Menguasai Skill Agen Claude - Panduan Lengkap Membangun Gudang Senjata Super AI Anda

Momen Ketika Saya Memahami Apa Itu Skill Sebenarnya

Biarkan saya menceritakan sebuah kisah. Bayangkan Anda diminta untuk membimbing karyawan baru yang brilian di tempat kerja. Orang ini sangat cerdas — pembelajar tercepat yang pernah Anda lihat, dapat memahami hampir semua hal yang Anda jelaskan, berbicara dengan fasih tentang topik apa pun. Tapi ada satu masalah: mereka tidak tahu aturan perusahaan Anda.

Setiap pagi, Anda duduk bersama mereka dan menjelaskan hal yang sama. "Begini cara kami memformat laporan. Ini gaya pengkodean kami. Ini siapa yang harus di-CC pada email mana. Ini template untuk proposal klien." Dan setiap pagi, setelah makan siang, mereka entah bagaimana melupakan semuanya. Bukan karena mereka bodoh — mereka brilian. Tapi mereka tidak memiliki memori persisten tentang cara kerja perusahaan Anda.

Persis seperti inilah rasanya bekerja dengan AI dulu.

Prompt itu seperti berdiri di samping karyawan baru itu, memberikan instruksi lisan di tempat. "Tulis email ini lebih formal." "Gunakan poin-poin di sini." "Periksa kode ini untuk bug." Itu berhasil. Tapi begitu Anda menutup percakapan, semuanya lenyap. Setiap obrolan baru dimulai dari nol.

Skill itu seperti menyerahkan manual SOP internal kepada mereka — folder basis pengetahuan yang berisi spesifikasi, skrip, template, dan materi referensi. Agen akan mencari apa yang dibutuhkannya saat membutuhkannya. Dan yang terpenting, manual ini bertahan di setiap percakapan.

Inilah wawasan terobosan itu: Skill bukan hanya prompt mewah. Mereka adalah paradigma yang sama sekali berbeda. Prompt itu reaktif — Anda memberi instruksi, Anda mendapatkan respons. Skill itu proaktif — ia duduk di sana, menunggu untuk ditemukan dan diterapkan saat relevan, bekerja dengan cara yang sama setiap saat.

Apa yang Sebenarnya Terkandung dalam Skill

Setiap Skill adalah folder, bukan hanya file teks. Ini sangat penting untuk dipahami. Di dalam folder itu, Anda dapat memiliki:

Saat pertama kali melihat struktur ini, saya berpikir: "Tunggu, ini seperti membangun aplikasi kecil." Dan itu benar sekali. Setiap Skill adalah modul kemampuan mandiri. Beberapa sederhana — hanya file markdown dengan aturan koreksi. Lainnya kompleks — lengkap dengan skrip Python yang memproses data, mengunggah ke server, dan menghasilkan laporan.

Kapan Skill Tiba?

Anthropic merilis Skills untuk Claude Code pada Oktober 2025. Awalnya, saya pikir itu hanya pembaruan fitur biasa. Tapi kemudian sesuatu terjadi pada Desember 2025 — mereka membuka Skills sebagai standar melalui agentskills.io. Tiba-tiba, skill bukan hanya milik Claude. Codex CLI dari OpenAI mengadopsi arsitektur yang sama. Cursor, Codebuddy, OpenCode — semua orang mulai membangun kompatibilitas.

Skills menjadi standar de facto untuk ekstensi kemampuan Agen AI, sama seperti MCP dengan cepat menjadi protokol semua orang untuk koneksi eksternal.

Dan popularitasnya? Mari saya katakan begini: Sebuah repositori yang berisi 50+ skill Claude mencapai 18 ribu bintang di GitHub. Kata "Skills" sekarang ada di mana-mana dalam lingkaran AI seperti "Prompt" di tahun 2023.

Pengungkapan Progresif - Mengapa Desain Ini Jenius

Sebelum saya memahami pengungkapan progresif, saya memiliki kekhawatiran yang mengganggu: "Jika saya menginstal 50 skill, tidakkah konteks Claude akan meledak? Tidakkah saya akan membakar ribuan token hanya dengan memuat deskripsi skill?"

Di sinilah kecemerlangan desain Anthropic bersinar. Mereka meminjam konsep dari desain UX — pengungkapan progresif — dan menerapkannya dengan sempurna pada manajemen konteks AI.

Sistem Pemuatan Tiga Lapis

Pengungkapan progresif berarti memuat secara bertahap dan sesuai permintaan. Claude tidak membuang semuanya ke dalam konteks saat startup. Sebaliknya, ia menggunakan sistem tiga lapis:

Mari Kita Hitung

Berikut perbandingan yang membuat saya menghargai desain ini:

Itu pengurangan konsumsi token sebesar 75%. Dan ini bahkan belum menghitung keuntungan skrip.

