מאת אסף ביטון
Claude Code loads a skill's body when it is invoked, by you or by Claude from the description; descriptions are capped at 1,536 characters and can be dropped when the listing exceeds 1% of the context window; after compaction it re-attaches only the first 5,000 tokens per skill within 25,000 tokens; disable-model-invocation makes a skill manual-only
הכי מתאים ל: Senior developers who want to delegate long autonomous tasks and review results, DevOps teams integrating AI into CI pipelines for automated test fixing
Codex and ChatGPT use the same pattern, starting with each skill's name and description and loading SKILL.md when they decide to use it; Codex caps the initial skills list at 2% of context (8,000 characters if unknown) and may shorten descriptions or omit skills; OpenAI advises front-loading trigger words
הכי מתאים ל: Developers who want to delegate background tasks without managing a local agent environment, Teams already on ChatGPT Plus who want autonomous coding without an additional tool subscription
אם קובץ ה-CLAUDE.md או ה-AGENTS.md שלכם רק הולך ומתארך, העברה של חלקים ממנו ל-Skills נראית כמו דרך קלה לחסוך בהקשר. יש בזה מלכוד. ההוראות המלאות של skill מגיעות למודל רק כשה-skill מופעל, ואם לא הפעלתם אותו בעצמכם, זה תלוי בכך שהמודל ישפוט אותו כרלוונטי. אתם מוותרים על טעינה צפויה תמורת פרומפט קטן יותר. שלוש הערכות שפורסמו מראות מתי העסקה הזאת משתלמת ומתי היא נכשלת בשקט, ותיעוד הספקים מראה איך להטות את הסיכויים לטובתכם.
המדריך מיועד למי שכבר עובד עם Claude Code, Codex או ChatGPT עם קובץ הוראות לפרויקט, ורוצה כלל ברור למה הולך לאן. לא הרצתי בדיקות משלי לשאלה באיזו תדירות skills מופעלים; כל מה שלמטה מבוסס על תיעוד הספקים ועל שלוש ההערכות, וליד כל אחת מופיעות המגבלות שלה.
איך skill נטען בפועל
Anthropic הציגה את Agent Skills באוקטובר 2025 בתור תיקיות של הוראות, סקריפטים ומשאבים שסוכן יכול למצוא ולטעון כשמשימה דורשת אותם. המפרט הפתוח מתאר טעינה בשלוש שכבות:
- מטא-דאטה (כ-100 טוקנים ל-skill). השדות
nameו-descriptionשל כל skill נטענים בעלייה. כל מערכת מארחת (host, הכלי שמריץ את הסוכן) מגבילה את הרשימה הזאת, וזה משנה ברגע שיש לכם הרבה skills (ראו את תקציב הרשימה בהמשך). - גוף ה-
SKILL.md. נטען רק כשה-skill מופעל. המפרט ממליץ להשאיר אותו מתחת ל-5,000 טוקנים ומתחת ל-500 שורות, ולהעביר חומר עזר מפורט לקבצים נפרדים. - משאבים מצורפים. קובצי עזר וסקריפטים שנקראים או מורצים לפי הצורך.
השכבה השנייה היא העיקר. התיעוד של Claude Code על skills אומר על שדה התיאור: ״Claude משתמש בזה כדי להחליט מתי להחיל את ה-skill״ (בתרגום). התיעוד של OpenAI על skills מתאר את אותו דפוס ב-ChatGPT וב-Codex: הם מתחילים מהשם והתיאור של כל skill, וקוראים את ה-SKILL.md המלא רק כשהם מחליטים להשתמש בו. כלומר בשתי הפלטפורמות, אם לא קראתם ל-skill ידנית, ההוראות שלו מגיעות למודל רק אם תיאור קצר מנצח בהחלטת רלוונטיות.
במדריך הזה, ״נטען תמיד״ פירושו קובצי הוראות שהמערכת מכניסה להקשר בלי ההחלטה הזאת. ההיקף צר יותר ממה שהשם מרמז. התיעוד של Claude Code על זיכרון אומר שקובצי CLAUDE.md בהיררכיית התיקיות שמעל המקום שבו אתם מתחילים נטענים בהפעלה, ואילו קבצים בתתי-תיקיות נטענים לפי הצורך. מה שכן נטען מדלג על בדיקת הרלוונטיות, ותופס מקום בחלון ההקשר (כמות הטקסט המוגבלת שהמודל רואה בבת אחת) כל עוד הוא נשאר בסשן. זו העסקה.
