مهارت‌های آمادهٔ کلود؛ ساخت خودکار ورد، اکسل و پاورپوینت

یک شرکت خدمات مهندسی در اصفهان را تصور کن که هر ماه برای بیست کارفرما گزارش پیشرفت پروژه می‌فرستد. کارشناس دفتر فنی متن گزارش را از دستیار هوش مصنوعی می‌گیرد، بعد دو ساعت وقت می‌گذارد تا همان متن را در ورد بچیند، جدول هزینه‌ها را در اکسل بسازد، نمودار ستونی‌اش را درست کند و در پایان یک فایل پی‌دی‌اف تمیز برای امضای مدیرعامل بیرون بدهد. مدل، کار فکری را انجام داده؛ اما کار دستی سر جایش مانده است. سالی حدود پانصد ساعت از وقت یک نیروی متخصص، صرف کپی‌کردن متنی می‌شود که خودش تولیدش نکرده.

آنتروپیک برای همین شکاف، سازوکاری به نام مهارت‌ها (Skills) ساخته است: بسته‌هایی از دستورالعمل، کد اجرایی و منابع جانبی که به مدل یاد می‌دهند چطور یک کار تخصصی را تا فایل نهایی جلو ببرد. چهار مهارت رسمی و آماده هم منتشر کرده‌اند که دقیقاً همین چهار خروجی را می‌سازند: ورد، اکسل، پاورپوینت و پی‌دی‌اف. این درس، همان تکنیک است؛ از ساختار درونی یک مهارت تا کدی که فردا می‌توانی اجرا کنی.

آنچه در این درس یاد می‌گیرید

• مهارت دقیقاً چیست و چه فرقی با «یک پرامپت بلندِ خوب» دارد
• ساختار پوشهٔ یک مهارت و نقش فایل SKILL.md و فرادادهٔ بالای آن
• افشای تدریجی: چرا مهارت‌ها به‌جای پرکردن کانتکست، سه‌مرحله‌ای بار می‌شوند
• فعال‌کردن مهارت در فراخوانی API و چرا بدون ابزار اجرای کد کار نمی‌کند
• چهار مهارت رسمی سند‌سازی و مسیر تحویل فایل ساخته‌شده به کاربر
• معیار تصمیم: کجا مهارت جواب می‌دهد و کجا فقط هزینه اضافه می‌کند

مهارت چیست و چرا با پرامپت بلند فرق دارد

وقتی می‌خواهی مدل یک فایل اکسل حرفه‌ای بسازد، می‌توانی همهٔ دانش لازم را در پرامپت بنویسی: قواعد قالب‌بندی، نحوهٔ ساخت نمودار، کتابخانه‌ای که باید استفاده کند، ساختار شیت‌ها. جواب هم می‌گیری؛ اما سه هزینه می‌پردازی. اول اینکه این پنج تا ده هزار توکن در هر درخواست تکرار می‌شود. دوم اینکه کیفیت نوسان دارد؛ چون هر بار مدل باید از روی توضیح، کد را از نو کشف کند. سوم اینکه این دانش در پرامپت تو حبس می‌شود و قابل بازاستفاده در تیم نیست.

مهارت، همان دانش را از پرامپت بیرون می‌کشد و به یک بستهٔ مستقل تبدیل می‌کند: یک پوشه که دستورالعمل، اسکریپت‌های کمکی آزموده و منابع جانبی مثل قالب‌های آماده را کنار هم دارد. مدل دیگر لازم نیست هر بار روش را از نو بسازد؛ روش، از قبل نوشته و تست شده است.

ساختار یک مهارت

هر مهارت یک پوشه است با یک فایل اجباری به نام SKILL.md در ریشه‌اش. بالای این فایل، فرادادهٔ کوتاهی در قالب YAML می‌آید و پایین‌تر، دستورالعمل کامل. کنارش هر فایل دیگری که لازم باشد قرار می‌گیرد:

skill-directory/
├── SKILL.md           # فراداده + دستورالعمل کامل
├── helper_script.py   # کد اجرایی آزموده
├── template.xlsx      # منبع جانبی
└── resources/
    └── additional_files

---
name: "Skill Name"
description: "What the skill does (up to 1024 chars)"
version: "timestamp or version number"
---

سه فیلد فراداده ساده به نظر می‌رسند، اما فیلد description مهم‌ترین جملهٔ کل مهارت است. مدل در حالت عادی فقط نام و همین توضیح را می‌بیند و بر اساس آن تصمیم می‌گیرد این مهارت به کار فعلی می‌خورد یا نه. اگر توضیح مبهم باشد، مهارت خوبِ تو هیچ‌وقت انتخاب نمی‌شود. سقف رسمی این توضیح ۱۰۲۴ کاراکتر است؛ یعنی جا داری بنویسی «چه کاری می‌کند و کِی باید سراغش رفت»، نه فقط یک برچسب دوکلمه‌ای.