Keajaiban Skrip

Di sinilah Skills meninggalkan prompt jauh di belakang. Ketika sebuah Skill menyertakan skrip, sesuatu yang luar biasa terjadi:

1. Claude menghasilkan perintah: python scripts/upload_image.py image.png
2. Skrip dieksekusi secara lokal di mesin Anda
3. Hanya output (seperti URL gambar) yang kembali ke Claude

Kode skrip itu sendiri tidak pernah masuk ke konteks.

Pikirkan apa artinya ini. Anda dapat menulis skrip Python 500 baris yang menangani setiap kasus tepi, dengan penanganan kesalahan yang kuat, logging, percobaan ulang — semua hal yang akan menggembungkan prompt secara mustahil. Claude hanya perlu tahu "jalankan skrip ini." Kompleksitasnya terenkapsulasi.

Analogi Menu Seluler

Jika Anda pernah merancang aplikasi seluler, Anda tahu pengungkapan progresif secara mendalam. Itulah sebabnya kita memiliki menu hamburger — kita tidak menunjukkan 47 opsi kepada pengguna secara langsung. Kita menunjukkan ikon menu. Mereka mengetuk. Mereka melihat kategori. Mereka mengetuk lagi. Mereka mencapai pengaturan yang mereka inginkan.

Tujuannya? Jangan pernah membebani dengan informasi. Uraikan menjadi potongan-potongan yang dapat dicerna. Biarkan pengguna (atau dalam hal ini, AI) fokus pada tugas saat ini dengan beban kognitif minimal.

Manusia dapat menahan sekitar 7±2 potongan informasi dalam memori kerja. AI, dibatasi oleh konteks token, pada dasarnya memiliki kendala yang sama. Pengungkapan progresif menghormati batasan ini dalam kedua kasus.

Skills vs MCP vs Subagent - Akhirnya Terurai

Pertanyaan ini menghantui saya selama berminggu-minggu. MCP, Skills, Subagent — mereka semua tampaknya "memperluas kemampuan Claude." Apa perbedaan sebenarnya? Setelah membangun dengan ketiganya, saya akhirnya punya jawaban yang masuk akal.

Pembedaan Satu Kalimat

MCP membiarkan Claude menyentuh sistem eksternal. Skills memberi tahu Claude cara menggunakan apa yang disentuhnya. Subagent mengirim orang lain untuk melakukan pekerjaan itu.

Mari saya jelaskan dengan analogi yang benar-benar membantu saya memahami:

Tabel Perbandingan

Kapan Menggunakan Yang Mana

Gunakan MCP ketika Anda perlu terhubung ke sistem eksternal:

• Kueri database
• Panggil API pihak ketiga
• Baca/tulis Notion, Jira, GitHub, Salesforce
• Akses layanan apa pun yang memerlukan otentikasi

Gunakan Skills ketika Anda memiliki alur kerja berulang:

• Proses tinjauan kode dengan daftar periksa spesifik
• Koreksi artikel dengan aturan gaya yang konsisten
• Pembuatan laporan dengan format standar
• Instruksi apa pun yang Anda temukan diri Anda ketik berulang kali

Gunakan Subagent ketika tugas kompleks dan dapat diparalelkan:

• Meninjau seluruh basis kode (memakan waktu)
• Memproses beberapa tugas independen secara bersamaan
• Mencegah polusi konteks antara pekerjaan yang tidak terkait

Mereka Bekerja Bersama

Inilah bagian indahnya: ini bukan teknologi yang bersaing. Mereka adalah lapisan yang saling melengkapi.

Alur kerja yang kompleks mungkin menggunakan ketiganya:

1. MCP terhubung ke Salesforce untuk menarik data penjualan
2. Skills mendefinisikan proses analisis data — cara menghitung metrik, menghasilkan laporan
3. Subagent memproses analisis regional yang berbeda secara paralel

Dalam alur kerja penulisan saya sendiri:

• Skills mendefinisikan aturan koreksi dan panduan gaya saya
• Skrip (dibundel dalam skill) mengunggah gambar ke layanan hosting saya
• Saya berencana menambahkan MCP untuk terhubung ke database materi saya

Mengapa Simon Willison Mengatakan Skills Mungkin Lebih Besar Dari MCP

Simon Willison adalah salah satu suara paling dihormati di komunitas pengembang AI. Ketika dia menulis bahwa "Skills mungkin masalah yang lebih besar daripada MCP," orang-orang memperhatikan. Setelah berbulan-bulan menggunakan keduanya, saya mengerti persis mengapa dia mengatakannya.

