Codex में आधिकारिक रूप से जोड़े गए Skills

 (developers.openai.com)
16 पॉइंट द्वारा GN⁺ 2025-12-22 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • Agent Skills Codex में टास्क-विशिष्ट विशेषज्ञ क्षमताएँ जोड़ने वाली एक विस्तार संरचना है, जो खास workflows को भरोसेमंद ढंग से पूरा करने में मदद करती है
  • हर skill SKILL.md फ़ाइल और वैकल्पिक scripts·resources·assets से मिलकर बनती है, इसलिए इसे टीमों या कम्युनिटी के बीच share किया जा सकता है
  • Codex skills को explicit invocation (/skills कमांड या $ इनपुट) और implicit invocation (टास्क विवरण से मेल खाने पर अपने-आप उपयोग) दोनों तरीकों से चलाता है
  • Skills को REPO, USER, ADMIN, SYSTEM जैसी कई storage locations और priority system के ज़रिये मैनेज किया जाता है, और $skill-creator से नई skill बनाई जा सकती है
  • यह फीचर Codex के CLI और IDE extension दोनों में उपलब्ध है, और GitHub आदि से skills इंस्टॉल करके इसकी क्षमताएँ बढ़ाई जा सकती हैं

Agent Skills का अवलोकन

  • Agent Skills वह संरचना है जो Codex को नई क्षमताएँ और विशेषज्ञता देती है
    • Skills किसी खास काम को करने के लिए instructions, resources, और optional scripts को package करती हैं
    • इन्हें टीमों या कम्युनिटी के बीच share किया जा सकता है, और ये open Agent Skills standard पर आधारित हैं
  • यह Codex के CLI और IDE extension दोनों में इस्तेमाल की जा सकती है

Skill structure और components

  • हर skill SKILL.md फ़ाइल को केंद्र में रखकर बनाई जाती है, और इसकी फ़ोल्डर संरचना कुछ इस तरह होती है
    • SKILL.md: अनिवार्य, इसमें instructions और metadata शामिल होते हैं
    • scripts/: वैकल्पिक executable code
    • references/: वैकल्पिक documents
    • assets/: वैकल्पिक templates और resources
  • Codex context को कुशलतापूर्वक मैनेज करने के लिए progressive disclosure तरीका अपनाता है
    • शुरुआत में केवल skill का नाम और विवरण लोड होता है, और ज़रूरत पड़ने पर पूरी instructions पढ़ी जाती हैं

Skills invoke करने के तरीके

  • Explicit invocation
    • /skills कमांड या $ इनपुट से skill को सीधे चुना जा सकता है
    • Codex web और iOS वर्ज़न अभी explicit invocation को support नहीं करते, लेकिन repository में शामिल skills को prompt के ज़रिये इस्तेमाल किया जा सकता है
  • Implicit invocation
    • जब यूज़र का काम skill के विवरण से मेल खाता है, तो Codex अपने-आप उस skill का इस्तेमाल करता है

Skill storage locations और priority

  • Codex कई locations से skills लोड करता है, और ऊँची priority वाली location की skill उसी नाम वाली नीचे की skill को override कर देती है
  • मुख्य scope और locations
    • REPO: $CWD/.codex/skills, $CWD/../.codex/skills, $REPO_ROOT/.codex/skills
    • USER: $CODEX_HOME/skills या ~/.codex/skills
    • ADMIN: /etc/codex/skills
    • SYSTEM: Codex में डिफ़ॉल्ट रूप से शामिल skills
  • हर scope का उपयोग व्यक्तिगत, टीम, और सिस्टम-स्तरीय प्रबंधन उद्देश्यों के अनुसार किया जाता है

Skill बनाने का तरीका

  • Codex की built-in $skill-creator skill का उपयोग करके नई skill अपने-आप बनाई जा सकती है
    • $plan skill के साथ मिलाकर इस्तेमाल करने पर skill बनाने से पहले योजना तैयार की जा सकती है
  • मैन्युअल रूप से बनाने पर, किसी वैध location में फ़ोल्डर बनाएँ और SKILL.md फ़ाइल लिखें
    • अनिवार्य फ़ील्ड: name, description
    • वैकल्पिक फ़ील्ड: metadata.short-description
  • Skills Agent Skills specification पर आधारित हैं

