это почти идеальный пример различия между инструментом и навыком.
Сам skill без доступного agent-browser не превращает агента в браузерного исполнителя.
Webapp Testing - тестировать веб-приложение через Playwright
Источник: официальный Anthropic webapp-testing.
Изначально я искал просто “Playwright Skill”, но более правильный пример оказался в официальном наборе Anthropic.
Webapp Testing предназначен для взаимодействия с локальными web-приложениями и их тестирования. Внутри предполагается использование Python Playwright, а также есть вспомогательная программа для управления жизненным циклом локальных серверов.
Здесь снова хорошо видно:
Playwright - инструмент.
Webapp Testing - процедура использования инструмента для конкретной работы.
Для агента, который сам меняет frontend, такая процедура особенно логична: после изменения кода он может не только перечитать собственный diff, но и проверить работающий интерфейс.
Текст и контент
Stop Slop - редакционный фильтр против типового AI-текста
Источник: hardikpandya/stop-slop.
Stop Slop предназначен для поиска и удаления узнаваемых паттернов AI-прозы. В репозитории основной SKILL.md дополнен отдельными references с нежелательными фразами, структурами и примерами.
Здесь важно не перепутать две вещи.
Это не объективный стандарт хорошего текста.
Skill фиксирует конкретные редакционные предпочтения автора.
Поэтому я бы использовал его не как:
исправь любой текст правильно.
А как:
проведи дополнительный проход по конкретному набору признаков, которые мы считаем нежелательными.
Для бизнеса сама модель очень полезна.
Редакционные правила компании тоже можно хранить как skill:
- Tone of Voice;
- нежелательные формулировки;
- требования к доказательности;
- правила терминологии;
- структура определённых типов текста.
SEO, GEO и AEO
Web Optimization - SEO, GEO и AEO в одном skill
Источник: staksoft/geo-seo-aeo-skill.
Это пример не из разработки, а из маркетинга и контента.
Skill поддерживает два рабочих сценария.
Первый - аудит URL или локального HTML/Markdown с выдачей приоритетного списка исправлений.
Второй - подготовка нового материала по теме и целевому запросу. Проект предусматривает работу с оптимизированным контентом, JSON-LD и llms.txt.
Особенно интересна его структура:
SKILL.md
references/
seo.md
geo.md
aeo.md
schema.md
scoring.md
assets/
scripts/
audit.pyТо есть перед нами уже не длинный промпт, а небольшой профессиональный рабочий пакет.
При этом я бы осторожно относился к любым GEO-score.
Ни один такой skill не может гарантировать, что страницу процитирует ChatGPT, Claude, Perplexity или Google AI Overviews.
Он может формализовать подготовку страницы и технический аудит.
Фактическую генеративную видимость всё равно нужно измерять отдельно после публикации.
Знания и контекст
Graphify - построить knowledge graph по кодовой базе
Источник: Graphify-Labs/graphify.
Проект работает прежде всего с кодовой базой и связанными с ней материалами: кодом, документацией, SQL-схемами, конфигурациями и документами. Из них он строит queryable knowledge graph.
Это уже другой класс Agent Skills.
Агент не просто получает инструкцию:
прочитай эти документы.
В рабочий процесс добавляется отдельное структурное представление связей внутри проекта.
Такой подход имеет смысл там, где понимание зависимостей между сущностями важнее обычного поиска отдельных фрагментов текста.
Headroom - сокращать объём рабочего контекста
Источник: roman-ryzenadvanced/headroom-skill.
Этот skill посвящён техникам уменьшения объёма информации, которую агент передаёт дальше в контекст.
Проблема реальная: агент может получать огромные логи, JSON, результаты инструментов и другие материалы, большая часть которых не нужна на следующем шаге.
В таком случае полезна отдельная процедура:
- что сохранить;
- что сократить;
- что вообще не переносить дальше.
Я бы относил Headroom к интересным специализированным примерам, а не к обязательному набору для каждого пользователя.
Skills, которые наблюдают за самим агентом
Task Observer - искать будущие skills внутри текущей работы
Источник: rebelytics/one-skill-to-rule-them-all.
Это один из самых интересных примеров во всей подборке.