Alasan 1: Efisiensi Token

MCP memiliki masalah mendasar: penggelembungan token.

Ketika Anda menghubungkan server MCP, Claude perlu memahami apa yang dapat dilakukan server itu. Setiap fungsi yang tersedia, setiap parameter, setiap tipe pengembalian — semuanya harus ada dalam konteks. Simon mencatat bahwa server MCP GitHub resmi saja mengonsumsi puluhan ribu token.

Skills menghindari ini dengan elegan. Muat metadata saja (masing-masing 100 token), lalu muat instruksi lengkap hanya saat dipicu. Perbedaan efisiensinya sangat mencengangkan.

Alasan 2: Keuntungan Kesederhanaan

Untuk membangun server MCP, Anda perlu:

• Memahami spesifikasi protokol
• Menulis kode sisi server
• Mengonfigurasi JSON dengan benar
• Menangani komunikasi dan status kesalahan

Untuk membangun Skill?

Cukup tulis Markdown.

Jika Anda bisa menulis dokumentasi, Anda bisa menulis Skills. Perbedaan ambang batasnya sangat besar. Dan dalam teknologi, hambatan penciptaan yang lebih rendah selalu mengarah pada pertumbuhan eksplosif.

Alasan 3: Kompatibilitas Lintas Platform

Server MCP seringkali spesifik untuk host. Sesuatu yang dibangun untuk Claude Code mungkin tidak berfungsi di tempat lain tanpa modifikasi.

Skills hanyalah folder dengan Markdown dan skrip opsional. Mereka tidak bergantung pada teknologi kepemilikan Anthropic. Simon menunjukkan bahwa Anda dapat mengarahkan folder Skill yang sama ke Codex CLI, Gemini CLI — mereka akan bekerja bahkan tanpa dukungan Skills asli, karena pada intinya, skill hanyalah instruksi yang terstruktur dengan baik.

Portabilitas inilah sebabnya OpenAI mengadopsi arsitektur yang pada dasarnya sama di Codex CLI. Skills menjadi standar universal.

Alasan 4: Prediksi Ledakan Kambrium

"Saya memprediksi Skills akan membawa ledakan Kambrium yang lebih spektakuler daripada kegilaan MCP tahun lalu."

Mengapa? Karena ketika ambang batas penciptaan turun cukup rendah, kontribusi komunitas meledak. Menulis server MCP membutuhkan keterampilan pengembangan backend. Menulis Skill membutuhkan pengetahuan cara menulis dokumen.

Kami sudah melihat prediksi ini menjadi kenyataan. Pasar Skills bermunculan di mana-mana. Repositori GitHub meluap dengan kontribusi komunitas. Ekosistem tumbuh lebih cepat dari yang diantisipasi siapa pun.

Pengamatan Saya Sendiri

Setelah berbulan-bulan dengan kedua teknologi, saya setuju dengan penilaian Simon. Skills terasa lebih selaras dengan cara LLM bekerja secara alami — memahami teks, mengikuti instruksi, menerapkan pengetahuan secara kontekstual.

MCP mewakili pemikiran rekayasa perangkat lunak tradisional: mendefinisikan antarmuka, mengimplementasikan layanan, menangani protokol.

Skills mewakili pemikiran asli LLM: tulis dengan jelas cara melakukan sesuatu, biarkan model mencari tahu kapan dan bagaimana menerapkannya.

Keduanya memiliki tempatnya. Tapi Skills mungkin merupakan pergeseran paradigma yang lebih mendalam.

Anatomi Skill yang Sempurna

Biarkan saya memandu Anda melalui struktur Skill yang dibuat dengan baik. Ini bukan hanya teori — memahami anatomi ini akan membuat semua hal lain dalam panduan ini masuk akal.

Struktur Folder

my-skill/
├── SKILL.md                 # Instruksi inti (wajib)
├── scripts/
│   └── process.py           # Skrip yang dapat dieksekusi
├── references/
│   └── DETAILED_GUIDE.md    # Dokumen referensi terperinci
└── assets/
    └── template.md          # Sumber daya template

File SKILL.md

Ini adalah jantung skill Anda. Ini memiliki dua bagian:

---
name: my-awesome-skill
description: Penjelasan singkat tentang apa yang dilakukan skill ini dan kapan menggunakannya. Sertakan kata kunci pemicu.
---

# My Awesome Skill

## Instructions

Panduan langkah demi langkah untuk diikuti Claude ketika skill ini dipanggil.

## Examples

Demonstrasi konkret input/output atau pola penggunaan.

