Claude Ajan Becerilerinde (Skills) Ustalaşmak - AI Süper Güç Arsenalini Oluşturmak İçin Tam Kılavuz

Becerilerin Gerçekte Ne Olduğunu Anladığım An

Size bir hikaye anlatayım. İş yerinde parlak bir yeni çalışana mentorluk yapmanızın istendiğini hayal edin. Bu kişi inanılmaz derecede zeki — şimdiye kadar gördüğünüz en hızlı öğrenen kişi, açıkladığınız hemen hemen her şeyi anlayabiliyor, herhangi bir konu hakkında güzel konuşabiliyor. Ama bir sorun var: şirketin kurallarını bilmiyor.

Her sabah onlarla oturup aynı şeyleri açıklıyorsunuz. "Raporları böyle formatlıyoruz. Kodlama stilimiz bu. Hangi e-postalarda kime CC ekleneceği burada. Müşteri teklifleri için şablon bu." Ve her sabah, öğle yemeğinden sonra, hepsini bir şekilde unutmuş oluyorlar. Aptal oldukları için değil — onlar harika. Ancak şirketinizin iş yapış biçimine dair kalıcı bir hafızaları yok.

AI ile çalışmak eskiden tam olarak böyle hissettiriyordu.

Promptlar, o yeni çalışanın yanında durup anlık sözlü talimatlar vermek gibidir. "Bu e-postayı daha resmi yaz." "Burada madde işaretleri kullan." "Bu kodu hatalar için kontrol et." İşe yarar. Ancak konuşmayı kapattığınız anda her şey yok olur. Her yeni sohbet sıfırdan başlar.

Skills (Beceriler), onlara dahili bir SOP kılavuzu vermek gibidir — spesifikasyonlar, betikler, şablonlar ve referans materyalleri içeren bir bilgi tabanı klasörü. Ajan, ihtiyaç duyduğunda neye ihtiyacı olduğuna bakacaktır. Ve en önemlisi, bu kılavuz her konuşmada kalıcıdır.

İşte çığır açan içgörü: Beceriler sadece süslü promptlar değildir. Tamamen farklı bir paradigmadır. Bir prompt reaktiftir — bir talimat verirsiniz, bir yanıt alırsınız. Bir Skill proaktiftir — orada oturur, ilgili olduğunda keşfedilmeyi ve uygulanmayı bekler, her seferinde aynı şekilde performans gösterir.

Bir Skill Gerçekte Ne İçerir

Her Skill bir klasördür, sadece bir metin dosyası değil. Bunu anlamak çok önemlidir. O klasörün içinde şunlara sahip olabilirsiniz:

Bu yapıyı ilk gördüğümde şöyle düşündüm: "Bekle, bu küçük bir uygulama oluşturmak gibi." Ve bu tamamen doğru. Her Skill, bağımsız bir yetenek modülüdür. Bazıları basittir — sadece düzeltme kuralları içeren bir markdown dosyası. Diğerleri karmaşıktır — verileri işleyen, sunuculara yükleyen ve raporlar oluşturan tam Python betikleriyle tamamlanmıştır.

Skills Ne Zaman Geldi?

Anthropic, Ekim 2025'te Claude Code için Skills'i yayınladı. İlk başta sadece başka bir özellik güncellemesi olduğunu düşündüm. Ancak Aralık 2025'te bir şey oldu — agentskills.io aracılığıyla Skills'i bir standart olarak açtılar. Aniden, skills sadece bir Claude şeyi olmaktan çıktı. OpenAI'nin Codex CLI'sı aynı mimariyi benimsedi. Cursor, Codebuddy, OpenCode — herkes uyumluluk oluşturmaya başladı.

Tıpkı MCP'nin hızla herkesin dış bağlantılar için protokolü haline gelmesi gibi, Skills de AI Ajan yetenek genişletmesi için fiili standart haline geldi.

Peki ya popülerlik? Şöyle ifade edeyim: 50'den fazla Claude skill'i içeren bir depo GitHub'da 18 bin yıldıza ulaştı. "Skills" kelimesi artık AI çevrelerinde "Prompt" kelimesinin 2023'te olduğu kadar yaygın.

Aşamalı Açıklama - Bu Tasarım Neden Dahice

Aşamalı açıklamayı (progressive disclosure) anlamadan önce, beni rahatsız eden bir endişem vardı: "Eğer 50 skill yüklersem, Claude'un bağlamı patlamaz mı? Sadece skill açıklamalarını yüklemek için binlerce token yakmaz mıyım?"

İşte Anthropic'in tasarım dehasının parladığı yer burasıdır. UX tasarımından bir kavram ödünç aldılar — aşamalı açıklama — ve bunu AI bağlam yönetimine mükemmel bir şekilde uyguladılar.

