המדריך המלא ל-AI Skills: Claude Code, Desktop ו-Codex (2026)

התקנתי בערך 550 skills מאז שהפיצ'ר יצא, מתוכם בדקתי 300+ ברצינות. מהר מאוד גיליתי שלוש אמיתות לא נעימות: רוב הסקילים שאתם מורידים פשוט לא נטענים בלי שתבחינו, השם שלכם בקובץ הוא ההבדל בין skill שעובד לאחד שמת בשקט, ו-Anthropic עצמם משתמשים ב-Claude ל-90% מהאינטראקציות שלהם עם git. אם זה לא שכנע אתכם להבין איך הסיפור הזה עובד, כנראה כלום לא ישכנע.

במאמר הזה אני שובר את הכל: מה זה skill, איך כותבים SKILL.md שבאמת עובד, איך מתקינים על Claude Code, Claude Desktop, ו-OpenAI Codex (כן, גם הם אימצו את זה), 15 הסקילים שאני באמת משתמש בהם ביום-יום, ואיך לשלב אותם בלי להפיל את ה-context window.

חלק 1: מה זה בעצם Skills

הסבר בשתי שורות בלי הרצאות. Skill הוא תיקייה עם קובץ אחד שנקרא SKILL.md, ובו כתוב ל-AI מה הוא יודע ומתי להפעיל את זה. במקום לכתוב את אותו פרומפט מורכב שוב ושוב, אתם אורזים אותו פעם אחת וכל סוכן AI תואם יודע לשלוף אותו לפי הצורך.

תכל'ס, יש כאן מודל מנטלי שעוזר: תשכחו מהמילה "Code" ב-Claude Code. תחשבו על זה כעל Claude Local או Claude Agent, סוכן AI שרץ אצלכם על המחשב ועושה דברים. Skills הם הדרך שלכם ללמד את הסוכן הזה תחומי ידע ספציפיים בלי להעמיס על כל שיחה אינסטרוקציות.

הקסם נמצא במנגנון שנקרא "progressive disclosure". ה-AI קורא רק את השם והתיאור של ה-skill בהתחלה. כשהבקשה שלכם מתאימה לתחום של skill מסוים, רק אז ההוראות המלאות נטענות לזיכרון. ככה אפשר להחזיק 200 skills בלי שאף אחד מהם יבזבז לכם token עד שהוא באמת נצרך.

הסטנדרט הפתוח: agentskills.io

Anthropic השיקו את הסטנדרט בסוף 2025, ותוך כמה חודשים זה הפך לסטנדרט תעשייתי. נכון לינואר 2026, אלה הפלטפורמות שתומכות:

פלטפורמה	רמת תמיכה
Claude (Code, Desktop, API)	תמיכה מלאה (הם המציאו את זה)
OpenAI Codex	תמיכה מלאה (אימצו בסוף 2025)
GitHub Copilot (VS Code, CLI)	אומץ
Cursor	תומך מפורשות
PraisonAI	תמיכה מלאה
Gemini CLI	בפריוויו (כלי activate_skill)

גם Microsoft, Atlassian, ו-Figma הצטרפו ביום ההשקה. סקילים מובנים מ-Canva, Stripe, Notion ו-Zapier יצאו ביום הראשון.

למה Skills מנצחים את ה-Custom Instructions

Custom instructions זה דבר שביר. הם תופסים מקום בכל שיחה (גם כשלא רלוונטי), נעולים לפלטפורמה אחת, וקשים לשיתוף. Skills פותרים את שלוש הבעיות:

Custom Instructions	Skills
נטענים תמיד	נטענים לפי דרישה
תלויי פלטפורמה	ניידים בין סוכנים
בלוק טקסט אחד	מודולרי, ניתן להרכבה
קשה לשתף	קל להפצה
בלי מבנה	YAML frontmatter + תוכן מאורגן

החוזק האמיתי הוא בהרכבה. צריכים לכתוב מאמר אקדמי עם ציטוטים? תרכיבו scientific-writing עם citation-management. בונים פיצ'ר full-stack? תטענו senior-frontend, senior-backend, ו-qa-testing-strategy. ה-AI מנהל לבד את ההפעלה לפי מה שאתם מבקשים.

