Open-source skills контролю ШІ
https://github.com/mattpocock/skills
Ці Skills перетворюють AI з «помічника-імпровізатора» на керований інструмент інженерного процесу. Вирішує реальні болі роботи з AI: зменшує хаос і галюцинації, економить токени, масштабується та підвищує передбачуваність. LLM швидко «тупішає» через деградацію уваги на великих сесіях, тому роботу пропонує свідомо дробити, зберігати що вже розуміємо і передавати контекст через документи, а не тримати все в одній довгій сесії.
Передає знання через CONTEXT.md і ADR — агент і команда говорять однією мовою. Треба запускати skills вручну (це свідомий дизайн), та вкласти час на налаштування. Найкраще працює з сильними моделями + хорошим agent harness (Claude Code тощо). Найбільший виграш — на середніх і великих задачах, де важливі якість, відтворюваність і контроль над контекстом.
Відео від Matt Pocock це практичний туторіал по його популярному open-source репозиторію skills. Він показує повний цикл роботи з AI-агентами (Claude Code та іншими) для реальної інженерії.
https://www.youtube.com/watch?v=M6mYodf0dJM
Показує встановлення та налаштування репозиторію (/setup-matt-pocock-skills) — вибір issue tracker (GitHub, Linear, локальні markdown-файли тощо), triage-лейблів і domain-документації (CONTEXT.md + ADR).
Основний workflow:
- Ask Matt — роутер, який підказує, з чого почати.
- Grill with docs — глибоке інтерв’ю агента, яке уточнює ідею, досліджує код і оновлює domain-документацію.
- To-spec — стиснення розмови в детальний spec (problem statement, user stories, implementation/testing decisions).
- To-tickets — розбиття spec на вертикальні «tracer-bullet» тікети (кожен вміщається в «smart zone» контексту ~100–140k токенів).
- Implement + code-review — реалізація з TDD-елементами та перевіркою.
Демонструє через рефакторинг / прибирання legacy-коду. Grill with docs → агент досліджує namespace, задає 6–20 питань → shared plan → to-spec → to-tickets чи implement, якщо вміщається в smart zone.
#bestpractices #agentskills