Skill installation और examples

  • $skill-installer skill का उपयोग करके GitHub के public skill repository से skills इंस्टॉल की जा सकती हैं
    • उदाहरण: $skill-installer linear
    • अन्य repositories की skills भी इंस्टॉल की जा सकती हैं
  • Built-in skills के उदाहरण
    • $plan: नई feature development या जटिल समस्याओं के समाधान के लिए योजना बनाना
    • $skill-installer linear: Linear context तक पहुँच
    • $skill-installer notion-spec-to-implementation: Notion data तक पहुँच

Codex developers के लिए इसका महत्व

  • Agent Skills, Codex की extensibility और collaboration बढ़ाने वाला एक प्रमुख घटक है
  • Developers अपनी खुद की skills परिभाषित करके automated development workflows बना सकते हैं
  • CLI·IDE integration, GitHub integration, और standardized skill specification के ज़रिये Codex ecosystem के विस्तार की संभावनाएँ और मज़बूत होती हैं

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2025-12-22
Hacker News की राय

  • Skills का standard बनना सच में बहुत अच्छा लग रहा है
    इसे सिर्फ़ एक साधारण Markdown फ़ाइल के रूप में लिखा जा सकता है, और यह मूल रूप से context-efficient है
    इसे मौजूदा tools के ऊपर रखा जा सकता है, इसलिए GitHub MCP की जगह gh CLI का इस्तेमाल समझाने वाला skill भी बनाया जा सकता है
    कई skills को जोड़कर इस्तेमाल किया जा सकता है, और Python या JS scripts भी शामिल किए जा सकते हैं
    इसकी वजह से अलग MCP server expose किए बिना भी काफ़ी ज़्यादा सरल और flexible approach संभव हो जाती है

    • इसके अलावा, agent खुद skill को edit·improve·add भी कर सकता है
      उदाहरण के लिए, “इस session के मुख्य points को skill में जोड़ दो” जैसी automation संभव है
      सिर्फ़ अच्छे sessions ही नहीं, बल्कि trial-and-error वाले sessions से मिली सीख भी skill के रूप में बचाकर रखी जा सकती है
      यह MCP की तुलना में कहीं तेज़ और ज़्यादा accessible feature extension flow देता है
    • मैं सोच रहा हूँ कि मध्यम आकार के Django + PostgreSQL + Python web app में skill का उपयोग कैसे किया जा सकता है
      CRUD-केंद्रित काम की तुलना में क्या यह data science या DevOps में ज़्यादा उपयोगी होगा, यह भी जानना चाहता हूँ
    • अंत में skill को use case / workflow recipe caching जैसी अवधारणा के रूप में समझा जा सकता है

  • Skills की मुख्य बात यह है कि spec के अनुसार skill code या markdown के main body content पर RAG लागू नहीं होता
    यानी front-matter का नाम और description ही prompt में शामिल होते हैं और skill चुनने में इस्तेमाल किए जाते हैं
    इसलिए description में जिसका ज़िक्र नहीं है, वह logic शायद बिल्कुल खोजा ही न जाए
    साथ ही skill description एक तरह का prompt injection भी है, इसलिए इसका असर overall tone और token cost पर भी पड़ता है
    संबंधित उदाहरण के लिए यह code link देखें

    • निजी तौर पर मुझे लगता है कि skill index मदद से ज़्यादा बोझ भी बन सकता है
      context को साफ़-सुथरा रखना ज़रूरी है, इसलिए मैं ज़रूरत पड़ने पर ही md फ़ाइल सीधे जोड़ने का तरीका पसंद करता हूँ
      MCP बहुत ज़्यादा complex है, और skill भी थोड़ा over-engineered लगता है
    • कुछ agentic systems skill पर RAG लागू करते हैं
      यह LLM की समस्या कम और agentic harness design की समस्या ज़्यादा है
      आगे चलकर LLM और harness शायद और क़रीबी रूप से integrated होंगे
    • MCP और tools में भी आख़िरकार यही समस्या है