Skills vs MCP vs Projects vs Slash Commands

אם אתם מבולבלים איך כל הדברים האלה משתלבים, אמ;לק:

פיצ'ר	מה הוא עושה	שימוש חוזר	הכי מתאים ל
Skills	חבילות הוראות עם סקריפטים אופציונליים	בכל מקום (משתמש, פרויקט, ארגון)	תהליכים מורכבים, ידע תחומי
Projects	מכלי context (קבצים, פרומפטים)	בתוך פרויקט אחד	הקשר ספציפי לקוד-בייס
MCP Servers	חיבורים ל-API חיצוני	לפי הגדרת שרת	גישה למסדי נתונים, APIs, כלים
Slash Commands	קיצורי דרך לפעולות	Claude Code בלבד	משימות פשוטות חוזרות

תמיכה לפי פלטפורמה ב-2026

Claude Code זה המימוש הכי בוגר. ה-skills גרים ב-~/.claude/skills/ (ברמת המשתמש) או ב-.claude/skills/ (ברמת הפרויקט). Hot reload עובד מהגרסה 2.1, כלומר אתם עורכים קובץ ושומרים, וזה כבר פעיל. בלי restart, בלי בלגן.

Claude Desktop תומך מלא דרך Settings > Capabilities > Skills. אפשר להפעיל סקילים מובנים של Anthropic (Excel, Word, PowerPoint, PDF) או להעלות סקילים מותאמים כקבצי ZIP. הפורמט של SKILL.md זהה לחלוטין ל-Claude Code, ההבדל היחיד הוא האריזה: ZIP ל-Desktop, תיקייה ל-Code.

OpenAI Codex אימצו את הסטנדרט במלואו. ה-skills גרים ב-.codex/skills/ בכמה רמות (repository, user, admin, system), הפורמט זהה ל-SKILL.md הרגיל. זה אומר שאתם יכולים לכתוב skill פעם אחת ולהריץ אותו בשתי הפלטפורמות בלי לשנות אפילו תו.

Gemini CLI תופסים את הקצב. הסקילים שלהם הם חבילות שנטענות בעצלתיים (lazy load), ה-CLI מפעיל כלי בשם activate_skill בתוך לולאת ה-ReAct שלו. זה עדיין בפריוויו, אבל הארכיטקטורה משכפלת את הגישה של Claude.

חלק 2: פורמט SKILL.md לעומק

כאן הסיפור נהיה מעניין. כל skill מתחיל מקובץ SKILL.md אחד, ובו YAML frontmatter (מטה-דאטה) ואחר כך הוראות ב-Markdown. הפורמט פשוט. ההבדל בין skill שמופעל באופן עקבי לאחד שמת בשקט נמצא בשני שדות.

שדות חובה

רק שני שדות נדרשים ב-frontmatter:

---
name: my-skill-name
description: When to use this skill and what it provides
---

חוקי שמות:

• תשתמשו ב-kebab-case: scientific-writing, לא Scientific_Writing
• השם חייב להיות זהה לשם התיקייה
• תהיו ספציפיים: software-backend מנצח את backend

חוקי תיאור (כאן רוב האנשים נופלים):

• שורה אחת, מתחת ל-200 תווים
• כללו טכנולוגיות או מושגי מפתח
• תכתבו בגוף שלישי: "This skill should be used when..." ולא "Use this skill when..."
• התיאור הוא הטריגר. Claude מחליט אילו סקילים להפעיל לפי כמה הבקשה שלכם תואמת לתיאורים. תיאור גנרי = skill שאף פעם לא נטען

מבנה Skill

skill מלא יכול לכלול גם משאבים נלווים:

skill-name/
├── SKILL.md           # הקובץ הראשי (חובה)
├── scripts/           # קוד הפעלה (Python/Bash)
├── references/        # תיעוד שנטען לפי דרישה
├── assets/            # קבצים שמשמשים בפלט (תבניות, תמונות)
└── data/
    └── sources.json   # קישורים חיצוניים

scripts/

הסקריפטים הם בשביל משימות שדורשות אמינות דטרמיניסטית. במקום שClaude יכתוב מחדש את אותו קוד סיבוב PDF בכל פעם שאתם מבקשים "תסובב את הקובץ", אתם שמים scripts/rotate_pdf.py והוא מריץ אותו ישירות. חיסכון בטוקנים, אמין יותר, אין כתיבה מחדש.

references/

קבצי הפניה מכילים תיעוד מפורט שClaude טוען רק כשצריך. כאן שמים סכמות מסד נתונים, תיעוד API, מדיניות חברה, ומדריכי תהליך מפורטים. השדה הזה בעצם שומר על SKILL.md רזה ונקי.

assets/

נכסים הם קבצים שמשמשים בפלט, לא נטענים ל-context. תבניות, תמונות, פונטים, קוד boilerplate. כשאתם מבקשים מClaude "תבנה לי אפליקציית todo", הוא יכול להעתיק מ-assets/hello-world/ במקום לבנות הכל מאפס.