אבל טעינה היא לא ציות. אותו תיעוד מתאר את CLAUDE.md כ״הקשר, לא תצורה נאכפת״ (בתרגום), אומר שאין ערובה לציות מלא, ומפנה ל-hook מסוג PreToolUse כשצריך לחסום פעולה בלי קשר למה ש-Claude מחליט. לא קובץ הוראות ולא skill הם מנגנון הרשאות או ארגז חול (sandbox).
גם לתוכן של skill שכבר נטען יש גבולות. ב-Claude Code, התוכן של skill שהופעל נכנס לשיחה כהודעה אחת ונשאר שם, והקובץ לא נקרא מחדש בתורות הבאים, ולכן הנחיה שאמורה לחול לאורך כל המשימה צריכה להיכתב ״כהוראות קבועות ולא כצעדים חד-פעמיים״ (בתרגום). כשדחיסה אוטומטית (auto-compaction) מסכמת סשן ארוך, Claude Code מצרף מחדש רק את 5,000 הטוקנים הראשונים של ההפעלה האחרונה של כל skill, בתוך תקציב של 25,000 טוקנים שמשותף לכל ה-skills, כך ש-skills ישנים יותר יכולים לצאת לגמרי. אלה כללי הקשר של מערכת מסוימת, לא הבטחה שתוכן skill נשאר לתמיד.
מה מצאו שלוש ההערכות
| הערכה | מה נמדד | התוצאה המרכזית | המגבלה העיקרית |
|---|---|---|---|
| Vercel (ינואר 2026) | skill של תיעוד מול אינדקס תיעוד בתוך AGENTS.md, על ממשקי Next.js 16 שלא מופיעים בנתוני האימון של המודלים |
ב-56% מהמקרים ה-skill לא הופעל אף פעם; האינדקס ב-AGENTS.md הגיע ל-100% הצלחה, מול 53% ל-skill במצב ברירת מחדל |
ספק אחד, פריימוורק אחד; הפוסט של Vercel לא מציין את מספר המקרים או את המודל |
| SkillsBench (arXiv גרסה 4, יוני 2026) | skills אצורים על 87 משימות ב-8 תחומים ו-18 צירופים של מודל וסביבת הרצה (harness) | שיעור ההצלחה הממוצע עלה מ-33.9% ל-50.5% | ה-skills נאצרו עבור הבנצ׳מרק; השיפור נע בין 4.1+ ל-25.7+ נקודות, לפי הצירוף |
| SWE-Skills-Bench (arXiv גרסה 1, מרץ 2026) | 49 skills ציבוריים להנדסת תוכנה, על כ-565 משימות במאגרי קוד אמיתיים | 39 מתוך 49 skills לא הניבו שום שיפור; שיפור ממוצע של 1.2%+ | הנדסת תוכנה בלבד; skills ציבוריים, לא כאלה שנכתבו לפרויקט שלכם |
Vercel: ה-skill פעמים רבות לא נטען בכלל
ההערכה של Vercel בדקה סוכנים על ממשקי Next.js 16 שלא נמצאים בנתוני האימון של המודלים, וזה בדיוק המקרה שבו הנחיה חיצונית אמורה לעזור הכי הרבה. ב-56% ממקרי ההערכה ה-skill לא הופעל אף פעם. שיעורי ההצלחה שדווחו: 53% בלי תיעוד נוסף, 53% כשה-skill זמין כברירת מחדל, 79% עם ה-skill ועם הוראות מפורשות, ו-100% עם אינדקס תיעוד דחוס שהוכנס ישירות ל-AGENTS.md. את האינדקס הזה Vercel דחסה ל-8KB, מה שהיא מתארת כהקטנה של 80%.
ההסבר של Vercel הוא שבאינדקס שנטען תמיד ״אין נקודת החלטה״ (בתרגום): הוא לא תלוי בכך שהמודל יבחר להביא אותו. את הבעיה הבסיסית קל לראות. למודל שלא יודע שממשק השתנה אין סיבה לחפש skill שעוסק בו.
כדאי לשמור שתי הסתייגויות של Vercel עצמה. היא מעריכה שהפער עשוי להצטמצם ככל שהמודלים ישתפרו בשימוש בכלים, והיא עדיין רואה מקום ל-skills בתהליכים צרים וממוקדי פעולה שמשתמשים מפעילים במפורש, כמו שדרוג גרסת Next.js או מעבר ל-App Router. זו הערכה של חברה אחת על הפריימוורק שלה, ולכן אני קורא אותה כראיה חזקה לגבי מצב כשל אחד, לא כחוק כללי.
