Google Cloud: как научить AI-агента разработке с помощью «навыков» вместо длинных промптов

Дебашу Дас, работающий над generative AI для рекомендательных систем в рекламе YouTube, предложил простой рецепт: хватит писать длинные промпты для агентов, пишущих код — вместо этого нужно давать агенту «навыки» (skills).

В выпуске Google Cloud Tech Дас в разговоре с ведущим Мартином Омандером объяснил: агент читает только короткое описание навыка, а полную инструкцию подгружает динамически, только когда она реально нужна. Технически навык — это обычный текстовый файл, который кладут в папку .agents/skills в корне проекта (для одного проекта) или в gemini/config/skills (чтобы использовать глобально во всех проектах).

Дас разбил открытый репозиторий agent skills на семь паттернов.

Первый — навыки предметной области: они делают агента экспертом в конкретной теме, например frontend-инженерии, оптимизации производительности или дизайне API. Для пользователей Google Cloud есть отдельный репозиторий навыков от Google — он превращает агента в эксперта по Cloud Run, AlloyDB, BigQuery и Cloud SQL.

Второй паттерн — обёртки инструментов: они дают агенту доступ к внешним инструментам вроде Chrome DevTools (агент сам видит, что происходит в браузере, вместо того чтобы человек копировал ошибки и сетевые дампы) или к Git-командам.

Третий — инверсия: такие навыки заставляют агента не гадать, а задавать уточняющие вопросы разработчику. Среди них — навык отладки, который запрещает агенту писать код, пока он не запросит логи и данные состояния, чтобы провести анализ первопричины. Отдельно Дас упомянул навык «grill me» — он встроен в Antigravity: команда /grill me после промпта заставляет систему задать серию уточняющих вопросов.

Четвёртый паттерн — генераторы структурированного вывода: поведенческая разработка (BDD), архитектурные решения (ADR) и «source-driven development». Пятый — ревьюеры, которые проверяют код агента по чек-листу на уязвимости и качество. Шестой — пайплайны, выстраивающие процесс в строгую последовательность шагов; пример — тестово-ориентированная разработка (TDD): сначала падающий тест, потом код, потом рефакторинг с сохранением зелёных тестов. Седьмой, мета-навыки, — это навыки, которые управляют другими навыками; в репозитории есть навык-роутер, который сам выбирает нужный набор инструкций для агента.

Если готового навыка под задачу нет — например, для строгих правил обработки номеров банковских карт, — Дас предложил писать свой: это обычный текстовый файл, а команда Google подготовила отдельный codelab по созданию и установке новых навыков в Antigravity.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.