Progressive Disclosure

הסקילים משתמשים במערכת טעינה תלת-שלבית כדי לנהל את ה-context ביעילות:

שלב	תוכן	עלות בטוקנים
Metadata	שם + תיאור בלבד	~100 טוקנים
SKILL.md	הפניה מהירה, דפוסים	פחות מ-5,000 טוקנים
Resources	מאמרי עומק, דוגמאות מלאות	נטען לפי דרישה

הארכיטקטורה הזו פותרת את בעיית ה-context window. אפשר להחזיק מאות סקילים בלי לפוצץ כל שיחה. רק תוכן רלוונטי נטען, כשהוא נצרך.

מה הולך איפה

תשאירו ב-SKILL.md	תעבירו ל-references/
עצי החלטה	תיעוד API מלא
פקודות מהירות	מדריכים שלב-אחר-שלב
דפוסים נפוצים	טיפול במקרי קצה
1-2 דוגמאות קוד	מימושים מלאים

חלק 3: התקנה לפי פלטפורמה

כל פלטפורמה מתנהגת קצת אחרת. הנה איך מתחילים בכל אחת מהן.

Claude Code (המוקד העיקרי)

פה יש את המימוש הכי בוגר. ה-skills גרים בשתי תיקיות:

מיקום	היקף	שימוש
~/.claude/skills/	ברמת המשתמש	סקילים אישיים בכל הפרויקטים
.claude/skills/	ברמת הפרויקט	סקילים משותפים לצוות בקוד-בייס הזה

התקנה:

# יצירת תיקיית skills ברמת המשתמש
mkdir -p ~/.claude/skills

# יצירת תיקיית skills ברמת הפרויקט
mkdir -p .claude/skills

# הוספת skill חדש
mkdir -p ~/.claude/skills/my-skill
touch ~/.claude/skills/my-skill/SKILL.md

Hot Reload: מ-Claude Code 2.1.0, סקילים נטענים מחדש אוטומטית כשאתם שומרים שינויים. אין צורך לאתחל. עורכים, שומרים, משתמשים. נקודה.

אסטרטגיות פרומפט שעובדות:

אסטרטגיה	איך עושים
תהיו ספציפיים	"תכתוב טסטים ל-foo.py שמכסים מקרה קצה של משתמש מנותק" מנצח את "תוסיף טסטים"
קודם מחקר	תבקשו מClaude לקרוא קבצים ולבנות תוכנית לפני שהוא כותב קוד
Extended Thinking	תשתמשו ב-"think", "think hard", "think harder", או "ultrathink" להחלטות מורכבות
הפניות ויזואליות	תספקו צילומי מסך, מוקאפים של עיצוב, או נתיבי קבצים

תהליכי עבודה מתקדמים:

• Multi-Claude Sessions: תריצו אינסטנסים מקבילים, אחד כותב קוד, השני סוקר. אצלי זה רץ על Mac ו-Linux במקביל ועובד מצוין: 64 חפיפות בין סשנים, 14% מההודעות שלי בזמן עבודה מקבילה.
• Git Worktrees: תשתמשו ב-git worktree add כדי לשלוף כמה ענפים. תריצו סשנים נפרדים על כל אחד בלי קונפליקטים.
• Headless Mode: claude -p "prompt" ל-CI/CD pipelines וסקריפטי אוטומציה.
• ניהול Context: תשתמשו ב-/clear בין משימות. תלחצו Escape כדי להפסיק. דאבל-Escape כדי לערוך פרומפטים קודמים.

Claude Desktop

Claude Desktop תומך מלא דרך ממשק ה-Settings:

הפעלת Skills:

1. תפתחו Settings > Capabilities > Skills
2. תפעילו את הסקילים המובנים של Anthropic (Excel, Word, PowerPoint, PDF)
3. תעלו סקילים מותאמים כקבצי ZIP
4. תדליקו וכבו לפי הצורך

ההבדל המרכזי מ-Claude Code:

Claude Code	Claude Desktop
סקילים כתיקיות	סקילים כקבצי ZIP
.claude/skills/	העלאה דרך ממשק Settings
ידידותי ל-git	שיתוף ידני
Hot reload בעת שמירה	העלאה מחדש לעדכון

OpenAI Codex

OpenAI Codex אימצו את הסטנדרט הפתוח של agentskills.io עם תאימות מלאה ל-SKILL.md של Claude Code:

