Те, кто серьезно относится к контекстному бюджету, получат лучший опыт использования ИИ, чем те, кто бездумно накапливает навыки.

Автор статьи, источник: 0x9999in1, ME News

Кратко

• Экосистема навыков/плагинов текущих ведущих AI-ассистентов для программирования переживает «переедание после дикого роста» — накопление дублирующих, избыточных и мертвых навыков, что серьезно подрывает ценные ресурсы контекстного окна.
• Lobster Dad открыл исходный код метаскилла, специально предназначенного для комплексной проверки Skill, охватывающего пять основных функций: аудит бюджета, обнаружение дубликатов, проверка неиспользуемых ресурсов, аудит корневого каталога и сокращение описаний.
• Окно контекста — один из самых дефицитных ресурсов крупных моделей ИИ; каждое избыточное умение занимает бессмысленные токены, вытесняя пространство для реального вывода, которое вам действительно нужно.
• Основная ценность этого инструмента — не «еще один навык», а управление всеми навыками с помощью одного навыка — это уровень инфраструктуры.
• Беспорядок в экосистеме Skill — это не изолированный случай, а структурная проблема. Система плагинов без механизма аудита неизбежно приведет к росту энтропии.
• Открытый исходный код означает, что сообщество может продолжать развивать его, и это может стать отправной точкой для стандартизации управления Skill.

Сначала о текущей ситуации: ваш репозиторий навыков, возможно, уже превратился в свалку

Это звучит неприятно. Но откройте конфигурацию своего AI-ассистента, посчитайте, сколько навыков установлено, и вспомните, какие из них использовали в последний раз.

Ответ, скорее всего, заставит замолчать.

Со второй половины 2025 года такие инструменты AI-программирования, как Cursor, Windsurf, Codex и Claude Code, одновременно вступили в «гонку вооружений навыков». Участники сообщества активно создают контент, встроенные библиотеки постоянно расширяются, а персональные настройки накладываются друг на друга.

What's the result?

Типичный интенсивный пользователь имеет более 50 навыков. Из них ежедневно активируются, возможно, менее 10. Оставшиеся 40 тихо лежат, загружаются в контекст при каждом запуске диалога, тратят бюджет токенов и — ничего не делают.

Это не трата. Это преступление.

Почему так говорят? Потому что контекстное окно не бесконечно. Даже к 2026 году эффективная длина контекста у основных моделей будет составлять от 128K до 200K токенов — звучит много, верно? Но посчитайте: системные подсказки, история диалога, фрагменты кода, содержимое файлов, определения инструментов, описание навыков... Реальное пространство, оставшееся для "мышления", намного меньше, чем вы себе представляете.

Каждый дополнительный описательный текст бесполезного навыка занимает 200 токенов, 50 — это 10 000 токенов. Десять тысяч токенов — этого хватило бы модели, чтобы прочитать еще 400 строк кода.

Это не теоретические рассуждения. Это происходит каждый день.

Почему никто не вмешивается? Потому что добавить в сто тысяч раз легче, чем убрать.

У людей есть глубоко укоренившееся психологическое предвзятость: предпочтение добавления (Addition Bias).

面对问题，我们本能地想“加点什么”来解决，而不是“减掉什么”。2021年发表在《Nature》上的研究明确指出，人类在改进事物时系统性地忽略“减法方案”，即便减法更有效。

Skill-экосистема идеально воспроизвела это отклонение.

Член сообщества написал новый навык и опубликовал его. Пользователь подумал: «Вдруг пригодится», — и установил. Официальная команда сочла: «Широкий охват функций», — и встроила.

Кто удалит? Кто проведет аудит? Кто скажет: «Этот навык дублирует тот, удалим один»?

Никто.

Потому что удаление не приносит награды. Создайте новый навык, который принесет вам звезды, будет признан сообществом и сможет быть указан в резюме. Удалить старый навык? Вы ничего не получите.

Это структурная дилемма. Это не техническая проблема, а проблема стимулов.

Пока кто-то не решил: мне всё равно на стимулы, я это сделаю.

