Claude Skills: koniec z kopiowaniem promptów jak idiota

Dobra, powiedzmy to wprost: jeśli wciąż kopiujesz te same prompty do każdej rozmowy z Claude, pracujesz jak w 2022 roku. Marnujesz czas, rozdymasz kontekst i tracisz kontrolę nad tym, co AI faktycznie robi.

Anthropic właśnie pokazał sposób, żeby z tego wyskoczyć. Nazywa się Claude Skills i Subagents. Zamiast wklejać instrukcje ręcznie za każdym razem, definiujesz je raz. System ładuje je automatycznie, tylko wtedy gdy są potrzebne. Lazy loading dla promptów.

Kontekst rośnie jak rachunek za prąd

Pracujesz z Claude przy projekcie deweloperskim. Potrzebujesz, żeby pamiętał Twoje preferencje dotyczące kodu — nazewnictwo zmiennych, styl komentarzy, zasady bezpieczeństwa. Standardowe podejście? Wklejasz te same instrukcje na początku każdej sesji. Albo co gorsza — do każdego zapytania.

Efekt? Twój kontekst puchnie. Claude musi przetwarzać te same informacje w kółko. Płacisz za tokeny, które nic nie wnoszą. System spowalnia. Ty tracisz cierpliwość.

Znam to. Sam przez to przechodziłem, zanim zacząłem testować systemy agentów AI w praktyce.

Jak to działa teraz

Claude Skills działają na zasadzie warunkowego ładowania. Definiujesz instrukcję raz — na przykład "Skill: Python Code Review". Określasz, kiedy ma się aktywować — powiedzmy, gdy w zapytaniu pojawi się fragment kodu Pythona.

Od tego momentu? Zapominasz. Wklejasz kod, pytasz o review. Skill ładuje się automatycznie, Claude dostaje kontekst, odpowiada zgodnie z Twoimi zasadami. Nie wklejasz nic ręcznie. Nie zarządzasz kontekstem. Po prostu działa.

Subagenci: każdy robi swoje

Subagenci to kolejny poziom. Zamiast jednego Claude, który próbuje być ekspertem od wszystkiego, tworzysz wyspecjalizowane instancje. Jeden analizuje kod pod kątem bezpieczeństwa. Drugi optymalizuje wydajność. Trzeci sprawdza zgodność z dokumentacją.

Każdy subagent ma swój zestaw Skills. Każdy działa w swoim kontekście. Nie zaśmiecają sobie nawzajem przestrzeni roboczej. Główny agent koordynuje — wysyła zadania do właściwych specjalistów, zbiera wyniki, składa w całość.

Podobnie jak agenci AI w większych systemach, subagenci w Claude mogą działać równolegle. Nie czekasz, aż jeden skończy, żeby drugi zaczął. Oszczędzasz czas.

Przykład z życia wzięty

Piszesz aplikację webową. Potrzebujesz:

• Przeglądu kodu pod kątem bezpieczeństwa (SQL injection, XSS, CSRF)
• Analizy wydajności (N+1 queries, niepotrzebne pętle)
• Sprawdzenia dostępności (ARIA labels, kontrast kolorów)

Zamiast jednego mega-prompta, który próbuje ogarnąć wszystko naraz, tworzysz trzech subagentów. Każdy ma swoje Skills. Każdy zwraca raport. Główny agent łączy wyniki i pokazuje Ci priorytetową listę do naprawy.

Szybciej. Czytelniej. Łatwiej debugować, bo wiesz który agent zwrócił który wynik.

Jak to wdrożyć bez przepisywania wszystkiego

OK, rozbijmy to na czynniki pierwsze. Nie musisz przebudowywać całego workflow od zera. Skills i Subagenci działają jako warstwa na tym, co już masz.

Krok 1: Zidentyfikuj powtarzające się instrukcje. Przejrzyj swoje ostatnie 10 rozmów z Claude. Co wklejasz za każdym razem? Zasady formatowania kodu? Preferencje dotyczące tonu odpowiedzi? Kontekst biznesowy projektu? To kandydaci na Skills.

Krok 2: Stwórz Skill z triggerem. Zamiast wklejać instrukcję ręcznie, zdefiniuj ją jako Skill. Dodaj warunek aktywacji — słowo kluczowe, typ pliku, kontekst rozmowy. Claude załaduje ją automatycznie gdy zajdzie potrzeba.

Krok 3: Testuj lokalnie. Zanim wdrożysz do produkcji, sprawdź czy triggery działają poprawnie. Czy Skill ładuje się gdy powinien? Czy nie ładuje się gdy nie powinien? To drugie jest równie ważne — niepotrzebne Skills to marnotrawstwo tokenów.

Pułapki, których unikniesz

Nie twórz Skilla dla każdej drobnostki. Jeśli instrukcja ma dwa zdania i używasz jej raz na miesiąc — zostaw w notatniku. Skills mają sens dla rzeczy, które powtarzasz regularnie i które mają realny wpływ na jakość odpowiedzi.

Nie rób zbyt ogólnych triggerów. Skill "Analiza kodu" aktywujący się na każde słowo "kod" w zapytaniu? Zaśmiecisz kontekst. Lepiej: "Analiza bezpieczeństwa kodu Python" aktywujący się gdy wykryjesz fragment kodu w Pythonie + słowa kluczowe związane z security.

Podobnie jak przy vibe coding — precyzja ma znaczenie. Im dokładniej określisz warunki, tym lepsze wyniki.

Co to zmienia w praktyce

Mniej kopiuj-wklej. Więcej kontroli. Szybsze iteracje. To nie rewolucja, to ewolucja sposobu pracy z AI.

Zamiast zarządzać promptami ręcznie, budujesz bibliotekę wielokrotnego użytku. Zamiast tracić czas na formatowanie instrukcji, skupiasz się na problemie do rozwiązania. Zamiast zgadywać co AI dostało w kontekście, wiesz dokładnie które Skills się załadowały.

Dla zespołów deweloperskich to oznacza standaryzację. Wszyscy używają tych samych Skills dla code review, testowania, dokumentacji. Nie ma "u mnie działa inaczej, bo mam inny prompt". Jest jeden zestaw zasad, wszyscy go stosują.

Dla freelancerów i małych firm to oszczędność czasu. Raz skonfigurujesz Skills dla swojego stosu technologicznego, później tylko korzystasz. Nie zaczynasz od zera przy każdym projekcie.

Zrób jedną rzecz dzisiaj

Otwórz swoją ostatnią rozmowę z Claude (albo ChatGPT, zasada jest uniwersalna). Znajdź instrukcję, którą wklejasz regularnie. Może to zasady formatowania, może kontekst projektu, może preferencje dotyczące stylu odpowiedzi.

Zapisz ją jako osobny plik. Nazwij. Określ kiedy powinna się aktywować. To Twój pierwszy Skill — nawet jeśli jeszcze nie używasz formalnego systemu Skills od Anthropic.

Następnym razem gdy będziesz potrzebować tej instrukcji, zamiast szukać jej w historii rozmów, masz ją pod ręką. Gotową. Przetestowaną. Działającą.

To pierwszy krok. Reszta przyjdzie sama — gdy zobaczysz ile czasu oszczędzasz nie kopiując tych samych rzeczy w kółko.

Źródła

• Towards Data Science - Claude Skills and Subagents: Escaping the Prompt Engineering Hamster Wheel