## Guidelines

Setiap aturan, batasan, atau praktik terbaik untuk diikuti.

Frontmatter YAML

Bagian antara penanda --- sangat penting. Inilah yang dibaca Claude untuk memutuskan apakah akan menggunakan skill Anda.

Opsi Frontmatter Lanjutan

Di luar nama dan deskripsi, Skills mendukung opsi konfigurasi yang kuat:

Aturan Emas: 500 Baris

Konvensi Penamaan

Nama folder Anda penting. Harus berupa huruf kecil + tanda hubung. Tanpa spasi. Tanpa huruf besar.

• Bagus: hotspot-collector, code-review, ai-proofreading
• Buruk: Hotspot Collector, codeReview, AI_Proofreading

Membuat Skill Pertama Anda

Ini saran terpenting saya: Anda tidak perlu menulis Skills sendiri.

Biarkan saya jelaskan. Nilai Skill terletak pada apa yang dienkapsulasinya — alur kerja Anda, pengalaman Anda, SOP Anda. Ini datang dari Anda, diketahui melalui kerja nyata. Tapi mengubahnya menjadi file SKILL.md yang diformat dengan benar? Biarkan AI yang melakukannya.

Apa yang perlu Anda lakukan:

1. Pikirkan dengan jelas tentang masalah apa yang ingin Anda selesaikan
2. Perjelas alur kerja Anda
3. Sediakan konteks dan materi referensi yang cukup

Kemudian beri tahu Claude: "Bantu saya membuat Skill untuk melakukan XXX." Ia akan menghasilkan file yang diformat dengan benar untuk Anda.

Langkah-demi-Langkah: Contoh Sederhana

Mari kita buat skill yang mengajarkan Claude untuk menjelaskan kode menggunakan diagram visual dan analogi.

---
name: explain-code
description: Menjelaskan kode dengan diagram visual dan analogi. Gunakan saat menjelaskan cara kerja kode, mengajar tentang basis kode, atau saat pengguna bertanya "bagaimana ini bekerja?"
---

Saat menjelaskan kode, selalu sertakan:

1. **Mulai dengan analogi**: Bandingkan kode dengan sesuatu dari kehidupan sehari-hari
2. **Gambar diagram**: Gunakan seni ASCII untuk menunjukkan alur, struktur, atau hubungan
3. **Jelaskan kode**: Jelaskan langkah demi langkah apa yang terjadi
4. **Soroti jebakan**: Apa kesalahan umum atau kesalahpahaman?

Jaga penjelasan tetap percakapan. Untuk konsep kompleks, gunakan beberapa analogi.

Di Mana Skill Hidup

Lokasi menentukan cakupan:

Menggunakan skill-creator Resmi

Anthropic menyediakan skill khusus untuk membuat skill. Meta, bukan?

Instal dengan memberi tahu Claude:

Install this skill, project address is: https://github.com/anthropics/skills/tree/main/skills/skill-creator

Setelah terinstal, Anda cukup berkata: "Bantu saya membuat skill untuk mengoreksi artikel" dan Claude akan menggunakan skill-creator untuk menghasilkan semuanya dengan benar.

Mengubah Seluruh GitHub Menjadi Gudang Senjata Pribadi Anda

Di sinilah hal-hal menjadi menarik. Ini adalah teknik yang mengubah cara saya berpikir tentang kemampuan AI sepenuhnya.

Inilah wawasannya: Dalam tiga puluh tahun Internet, banyak pengembang brilian yang tak terhitung jumlahnya telah memecahkan hampir setiap masalah yang dapat Anda bayangkan. Mereka telah membangun alat, menjadikannya open-source, dan menyediakannya untuk digunakan siapa saja. Satu-satunya masalah? Sebagian besar alat ini memerlukan penerapan, operasi baris perintah, pengaturan lingkungan — hambatan yang menghalangi pengguna biasa.

Skills dapat melarutkan hambatan tersebut.

Konsep Inti

Karena Skills dapat mengemas skrip dan instruksi bersama-sama, Anda dapat mengenkapsulasi seluruh proyek open-source menjadi kemampuan yang dapat dipanggil. Kode yang telah teruji dalam pertempuran yang telah disempurnakan oleh ribuan pengguna selama bertahun-tahun menjadi bagian dari toolkit AI Anda.

Contoh Nyata: Mengunduh Video

Mari saya jelaskan contoh nyata. Katakanlah Anda sering perlu mengunduh video dari YouTube, Bilibili, dan platform lain.

Langkah 1: Temukan proyek yang tepat. Tanyakan AI apa pun: "Apakah ada proyek open-source di GitHub yang mengunduh video dari berbagai situs web?"