פיצ'ר	מימוש ב-Codex
מיקום Skill	.codex/skills/ ברמות repo, user, admin, ו-system
פורמט	SKILL.md זהה עם YAML frontmatter
Progressive Disclosure	אותה טעינה תלת-שלבית כמו Claude Code
בין-פלטפורמתי	סקילים עובדים גם ב-Codex וגם ב-Claude Code
מתקין מובנה	$skill-installer להתקנה מ-openai/skills repo

Gemini CLI

הסקילים של Gemini CLI בפריוויו נכון לינואר 2026. הארכיטקטורה משכפלת את הגישה של Claude:

איך זה עובד:

• סקילים הם חבילות שנטענות בעצלתיים
• Gemini משתמש בכלי activate_skill בתוך לולאת ReAct שלו
• הסקילים שומרים על context window נקי תוך מתן ספרייה גדולה של יכולות

מגבלות נוכחיות:

• פיצ'ר בפריוויו (עלול להשתנות)
• תיעוד מוגבל
• אין עדיין marketplace ציבורי לסקילים

חלק 4: 15 הסקילים שכדאי לכם לנסות

אחרי שבדקתי 300+ סקילים על כל מיני שימושים, אלה ה-15 שבאמת בלטו אצלי. דירגתי לפי איכות תיעוד, שימושים מעשיים, יעילות בטוקנים, ויכולת הרכבה.

סקילים לפיתוח

Skill	טוקנים	דירוג	הכי מתאים ל
senior-frontend	~966	★★★★☆	React, Next.js, TypeScript, Tailwind CSS
senior-backend	~966	★★★★☆	Node.js, APIs, GraphQL, אופטימיזציית מסד נתונים
debugging-strategies	~3,020	★★★★☆	דיבוג שיטתי, פרופיילינג, ניתוח שורש
senior-devops	~966	★★★★☆	CI/CD pipelines, קונטיינרים, פלטפורמות ענן

למה אלה? סקילי ה-"senior" קלים בכוונה (~966 טוקנים כל אחד) אבל אורזים עצי החלטה ופרקטיקות מומלצות שהיה לוקח עמודים להסביר ב-custom instructions.

סקילים למחקר ואקדמיה

Skill	טוקנים	דירוג	הכי מתאים ל
scientific-writing	~2,800	★★★★★	מבנה IMRAD, הגשות לכתבי עת, טון אקדמי
citation-management	~7,481	★★★★★	Google Scholar, PubMed, BibTeX, Zotero

למה אלה? scientific-writing עוקב אחרי מבנה IMRAD (Introduction, Methods, Results, Discussion) שכתבי עת מצפים לו. citation-management כולל אינטגרציות ל-26+ מסדי נתונים ומטפל בכל מחזור החיים של הציטוט.

סקילים לאיכות ובדיקות

Skill	טוקנים	דירוג	הכי מתאים ל
qa-testing-strategy	~2,100	★★★★★	Jest, Vitest, Playwright, E2E, BDD, פירמידות בדיקה

למה זה? כולל עצי החלטה לבחירת סוגי בדיקה, מדריכי בחירת מסגרות, ודפוסי אינטגרציה ל-CI/CD. עץ אבחון הבדיקות הצולעות (flaky tests) לבדו חסך לי שעות של דיבוג.

סקילים לעסקים ושיווק

Skill	טוקנים	דירוג	הכי מתאים ל
marketing-strategy-pmm	~6,500	★★★★★	אסטרטגיית GTM, מיצוב (שיטת April Dunford), battlecards
content-creator	~800	★★★★☆	תוכן SEO, קול מותג, מסגרות קופירייטינג

סקילים ל-AI/ML ו-Context

Skill	טוקנים	דירוג	הכי מתאים ל
ai-prompt-engineering	~1,991	★★★★★	פרומפטים פרודקשן, דפוסי RAG, עיצוב סוכנים
context-optimization	~1,543	★★★★★	חיסכון בטוקנים, אסטרטגיות דחיסה, אופטימיזציית KV-cache

טבלת סיכום

קטגוריה	סקילים	סך הטוקנים
פיתוח	4	~5,900
מחקר	2	~10,300
איכות	1	~2,100
עסקים	2	~7,300
AI/Context	2	~3,500
סה"כ	15	~36,400

אתם לא טוענים את כל ה-15 בו-זמנית. מערכת ה-skills של Claude משתמשת ב-progressive disclosure כדי לטעון רק את מה שרלוונטי לבקשה הנוכחית.

חלק 5: דפוסי הרכבה של Skills

החוזק האמיתי של הסקילים מתגלה כשאתם משלבים אותם. הנה הדפוסים שעובדים אצלי בפועל.