Отец лобстера выступает: одним Skill управлять всеми Skill

Кто является отцом лобстера? Если вы участвуете в сообществе инструментов AI-программирования, этот ник вам не будет陌生. Долгосрочно активный участник экосистем Codex и Claude, известный системным мышлением и инженерной педантичностью. Само название «отец лобстера» уже свидетельствует о признании сообществом — быть названным «отцом» означает, что в определенной нише вы — непременная фигура.

То, что он открыл исходный код на этот раз, по сути, является метаспособностью (Meta-Skill).

Что такое метавысокие навыки? Это «навык управления навыками». Он не пишет за вас код, не настраивает API и не генерирует документацию. Он делает только одно: проводит всесторонний, количественный и выполнимый осмотр всех ваших текущих навыков.

Пять функций, разобранных пошагово.

Это самый жесткий из всех.

Он делает всё просто: вычисляет количество контекстных токенов, занимаемых каждым навыком, определяет процент от общего бюджета и даёт рекомендации по оптимизации.

Почему это важно? Потому что подавляющее большинство пользователей совершенно не осознают, сколько ресурсов потребляет "Skill".

Вы думаете, что установка навыка просто добавляет еще одну функцию. На самом деле, текст описания каждого навыка, определения параметров, примеры кода и правила триггера должны быть включены в системные подсказки. Каждый раз при выводе модель должна сначала «прочитать» весь этот контент, чтобы решить, следует ли его вызывать.

Это как будто вы носите рюкзак с 50 инструментами. Вы думаете: «Лучше иметь, чем не иметь», но каждый дополнительный килограмм увеличивает вашу физическую нагрузку. Когда вам действительно понадобится резко ускориться, у вас уже не останется сил.

Задача бюджетного аудита — открыть рюкзак и сказать вам: «Этот швейцарский нож весит 3 кг, но вы никогда им не пользовались — выбросьте его».

Проблема, которую решает эта функция, может быть серьезнее, чем вы думаете.

Его диапазон сканирования охватывает четыре уровня:

• Встроенные библиотеки Codex
• Кэш плагина
• Репозиторий
• Корневая папка личных навыков

Сканируйте навыки с одинаковыми именами, похожими описаниями и перекрывающимися функциями на разных уровнях, помечая дублирующиеся элементы.

Почему есть дубликаты? Причин много.

Официально встроенный навык "Форматирование кода" вам неизвестен, но вы дополнительно установили из сообщества навык с почти идентичной функциональностью. Два навыка выполняют одно и то же действие и занимают два бюджета.

Или более незаметно: шесть месяцев назад вы написали пользовательский навык для обработки JSON, а затем официальная версия была обновлена, и в встроенные библиотеки добавили лучшее решение. Ваша старая версия всё ещё существует, и никто не сказал вам, что её нужно удалить.

Повторы обнаруживаются не только по названию. Даже если названия разные, но описания сильно похожи, они также будут выделены. Именно это и является настоящей технически сложной частью — система выполняет сравнение на уровне семантики, а не просто сопоставление строк.

На основе исторических журналов определите «зомби-навыки», которые не использовались длительное время.

Эта логика ясна: если навык не запускался в течение последних 30, 60 или 90 дней, скорее всего, это означает одно из двух — либо ваш рабочий процесс его не требует, либо условия его запуска спроектированы некорректно, из-за чего модель никогда его не выбирает.

В любом случае вывод один: это просто расходует бюджет.

Эта функция выводит «список кандидатов на очистку». Обратите внимание: это «кандидаты», а не прямое удаление. Окончательное решение остается за пользователем. Дизайн сдержанный и умный — он знает свои границы.

Некоторые навыки действительно редкие, но критически важные. Например, «помощь при миграции базы данных» — вы можете использовать его раз в три месяца, но в тот момент он спасет вам жизнь. Поэтому результаты отбора — это лишь рекомендация, а не приговор.

Эта функция имеет больше операционный характер, но чрезвычайно полезна.

Он собирает все каталоги источников навыков, отмечает статус включения/отключения и анализирует цепочку загрузки.

