Канал «Фактосборка» (GreenNeuralRobots) показал, как Claude с открытым скиллом Anatomy собрал интерактивную изометрическую схему, наглядно объясняющую, как контекстное окно модели «забывает» старую информацию. Скилл Anatomy (MIT, репозиторий wheresryan22/anatomy) превращает текстовое описание в интерактивные «машины» на SVG и WebGL; демо собрал один агент примерно за час.

image
image
image

Что произошло

Внутри демо контекстное окно изображено изометрической сценой: рабочая скамья, стопка книг и стеклянная рамка, где «тома» внутри рамки — это то, что модель видит прямо сейчас, а всё, что выпало, ей уже недоступно. При движении мыши старые книги вылетают из рамки, и потеря старого содержимого перестаёт быть абстракцией. Скилл Anatomy, которым воспользовался агент, был представлен 10 октября 2026 и по одному текстовому описанию выдаёт интерактивную изометрическую «машину» на SVG/WebGL. В репозитории проекта опубликованы и другие примеры, включая тестовый стенд Raptor 2.

Контекст

Anatomy — не новая модель и не метод обучения, а скилл: пакет инструкций в формате SKILL.md, который направляет агента при генерации. Главное отличие от привычной генерации изображений в том, что результатом остаётся код: SVG-геометрия с аудитом пересечений частей, WebGL-шейдеры и описание интерактивности, а такой артефакт рендерится детерминированно. Прироста базовых способностей модели здесь нет: тот же Claude и без скилла умеет писать SVG и WebGL, поэтому Anatomy работает как промпт-инжиниринг на уровне пакета — фиксирует стиль, структуру итераций и самопроверки. Это рывок в открытой методике, а не в модели. Показательно и то, что скилл, созданный для объяснения технических концепций, в демо «Фактосборки» объяснил устройство собственной памяти модели.

Почему это важно для индустрии

Для отрасли это подтверждение паттерна: скиллы в формате SKILL.md превращают LLM из генератора картинок в генератор живых, редактируемых артефактов, и объясняющая визуализация становится частью документации и онбординга, а не разовой иллюстрацией. Пока это инструмент для пилотов, а не для продакшена: реалистичный сценарий — асинхронная генерация 10–20 объясняющих схем для внутренних документов или статей с ручной проверкой результата. Для основателей история Anatomy — сигнал дистрибуции и коммодитизации: открытый скилл под MIT стремительно набрал популярность за считанные дни октября, а сам паттерн легко копируется, то есть это фича внутри чужих платформ, а не ров для отдельного стартапа. В горизонте полугода ожидаемы скиллы-аналоги под другие домены — диаграммы процессов, сетевые топологии, визуализация датасетов — и первые неформальные сравнения качества между моделями на одинаковых скиллах; если аудит геометрии станет стандартизированной метрикой, у отрасли появится измеримая база для оценки того, какая модель лучше генерирует такие артефакты.

Почему это важно для пользователей

Поставить скилл можно одной командой npx skills add wheresryan22/anatomy -g в Claude Code, OpenCode, Codex или Antigravity, после чего достаточно попросить агента нарисовать нужную концепцию — от rate limiter до CDN-кэша — в виде интерактивной изометрической машины. Лицензия MIT позволяет каждому желающему повторить демо «Фактосборки» и самостоятельно проверить заявления о проекте. Минимальный жизнеспособный сценарий — вставить готовый артефакт в README, обучающий материал или внутренние гайды, где вместо статичной картинки читатель получает живую схему, с которой можно взаимодействовать. Для неспециалиста такая версия объясняет быстрее длинного абзаца текста.

Что пока неизвестно / ограничения

Данные о популярности не сходятся: в тексте поста фигурировали 15,5 тыс. звёзд за десять дней, в сводке — 21,4k, а CellCog к 12 октября насчитывал 4 103 звезды и 323 форка; такой разброс типичен для быстро разгоняемого хайпа и сам по себе снижает доверие к цифрам. Воспроизводимость опубликована не была: срок «примерно час» — единичное наблюдение канала с пометкой #промо, без данных о числе сессий, доле неудач и стабильности качества на разных концепциях. Ни цены за фигуру, ни latency-метрик, ни SLA у проекта сейчас нет, поэтому экономику придётся замерять самостоятельно. Скилл рисует только машины и инструменты, не людей и карты, и работает «медленно намеренно»: одна фигура требует долгой агентной сессии. Наконец, сильные обобщения вроде «нового UX-паттерна, где динамика несёт смысл», пока опираются на одно демо и остаются интерпретацией, а не проверенным результатом.

Источники

Автор

Look at AI, редакция