Промпты Anthropic vs скиллы: тест на парсинге

Дизайнеру VitTurov надоело вручную сводить рейтинги, закладки и комментарии со своих статей на Хабре в таблицу. Задача простая, но откладывалась месяцами. Когда Anthropic выложила официальную библиотеку промптов для Claude Code — около 50 готовых инструкций с объяснениями, — он решил проверить их на деле. Взял пять промптов из библиотеки, один сторонний скилл (готовый набор инструкций от разработчика Мэтта Покока) и прогнал всё на одной задаче: спарсить собственные статьи.

Источник: Habr

Результат оказался неожиданным. Программа, работавшая по промптам из библиотеки, выдумала его ник, нашла статью, которую автор сам потерял, и написала 51 тест. А скилл Покока довёл автора до желания закрыть терминал. Разница — не в качестве кода, а в том, как каждый инструмент управляет вниманием человека.

Что такое библиотека промптов Claude Code и чем она отличается от скилла

Библиотека промптов Anthropic — это официальный набор готовых инструкций для Claude Code, собранный из гайдов самой компании. Около 50 штук, разбитых по фазам работы: от идеи до запуска. Каждый промпт содержит слоты для подстановки своей задачи, объяснение, почему он работает, и совет, как закрепить решение насовсем — сохранить как скилл или записать правилом в файл проекта.

Скилл grill-me от Мэтта Покока — это другой подход. Не просто инструкция, а готовый сценарий, который программа выполняет шаг за шагом, задавая человеку вопросы и проверяя ответы. Скилл как бы «ведёт» пользователя, но делает это по жёсткому сценарию.

Разница между ними не в сложности, а в том, кто контролирует процесс. Промпт из библиотеки — это рамка, внутри которой программа сама решает, как действовать. Скилл — это рельсы, с которых нельзя сойти.

Как проходил эксперимент: пять прогонов и два часа чистого времени

Автор провёл пять прогонов по паттернам из библиотеки Anthropic и один прогон скилла grill-me на той же задаче. Все прогоны — на одной модели (Opus 4.8, Claude Code v2.1.197), каждая сессия чистая, посторонние скиллы отключены. Промпты из библиотеки использовались дословно с подстановкой своей задачи; для некоторых сцен автор формулировал промпты сам, но по тем же паттернам.

Правила эксперимента жёсткие: провалы программы не чинить руками, промпты не редактировать задним числом, всё фиксировать — логи сессий, заметки, историю коммитов. Репозиторий открыт, прогоны воспроизводимы.

Важное условие: автор — дизайнер, не разработчик. Библиотека обещает работать «для всех ролей», и эксперимент проверяет именно это — что происходит, когда на вопросы программы отвечает человек, который половины ответов не знает.

Что показали промпты из библиотеки: работа, ошибки и неожиданные находки

Первый промпт — из фазы Discover, тот, что превращает размытую идею в спецификацию. Программа начала интервьюировать автора: задавала вопросы про реализацию, UX, граничные случаи. За 20 минут родилась спецификация. Но программа выдумала ник автора — вместо реального написала другой. Ошибка, но спецификация получилась рабочей.

Другие промпты показали разное. Один нашёл статью, которую автор сам потерял. Другой написал 51 тест — больше, чем автор планировал. Третий заставил программу проверять собственные результаты. Четвёртый — дать референс существующей реализации вместо технического задания.

Главное, что заметил автор: промпты из библиотеки не дают пошаговых инструкций. Они описывают результат, вшивают самопроверку, ставят измеримую цель. Программа сама решает, как к ней прийти. Это работает, но требует от человека готовности отвечать на вопросы и принимать решения.

Что показал скилл grill-me: жёсткий сценарий и желание закрыть терминал

Скилл grill-me работает иначе. Он задаёт вопросы по строгому сценарию, проверяет ответы и не даёт отклониться. Автор описывает это так: «скилл Покока довёл меня до желания закрыть терминал».

Почему? Потому что скилл не прощает незнания. Если человек не может ответить на вопрос — скилл останавливается или требует точного ответа. Промпт из библиотеки, наоборот, может переформулировать вопрос, предложить варианты или просто перейти к другому аспекту.

Скилл grill-me прогнали дважды — первый раз он не справился, второй раз тоже, но по-другому. Жёсткий сценарий оказался плох для задачи, где автор не знал всех деталей заранее.

Что это значит для бизнеса: когда выбирать промпт, а когда скилл

Для руководителя или владельца продукта выбор между промптом и скиллом — это не вопрос технологии, а вопрос контроля и гибкости.

Промпты из библиотеки Anthropic хороши, когда: - Задача размыта, и вы хотите, чтобы программа помогла её уточнить. - Вы готовы отвечать на вопросы и принимать решения по ходу. - Вам нужен результат, а не строгое следование процедуре.

Скиллы хороши, когда: - Процесс строго регламентирован и не терпит отклонений. - Человек точно знает, что нужно сделать на каждом шаге. - Важна воспроизводимость, а не гибкость.

Но скилл может стать ловушкой: если человек не знает ответа, скилл не поможет — он только покажет, что ответа нет. Промпт из библиотеки, наоборот, может найти обходной путь.

Какие риски стоит проверить до внедрения

Эксперимент показал несколько ограничений, которые стоит учитывать:

Зависимость от модели. Все прогоны сделаны на одной модели (Opus 4.8). На другой модели результаты могут отличаться.

Зависимость от задачи. Парсинг Хабра — конкретная задача. Для других задач промпты и скиллы могут показать себя иначе.

Зависимость от человека. Автор — дизайнер, не разработчик. Для опытного программиста результаты могли бы быть другими. Библиотека обещает работать «для всех ролей», но эксперимент показал, что незнание технических деталей может стать проблемой, особенно со скиллами.

Стоимость. Прогоны занимают время модели, а значит, деньги. Пять прогонов плюс два прогона скилла — это почти два часа чистого времени работы модели.

Воспроизводимость. Промпты из библиотеки дают разный результат при каждом прогоне. Скилл — более предсказуем, но менее гибок.

Что проверить на этой неделе: четыре вопроса перед выбором инструмента

Прежде чем решить, использовать ли готовые промпты или скиллы, задайте себе четыре вопроса:

Насколько точно я знаю, что нужно сделать? Если задача размыта — промпт из библиотеки поможет её уточнить. Если процесс жёсткий — скилл может быть полезнее.
Готов ли я отвечать на вопросы по ходу? Промпты требуют участия человека. Если вы хотите «запустить и забыть» — скилл или собственный скрипт подойдут лучше.
Что важнее: гибкость или воспроизводимость? Промпты дают разный результат каждый раз. Скиллы — предсказуемый, но могут застрять на неожиданном ответе.
Кто будет работать с инструментом? Если человек не разработчик — промпты из библиотеки могут быть понятнее, чем скиллы с жёстким сценарием.

Промпты Anthropic vs скиллы: что выбрать для автоматизации задач в 2026