Квантовая трейдинговая компания Jane Street под MIT-лицензией опубликовала открытый репозиторий agent_skills — коллекцию «скиллов» для ИИ-агентов в формате SKILL.md. Первый и пока единственный в нём навык socratic-tutor превращает языковую модель в строгого личного репетитора, который диагностирует уровень ученика, ведёт карту навыков с уровнями 0–5, задаёт по одному вопросу за раз и применяет интервальное повторение. За неделю после создания репозиторий собрал около 2400 звёзд на GitHub.

image
image

Что произошло

Jane Street 3 ноября 2026 года выложила на GitHub репозиторий agent_skills под MIT-лицензией, а к 10 ноября он набрал около 2400 звёзд. Навык socratic-tutor работает целиком через текстовые инструкции: при первом контакте он диагностирует уровень ученика, строит карту навыков, где каждый навык оценён от 0 до 5, затем ведёт обучение по одному вопросу за раз, подключает интервальное повторение и завершает курс финальной оценкой. Для управления темпом предусмотрены текстовые команды, включая сохранение состояния сессии, чтобы продолжить обучение в другом чате. Файл SKILL.md намеренно не привязан к конкретной модели: его можно скопировать в папку скиллов агента или вставить в системный промпт любой языковой модели.

Контекст

Репозиторий стал референс-реализацией растущего стандарта Agent Skills — формата SKILL.md, который поддерживают Claude и другие хосты для ИИ-агентов. Здесь это чистый промпт-инжиниринг: без кода, без зависимостей и без инфраструктуры, поэтому поведение агента существует как прозрачный текстовый файл, который диффуется в git и переносится между моделями простым копированием. Педагогический аппарат навыка — сократический диалог, интервальное повторение, уровни мастерства — опирается на давно известные эвристики из learning science; в репозитории нет ни новой архитектуры, ни метода обучения, ни бенчмарка. Интерес сообщества пока опережает знание о результате: обсуждение на Hacker News на момент сбора данных состояло из одного пункта без комментариев.

Почему это важно для индустрии

Главный сигнал для индустрии — не сам репетитор, а шаблон упаковки поведения агента: SKILL.md задаёт способ распространять поведенческие инструкции как переносимый артефакт, который версионируется в git, проходит код-ревью и откатывается через revert, а время до развёртывания сводится к копированию файла или вставке в системный промпт. Референс от крупной компании с сильной инженерной культурой подталкивает команды хранить такие скиллы в репозиториях наравне с кодом и клонировать паттерн на смежные домены вроде собеседований и онбординга за считанные дни. В горизонте полугода вероятна волна подражаний: собственные библиотеки скиллов, форки socratic-tutor и первые любительские сравнения «скилл против базового промпта», а обёрткам-продуктам придётся достраивать то, чего в скилле нет, — персистентность, планирование интервальных повторений, дашборды прогресса. В перспективе двух лет возможна консолидация «поведенческого слоя» агентов в отдельный версионируемый артефакт со стандартами оценки и регрессионными тестами между версиями моделей, хотя открыт и обратный сценарий: будущие поколения LLM возьмут подобные педагогические паттерны «из коробки».

Почему это важно для пользователей

Попробовать можно сегодня и почти бесплатно: достаточно скопировать SKILL.md в папку скиллов своего агента или вставить в системный промпт чат-бота и попросить «teach me X». Вместо обычной лекции получится структурированное обучение с контролем прогресса: диагностика уровня, последовательные вопросы, интервальное повторение и финальная оценка, а команды show progress, harder/easier, just tell me и save state / resume from: позволяют управлять темпом и переносить сессию между чатами. Ни новый сервис, ни API-ключи, ни отдельная оплата не нужны — расход ограничен токенами самой модели, а сам файл можно свободно изменять и дополнять под свои цели.

Что пока неизвестно / ограничения

Эффективность скилла никак не измерена: в источниках нет ни pre/post-тестов знаний, ни сравнения с базовым промптом, поэтому выражение «превращает любую LLM в строгого репетитора» остаётся гипотезой о полезности, а не доказанным эффектом. Переносимость SKILL.md как файла не равна переносимости поведения: согласованность работы на разных языковых моделях не измерялась и не показана. Около 2400 звёзд — сигнал интереса и дистрибуции, а не эффективности, поскольку независимых воспроизведений или сравнительных тестов в источниках нет.

Источники

Автор

Look at AI, редакция