SkillsBench: skills אצורים וממוקדים עוזרים בממוצע
השתמשתי בגרסה 4 של מאמר SkillsBench (14 ביוני 2026). לפיה skills אצורים העלו את שיעור ההצלחה הממוצע מ-33.9% ל-50.5% על פני 87 משימות ו-18 צירופים של מודל וסביבת הרצה, שיפור של 16.6 נקודות, כשהשיפור לכל צירוף נע בין 4.1+ ל-25.7+ נקודות. שני ממצאים נוספים שימושיים ישירות: skills ממוקדים עם שלושה מודולים לכל היותר עדיפים על חבילות גדולות או ממצות, ומודלים קטנים עם skills יכולים להשתוות למודלים גדולים יותר בלעדיהם.
הגרסה הראשונה של המאמר (13 בפברואר 2026, שבעה צירופים) כללה פרטים שהתקציר של גרסה 4 לא חוזר עליהם, ולכן אני מתייחס אליהם כממצאים של אותה גרסה. היא דיווחה שההשפעה נעה בין 4.5+ נקודות בהנדסת תוכנה ל-51.9+ נקודות בתחום הבריאות, ש-16 מתוך 84 משימות הורעו, ושלפיה ״skills שהמודל ייצר בעצמו לא מספקים תועלת בממוצע״ (בתרגום).
SWE-Skills-Bench: רוב ה-skills הציבוריים לקוד לא עשו כלום
SWE-Skills-Bench (גרסה 1, 16 במרץ 2026) לקח 49 skills ציבוריים להנדסת תוכנה והריץ אותם מול מאגרי קוד אמיתיים שננעלו על commits קבועים. 39 מתוך 49 לא הניבו שום שיפור בשיעור ההצלחה, והשיפור הממוצע עמד על 1.2%. התקורה בטוקנים נעה בין חיסכון קטן לבין עלייה של 451%, בלי שינוי בשיעורי ההצלחה. שבעה skills מתמחים הניבו שיפור משמעותי של עד 30%, ושלושה הרעו את הביצועים בעד 10%, כי הנחיה שנכתבה לגרסה אחרת התנגשה בפרויקט. המסקנה של המחברים: skills הם ״התערבות צרה שהתועלת שלה תלויה מאוד בהתאמה לתחום, ברמת ההפשטה ובתאימות להקשר״ (בתרגום).
למה התוצאות לא סותרות זו את זו
מפתה לקרוא את SkillsBench כ״skills עובדים״ ואת השתיים האחרות כ״skills לא עובדים״. אבל הן מדדו דברים שונים. Vercel מדדה אם המודל בכלל בחר לטעון skill. SkillsBench מדד skills אצורים שהותאמו למשימות שלו, וגם שם הגרסה הראשונה מצאה את השיפור הקטן ביותר בהנדסת תוכנה. SWE-Skills-Bench מדד skills ציבוריים כלליים שהוכנסו לבסיסי קוד אמיתיים. ביחד הן מצביעות על שני משתנים: האם ה-skill נטען כשהוא צריך, והאם התוכן שלו מתאים לתחום ולפרויקט. skill נכשל אם אחד מהשניים משתבש.
כלל ההחלטה: מה הולך לאן
התיעוד של Claude Code נותן את כלל הפתיחה הנקי ביותר: צרו skill כשאתם מדביקים שוב ושוב לצ׳אט את אותן הוראות, צ׳קליסט או תהליך רב-שלבי, או כשסעיף ב-CLAUDE.md הפך ל״תהליך ולא עובדה״ (בתרגום). מכיוון שגוף ה-skill נטען רק כשמשתמשים בו, חומר עזר ארוך כמעט לא עולה כלום עד שצריך אותו. אם משלבים את זה עם ההערכות, כך הייתי מחלק:
| בהוראות שנטענות תמיד | ב-skill |
|---|---|
| עובדות ומוסכמות שצריכות לעצב כל תור: פקודות build וטסטים, סגנון קוד, כללי הפרויקט | תהליכים רב-שלביים שמריצים מדי פעם: release notes, מיגרציות, צ׳קליסט סקירה |
| ידע שחסר למודל והוא לא יודע שהוא חסר, כמו ממשקים חדשים יותר מנתוני האימון שלו (המקרה של Vercel), עדיף כאינדקס קומפקטי שמפנה לתיעוד המלא | חומר עזר ארוך שרלוונטי רק לסוג אחד של משימה |
| הנחיה שאסור שתידלג רק כי המודל טעה בהערכת הרלוונטיות | עבודה שסקריפט מצורף יכול להפוך לדטרמיניסטית; Anthropic מציינת ש-Claude ״יכול להריץ קוד דטרמיניסטי ישירות״ (בתרגום) במקום לייצר את התוצאה |
| כללים קצרים ויציבים שנכנסים בתקציב ההקשר שלכם | פעולות עם תופעות לוואי שאתם רוצים להפעיל בעצמכם, כמו deploy (ב-Claude Code, הגדירו אותן להפעלה ידנית בלבד) |
אף אחת משתי העמודות היא לא המקום לפעולות שאסור שיקרו אף פעם. טקסט בכל אחת מהן הוא הנחיה שהמודל עדיין יכול לפרש לא נכון, ולכן מגבלות קשיחות שייכות להגדרות ההרשאות של המערכת, או ב-Claude Code ל-hook. מדריך הרשאות הסוכנים שלי מכסה את הצד הזה.