דפוס 1: סקילים סדרתיים

פלט של skill אחד הופך לקלט של הבא.

דוגמה: תהליך כתיבת מאמר מחקר

research-lookup → scientific-writing → citation-management

1. research-lookup מוצא מאמרים רלוונטיים ושולף ממצאי מפתח
2. scientific-writing בונה את התוכן במבנה IMRAD
3. citation-management מעצב הפניות לפי סגנון של כתב העת הספציפי

מתי להשתמש: תהליכים רב-שלביים שכל שלב בהם דורש מומחיות אחרת.

דפוס 2: סקילים מקבילים

טעינת סקילים משלימים שמכסים היבטים שונים של אותה משימה.

דוגמה: פיצ'ר Full-Stack

senior-frontend + senior-backend + qa-testing-strategy

שלושת הסקילים נטענים יחד. Claude שואב מדפוסי frontend בכתיבת רכיבי React, מדפוסי backend לאנדפוינטים של API, ומדפוסי בדיקה לחבילת הטסטים. בלי handoff מפורש בין השלבים.

דפוס 3: Meta + סקילי תחום

שילוב של skill מטה (איך עושים דברים) עם skill תחום (מה לעשות).

דוגמה: API ברמת פרודקשן

ai-prompt-engineering + senior-backend

ai-prompt-engineering מספק דפוסים לפלטים מובנים, טיפול בשגיאות, וולידציה. senior-backend מספק דפוסי Node.js, סכמות GraphQL, ואופטימיזציית מסד נתונים. ביחד הם מייצרים APIs שגם מעוצבים היטב וגם מודעים לפרומפטים.

דפוס 4: טעינה מודעת תקציב (מערכת תלת-שלבית)

לא כל skill צריך להיטען במלואו. ארכיטקטורת ה-progressive disclosure משתמשת בשלוש שכבות:

שכבה	מה נטען	מתי	עלות בטוקנים
שכבה 1	Metadata (שם + תיאור)	תמיד בעת ההפעלה	~50 טוקנים לכל skill
שכבה 2	תוכן SKILL.md מלא	כשClaude מזהה רלוונטיות	~2,000-5,000 טוקנים
שכבה 3	קבצים ב-references/ ו-scripts/	בזמן ביצוע, לפי צורך	בלתי מוגבל

# תצוגה מקדימה של סקילים (metadata בלבד)
mcp__skills-discovery__search_skills("react typescript")

# טעינת skill ספציפי (תוכן מלא)
mcp__skills-discovery__get_skill("senior-frontend")

הנחיות תקציב טוקנים

תרחיש	תקציב מומלץ	אסטרטגיה
משימה פשוטה	2,000 טוקנים	1-2 סקילים
פיצ'ר סטנדרטי	5,000 טוקנים	2-3 סקילים
תהליך מורכב	10,000 טוקנים	3-5 סקילים, סדרתי
פיצ'ר Full-Stack	15,000 טוקנים	4-6 סקילים, מקבילי

חלק 6: בניית סקילים משלכם

יצירת skill היא משימה ישירה. החלק הקשה הוא להפוך אותו לאפקטיבי.

תובנה אחת ששינתה אצלי את הגישה ליצירת סקילים: הגדרת תהליכים בשפה טבעית מנצחת כלי אוטומציה נוקשים, כי היא משמרת גמישות ושיקול דעת אנושי. סקילים הם לא סקריפטים. הם מומחיות בבקבוק שClaude מיישם עם הבנה של ההקשר.

שלב 1: תתחילו מדוגמאות קונקרטיות

לפני שאתם כותבים אפילו תו, תבינו בדיוק איך ה-skill ישמש. תשאלו את עצמכם:

• מה משתמש יגיד שאמור להפעיל את ה-skill הזה?
• מה הייתי מסביר שוב ושוב בלי ה-skill הזה?
• אילו סקריפטים או תבניות הייתי מייצר מחדש בכל פעם?