Почему это необходимо? Потому что источник навыков разнообразен: некоторые поступают из глобальных настроек, некоторые — из настроек проекта, некоторые автоматически вставляются плагинами, а некоторые создаются пользователем вручную.

Когда навыков немного, вы это понимаете. Когда их количество увеличивается до десятков, вы уже не можете разобраться: «Откуда взялся этот навык?», «Могу ли я безопасно его удалить?», «Не повлияет ли удаление на другие вещи?»

Аудит корневого каталога — это как карта, которая показывает, где живет каждый навык, кто его загрузил и активен он сейчас или нет.

С этой картой вы сможете безопасно провести операцию.

Последняя функция, которая кажется самой "маленькой", на самом деле имеет огромный рычаг.

Он делает: выявляет навыки с чрезмерно длинным описанием и предлагает варианты их сокращения.

Почему длина описания так важна? Вернемся к ранее сказанному: описание навыка должно быть включено в системный промпт. Каждое слово — это токен. Если описание одного навыка можно сократить с 200 токенов до 80 токенов, экономия, умноженная на количество навыков, будет очень значительной.

Многие навыки, предоставленные сообществом, описаны как аннотации к научным статьям — с контекстом, мотивацией, сценариями применения, предостережениями и примерами ввода-вывода, развернуто и подробно. Авторы приложили много усилий, но с инженерной точки зрения это избыточный дизайн.

Описание для модели должно быть точным, уникальным и различимым. Достаточно минимального количества слов, чтобы модель поняла, «какую задачу выполняет этот навык и когда его следует вызывать». Каждое лишнее слово — это трата бюджета контекста.

Эта функция сокращена до сути: это обратная оптимизация инженерии подсказок — не создание лучших подсказок, а сжатие существующих до минимальной длины без потери информации.

В чем его ценность? Не в функциях, а в мышлении

Пять функций разобраны. Каждая отдельно, кажется, не является «революционной». Но вместе они представляют собой смену парадигмы мышления:

От «создания большего количества Skill» к «управлению существующими Skill».

Ценность этого события не в объеме кода и не в сложности алгоритма, а в том, что наконец-то кто-то отнесся к этой проблеме как к «гражданину первого класса».

За последние два года внимание экосистемы инструментов ИИ было сосредоточено исключительно на «добавлении»: больше моделей, больше функций, больше плагинов, больше навыков. Все бежали быстро и сильно, никто не оглядывался назад.

Но любой человек с инженерным опытом знает: когда сложность системы растет до определенного уровня, без соответствующих механизмов управления она рухнет.

Не возможно. Это точно.

В программной инженерии существует понятие «технический долг». Каждое временное решение, каждый раз, когда вы говорите «пусть пока так», каждая неубранная избыточность — это займ. Чем больше вы берёте в долг, тем выше проценты, пока однажды вы не обнаружите, что все ваши силы уходят на погашение долга, и не остаётся ресурсов для новых задач.

Технический долг экосистемы Skill достиг момента, когда его необходимо признать.

Инструмент «Отец краба» по сути является аудитором долгов. Он не помогает вам погасить долги, но сообщает вам: сколько вы должны, где именно и какие долги следует погасить в первую очередь.

Это намного ценнее, чем «написал еще один полезный навык».

Значение открытого исходного кода: от индивидуальных инструментов до стандартов сообщества

Отец лобстера выбрал открытый исходный код — это решение само по себе заслуживает внимания.

Он вполне мог превратить этот инструмент в платный плагин. Рыночный спрос очевиден, болевые точки реальны, и платящих пользователей будет немало. Но он выбрал открытый исходный код.

Почему?

Я полагаю, есть два соображения.

Первый уровень: чтобы этот инструмент действительно приносил пользу, необходимо совместное участие сообщества. Механизмы загрузки навыков, форматы журналов и структура каталогов различаются между различными платформами ИИ. Один человек не справится, но сто участников — смогут.

Второй уровень: он, возможно, стремится продвинуть не просто инструмент, а стандарт. Как должна осуществляться генерация навыков? Каковы измерения аудита? Каковы лучшие практики распределения бюджета? На эти вопросы можно ответить только на основе консенсуса сообщества.