לעמודת ההוראות שנטענות תמיד יש מחיר אמיתי: כל מה שבה תופס הקשר לאורך כל הסשן. Vercel שמרה על המחיר נמוך כשדחסה את התיעוד לאינדקס של 8KB במקום להדביק אותו במלואו, ואני ממליץ על אותה גישה: השאירו בתוכן שנטען תמיד את מה שהסוכן צריך לדעת שקיים, ותנו לו לקרוא את הפרטים מקבצים.
איך לגרום ל-skill לעלות כשצריך
כתבו את התיאור בשביל ההתאמה, לא בשביל בני אדם
המפרט הפתוח דורש תיאור של עד 1,024 תווים ש״מתאר מה ה-skill עושה ומתי להשתמש בו״ (בתרגום). ההנחיה של OpenAI חדה יותר: ״שימו בהתחלה את מקרה השימוש המרכזי ואת מילות ההפעלה, כדי שמערכת מארחת עדיין תוכל להתאים את ה-skill אם התיאורים מקוצרים״ (בתרגום). השתמשו במילים שאנשים באמת מקלידים בבקשה, ובתחילת התיאור.
שימו לב לתקציב הרשימה
אין ערובה שהתיאורים יגיעו למודל בשלמותם, וכל מערכת מארחת קובעת מגבלה משלה. Claude Code חותך את הטקסט המשולב של description ו-when_to_use ב-1,536 תווים, וכשיש הרבה skills הוא משמיט חלק מהתיאורים כדי להיכנס בתקציב רשימה של 1% מחלון ההקשר של המודל, וכך נעלמות מילות המפתח ש-Claude צריך כדי להתאים את הבקשה שלכם. Codex מגביל את רשימת ה-skills הראשונית ל-2% מחלון ההקשר, או ל-8,000 תווים כשגודל החלון לא ידוע. הוא מקצר קודם את התיאורים, ובסטים גדולים של skills עשוי להשאיר חלק מהם מחוץ לרשימה הראשונית ולהציג אזהרה; skill שהוא כן בוחר עדיין נקרא במלואו. בשתי המערכות, התקנה של עשרות skills יכולה להוריד את הסיכוי של כל אחד מהם לעלות. מחקו את אלה שאתם לא משתמשים בהם.
בקשו את ה-skill כשזה חשוב
מצב ה-79% של Vercel, ה-skill עם הוראות מפורשות, נוצר מהוספת שורה ל-AGENTS.md שאומרת לסוכן להשתמש ב-skill. השורה של Vercel מבקשת מהסוכן לחקור את מבנה הפרויקט לפני כתיבת קוד, ורק אחר כך להפעיל את ה-skill שלה לתיעוד Next.js. זה העלה את שיעור ההצלחה מ-53% כשה-skill רק היה זמין, אבל עדיין נשאר מתחת לאינדקס שנטען תמיד. Vercel גם מצאה שהתוצאה השתנתה בעקבות שינויי ניסוח עדינים, גם עם אותו skill ואותו תיעוד. הוראה בוטה שהסוכן חייב להפעיל את ה-skill הצליחה פחות מהוראה לחקור קודם את הפרויקט ורק אחר כך להפעיל את ה-skill.
אם משימה תלויה ב-skill, אני ממליץ על שורה קצרה בקובץ שנטען תמיד שמפנה ל-skill עבור סוג המשימה הזה, מנוסחת כצעד בתהליך העבודה כמו הדוגמה המוצלחת יותר של Vercel, ולבדוק בסשנים שלכם שהוא באמת עולה. אפשרות נוספת היא לציין את שם ה-skill בבקשה עצמה, אבל ההערכה של Vercel לא מדדה את זה.
skills עם תופעות לוואי: הפעלה ידנית בלבד ב-Claude Code
זה שדה frontmatter של Claude Code, אז בדקו בתיעוד של המערכת שלכם לפני שאתם מניחים שיש שם שליטה דומה. ב-Claude Code, ההגדרה disable-model-invocation: true אומרת ש-Claude לא יכול להפעיל את ה-skill בעצמו; אתם מריצים אותו עם /name. לפי התיעוד, התיאור שלו לא נמצא בהקשר עד שאתם מפעילים אותו, מה שגם מפנה מקום בתקציב הרשימה.
