Skill to pamięć mięśniowa AI. Uczysz raz - nie tłumaczysz od nowa co sesję.

Pokazujesz AI jak chcesz żeby coś robiło. Poprawiasz, doprecyzowujesz, w końcu działa jak trzeba. Zamykasz sesję. Otwierasz nową - i uczysz od zera.

To nie jest problem modelu. To brak warstwy, która trzyma wiedzę proceduralną między sesjami.

AI bez skilli - amnezja co sesję

Otwierasz nową sesję. AI nie wie jak lubisz strukturę raportów. Nie wie że po analizie danych zawsze sprawdzasz spójność źródeł. Nie wie że w Twoim projekcie deployment wymaga pięciu kroków w określonej kolejności.

Więc dyktujesz. Co sesję od nowa - te same kroki, ta sama kolejność, te same zastrzeżenia. Poprawiasz kiedy pominie krok. Wracasz kiedy zrobi coś w złej kolejności. Ty jesteś nauczycielem, który co lekcję zaczyna od podstaw.

Skill zdejmuje ten ciężar. To zestaw instrukcji proceduralnych zapisany jako plik - jak podejść do zadania, w jakiej kolejności, jakie kryteria sprawdzić, kiedy przestać. Procedura istnieje niezależnie od sesji. AI ją ładuje, wykonuje, kończy. Następna sesja - ta sama procedura, ten sam wynik.

Gdzie w architekturze żyją skille

MCP rozwiązało problem połączenia - jeden standard, jedno gniazdko, każde narzędzie pasuje. Ale połączenie to dopiero początek. Między “narzędzie dostępne” a “narzędzie użyte dobrze” jest luka. Skill ją wypełnia.

Warstwa	Co robi	Przykład
MCP	Transport - standaryzuje połączenie	Protokół łączący AI z kalendarzem, bazą, repozytorium
Tool	Atomowa operacja - jedno działanie	Wyślij mail, pobierz plik, utwórz wpis
Skill	Procedura - sekwencja działań z logiką	Obsłuż zgłoszenie klienta: sprawdź historię → sklasyfikuj → odpowiedz → eskaluj jeśli trzeba
Orkiestracja	Koordynacja - dobiera skille do zadania	Samodzielnie decyduje którego skilla użyć, kiedy przerwać, kiedy poprosić o pomoc

Tool to młotek. Skill to instrukcja budowy szafki - mówi kiedy sięgnąć po młotek, kiedy po śrubokręt, i w jakiej kolejności. Orkiestracja to stolarz, który sam czyta instrukcję i decyduje czy buduje szafkę czy półkę.

Nie prompt. Nie pamięć. Coś pomiędzy.

Skill to nie prompt. Prompt wklejasz w rozmowę i znika po sesji. Skill żyje na dysku jako plik - AI go ładuje kiedy rozpozna pasujące zadanie, wykonuje, kończy. Następna sesja - ten sam plik, nie trzeba niczego powtarzać.

Skill to też nie pamięć. Pamięć mówi “ostatnio zrobiłeś X.” Skill mówi “w tej sytuacji zawsze rób X, potem Y, a jeśli Z - zatrzymaj się.” Nie zapisuje co się wydarzyło - zapisuje jak działać.

Czym więc jest? Zestawem instrukcji proceduralnych - kroków, warunków, kolejności - zapisanym raz i ładowanym na żądanie. Trwałą procedurą, która przeżywa sesje, użytkowników i modele.

Jak skill działa

Skill składa się z trzech warstw. Opis, który decyduje kiedy się uruchomić. Instrukcje, które mówią co robić. I opcjonalnie - pliki z wiedzą, po którą agent sięga w trakcie. Wszystko zaczyna się od pliku SKILL.md. Górna część - metadane name i description. Niżej - body z instrukcjami.

my-skill/
├── SKILL.md          # Wymagany: metadane + instrukcje
├── scripts/          # Opcjonalny: kod do wykonania
├── references/       # Opcjonalny: dokumentacja, schematy
└── assets/           # Opcjonalny: szablony, zasoby

Trigger - kiedy skill wchodzi do gry

To description decyduje czy skill się uruchomi. Agent widzi opisy wszystkich zainstalowanych skilli - i na tej podstawie wybiera, który załadować. Opis musi jasno mówić do jakiego typu zadań skill pasuje i kiedy ma się włączyć.