Открытый исходный код — лучший способ достижения консенсуса.

В истории разработки программного обеспечения ESLint для стандартизации JavaScript, Black для форматирования Python и Prettier для стиля фронтенд-кода стали де-факто стандартами благодаря тому, что открытый исходный код позволил сообществу участвовать в формировании правил.

Может ли этот Meta-навык от отца лобстера стать ESLint для управления навыками?

Слишком рано делать выводы. Но направление правильное.

Более глубокий вопрос: следует ли переработать саму систему Skill?

Инструменты аудита решают «проблемы существующего состояния». Но если поднять уровень рассмотрения, станет очевидна более фундаментальная проблема:

Почему Skill вышел из-под контроля?

The answer is: The current Skill system lacks lifecycle management.

После создания навыка он существует навсегда. Нет механизма истечения срока действия, нет устаревания версий, нет снижения активности. Он就像永远不会死的进程，占着资源，直到有人手动kill它。

Сравните управление процессами в операционной системе: есть создание, есть планирование, есть спящий режим, есть завершение. Полный цикл жизненного цикла.

Сравним управление зависимостями менеджерами пакетов:npm auditпроверка уязвимостей безопасности, npm outdatedпроверка устаревших зависимостей, npm pruneочистка ненужных пакетов. Инструменты управления — часть экосистемы.

А где система Skill? Создание → использование → ... и всё. Пропущено множество этапов.

Инструменты от отца лобстера по сути используют внешние инструменты для компенсации недостатков в дизайне системы. Они полезны, но также выявляют факт: инфраструктура для управления навыками на платформах AI-инструментов находится на примитивной стадии.

Это не критика. Это неизбежный этап развития. С 2024 по 2025 год приоритетной целью платформы было «запустить экосистему», а управление можно было отложить на потом. Но к середине 2026 года экосистема уже заработала. Пришло время наверстать упущенное.

В заключение

Вернёмся к исходному вопросу: сколько навыков в вашем AI-ассистенте активны?

Если ты не можешь ответить, значит, тебе нужно пройти медицинский осмотр.

Отец лобстера предоставил инструмент. Бесплатно. С открытым исходным кодом. Пять измерений, полное покрытие.

Это твое дело — использовать или нет.

Но одно я знаю точно: те, кто серьезно относится к контекстному бюджету, получат лучший опыт использования ИИ, чем те, кто слепо накапливает навыки.

Потому что ИИ не всесилен. Его внимание ограничено, его память ограничена, его вычислительные ресурсы ограничены. Чем точнее и чище информация, которую вы ему предоставляете, тем лучше будет его ответ.

Это не мистика. Это теория информации.

Шеннон еще в 1948 году сообщил нам: емкость канала ограничена, чем больше шумов, тем ниже скорость передачи полезной информации.

Те навыки-зомби в вашем списке — это просто шум.

Уничтожьте их.

Ссылки

1. Адамс, Г. С., Конверс, Б. А., Хейлз, А. Х. и Клотц, Л. Э. (2021). Люди систематически игнорируют вычитающие изменения.Nature, 592(7853), 258–261.
2. Shannon, C. E. (1948). A Mathematical Theory of Communication. Bell System Technical Journal, 27(3), 379–423.
3. OpenAI. (2024). Документация по окну контекста и лимитам токенов GPT-4 Turbo. https://platform.openai.com/docs/models
4. Anthropic. (2025). Карточка модели Claude: Использование окна контекста и накладные расходы системного запроса. https://docs.anthropic.com/en/docs/about-claude/models
5. Cursor Team. (2025). Правила и навыки: как пользовательские инструкции загружаются в контекст. Документация Cursor.
6. Документация npm. (2025). npm-audit, npm-prune: Управление жизненным циклом пакетов. https://docs.npmjs.com/cli
7. Отец лобстера. (2026). Проверка здоровья навыков — метанавык [открытый проект]. Репозиторий GitHub.
8. Скелли, Д. и др. (2015). Скрытые технические долги в системах машинного обучения. Advances in Neural Information Processing Systems (NeurIPS), 28.