Üç Katmanlı Yükleme Sistemi

Aşamalı açıklama, aşamalı ve isteğe bağlı yükleme anlamına gelir. Claude başlangıçta her şeyi bağlama dökmez. Bunun yerine, üç katmanlı bir sistem kullanır:

Hadi Matematiği Yapalım

İşte bu tasarımı takdir etmemi sağlayan bir karşılaştırma:

Bu, token tüketiminde %75'lik bir azalma demektir. Ve bu, betik avantajını bile hesaba katmıyor.

Betiklerin Büyüsü

İşte Skills'in promptları toz içinde bıraktığı yer burasıdır. Bir Skill bir betik içerdiğinde, dikkate değer bir şey olur:

1. Claude bir komut oluşturur: python scripts/upload_image.py image.png
2. Betik yerel makinenizde çalışır
3. Sadece çıktı (bir resim URL'si gibi) Claude'a döner

Betik kodunun kendisi asla bağlama girmez.

Bunun ne anlama geldiğini düşünün. Her sınır durumunu ele alan, sağlam hata yönetimi, loglama, yeniden denemeler içeren 500 satırlık bir Python betiği yazabilirsiniz — bir promptu imkansız bir şekilde şişirecek her şey. Claude'un sadece "bu betiği çalıştır"ı bilmesi gerekir. Karmaşıklık kapsüllenmiştir.

Mobil Menü Analojisi

Eğer bir mobil uygulama tasarladıysanız, aşamalı açıklamayı yakından tanırsınız. Bu yüzden hamburger menülerimiz var — kullanıcılara 47 seçeneği hemen göstermiyoruz. Bir menü simgesi gösteriyoruz. Dokunuyorlar. Kategorileri görüyorlar. Tekrar dokunuyorlar. İstedikleri ayara ulaşıyorlar.

Amaç? Asla bilgi ile boğmamak. Sindirilebilir parçalara ayırmak. Kullanıcıların (veya bu durumda AI'nın) minimum bilişsel yük ile mevcut göreve odaklanmasını sağlamak.

İnsanlar çalışma belleğinde yaklaşık 7±2 bilgi parçasını tutabilir. Token bağlamıyla sınırlı olan AI, esasen aynı kısıtlamaya sahiptir. Aşamalı açıklama, her iki durumda da bu sınırlamaya saygı duyar.

Skills vs MCP vs Subagent - Sonunda Çözüldü

Bu soru haftalarca beni rahatsız etti. MCP, Skills, Subagent — hepsi "Claude'un yeteneklerini genişletiyor" gibi görünüyor. Gerçek fark nedir? Üçüyle de inşa ettikten sonra, nihayet mantıklı bir cevabım var.

Tek Cümlelik Ayrım

MCP, Claude'un dış sistemlere dokunmasını sağlar. Skills, Claude'a dokunduğu şeyi nasıl kullanacağını söyler. Subagent, işi yapması için başka birini gönderir.

Bunu anlamama gerçekten yardımcı olan analojilerle açayım:

Karşılaştırma Tablosu

Hangisini Ne Zaman Kullanmalı

Dış sistemlere bağlanmanız gerektiğinde MCP kullanın:

• Veritabanı sorgulama
• Üçüncü taraf API'leri çağırma
• Notion, Jira, GitHub, Salesforce okuma/yazma
• Kimlik doğrulama gerektiren herhangi bir hizmete erişim

Tekrarlayan iş akışlarınız olduğunda Skills kullanın:

• Belirli kontrol listelerine sahip kod inceleme süreçleri
• Tutarlı stil kurallarına sahip makale düzeltme
• Standartlaştırılmış formatlarda rapor oluşturma
• Kendinizi tekrar tekrar yazarken bulduğunuz herhangi bir talimat

Görevler karmaşık ve paralelleştirilebilir olduğunda Subagent kullanın:

• Tüm bir kod tabanını incelemek (zaman alıcı)
• Birden fazla bağımsız görevi aynı anda işlemek
• İlgisiz işler arasında bağlam kirliliğini önlemek

Birlikte Çalışırlar

İşte güzel kısım: bunlar rakip teknolojiler değil. Tamamlayıcı katmanlardır.