Ia akan menunjuk Anda ke yt-dlp — proyek legendaris dengan 143.000+ bintang yang mendukung ribuan situs web.

Langkah 2: Paketkan sebagai Skill.

Help me package this open source tool https://github.com/yt-dlp/yt-dlp into a Skill, so that whenever I give a video link, it can help me download the video.

Langkah 3: Biarkan Claude merencanakan. Gunakan mode Plan terlebih dahulu. Claude akan menganalisis proyek, memahami kemampuannya, dan mengajukan pertanyaan klarifikasi tentang preferensi Anda.

Langkah 4: Bangun dan uji. Beralih ke mode pengembangan. Dalam beberapa menit, Anda akan memiliki Skill unduh video yang berfungsi.

Langkah 5: Iterasi berdasarkan proses pertama. Saat pertama kali menggunakan skill yang membungkus alat open-source, Anda akan menemui masalah. YouTube memiliki mekanisme anti-crawling. Anda mungkin perlu menginstal dependensi. Dokumentasikan pengalaman ini dan beri tahu Claude untuk memperbarui skill.

Update all these experiences into the video-downloader skill. Remember the Cookie requirement, the dependency installation, everything we just figured out.

Lain kali? Buka dan unduh. Instan.

Lebih Banyak Ide untuk GitHub-to-Skills

Ini hanyalah puncak gunung es. GitHub menampung jutaan proyek — dekade kecemerlangan manusia, tersedia secara gratis.

Anda tidak perlu tiga kepala dan enam tangan. Anda tidak perlu tanduk di kepala Anda. Di belakang Anda berdiri akumulasi pengetahuan seluruh umat manusia selama beberapa dekade terakhir. Selama Anda menginginkannya — itu bisa menjadi milik Anda untuk diperintah.

Membangun Sistem Manajemen Skill yang Berkembang Sendiri

Sekarang kita memasuki wilayah yang butuh dua hari penuh bagi saya untuk memahaminya. Di sinilah Skills beralih dari "alat yang berguna" menjadi "kemampuan yang hidup dan tumbuh."

Masalahnya: Skill yang dipaketkan dari proyek GitHub memerlukan pemeliharaan. Repositori asli diperbarui. Perbaikan bug terjadi. Fitur baru muncul. Sementara itu, Anda telah menggunakan skill Anda dan mengumpulkan pengalaman — "parameter ini bekerja lebih baik," "tambahkan bendera ini untuk menghindari kesalahan itu." Bagaimana Anda mengelola semua ini?

Solusi Tiga Bagian

Saya membangun (dengan bantuan AI) trio skill yang bekerja sama untuk memecahkan ini:

Masalah Kontrol Versi

Inilah konflik yang terus saya hadapi: Ketika GitHub diperbarui, saya ingin menarik kode terbaru dan membuat ulang SKILL.md. Tapi saya juga telah mengulangi skill saya berdasarkan pengalaman penggunaan — penyesuaian, perbaikan, preferensi. Modifikasi ini juga hidup di SKILL.md.

Dua kekuatan, keduanya memodifikasi file yang sama, dengan tujuan yang sama sekali berbeda. Bencana menunggu terjadi.

Solusinya: evolution.json

Wawasannya: Pisahkan masalah.

Pembaruan GitHub terus membuat ulang file dasar SKILL.md. Tapi semua pengalaman yang terkumpul disimpan dalam file evolution.json yang terpisah. Pikirkan sebagai penyimpanan game. Tidak peduli ke versi mana game utama diperbarui, file simpanan Anda mempertahankan kemajuan Anda.

Ketika SKILL.md ditimpa oleh versi baru, evolution.json memainkan perannya — menyuntikkan kembali kebijaksanaan yang terkumpul ke dalam skill yang baru.

yt-dlp-skill/
├── SKILL.md           # Instruksi dasar (dapat dibuat ulang)
├── evolution.json     # Pengalaman terkumpul (dipertahankan)
└── scripts/
    └── download.sh    # Skrip eksekusi

Roda Gila Manajemen

Dengan tiga bagian ini di tempatnya, manajemen skill menjadi siklus yang memperkuat diri:

1. Buat skill baru dari GitHub menggunakan github-to-skills (dengan identitas tertanam)
2. Gunakan skill dalam pekerjaan sehari-hari, menghadapi kasus tepi dan solusi
3. Evolusi skill secara otomatis melalui skill-evolution-manager (solusi ditangkap)
4. Perbarui skill dasar saat repo GitHub diperbarui melalui skill-manager
5. Gabungkan data evolusi kembali ke skill yang diperbarui (pengalaman dipertahankan)

Hasilnya: Skill yang benar-benar belajar dan meningkat. Bukan secara metaforis — sebenarnya. Setiap kali Anda menggunakannya dan memecahkan masalah, mereka menjadi lebih pintar.