שמרו כל skill ממוקד
SkillsBench מצא ש-skills ממוקדים עם שלושה מודולים לכל היותר עדיפים על חבילות ממצות. יחד עם הנחיית 500 השורות של המפרט, הדפוס הוא משימה אחת לכל skill, וחומר העזר בקבצים נפרדים.
הנה זוג כותרות SKILL.md להמחשה שמיישמות את הנקודות האלה. כתבתי אותן לכתבה הזאת, והן לא פלט שנבדק.
---
name: release-notes
description: Draft release notes or a changelog from merged pull requests since the last tag. Use when asked for release notes, a changelog, or what shipped in a version.
---
---
name: deploy-staging
description: Deploy the current branch to staging.
disable-model-invocation: true
---הראשונה שמה את מילות ההפעלה בהתחלה. השנייה, ב-Claude Code, רצה רק כשאתם מקלידים /deploy-staging.
לפני שמתקינים skill של מישהו אחר
הראיות למעלה נותנות שתי סיבות לזהירות, והאבטחה מוסיפה שלישית.
- רוב ה-skills הכלליים אולי לא מוסיפים כלום. ב-SWE-Skills-Bench, 39 מתוך 49 skills ציבוריים לא הניבו שום שיפור, וחלקם עלו הרבה יותר טוקנים.
- הנחיה מיושנת יכולה להזיק. שלושת ה-skills שהרעו את הביצועים עשו זאת כי הנחיה שהתאימה לגרסה אחרת התנגשה בפרויקט. בדקו שה-skill מתאים לגרסאות הפריימוורק שלכם.
- skills יכולים להכיל קוד. Anthropic ממליצה להתקין skills רק ממקורות שאתם סומכים עליהם, ולבדוק כל skill ממקור פחות אמין על ידי קריאת כל קובץ מצורף, עם תשומת לב מיוחדת לסקריפטים ולתלויות קוד. ב-Claude Code, בדקו גם את השדה
allowed-toolsשל skills שנמצאים ב-repository לפני שאתם מריצים שם את Claude Code, כי skill יכול להעניק לעצמו גישה רחבה לכלים.
גם לבקש ממודל לכתוב לכם את ה-skills זה לא קיצור דרך אמין. הגרסה הראשונה של SkillsBench דיווחה ש-skills שהמודל ייצר בעצמו לא הועילו בממוצע.
מאיפה להתחיל
ההמלצה שלי: השאירו עובדות וכללים מחייבים ב-CLAUDE.md או ב-AGENTS.md, והעבירו תהליכים ל-skills רק כשאתם יכולים לחיות עם זה שלפעמים הם לא ייטענו מעצמם. הצעד הקטן והשימושי: בחרו סעיף אחד בקובץ ההוראות שלכם שהוא תהליך ולא עובדה, העבירו אותו ל-skill עם תיאור ספציפי שמילות ההפעלה שלו בהתחלה, ושמרו עותק של הסעיף המקורי. אחר כך נסו את ה-skill על כמה בקשות מציאותיות, מנוסחות כמו שאתם מנסחים בדרך כלל, ובדקו אם הצעדים הספציפיים של התהליך מופיעים בעבודה של הסוכן. אם הם לא מופיעים באופן עקבי, הפנו ל-skill מהקובץ שנטען תמיד, ציינו אותו בבקשה, או החזירו את החלק החיוני של הסעיף המקורי.
לתמונה הרחבה של יכולות Claude Code ש-skills הם חלק מהן, ראו את הסקירה שלי על Claude Code 2.1.
מקורות
- הפוסט ההנדסי של Anthropic שהציג את Agent Skills (16 באוקטובר 2025)
- התיעוד של Claude Code על skills ועל זיכרון
CLAUDE.md(תיעוד מתעדכן, נקרא ב-26 באוקטובר 2026) - המפרט הפתוח של Agent Skills
- התיעוד של OpenAI על בניית skills ל-ChatGPT ול-Codex (תיעוד מתעדכן, נקרא ב-26 באוקטובר 2026)
- ההערכה של Vercel: AGENTS.md מול skills (27 בינואר 2026)
- SkillsBench, גרסה 4 (14 ביוני 2026) וגרסה 1 (13 בפברואר 2026)
- SWE-Skills-Bench, גרסה 1 (16 במרץ 2026)