Task Observer наблюдает за выполнением многошаговых задач и ищет:
- повторяющиеся паттерны;
- исправления пользователя;
- полезные рабочие методы;
- процедуры, которые стоит сохранить как reusable skill.
Получается цикл:
работа -> повторение -> обнаруженный паттерн -> новый skill -> более стандартизированная следующая работа.
Но у такого подхода есть существенное ограничение.
Одного description не всегда достаточно, чтобы гарантированно активировать наблюдающий skill на каждой рабочей сессии. Надёжность зависит от конкретной agent-среды и её механизма подключения навыков.
Это хороший пример того, почему переносимость формата не означает одинаковое поведение во всех системах.
Что часто смешивают с Agent Skills
При исследовании я специально убрал несколько первоначальных кандидатов из основного каталога.
claude-mem
Это более крупная система памяти, в составе которой могут использоваться skills.
Поэтому весь проект некорректно называть одним Agent Skill.
CodeBurn
Это отдельный инструмент. Для него могут существовать skill-обёртки, но исходный продукт и Agent Skill - разные сущности.
Awesome Design Skills и Geo Skills
Это коллекции множества skills.
Их имеет смысл использовать как каталоги или skill-packs, но нельзя сравнивать всю коллекцию с одним SKILL.md.
Поэтому при поиске я бы всегда уточнял:
Мы сейчас смотрим на один Agent Skill, на пакет skills или на отдельный инструмент, который просто интегрирован со skills?
Где искать Agent Skills
Первый уровень - официальные репозитории компаний и разработчиков конкретных инструментов.
Второй - GitHub и специализированные каталоги вроде skills.sh.
Удобно сначала использовать discovery-каталог, а потом переходить в исходный репозиторий.
Но каталог не должен заменять проверку исходника.
Перед установкой я бы смотрел:
- кто автор;
- что находится в
SKILL.md; - есть ли
scripts; - какие внешние зависимости нужны;
- требуется ли сеть;
- какие инструменты агент будет использовать;
- когда проект обновлялся.
Как установить Agent Skill с GitHub
Единой команды для всех ИИ-сред нет.
Сам формат Agent Skills переносимый, но способ подключения зависит от агента.
Некоторые экосистемы поддерживают собственные команды установки или discovery-инструменты, другие читают skills из определённой директории проекта или пользователя.
Поэтому безопасная схема такая:
- Найти исходный репозиторий.
- Прочитать
SKILL.md. - Проверить зависимости и дополнительные файлы.
- Посмотреть инструкцию именно для вашей среды.
- Установить или скопировать skill в поддерживаемую директорию.
- Проверить на небольшой обратимой задаче, что он активируется и работает так, как ожидается.
Сам SKILL.md стоит считать рабочей инструкцией, а не безобидным текстовым файлом.
Почему сторонний SKILL.md нужно проверять до установки
Agent Skill является рабочей инструкцией, а не пассивной документацией.
Он может направлять агента на выполнение программ, чтение данных, работу с инструментами или сетью.
Поэтому до подключения стороннего skill я бы сначала задал вопрос:
какие новые действия агент начнёт выполнять потому, что прочитал эту инструкцию?
После этого уже смотреть программы, зависимости, сеть и требуемые права.
Количество звёзд или установок полезно как сигнал распространённости, но не является доказательством безопасности.
Работает ли один Agent Skill в разных ИИ-системах
Сам формат задуман как переносимый. Открытая спецификация Agent Skills задаёт общую структуру SKILL.md, metadata и дополнительных ресурсов.
Agent Skills также поддерживаются разными агентными средами, включая GitHub Copilot, OpenAI, Gemini CLI и Microsoft Agent Framework.
Но переносимость формата не означает переносимость результата.
Конкретный skill может требовать:
- другой CLI;
- браузер;
- Python;
- конкретные инструменты;
- сетевой доступ;
- особенности конкретной agent-среды.
Поэтому правильнее говорить:
один и тот же SKILL.md может быть переносимым, но его рабочая среда тоже должна поддерживать всё, от чего этот skill зависит.
Нужно ли устанавливать десятки skills сразу
Я бы не стал.