Saya telah membuka sumber trio ini di https://github.com/KKKKhazix/Khazix-Skills. Ini tidak sempurna, tetapi berhasil. Dan ini menunjuk ke sesuatu yang kuat: skill masa depan tidak akan menjadi dokumen statis. Mereka akan menjadi sistem yang hidup.

Daftar Harta Karun 14 Skill Resmi

Sebelum membangun sendiri, ketahui apa yang sudah tersedia. Anthropic memelihara repositori skill resmi yang mencakup kebutuhan umum dengan indah.

Semua skill di: https://github.com/anthropics/skills

Skill Dokumen (Sumber Tertutup)

Ini menggerakkan pembuatan dokumen yang Anda lihat di Claude.ai:

Skill Pengembangan (Open Source Apache 2.0)

Skill Kreatif

Skill Komunikasi dan Meta

Metode Instalasi

Metode 1: Bahasa Alami

Cukup beri tahu Claude: "Install this skill, project address is: [GitHub URL]"

Metode 2: Pasar Plugin

# Tambahkan repo resmi sebagai pasar
/plugin marketplace add https://github.com/anthropics/skills

# Instal skill
/plugin install
# Tab ke Marketplace, pilih paket yang diinginkan

Metode 3: Tarik Manual

Unduh folder skill dan letakkan di direktori skill Anda (~/.claude/skills/ untuk pribadi, .claude/skills/ untuk khusus proyek).

Seni Skill Desain - Analisis Mendalam

Setelah melakukan desain UX selama bertahun-tahun, saya menemukan skill desain resmi sangat menarik. Mari saya uraikan teknik yang membuatnya bekerja dengan sangat baik. Pola-pola ini berlaku jauh melampaui desain — mereka adalah template untuk skill berkualitas tinggi apa pun.

Teknik 1: Naikkan Langit-langit

Skill algorithmic-art tidak dimulai dengan "bantu saya menggambar dengan p5.js." Dimulai dengan:

"Filosofi algoritmik adalah gerakan estetika komputasional yang kemudian diekspresikan melalui kode."

Ini mengangkat tugas dari "menghasilkan karya" menjadi "membuat genre estetika plus sistem algoritma yang sesuai." Ini mengingatkan model bahwa output harus sistematis, bukan inspirasi satu kali.

Teknik 2: Struktur Dua Tahap

Kedua skill desain menggunakan pendekatan dua tahap:

1. Pertama, buat Filosofi (kerangka konseptual dalam .md)
2. Kemudian, Ekspresikan secara visual (implementasi aktual)

Ini memaksakan abstraksi sebelum implementasi. Model tidak bisa jatuh ke dalam optima lokal "menulis kode, menyetel nilai." Konsep didahulukan; kode hanyalah ekspresi.

Teknik 3: Template Puitis + Rekayasa

Skill algorithmic-art menyediakan struktur untuk penulisan filosofi:

Express how this philosophy manifests through:
- Computational processes and mathematical relationships
- Noise functions and randomness patterns
- Particle behaviors and field dynamics
- Temporal evolution and system states
- Parametric variation and emergent complexity

Perhatikan: setiap poin adalah bahasa estetika DAN objek teknis. "Fungsi noise" memetakan langsung ke kode. "Perilaku partikel" dapat diimplementasikan. Ini menjembatani visi dan eksekusi.

Teknik 4: Benih Konsep

Satu wawasan brilian dari skill resmi:

"Konsepnya adalah referensi halus, khusus yang tertanam dalam algoritma itu sendiri — tidak selalu literal, selalu canggih. Berpikirlah seperti musisi jazz yang mengutip lagu lain melalui harmoni algoritmik."

Tema pengguna harus tertanam dalam parameter, perilaku, pola — tidak tertulis di layar. Berikan penghormatan, tapi sembunyikan dalam-dalam. Mereka yang tahu akan merasakannya; mereka yang tidak tahu hanya akan berpikir itu terlihat bagus.