שלב 2: תכננו את המשאבים

סוג משאב	מתי לכלול
סקריפטים	אותו קוד נכתב שוב ושוב, צריך אמינות דטרמיניסטית
הפניות	תיעוד מפורט שClaude צריך להתייעץ איתו תוך כדי עבודה
נכסים	תבניות, תמונות, פונטים שמשמשים בפלט

שלב 3: יצירת המבנה

mkdir -p ~/.claude/skills/my-skill/{references,scripts,assets}
touch ~/.claude/skills/my-skill/SKILL.md

שלב 4: כתיבת SKILL.md

ה-Frontmatter (קריטי):

---
name: my-skill
description: This skill should be used when the user asks to
  "specific phrase 1", "specific phrase 2", or mentions
  specific-concept. Provides guidance for specific-domain.
---

חוקי תיאור:

• תשתמשו בגוף שלישי: "This skill should be used when..." ולא "Use this when..."
• כללו ביטויים מדויקים שמשתמשים יגידו
• תהיו ספציפיים, לא מעורפלים

טעויות נפוצות

טעות	הבעיה	תיקון
טריגר חלש	"Helps with code"	"When user asks to 'review PR', 'check security'"
יותר מדי תוכן ב-SKILL.md	8,000 מילים	תשמרו את הליבה ב-SKILL.md, תעבירו פרטים ל-references/
גוף שני	"You should..."	"Start by...", "Configure the..."
הפניות חסרות	Claude לא יודע שהקבצים קיימים	תוסיפו סעיף "Additional Resources"

חלק 7: גילוי וניהול Skills

ברגע שיש לכם יותר מתריסר סקילים, גילוי הופך לקריטי. אתם צריכים למצוא את ה-skill הנכון בלי לטעון את הכל ל-context.

בעיית הגילוי

עם 300+ סקילים זמינים, טעינת כל ה-metadata צורכת ~30,000 טוקנים. זה 15% מ-context window של 200K לפני שהתחלתם לעבוד. הפתרון הוא גילוי מבוסס חיפוש.

Skills Discovery MCP

ה-ABclaude-collection שלי כולל שרת MCP בשם skills-discovery (יוצא בקרוב כקוד פתוח) שפותר את הבעיה הזו:

טעינה דו-שלבית:

# שלב 1: חיפוש (מחזיר ~50 טוקנים לכל skill)
mcp__skills-discovery__search_skills("react typescript security")

# שלב 2: טעינת skill ספציפי (תוכן מלא)
mcp__skills-discovery__get_skill("senior-frontend")

ניהול סקילים בצוות

גישה	שימוש	איך
תיקייה משותפת	צוות קטן, צרכים פשוטים	.claude/skills/ ב-repo
Plugin marketplace	ברמת ארגון	מאגר plugins פנימי
שרת MCP	ארגוני, צרכים מתקדמים	גילוי מותאם + בקרת גישה

חלק 8: ה-Plugin Marketplaces הכי טובים

שלושה plugin marketplaces בולטים באיכות ובהיקף.

1. Superpowers (obra)

פילוסופיה: "תוכנה שעובדת על פני פרומפטים מקיפים"

ה-Superpowers של Jesse Vincent אוכף פיתוח TDD-first עם ארכיטקטורת subagent. Opus מתכנן, Sonnet מבצע.

פיצ'ר	תיאור
אכיפת TDD	טסטים קודם, תמיד. קוד שנכתב לפני טסטים נמחק
ארכיטקטורת Subagent	Opus מתכנן, Sonnet מבצע, שערי איכות בין השלבים
שערי איכות	Lint, type-check, test לפני כל commit
פקודות	/superpowers:brainstorm, /superpowers:write-plan, /superpowers:execute-plan

הכי מתאים ל: פיתוח תוכנה ברמת פרודקשן עם אפס סובלנות לקוד שבור.

/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

2. claude-scientific-skills (K-Dense)

כיסוי: 125+ סקילים מדעיים מתמחים על פני 6 תחומים.

תחום	דוגמאות
ביואינפורמטיקה	BioPython, Scanpy, PyMOL
כימואינפורמטיקה	RDKit, טביעות אצבע מולקולריות
מחקר קליני	תכנון ניסויים, תאימות HIPAA
ML/AI	PyTorch, TensorFlow, scikit-learn
גילוי תרופות	חיזוי ADMET, עגינה מולקולרית

אינטגרציות מסדי נתונים: PubMed, UniProt, NCBI, ChEMBL, DrugBank, ClinicalTrials.gov (26+ בסך הכל)

הכי מתאים ל: חוקרים, סטודנטים לדוקטורט, אנשי ביוטק.

/plugin marketplace add K-Dense-AI/claude-scientific-skills
/plugin install scientific-writing@scientific-skills

3. claude-code-workflows (wshobson)

היקף: 67 plugins, 99 agents, 107 skills, 71 כלים.

פיצ'ר	תיאור
שלוש שכבות מודלים	Opus (קריטי), Sonnet (פיתוח), Haiku (תפעול)
תזמור Full-Stack	קואורדינציית סוכנים מרובים לתהליכים מורכבים
קטגוריות סוכנים	ארכיטקטורה, שפות, תשתית, איכות, נתונים/AI, תיעוד

הכי מתאים ל: צוותים ארגוניים, תהליכים מורכבים מרובי-סוכנים.