Если на старте подключить большую библиотеку навыков, появляется риск новой формы хаоса: слишком много потенциальных процедур и неясно, какая из них реально создаёт ценность.
Я бы начинал с одной повторяющейся работы.
Для разработки это может быть связка:
Frontend Design -> React Best Practices -> Web Design Guidelines -> Webapp Testing.
Для контента:
Stop Slop -> Web Optimization -> собственный редакционный skill.
Для построения собственной системы навыков:
Find Skills -> Skill Creator -> Task Observer.
И после этого смотреть не на количество skills, а на изменение самой работы:
- стало ли меньше повторных инструкций;
- уменьшилось ли количество ручных исправлений;
- стал ли результат стабильнее;
- можно ли проверить его одинаковым способом несколько раз подряд.
Какие Agent Skills полезны бизнесу, а не только разработчикам
Пока публичная экосистема особенно заметна в разработке, потому что coding agents уже умеют работать с файлами, терминалом, браузером и репозиториями.
Но сама модель намного шире программирования.
Бизнесовый skill может описывать:
- подготовку еженедельного управленческого отчёта;
- исследование клиента;
- проверку документа;
- подготовку статьи к публикации;
- обработку входящего обращения;
- контроль качества контента;
- сбор данных из нескольких источников;
- процедуру подготовки коммерческого предложения.
Важен не тип профессии.
Важен вопрос:
можно ли достаточно точно описать повторяющийся способ выполнения работы и проверить результат?
Главный вывод
После разбора публичных Agent Skills мне ещё меньше хочется собирать каталог ради самого каталога.
Готовые skills полезны.
Они показывают, какие части работы уже пытаются формализовать другие люди:
- дизайн;
- тестирование;
- браузерную работу;
- code review;
- редактуру;
- SEO;
- управление контекстом.
Но для бизнеса наиболее интересный следующий шаг начинается в другом месте.
Не:
Какие ещё 20 skills установить?
А:
Какую повторяющуюся работу в моей компании мы уже достаточно хорошо понимаем, чтобы сохранить способ её выполнения отдельным skill?
Потому что тогда сохраняется не готовый ответ ИИ.
Сохраняется способ получения результата.
И постепенно рядом с обычной базой знаний компании может появиться другой слой:
библиотека того, как компания выполняет работу.
Частые вопросы
Где искать Agent Skills?
В официальных репозиториях разработчиков, на GitHub и через специализированные discovery-каталоги вроде skills.sh. После поиска лучше переходить в исходный репозиторий и проверять сам SKILL.md, дополнительные файлы и зависимости.
Как выбрать Agent Skill?
Начните не с популярности, а с работы. Проверьте результат, условия активации, содержимое skill, ограничения, необходимые доступы и автора. В этой статье для этого используется модель РАБОТА.
Как установить Agent Skill с GitHub?
Способ зависит от конкретной agent-среды. Проверьте инструкции репозитория и документацию среды, затем установите skill в поддерживаемую директорию или через предусмотренный CLI. До установки стоит прочитать SKILL.md и проверить дополнительные программы и зависимости.
Работают ли одни skills в Claude Code, Codex и других агентах?
Формат Agent Skills переносимый, но конкретная совместимость зависит от среды и необходимых инструментов. Один SKILL.md может читаться разными системами, но программы, browser tools, CLI и другие зависимости должны поддерживаться отдельно.
Безопасно ли устанавливать Agent Skills с GitHub?
Сам факт публикации на GitHub не является гарантией безопасности. Нужно проверять автора, SKILL.md, программы, зависимости, сетевые действия и требуемые доступы.
Можно ли создать собственный Agent Skill?
Да. Если рабочая процедура повторяется и её можно достаточно точно описать, её можно вынести в собственный SKILL.md, а при необходимости добавить scripts, references и assets.
Какие Agent Skills полезны для SEO, GEO и AEO?
Один из специализированных community-примеров - staksoft/geo-seo-aeo-skill. Он объединяет аудит SEO, GEO и AEO, работу со schema и дополнительные материалы. Но такой skill не гарантирует генеративную видимость: фактические упоминания и цитирование нужно измерять отдельно после публикации.