Karmaşık bir iş akışı üçünü de kullanabilir:

1. MCP, satış verilerini çekmek için Salesforce'a bağlanır
2. Skills, veri analiz sürecini tanımlar — metriklerin nasıl hesaplanacağı, raporların nasıl oluşturulacağı
3. Subagent, farklı bölgesel analizleri paralel olarak işler

Kendi yazma iş akışımda:

• Beceriler düzeltme kurallarımı ve stil kılavuzumu tanımlar
• Betikler (becerilerde paketlenmiş) görüntüleri barındırma hizmetime yükler
• Malzeme veritabanıma bağlanmak için MCP eklemeyi planlıyorum

Simon Willison Neden Skills'in MCP'den Daha Büyük Olabileceğini Söylüyor

Simon Willison, AI geliştirici topluluğundaki en saygın seslerden biridir. "Skills, MCP'den daha büyük bir olay olabilir" diye yazdığında, insanlar dikkat kesti. Aylarca ikisini de kullandıktan sonra, neden böyle dediğini tam olarak anlıyorum.

Sebep 1: Token Verimliliği

MCP'nin temel bir sorunu var: token şişkinliği.

Bir MCP sunucusu bağladığınızda, Claude'un o sunucunun ne yapabileceğini anlaması gerekir. Mevcut her fonksiyon, her parametre, her dönüş tipi — hepsinin bağlamda olması gerekir. Simon, yalnızca resmi GitHub MCP sunucusunun on binlerce token tükettiğini belirtti.

Beceriler bunu zarif bir şekilde atlatır. Sadece meta verileri yükler (her biri 100 token), ardından tam talimatları yalnızca tetiklendiğinde yükler. Verimlilik farkı şaşırtıcıdır.

Sebep 2: Basitlik Avantajı

Bir MCP sunucusu oluşturmak için şunlara ihtiyacınız vardır:

• Protokol spesifikasyonunu anlamak
• Sunucu tarafı kodu yazmak
• JSON'u düzgün yapılandırmak
• İletişim ve hata durumlarını yönetmek

Bir Skill oluşturmak için mi?

Sadece Markdown yazın.

Dokümantasyon yazabiliyorsanız, Skills yazabilirsiniz. Eşik farkı çok büyük. Ve teknolojide, oluşturma önündeki engellerin azalması her zaman patlayıcı büyümeye yol açar.

Sebep 3: Platformlar Arası Uyumluluk

MCP sunucuları genellikle ana bilgisayara özgüdür. Claude Code için oluşturulan bir şey, değişiklik yapılmadan başka bir yerde çalışmayabilir.

Beceriler sadece Markdown ve isteğe bağlı betikler içeren klasörlerdir. Anthropic'in tescilli teknolojisine bağlı değillerdir. Simon, aynı Skill klasörünü Codex CLI, Gemini CLI'a yönlendirebileceğinizi belirtti — yerel Skills desteği olmasa bile çalışacaklardır, çünkü özünde beceriler sadece iyi yapılandırılmış talimatlardır.

Bu taşınabilirlik, OpenAI'nin Codex CLI'da esasen aynı mimariyi benimsemesinin nedenidir. Beceriler evrensel bir standart haline geliyor.

Sebep 4: Kambriyen Patlaması Tahmini

"Skills'in geçen yılki MCP çılgınlığından daha muhteşem bir Kambriyen patlaması getireceğini tahmin ediyorum."

Neden? Çünkü oluşturma eşiği yeterince düştüğünde, topluluk katkıları patlar. Bir MCP sunucusu yazmak arka uç geliştirme becerileri gerektirir. Bir Skill yazmak, bir belgenin nasıl yazılacağını bilmeyi gerektirir.

Bu tahminin gerçekleştiğini şimdiden görüyoruz. Skills pazar yerleri her yerde ortaya çıkıyor. GitHub depoları topluluk katkılarıyla dolup taşıyor. Ekosistem herkesin tahmin ettiğinden daha hızlı büyüyor.

Kendi Gözlemim

Her iki teknolojiyi de aylarca kullandıktan sonra, Simon'ın değerlendirmesine katılıyorum. Beceriler, LLM'lerin doğal çalışma şekliyle — metni anlama, talimatları takip etme, bilgiyi bağlamsal olarak uygulama — daha uyumlu hissediliyor.

MCP geleneksel yazılım mühendisliği düşüncesini temsil eder: arayüzleri tanımla, hizmetleri uygula, protokolleri yönet.

Beceriler, LLM-yerel düşünceyi temsil eder: bir şeyin nasıl yapılacağını açıkça yaz, modelin onu ne zaman ve nasıl uygulayacağını bulmasına izin ver.

Her ikisinin de yeri var. Ancak Skills, daha derin paradigma değişimi olabilir.

Mükemmel Bir Skill'in Anatomisi

Size iyi hazırlanmış bir Skill'in yapısını anlatayım. Bu sadece teori değil — bu anatomiyi anlamak, bu kılavuzdaki diğer her şeyi yerine oturtacaktır.