Instrukcje - mięso skilla

Body pliku SKILL.md zawiera minimum trzy rzeczy:

Workflow - konkretne kroki, punkty decyzyjne, warunki stopu. Nie “przeanalizuj dane” tylko “pobierz źródło → zweryfikuj format → porównaj z poprzednim okresem → oznacz anomalie → wygeneruj podsumowanie.” Sekwencja ma znaczenie - kolejność kroków jest częścią wiedzy proceduralnej.
Przykłady - konkretne use case’y. Pokazują agentowi nie tylko co robić, ale jak wygląda dobry wynik.
Guardrails - ograniczenia i warunki stopu. Czego nie robić, kiedy się zatrzymać, kiedy poprosić o pomoc.

Dodatkowo możesz kontrolować jak ściśle agent trzyma się instrukcji - odpowiadają za to poziomy swobody. Nie jest to oficjalna taksonomia - to spektrum, które można uprościć do czterech poziomów. Im ściślej napiszesz instrukcje, tym bardziej powtarzalny wynik. Im luźniej - tym więcej agent decyduje sam.

Poziom	Jak piszesz instrukcje	Przykład zapisu w skillu
Strict	Dokładne komendy, zero odstępstw	”Uruchom `npm test`, potem `npm run lint`, potem `npm run build`. Jeśli którykolwiek zwróci błąd - zatrzymaj się.”
Guided	Jasne kroki z miejscem na osąd	”Sprawdź pokrycie testami. Jeśli poniżej 80% - zaproponuj które ścieżki przetestować.”
Flexible	Zasady i ramy, agent decyduje o szczegółach	”Przejrzyj kod pod kątem czytelności i konwencji projektu. Zaproponuj zmiany.”
Open	Minimalne ograniczenia	”Napisz analizę tego tematu w kontekście naszej branży.”

Pliki dodatkowe - to czego skill nie musi trzymać w głowie

Skill może dołączać pliki, które agent ładuje tylko kiedy potrzebuje: dokumentację, schematy baz danych, szablony raportów. Może też dołączać skrypty - operacje deterministyczne, które lepiej wykonać kodem niż generowaniem. Agent uruchamia skrypt i dostaje wynik - sam kod nigdy nie wchodzi do okna kontekstowego.

Ładowanie progresywne - jak to nie zjada kontekstu

Dziesiątki skilli naraz powinny być overkillem dla okna kontekstowego. Tak się nie dzieje - dzięki mechanizmowi ładowania progresywnego:

Poziom	Kiedy ładowane	Koszt
Metadata	Zawsze - agent widzi nazwę i opis	~100 tokenów na skill
Instrukcje	Po triggerze - agent ładuje pełny SKILL.md	Do 5000 tokenów
Zasoby	Na żądanie - agent sięga po konkretny plik	Bez limitu

Granice skilli

Skill jest statyczny. Napisany raz, wykonuje te same kroki niezależnie od tego ile razy go użyjesz. Nie uczy się z Twoich poprawek. Nie adaptuje się do nowego kontekstu. Jeśli procedura się zmienia - ktoś musi otworzyć plik i ją zmienić ręcznie. To instrukcja, nie intuicja.

Skill działa w izolacji - nie wie o istnieniu innych skilli. Ten od analizy danych nie wie, że po analizie zawsze uruchamiasz generowanie raportu, a potem wysyłkę podsumowania. Każdy zna swoją procedurę. Żaden nie zna większego obrazu.

Gdy zadanie wymaga trzech skilli w określonej kolejności - kto decyduje który uruchomić najpierw? Kto przekazuje wynik jednego skilla na wejście drugiego? Kto przerywa sekwencję gdy coś pójdzie nie tak?

Skill mówi AI jak. Ale dwadzieścia skilli bez koordynatora to dwadzieścia instrumentów bez dyrygenta.

W newsletterze rozwijam tego rodzaju tematy głębiej. Zapisz się.