Claude Code: Veštine korišćenja modela

Ovaj tekst istražuje razvoj i primenu veština unutar Claude Code platforme, pružajući uvid u to kako Anthropic koristi ove strukturirane direktorijume za optimizaciju programerskih zadataka. Autori klasifikuju veštine u devet ključnih kategorija, obuhvatajući sve od provere proizvoda i automatizacije poslovnih procesa do upravljanja infrastrukturom. Izvor nudi praktične savete za efikasno kreiranje veština, naglašavajući važnost dokumentovanja specifičnih problema, korišćenja skripti i izbegavanja očiglednih instrukcija. Takođe se razmatraju strategije za distribuciju i skaliranje ovih alata putem internih prodavnica ili repozitorijuma koda. Naglasak je stavljen na progresivno otkrivanje informacija i stalno unapređivanje veština na osnovu povratnih informacija iz realnog rada. Celokupan vodič služi kao okvir za programere koji žele da maksimalno iskoriste agentne sposobnosti u svom svakodnevnom radu.

1. Uvod: Problem "gluvih telefona" i kognitivno opterećenje modela

Zašto AI agenti često greše uprkos naizgled jasnim instrukcijama? U svetu softverske arhitekture, ovaj fenomen "gluvih telefona" najčešće je rezultat lošeg upravljanja kontekstom. Model jednostavno nema uvid u specifičnosti internih alata i dev-stacka.

Kako bi rešio ovaj izazov, Anthropic je razvio Claude Code i koncept "veština" (skills) – tačaka proširenja koje omogućavaju inženjerima da automatizuju stotine internih procesa. Analizirajući devet kategorija veština koje su inženjeri Anthropic-a razvili, destilisali smo sedam ključnih, često kontraintuitivnih lekcija. Cilj nam je da pređemo sa teorije na praktičnu arhitekturu koja Claude-a pretvara iz običnog LLM-a u visokoefikasnog autonomnog kolegu.

2. Veštine nisu samo Markdown fajlovi, već čitavi ekosistemi

Česta zabluda među developerima je da su veštine samo dobro upakovani tekstualni promptovi. Iz perspektive softverskog inženjeringa, veštine su zapravo autonomni moduli – folderi sa sopstvenom logikom i resursima.

Ovaj modularni pristup omogućava agentu da aktivno istražuje okruženje umesto da pasivno čita instrukcije. Kako navodi izvor:

"Česta zabluda o veštinama je da su to samo Markdown fajlovi. To su zapravo folderi koji mogu uključivati skripte, sredstva, podatke itd. koje agent može otkriti, istražiti i manipulisati."

3. Verifikacija: Najveći povrat investicije (ROI)

Od svih kategorija veština, "Product verification" (poput integracije sa alatima Playwright ili tmux) pokazala je najmerljiviji uticaj na kvalitet koda. Umesto da se oslanjate na verovatnoću da će Claude generisati ispravan kod, arhitektura veština ga primorava na empirijski dokaz.

Kao senior inženjeri, moramo shvatiti da je vredno investirati celu nedelju rada samo u usavršavanje verifikacije. Jedna od najmoćnijih tehnika je naložiti agentu da snimi video zapis svog izlaza (npr. interakcije u headless browseru). To omogućava vizuelnu potvrdu stanja i identifikaciju "edge-case" situacija koje bi obični logovi mogli propustiti.

4. "Gotchas" sekcija: Semantičke zakrpe za AI model

Dokumentacija za ljude često preskače ono "očigledno", ali za model su to informacije najvišeg signala. "Gotchas" sekcije unutar veština funkcionišu kao semantičke zakrpe (semantic patches) koje ispravljaju opšte pretpostavke modela o svetu u korist specifičnih internih pravila.

Evo tri primera realnih zamki direktno iz Anthropic-ove prakse:

• _Tabela sa pretplatama je tipa "append-only". Red koji tražite je onaj sa najvećom verzijom (version), a ne nužno poslednji kreiran (createdat).
• _Ovo polje se zove @request_id u API gateway-u, ali traceid u billing servisu. To su identične vrednosti.
• _Staging okruženje vraća status 200 čak i ako Stripe webhook nije zapravo procesiran. Proverite paymentevents za pravo stanje.

5. Opisi kao alat za determinističko rutiranje

U razvoju veština, polje "description" ne služi kao rezime za korisnika, već kao mehanizam za determinističko rutiranje zahteva ka modelu. To je trigger koji Claude Code skenira na početku svake sesije kako bi odlučio koju veštinu da aktivira.

Umesto deskriptivnog tona, koristite ključne reči koje služe kao jasni okidači. Na primer, veština za nadgledanje PR-ova treba da sadrži reč "babysit" u opisu. Kada korisnik zatraži da agent "pripazi" na deploy ili CI/CD, Claude će precizno prepoznati i učitati upravo taj modul.

6. "Context Engineering" kroz princip postepenog otkrivanja

Preopterećenje prozor kontejnera (context window) dovodi do degradacije performansi modela. Rešenje je Context Engineering kroz princip "Progressive Disclosure" – postepeno otkrivanje informacija putem fajl sistema.

Umesto jednog monolitnog dokumenta, veštinu treba razbiti na manje celine. Glavni SKILL.md služi kao mapa koja usmerava agenta ka dubljim resursima, poput references/api.md, samo onda kada su mu neophodni. Ovakva granulacija omogućava agentu da troši tokene samo na ono što je u datom trenutku kritično za izvršavanje zadatka.

7. Privremene kuke (Hooks) i PreToolUse bezbednost

Kritične operacije zahtevaju privremene zaštitne ograde. Claude Code koristi "On-demand hooks" koji se aktiviraju putem PreToolUse matchera na Bash nivou, osiguravajući da se bezbednosna pravila primenjuju pre nego što komanda uopšte stigne do izvršenja.

8. Perzistencija podataka i dugoročno pamćenje

Za razliku od običnog promptovanja gde se istorija gubi ili troši ogromne količine tokena, veštine omogućavaju perzistentno pamćenje. Korišćenjem varijable okruženja ${CLAUDE_PLUGIN_DATA}, agent može skladištiti stanje u .log, .json ili SQLite fajlovima.

Primer veštine standup-post najbolje ilustruje ovu prednost: agent čita sopstveni istorijat iz log fajla kako bi znao šta je urađeno od poslednjeg podnošenja izveštaja. Ovakav pristup drastično štedi resurse i omogućava kontinuitet rada kroz različite sesije, bez potrebe za ponovnim učitavanjem celokupne istorije konverzacije u prompt.

9. Zaključak: Budućnost je u kompoziciji

Suština Anthropic-ove filozofije je da veštine nisu statični dokumenti, već živi entiteti koji evoluiraju. Moć AI-native inženjeringa ne leži u jednom "savršenom" promptu, već u kompoziciji specijalizovanih, verifikovanih veština koje se međusobno dopunjuju.

Ako su Anthropic-ovi inženjeri uspeli da automatizuju najkompleksnije delove svog radnog dana koristeći ovih 9 kategorija veština, koji je vaš sledeći korak ka AI-native inženjerskoj organizaciji?

Izvor: claude.com