Klasör Yapısı

my-skill/
├── SKILL.md                 # Çekirdek talimatlar (zorunlu)
├── scripts/
│   └── process.py           # Yürütülebilir betik
├── references/
│   └── DETAILED_GUIDE.md    # Ayrıntılı referans belgesi
└── assets/
    └── template.md          # Şablon kaynağı

SKILL.md Dosyası

Bu, becerinizin kalbidir. İki bölümü vardır:

---
name: my-awesome-skill
description: Bu becerinin ne yaptığına ve ne zaman kullanılacağına dair kısa açıklama. Tetikleyici anahtar kelimeleri ekleyin.
---

# My Awesome Skill

## Instructions

Bu skill çağrıldığında Claude'un izleyeceği adım adım rehberlik.

## Examples

Girdi/çıktı veya kullanım desenlerinin somut gösterimleri.

## Guidelines

İzlenecek kurallar, kısıtlamalar veya en iyi uygulamalar.

YAML Frontmatter (Ön Veri)

--- işaretleri arasındaki bölüm çok önemlidir. Claude'un becerinizi kullanıp kullanmamaya karar vermek için okuduğu şey budur.

Gelişmiş Frontmatter Seçenekleri

İsim ve açıklamanın ötesinde, Skills güçlü yapılandırma seçeneklerini destekler:

Altın Kural: 500 Satır

İsimlendirme Kuralları

Klasör adınız önemlidir. Küçük harfler + kısa çizgiler olmalıdır. Boşluk yok. Büyük harf yok.

• İyi: hotspot-collector, code-review, ai-proofreading
• Kötü: Hotspot Collector, codeReview, AI_Proofreading

İlk Skill'inizi Oluşturmak

İşte en önemli tavsiyem: Skills'i kendiniz yazmanıza gerek yok.

Açıklayayım. Bir Skill'in değeri, kapsüllediği şeydedir — iş akışınız, deneyiminiz, SOP'niz. Bunlar sizden gelir, gerçek çalışma yoluyla anlaşılır. Ancak bunları düzgün biçimlendirilmiş bir SKILL.md dosyasına dönüştürmek? Bırakın bunu AI yapsın.

Yapmanız gereken şey:

1. Hangi problemi çözmek istediğinizi net bir şekilde düşünün
2. İş akışınızı netleştirin
3. Yeterli bağlam ve referans materyali sağlayın

Sonra Claude'a söyleyin: "XXX yapmak için bir Skill oluşturmama yardım et." Sizin için düzgün biçimlendirilmiş dosyaları oluşturacaktır.

Adım Adım: Basit Bir Örnek

Görsel diyagramlar ve analojiler kullanarak kodu açıklamasını Claude'a öğreten bir skill oluşturalım.

---
name: explain-code
description: Kodu görsel diyagramlar ve analojilerle açıklar. Kodun nasıl çalıştığını açıklarken, bir kod tabanı hakkında öğretirken veya kullanıcı "bu nasıl çalışır?" diye sorduğunda kullanın.
---

When explaining code, always include:

1. **Start with an analogy**: Compare the code to something from everyday life
2. **Draw a diagram**: Use ASCII art to show flow, structure, or relationships
3. **Walk through the code**: Explain step-by-step what happens
4. **Highlight a gotcha**: What's a common mistake or misconception?

Keep explanations conversational. For complex concepts, use multiple analogies.

Skills Nerede Yaşar

Konum kapsamı belirler:

Resmi skill-creator Kullanımı

Anthropic, özellikle skill oluşturmak için bir skill sağlar. Meta, değil mi?

Claude'a söyleyerek yükleyin:

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

Yüklendikten sonra, basitçe: "Makaleleri düzeltmek için bir skill oluşturmama yardım et" diyebilirsiniz ve Claude her şeyi düzgün bir şekilde oluşturmak için skill-creator'ı kullanacaktır.

Tüm GitHub'ı Kişisel Arsenalnize Dönüştürmek

İşte işlerin heyecan verici hale geldiği yer burası. AI yetenekleri hakkında düşünme şeklimi tamamen değiştiren teknik budur.

İşte içgörü: İnternet'in otuz yılında, sayısız parlak geliştirici hayal edebileceğiniz hemen hemen her sorunu çözdü. Araçlar inşa ettiler, kaynak kodlarını açtılar ve bunları herkesin kullanımına sundular. Tek sorun? Bu araçların çoğu dağıtım, komut satırı işlemleri, ortam kurulumu gerektirir — sıradan kullanıcıları engelleyen bariyerler.

Beceriler bu bariyerleri ortadan kaldırabilir.