Teknik 5: Templating dengan Zona Kebebasan

Skill mendefinisikan dengan jelas apa yang TETAP (tata letak, merek, kontrol) dan apa yang VARIABEL (algoritma, parameter, warna). Ini memastikan:

• Setiap output memiliki pengalaman UI yang konsisten
• Model tahu persis di mana ia bisa/tidak bisa memodifikasi
• Mengurangi "kejutan" tak terduga dari interpretasi yang terlalu kreatif

Teknik 6: Keahlian sebagai Daftar Periksa

Skill canvas-design mengkodekan standar profesional sebagai aturan yang dapat diperiksa:

• Tidak ada yang jatuh dari halaman
• Tidak ada yang tumpang tindih
• Margin yang tepat tidak dapat dinegosiasikan
• Teks selalu minimal dan visual didahulukan

Ini menerjemahkan pengetahuan profesional diam-diam menjadi batasan perilaku eksplisit. Model dapat memverifikasi pekerjaannya sendiri terhadap kriteria konkret.

Teknik 7: Pengurangan, Bukan Penambahan

Langkah penyempurnaan terakhir itu jenius:

"Untuk menyempurnakan pekerjaan, hindari menambahkan lebih banyak grafik; alih-alih sempurnakan apa yang telah dibuat. Jika instingnya adalah memanggil fungsi baru atau menggambar bentuk baru, BERHENTI."

Ini mengkodekan "10% keahlian terakhir" yang memisahkan amatir dari profesional. Ketika insting mengatakan "tambahkan lebih banyak," tanyakan sebaliknya: Apa yang bisa dihapus? Apa yang bisa diselaraskan, digabungkan, diperkuat?

Merancang Arsitektur Perpustakaan Skill Anda

Dengan lusinan skill, organisasi itu penting. Inilah cara saya memikirkan tentang penataan perpustakaan skill yang berskala.

Mengapa Membagi Skill?

Orang sering bertanya: "Bisakah saya menulis satu skill besar yang melakukan semuanya?"

Tidak. Tiga alasan:

Pola Tipe Skill

Saya telah menemukan empat pola yang mencakup sebagian besar kasus penggunaan:

Sistem Skill Menulis Saya

Sebagai contoh konkret, inilah cara saya menyusun skill untuk menulis:

P0 Skill Inti (Setiap Artikel)

• ai-proofreading: Proses tiga langkah untuk menurunkan tingkat deteksi AI. Pemicu: "proofread", "too AI"
• image-illustration: Hasilkan gambar + unggah ke hosting + kembalikan markdown. Pemicu: "illustrate", setelah koreksi

P1 Skill Reguler (Sebagian Besar Artikel)

• topic-generator: Hasilkan ide topik berdasarkan tren. Pemicu: "give me topics"
• long-to-x: Ubah bentuk panjang menjadi utas Twitter. Pemicu: "convert to X content"
• research-collector: Kumpulkan dan atur materi penelitian. Pemicu: "research [topic]"

P2 Skill Kadang-kadang

• headline-generator: Buat judul yang menarik perhatian. Pemicu: "title ideas"
• seo-optimizer: Optimalkan untuk mesin pencari. Pemicu: "SEO", "optimize for search"

Penanganan Kesalahan dalam Skill

Ekosistem Skill yang Meledak

Ketika saya pertama kali melihat Skills bulan lalu, saya menemukan segelintir repositori. Sekarang? Ekosistemnya telah meledak. Ada pasar khusus, direktori yang dikuratori, dan puluhan ribu skill yang disumbangkan komunitas.

Titik Awal Resmi

Dokumentasi Anthropic: https://code.claude.com/docs/en/skills

Panduan langkah demi langkah yang jelas untuk membuat dan menggunakan skill.

Repositori Resmi: https://github.com/anthropics/skills

14 skill resmi plus contoh.

Standar Agen Skill: https://agentskills.io

Spesifikasi standar terbuka. Jika Anda ingin memahami spesifikasi teknis lengkapnya, mulailah dari sini.

Pasar Komunitas

Koleksi Terkurasi

smithery.ai/skills — Tidak banyak, tapi masing-masing disaring kualitasnya.

awesome-claude-skills di GitHub — Daftar yang dikuratori secara manual. Kualitas tinggi, sering diperbarui.

Direktori Multi-alat

mcpservers.org/claude-skills — Menyatukan server MCP dan Claude Skills. Perspektif unik tentang ekosistem.

claudemarketplaces.com — Direktori pasar. "Pasar dari pasar."

Pola Lanjutan dan Teknik Pro

Bagi mereka yang siap melangkah lebih dalam, berikut adalah pola yang saya temukan melalui penggunaan ekstensif.

Injeksi Konteks Dinamis

Sintaks !`command` menjalankan perintah shell sebelum konten skill mencapai Claude. Outputnya menggantikan placeholder.