/plugin marketplace add wshobson/claude-code-workflows
/plugin install full-stack-orchestration@claude-code-workflows

השוואה

Marketplace	סקילים	פוקוס	הכי מתאים ל
Superpowers	~15	TDD, איכות	קוד פרודקשן
claude-scientific-skills	125+	מדע, מחקר	אקדמאים, ביוטק
claude-code-workflows	107	Full-stack, ארגוני	צוותים, תזמור

שורה תחתונה: למי באמת שווה להשקיע ב-Skills

למי זה הכי שווה

מפתחים שמחפשים עקביות בין פרויקטים. אם נמאס לכם להסביר שוב ושוב לClaude את סטנדרטי הקוד שלכם, העדפות בדיקה, או דפוסי ארכיטקטורה, סקילים מקודדים את הידע הזה פעם אחת ומפעילים אותו בכל מקום. אצלי, מהר מאוד הגעתי למצב שClaude יודע לכתוב קוד ב-AI Deck בסגנון שאני אוהב, בלי שאני צריך להזכיר את זה. Anthropic מדווחים שהמהנדסים שלהם משתמשים בClaude ל-90%+ מהאינטראקציות עם git, רמת אינטגרציה כזו דורשת מומחיות עקבית.

צוותים שרוצים תהליכים סטנדרטיים. תשימו סקילים ב-.claude/skills/ ב-repo שלכם, וכל חבר צוות מקבל את אותה הדרכה מקצועית. אנשים חדשים קולטים מהר יותר. הידע של הסניוריט מתרחב לכלל הצוות.

משתמשי כוח שמייעלים אינטראקציות AI. ההבדל בין skill של 2,000 טוקנים לבין בלוק custom instructions של 20,000 טוקנים הוא יעילות פי 10. סקילים טוענים מה שצריך, מתי שצריך.

חוקרים ואקדמאים. הסקילים scientific-writing ו-citation-management מטפלים בעבודת העיצוב המייגעת. אתם כותבים מאמרים, לא LaTeX.

משתמשים לא טכניים (כן, ברצינות)

הנה משהו שרוב המדריכים מפספסים: Claude Code זה לא רק למפתחים. מתוך 500+ שימושי קהילה, מקצוענים לא טכניים מוצאים ערך ענקי:

קטגוריה	דוגמאות שימוש
ניהול קבצים	ארגון קבצים מפוזרים, זיהוי כפילויות, פינוי אחסון, שינוי שמות לקבוצות חשבוניות
יצירת תוכן	שיפור איכות צילומי מסך, ארגון הקלטות קוליות למאמרים, יצירת changelogs
תפעול עסקי	יצירת תיאורי תפקיד, מציאת לידים דרך GitHub, חילוץ מודעות מתחרים
פרודקטיביות אישית	ניתוח הקלטות פגישות לזיהוי דפוסים, בניית מצגות HTML

PMs, מנהלי שיווק, מעצבים, יזמים, כל מי שיודע לתאר מה הוא רוצה יכול להפיק תועלת מסקילים.

מגבלות הוגנות

השקעה ראשונית. בניית סקילים אפקטיביים לוקחת זמן. תצפו ל-2-4 שעות על ה-skill הראשון שלכם, 30 דקות אחרי שתופסים את הדפוס. אצלי הראשון לקח כמעט יום שלם, חצי מזה רק כדי להבין איך לכתוב תיאור שClaude יקפוץ עליו.

תקורת טוקנים בסקילים מורכבים. skill של 7,000 טוקנים הוא עדיין 7,000 טוקנים. טעינה מודעת תקציב עוזרת, אבל יש סקילים שפשוט כבדים מטבעם.

עקומת למידה לדפוסים מתקדמים. הרכבה, ניתוב subagents, ואינטגרציית MCP דורשים הבנה של ארכיטקטורת Claude Code. הבסיס פשוט. השליטה לוקחת תרגול.

שינויים בין פלטפורמות. agentskills.io מספק סטנדרט משותף, אבל פרטי המימוש משתנים. Claude Code ו-OpenAI Codex עם תמיכה מלאה. Gemini CLI בפריוויו. מיקומי התיקיות שונים (.claude/skills/ מול .codex/skills/), אבל תוכן ה-skill נייד.