Çekirdek Kavram

Beceriler betikleri ve talimatları bir araya getirebildiği için, tüm açık kaynaklı projeleri çağrılabilir yetenekler halinde kapsülleyebilirsiniz. Yıllar boyunca binlerce kullanıcı tarafından rafine edilen savaşta test edilmiş kod, AI'nızın araç setinin bir parçası haline gelir.

Gerçek Örnek: Video İndirme

Gerçek bir örnek üzerinden gidelim. Diyelim ki sık sık YouTube, Bilibili ve diğer platformlardan video indirmeniz gerekiyor.

1. Adım: Doğru projeyi bulun. Herhangi bir AI'ya sorun: "GitHub'da çeşitli web sitelerinden video indiren açık kaynaklı bir proje var mı?"

Sizi binlerce web sitesini destekleyen 143.000'den fazla yıldızla efsanevi bir proje olan yt-dlp'ye yönlendirecektir.

2. Adım: Bir Skill olarak paketleyin.

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.

3. Adım: Claude'un planlamasına izin verin. Önce Plan modunu kullanın. Claude projeyi analiz edecek, yeteneklerini anlayacak ve tercihleriniz hakkında netleştirici sorular soracaktır.

4. Adım: İnşa edin ve test edin. Geliştirme moduna geçin. Birkaç dakika içinde, çalışan bir video indirme Skill'ine sahip olacaksınız.

5. Adım: İlk çalışmaya göre yineleyin. Açık kaynaklı bir aracı saran herhangi bir skill'i ilk kez kullandığınızda, sorunlarla karşılaşacaksınız. YouTube'un tarama önleme mekanizmaları vardır. Bağımlılıkları yüklemeniz gerekebilir. Bu deneyimleri belgeleyin ve Claude'a skill'i güncellemesini söyleyin.

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

Bir dahaki sefere? Açın ve indirin. Anında.

GitHub'dan Skills'e Daha Fazla Fikir

Bunlar buzdağının sadece görünen kısmı. GitHub milyonlarca projeye ev sahipliği yapıyor — on yıllardır süren insan zekası, ücretsiz olarak mevcut.

Üç kafaya ve altı kola ihtiyacınız yok. Kafanızda boynuzlara ihtiyacınız yok. Arkanızda tüm insanlığın son on yıllardaki birikmiş bilgisi duruyor. İstediğiniz sürece — komuta etmek sizin olabilir.

Kendi Kendine Gelişen Bir Beceri Yönetim Sistemi Kurmak

Şimdi anlamamın tam iki gün sürdüğü bölgeye giriyoruz. Burası Skills'in "yararlı araçlar"dan "canlı, büyüyen yetenekler"e geçtiği yerdir.

Sorun: GitHub projelerinden paketlenen Skills'in bakıma ihtiyacı var. Orijinal depolar güncellenir. Hata düzeltmeleri olur. Yeni özellikler ortaya çıkar. Bu arada, siz skill'inizi kullanıyorsunuz ve deneyim biriktiriyorsunuz — "bu parametre daha iyi çalışıyor", "şu hatayı önlemek için bu bayrağı ekle". Tüm bunları nasıl yönetirsiniz?

Üç Parçalı Çözüm

Bunu çözmek için birlikte çalışan üçlü bir skill seti oluşturdum (AI yardımıyla):

Sürüm Kontrol Sorunu

İşte karşılaşmaya devam ettiğim bir çatışma: GitHub güncellendiğinde, en son kodu çekmek ve SKILL.md'yi yeniden oluşturmak istiyorum. Ama aynı zamanda kullanım deneyimine dayanarak skill'im üzerinde yineleme yapıyorum — ince ayarlar, düzeltmeler, tercihler. Bu değişiklikler SKILL.md'de de yaşıyor.

İki güç, ikisi de aynı dosyayı değiştiriyor, tamamen farklı hedeflerle. Felaket geliyorum diyor.

Çözüm: evolution.json

İçgörü: Endişeleri ayırın.

GitHub güncellemeleri temel SKILL.md dosyasını yeniden oluşturmaya devam ediyor. Ancak biriken tüm deneyim ayrı bir evolution.json dosyasında saklanıyor. Bunu bir oyun kaydı (save file) olarak düşünün. Ana oyun hangi sürüme güncellenirse güncellensin, kayıt dosyanız ilerlemenizi korur.