---
name: pr-summary
description: Summarize changes in a pull request
context: fork
agent: Explore
---

## Pull request context
- PR diff: !`gh pr diff`
- PR comments: !`gh pr view --comments`
- Changed files: !`gh pr diff --name-only`

## Your task
Summarize this pull request...

Eksekusi Forked (Integrasi Subagent)

Tambahkan context: fork untuk menjalankan skill secara terisolasi. Konten skill menjadi prompt yang menggerakkan subagent.

---
name: deep-research
description: Research a topic thoroughly
context: fork
agent: Explore
---

Research $ARGUMENTS thoroughly:

1. Find relevant files using Glob and Grep
2. Read and analyze the code
3. Summarize findings with specific file references

Substitusi Argumen

Teruskan nilai dinamis ke dalam skill menggunakan $ARGUMENTS atau posisi $0, $1, dll.

---
name: migrate-component
description: Migrate a component from one framework to another
---

Migrate the $0 component from $1 to $2.
Preserve all existing behavior and tests.

Mode Hanya Baca

Gunakan allowed-tools untuk membatasi apa yang dapat dilakukan Claude saat skill aktif:

---
name: safe-reader
description: Read files without making changes
allowed-tools: Read, Grep, Glob
---

Explore and understand the codebase without modifying anything.

Pembuatan Output Visual

Skills dapat menghasilkan file HTML interaktif yang terbuka di browser Anda. Pola ini bekerja untuk:

• Visualisasi basis kode
• Grafik dependensi
• Laporan cakupan tes
• Diagram skema basis data
• Data kompleks apa pun yang mendapat manfaat dari eksplorasi interaktif

Skrip yang dibundel melakukan pekerjaan berat; Claude mengatur. Pengguna mendapatkan output visual yang kaya tanpa langkah manual apa pun.

Pencatatan Sesi

Gunakan ${CLAUDE_SESSION_ID} untuk operasi khusus sesi:

---
name: session-logger
description: Log activity for this session
---

Log the following to logs/${CLAUDE_SESSION_ID}.log:

$ARGUMENTS

Pemicu Pemikiran Lanjutan

Keadaan Penciptaan

Saya ingin mengakhiri dengan sesuatu yang pribadi.

Setiap kali saya mengerjakan Skills, saya dibawa kembali ke musim panas 2013. Saya baru saja menyelesaikan ujian masuk sekolah menengah dan membeli laptop dengan tabungan saya. Saya menghabiskan seluruh musim panas itu mengutak-atik mod untuk Skyrim — mengunduhnya, menggabungkannya, mengubah file konfigurasi, menyaksikan game saya berubah menjadi sesuatu yang sepenuhnya milik saya.

Itu adalah kegembiraan penciptaan yang murni. Tidak mengonsumsi konten. Tidak menggulir umpan. Benar-benar membangun sesuatu, menyesuaikan sesuatu, membuat sesuatu menjadi milik saya.

Skills mengembalikan perasaan itu.

Keadaan mentoring yang paling keren bukanlah memiliki seseorang yang pandai bicara yang membutuhkan bimbingan terus-menerus. Itu adalah menyerahkan satu set manual kepada mereka dan melihat mereka membalik-balik, mengeksekusi, memeriksa sendiri, dan mengulangi secara mandiri. Anda bicara lebih sedikit; mereka memberikan lebih banyak.

Skills persis seperti ini.

Hari ini Anda mungkin menginstal skill-creator dan memperkuat satu tindakan umum — mungkin menyaring hotspot untuk topik, mengubah log kesalahan menjadi rencana perbaikan, atau mengubah tautan menjadi ringkasan. Hanya satu.

Ketika berhasil, Anda akan memahami nilai penggunaan kembali.

Besok Anda akan menginginkan yang kedua. Sehari setelahnya, Anda akan ingin memindahkan semua proses Anda ke dalamnya.

Pada titik itu, Anda memasuki keadaan yang berbeda.

Kebebasan. Keadaan penciptaan.

Proyek open-source brilian di GitHub — dekade kebijaksanaan manusia, dibagikan secara gratis. Karena Skills, karena Agen, setiap orang biasa sekarang dapat memerintahkan kekuatan itu.

Anda tidak perlu tiga kepala dan enam tangan. Anda tidak perlu kemampuan supranatural. Di belakang Anda berdiri akumulasi pengetahuan kemanusiaan. Selama Anda menginginkannya — itu milik Anda.

Jika Anda membandingkan diri Anda sekarang dengan diri Anda tiga tahun lalu, apakah akan ada perbandingan? Lihat apa yang bisa Anda lakukan hari ini. Lihat di mana batas kemampuan Anda telah meluas.

Era yang brilian dan luar biasa ini yang dapat membuat siapa pun menjadi manusia super — tidakkah itu membuat Anda bersemangat?