מה לעשות עכשיו

1. תתחילו עם 3 סקילים מ-ABclaude-collection. תבחרו senior-frontend, qa-testing-strategy, ו-context-optimization לבסיס מוצק.
2. תיצרו את ה-skill הראשון שלכם. תתחילו ממשהו שאתם מסבירים לClaude שוב ושוב. צ'קליסט לקוד-רוויו, מוסכמות API של הצוות, מדריך הסגנון של החברה.
3. תתקינו plugin marketplace אחד. תבחרו לפי המוקד שלכם: Superpowers לפיתוח TDD-first, claude-scientific-skills למחקר, claude-code-workflows לתזמור ארגוני.

שאלות נפוצות

מה זה AI Agent Skills ואיך הם עובדים?

סקילים הם חבילות הוראות ניידות שעוזרי AI טוענים לפי דרישה. skill הוא תיקייה שמכילה קובץ SKILL.md עם YAML frontmatter (שם, תיאור) והוראות ב-Markdown. ה-AI קורא את ה-metadata בהתחלה, ואז טוען את התוכן המלא רק כשהבקשה שלכם מתאימה לתחום של ה-skill.

איך יוצרים את קובץ ה-SKILL.md הראשון?

תיצרו תיקייה ב-~/.claude/skills/ עם שם ה-skill. תוסיפו קובץ SKILL.md במבנה הזה: YAML frontmatter עם name ו-description, ואחרי זה הוראות ב-Markdown. התיאור צריך לכלול ביטויים ספציפיים שמפעילים את ה-skill. תשמרו את הקובץ מתחת ל-2,000 מילים ותשתמשו בצורת ציווי ("Configure the server" ולא "You should configure").

מה ההבדל בין סקילים ב-Claude Code לבין OpenAI Codex?

שניהם משתמשים באותו פורמט SKILL.md דרך הסטנדרט הפתוח agentskills.io. Claude Code שומר סקילים ב-.claude/skills/, בעוד Codex משתמש ב-.codex/skills/. שניהם מיישמים progressive disclosure (metadata נטען קודם, אז התוכן המלא כשמופעל). סקילים ניידים בין שתי הפלטפורמות עם שינויים מינימליים.

בכמה סקילים אפשר להשתמש בו-זמנית בלי בעיות ביצועים?

תשמרו על טוקני ה-skills הפעילים מתחת ל-20% מה-context הזמין. עבור חלון של 200K, זה 40K טוקנים לסקילים. בפועל, 3-5 סקילים (5,000-15,000 טוקנים) עובד טוב לרוב המשימות. תשתמשו בטעינה מודעת תקציב כדי לראות תצוגה מקדימה לפני טעינה מלאה.

איפה אפשר למצוא סקילים מוכנים להורדה?

שלושה מקורות עיקריים: ABclaude-collection (300+ סקילים ב-17 קטגוריות), claude-scientific-skills (125+ סקילים מדעיים), ו-claude-code-workflows (107 סקילים עם תזמור רב-סוכני).

מה ההבדל בין skills ל-plugins?

סקילים הם חבילות הוראות (קבצי SKILL.md עם ידע ופרוצדורות). Plugins הם חבילות שיכולות להכיל סקילים, סוכנים, פקודות וכלים. plugin marketplace מארח plugins מרובים. אתם מתקינים plugins, שמעניקים לכם גישה לסקילים שלהם.

איזה plugin marketplace כדאי לי למחקר מדעי?

claude-scientific-skills של K-Dense. יש בו 125+ סקילים מתמחים שמכסים ביואינפורמטיקה (BioPython, Scanpy), כימואינפורמטיקה (RDKit), מחקר קליני, ML/AI, וגילוי תרופות. כולל אינטגרציות עם 26+ מסדי נתונים: PubMed, UniProt, NCBI, ChEMBL, DrugBank, ClinicalTrials.gov.

מקורות

תיעוד רשמי:

• תיעוד Agent Skills
• הסטנדרט הפתוח agentskills.io
• Changelog של Claude Code 2.1.0
• Claude Code Best Practices (מהנדסי Anthropic)
• Equipping Agents for the Real World with Agent Skills (מהנדסי Anthropic)

משאבים קהילתיים:

• Everyone Should Be Using Claude Code More (Lenny Rachitsky)
• Claude Skills Explained (Claire Vo)
• Claude Skills Tutorial (Sid Bharath)

אוספי סקילים:

• ABclaude-collection
• Superpowers
• claude-scientific-skills
• claude-code-workflows

פורסם: ינואר 2026 | עודכן לאחרונה: ינואר 2026

אז עכשיו השאלה היא לא אם Skills יחסכו לכם זמן, אלא איזה skill ראשון אתם הולכים לבנות, ומה הדבר שאתם הכי שונאים להסביר שוב לClaude?