SKILL.md yeni bir sürümle üzerine yazıldığında, evolution.json rolünü oynar — biriken bilgeliği taze skill'e yeniden enjekte eder.

yt-dlp-skill/
├── SKILL.md           # Temel talimatlar (yeniden oluşturulabilir)
├── evolution.json     # Birikmiş deneyim (korunur)
└── scripts/
    └── download.sh    # Yürütme betiği

Yönetim Volanı

Bu üç parça yerindeyken, beceri yönetimi kendi kendini güçlendiren bir döngü haline gelir:

1. github-to-skills kullanarak GitHub'dan yeni skill'ler oluşturun (kimlik gömülü)
2. Günlük işte skill'leri kullanın, sınır durumlar ve çözümlerle karşılaşın
3. skill-evolution-manager aracılığıyla skill'leri otomatik olarak geliştirin (çözümler yakalanır)
4. skill-manager aracılığıyla GitHub depoları güncellendiğinde temel skill'leri güncelleyin
5. Evrim verilerini güncellenmiş skill'lere geri birleştirin (deneyim korunur)

Sonuç: Gerçekten öğrenen ve gelişen Beceriler. Mecazi olarak değil — gerçekten. Onları her kullandığınızda ve bir sorunu çözdüğünüzde, daha akıllı hale gelirler.

Bu üçlüyü https://github.com/KKKKhazix/Khazix-Skills adresinde açık kaynak olarak yayınladım. Mükemmel değil ama çalışıyor. Ve güçlü bir şeye işaret ediyor: yarının becerileri statik belgeler olmayacak. Canlı sistemler olacaklar.

14 Resmi Skill Hazine Listesi

Kendinizinkini oluşturmadan önce, neyin zaten mevcut olduğunu bilin. Anthropic, yaygın ihtiyaçları güzel bir şekilde karşılayan resmi bir skill deposu tutar.

Tüm skill'ler: https://github.com/anthropics/skills

Belge Becerileri (Kapalı Kaynak)

Bunlar, Claude.ai'da gördüğünüz belge oluşturma özelliğine güç verir:

Geliştirme Becerileri (Apache 2.0 Açık Kaynak)

Yaratıcı Beceriler

İletişim ve Meta Beceriler

Kurulum Yöntemleri

Yöntem 1: Doğal Dil

Sadece Claude'a söyleyin: "Install this skill, project address is: [GitHub URL]"

Yöntem 2: Eklenti Pazaryeri

# Resmi depoyu pazaryeri olarak ekleyin
/plugin marketplace add https://github.com/anthropics/skills

# Skill'leri yükleyin
/plugin install
# Pazaryerine geçmek için Tab tuşuna basın, istediğiniz paketi seçin

Yöntem 3: Manuel Sürükleme

Skill klasörünü indirin ve skill dizininize yerleştirin (kişisel için ~/.claude/skills/, projeye özel için .claude/skills/).

Tasarım Becerileri Sanatı - Derinlemesine Bir Analiz

Yıllarca UX tasarımı yapmış biri olarak, resmi tasarım becerilerini özellikle büyüleyici buluyorum. Bu kadar iyi çalışmasını sağlayan teknikleri inceleyelim. Bu desenler tasarımın çok ötesine geçer — herhangi bir yüksek kaliteli skill için şablonlardır.

Teknik 1: Tavanı Yükseltmek

algorithmic-art skill'i "p5.js ile çizim yapmama yardım et" ile başlamaz. Şununla başlar:

"Algoritmik felsefeler, daha sonra kod aracılığıyla ifade edilen hesaplamalı estetik hareketlerdir."

Bu, görevi "bir eser üretmek"ten "bir estetik tür artı karşılık gelen algoritma sistemi oluşturmak" seviyesine yükseltir. Modele, çıktının tek seferlik ilham değil, sistematik olması gerektiğini hatırlatır.

Teknik 2: İki Aşamalı Yapı

Her iki tasarım skill'i de iki aşamalı bir yaklaşım kullanır:

1. Önce, Felsefeyi oluşturun (.md'de kavramsal çerçeve)
2. Sonra, görsel olarak ifade edin (gerçek uygulama)

Bu, uygulamadan önce soyutlamayı zorlar. Model, "kod yazma, değerleri ayarlama" yerel optimumlarına düşemez. Kavram önce gelir; kod sadece ifadedir.

Teknik 3: Şiirsel + Mühendislik Şablonları

algorithmic-art skill'i, felsefe yazımı için yapı sağlar:

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

Dikkat edin: her nokta hem estetik dil hem de teknik nesnedir. "Gürültü fonksiyonları" doğrudan koda eşlenir. "Parçacık davranışları" uygulanabilir. Bu, vizyon ve yürütme arasında köprü kurar.

Teknik 4: Kavram Tohumları

Resmi skill'lerden dahice bir içgörü:

"Kavram, algoritmanın kendisine gömülü ince, niş bir referanstır — her zaman literal değil, her zaman sofistike. Algoritmik uyum aracılığıyla başka bir şarkıdan alıntı yapan bir caz müzisyeni gibi düşünün."

Kullanıcı temaları parametrelere, davranışlara, desenlere gömülmelidir — ekrana yazılmamalıdır. Saygı gösterin ama derine saklayın. Bilenler hissedecek; bilmeyenler sadece iyi göründüğünü düşünecek.

Teknik 5: Özgürlük Bölgeli Şablonlama

Skills, neyin SABİT (düzen, marka, kontroller) ve neyin DEĞİŞKEN (algoritma, parametreler, renkler) olduğunu açıkça tanımlar. Bu şunları sağlar:

• Her çıktı tutarlı bir UI deneyimine sahiptir
• Model tam olarak nerede değişiklik yapabileceğini/yapamayacağını bilir
• Aşırı yaratıcı yorumlamadan kaynaklanan beklenmedik "sürprizleri" azaltır

Teknik 6: Kontrol Listesi Olarak Zanaatkarlık

canvas-design skill'i, profesyonel standartları kontrol edilebilir kurallar olarak kodlar:

• Hiçbir şey sayfadan düşmez
• Hiçbir şey örtüşmez
• Uygun kenar boşlukları pazarlık edilemez
• Metin her zaman minimal ve görsel önceliklidir

Bu, örtük profesyonel bilgiyi açık davranışsal kısıtlamalara dönüştürür. Model, kendi çalışmasını somut kriterlere göre doğrulayabilir.

Teknik 7: Çıkarma, Ekleme Değil

Son iyileştirme adımı dahicedir:

"Çalışmayı iyileştirmek için daha fazla grafik eklemekten kaçının; bunun yerine oluşturulanı iyileştirin. İçgüdü yeni bir fonksiyon çağırmak veya yeni bir şekil çizmekse, DURUN."

Bu, amatörü profesyonelden ayıran "son %10 zanaatkarlığı" kodlar. İçgüdü "daha fazlasını ekle" dediğinde, bunun yerine sorun: Ne silinebilir? Ne hizalanabilir, birleştirilebilir, güçlendirilebilir?

Beceri Kütüphanesi Mimarisi Tasarlama

Düzinelerce skill ile organizasyon önemlidir. Ölçeklenen bir beceri kütüphanesi mimarisini nasıl yapılandıracağımı şöyle düşünüyorum.

Neden Skills'i Bölmelisiniz?

İnsanlar sık sık soruyor: "Her şeyi yapan tek büyük bir skill yazamaz mıyım?"

Hayır. Üç sebep:

Beceri Türü Desenleri

Çoğu kullanım durumunu kapsayan dört desen buldum:

Yazma Becerileri Sistemim

Somut bir örnek olarak, yazma için skill'leri nasıl yapılandırdığım aşağıdadır:

P0 Çekirdek Beceriler (Her Makale)

• ai-proofreading: AI algılama oranını düşürmek için üç geçişli süreç. Tetikleyici: "proofread", "too AI"
• image-illustration: Resim oluştur + barındırmaya yükle + markdown döndür. Tetikleyici: "illustrate", düzeltmeden sonra

P1 Düzenli Beceriler (Çoğu Makale)

• topic-generator: Trendlere dayalı konu fikirleri oluştur. Tetikleyici: "give me topics"
• long-to-x: Uzun formatı Twitter dizilerine dönüştür. Tetikleyici: "convert to X content"
• research-collector: Araştırma materyallerini topla ve düzenle. Tetikleyici: "research [topic]"

P2 Ara Sıra Kullanılan Beceriler

• headline-generator: Dikkat çekici başlıklar oluştur. Tetikleyici: "title ideas"
• seo-optimizer: Arama motorları için optimize et. Tetikleyici: "SEO", "optimize for search"

Skills'de Hata Yönetimi

Patlayan Skills Ekosistemi

Geçen ay Skills'e ilk baktığımda, bir avuç depo buldum. Şimdi? Ekosistem patladı. Özel pazar yerleri, küratörlü dizinler ve on binlerce topluluk katkılı skill var.

Resmi Başlangıç Noktaları

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

Skills oluşturmak ve kullanmak için net, adım adım kılavuzlar.

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

14 resmi skill artı örnekler.

Agent Skills Standardı: https://agentskills.io

Açık standart spesifikasyonu. Tam teknik özellikleri anlamak istiyorsanız buradan başlayın.

Topluluk Pazar Yerleri

Küratörlü Koleksiyonlar

smithery.ai/skills — Çok fazla değil ama her biri kalite açısından taranmış.

GitHub'da awesome-claude-skills — Manuel olarak küratörlüğü yapılmış bir liste. Yüksek kaliteli, sık güncellenen.

Çoklu Araç Dizinleri

mcpservers.org/claude-skills — MCP sunucularını ve Claude Skills'i bir araya getiriyor. Ekosisteme benzersiz bir bakış açısı.

claudemarketplaces.com — Pazar yerlerinin bir dizini. "Pazar yerlerinin pazar yeri".

Gelişmiş Desenler ve Profesyonel Teknikler

Daha derine inmeye hazır olanlar için, kapsamlı kullanım yoluyla keşfettiğim desenler burada.

Dinamik Bağlam Enjeksiyonu

!`command` sözdizimi, skill içeriği Claude'a ulaşmadan önce shell komutlarını çalıştırır. Çıktı yer tutucunun yerini alır.

---
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...

Forked Execution (Subagent Entegrasyonu)

Bir skill'i izolasyonda çalıştırmak için context: fork ekleyin. Skill içeriği bir subagent'ı yönlendiren prompt haline gelir.

---
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

Argüman Değiştirme

$ARGUMENTS veya konumsal $0, $1 vb. kullanarak skill'lere dinamik değerler iletin.

---
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.

Salt Okunur Mod

Bir skill aktif olduğunda Claude'un neler yapabileceğini kısıtlamak için allowed-tools kullanın:

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

Explore and understand the codebase without modifying anything.

Görsel Çıktı Oluşturma

Beceriler tarayıcınızda açılan etkileşimli HTML dosyaları oluşturabilir. Bu desen şunlar için çalışır:

• Kod tabanı görselleştirmeleri
• Bağımlılık grafikleri
• Test kapsamı raporları
• Veritabanı şema diyagramları
• Etkileşimli keşiften yararlanan herhangi bir karmaşık veri

Paketlenmiş betik ağır işi yapar; Claude yönetir. Kullanıcılar herhangi bir manuel adım olmadan zengin görsel çıktı alırlar.

Oturum Loglama

Oturuma özgü işlemler için ${CLAUDE_SESSION_ID} kullanın:

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

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

$ARGUMENTS

Genişletilmiş Düşünme (Extended Thinking) Tetikleyicisi

Yaratılış Durumu

Kişisel bir şeyle bitirmek istiyorum.

Skills üzerinde her çalıştığımda, 2013 yazına geri dönüyorum. Lise giriş sınavlarını yeni bitirmiş ve birikimlerimle bir dizüstü bilgisayar almıştım. Bütün o yazı Skyrim modlarıyla uğraşarak geçirdim — onları indirerek, birleştirerek, yapılandırma dosyalarını ayarlayarak, oyunumun tamamen bana ait bir şeye dönüşmesini izleyerek.

Bu saf yaratma sevinciydi. İçerik tüketmek değil. Akışları kaydırmak değil. Gerçekten bir şey inşa etmek, bir şeyi özelleştirmek, bir şeyi benim yapmak.

Skills bu hissi geri getiriyor.

Mentorluğun en havalı durumu, sürekli elinden tutulmaya ihtiyacı olan ağzı laf yapan birine sahip olmak değildir. Onlara bir set el kitabı vermek ve bağımsız olarak sayfaları çevirmelerini, yürütmelerini, kendi kendilerini kontrol etmelerini ve yinelemelerini izlemektir. Siz daha az söylersiniz; onlar daha fazlasını sunar.

Skills tam olarak budur.

Bugün skill-creator'ı yükleyebilir ve yaygın bir eylemi sağlamlaştırabilirsiniz — belki konular için sıcak noktaları taramak, hata günlüklerini onarım planlarına dönüştürmek veya bağlantıları özetlere dönüştürmek. Sadece bir tane.

Başarıyla çalıştığında, yeniden kullanımın değerini anlayacaksınız.

Yarın ikincisini isteyeceksiniz. Ertesi gün, tüm süreçlerinizi içeri taşımak isteyeceksiniz.

O noktada, farklı bir duruma girersiniz.

Özgürlük. Yaratılış durumu.

GitHub'daki o parlak açık kaynaklı projeler — on yılların insan bilgeliği, özgürce paylaşılan. Skills sayesinde, Ajanlar sayesinde, her sıradan insan artık o güce komuta edebilir.

Üç kafaya ve altı kola ihtiyacınız yok. Doğaüstü yeteneklere ihtiyacınız yok. Arkanızda insanlığın birikmiş bilgisi duruyor. İstediğiniz sürece — o sizindir.

Kendinizi şimdi üç yıl önceki halinizle karşılaştırsaydınız, bir karşılaştırma bile olur muydu? Bugün neler yapabildiğinize bakın. Yetenek sınırlarınızın nereye genişlediğine bakın.

Herkesi bir süper insan yapabilen bu parlak, muhteşem çağ — sizi heyecanlandırmıyor mu?