  • मैं पहले से ही काफ़ी समय से ऐसा ही तरीका इस्तेमाल कर रहा था
    हर feature के लिए एक folder बनाता था, और उसमें README.md, scripts, GUIDE.md रखता था
    जब भी reusable code मिलता था, जैसे clerk.dev integration, तो उसे folder में व्यवस्थित कर लेता था,
    और ज़रूरत पड़ने पर merge-to-md से merge करके इस्तेमाल करता था
    यह approach पूरी तरह अच्छी तरह काम कर रही थी, इसलिए अब यह सुविधा agent में built-in आना अच्छा लग रहा है

    • इस explanation की वजह से skill की अवधारणा आसानी से समझ में आती है

  • Skills लंबे समय में शायद open source library की तरह विकसित हो सकते हैं
    अगर authentication, multi-tenancy जैसी standardized solutions को skill के रूप में दिया जाए
    तो security और code quality दोनों में बड़ा सुधार हो सकता है

    • आगे चलकर अगर model global skill index से ज़रूरी skill खोजकर download करे
      और तुरंत इस्तेमाल कर सके, तो यह continuous learning का एक विकल्प भी बन सकता है

  • Skills, plugins, apps, connectors, MCPs, agents… सच कहूँ तो सब थोड़ा confusing है

    • यह भ्रम तकनीक की अपरिपक्वता और तेज़ बदलाव की वजह से है
      अभी तक सबसे अच्छा approach तय नहीं हुआ है, और terminology भी स्थिर नहीं है
      “Agent” शब्द का मतलब भी हर group में अलग है
    • असल में यह सब context लाने के convenience mechanisms ही हैं
      tool execution को छोड़ दें तो ये prompt में context जोड़ने के अलग-अलग तरीके हैं
    • कुछ लोग इसे पूरी तरह अस्थायी जुगाड़ (bandaid) कहते हैं
    • कुछ और लोगों के अनुसार यह सिर्फ़ API और prompt के marketing names हैं
    • यह उस phenomenon जैसा भी लगता है जिसमें LLM बहुत सारे मिलते-जुलते लेकिन थोड़ा अलग ideas एक साथ पैदा करता है

  • हाल में इस लेख में
    agent द्वारा LLM को बार-बार कॉल करके JSON format में tool use requests का आदान-प्रदान करने वाली संरचना समझाई गई थी,
    तो मैं सोच रहा हूँ कि इस framework में skill किस रूप में होगा

    • पहले loop से पहले harness, LLM को <Skills> block भेजता है
      उदाहरण: <Skill><Name>postgres</Name><Description>pre-prod DB क्वेरी करने का तरीका</Description><File>skills/postgres.md</File></Skill>
      इस सूचना को समय-समय पर फिर से भेजा जाता है ताकि LLM skill को “भूल” न जाए
      आख़िरकार नाम+description+file path ही भेजा जाता है, इसलिए token cost कम रहती है
      लेकिन अगर LLM काफ़ी समझदार हो, तो शायद यह संरचना बिना इसके भी ठीक से काम कर सकती है
    • agent ज़रूरत पड़ने पर एक या अधिक skills को selectively load करता है
      यह skill के prompt और संबंधित scripts को साथ में लोड करके इस्तेमाल करने का standardized तरीका है

  • बहुत से लोग Skills को ग़लत समझ रहे हैं
    असली बात .md फ़ाइल नहीं, बल्कि code और instructions की bundling है
    Skills का आधार code execution environment है

    • executable code को पहले से approve करके रखा जा सकता है, और ज़रूरत पड़ने पर prompt से call भी किया जा सकता है
      metadata indexing और lazy loading के ज़रिए context बचाना इसका बड़ा फ़ायदा है
    • कुछ लोग इसे literate programming की वापसी भी कहते हैं

  • अगर skills.md marketplace हो तो शायद तकनीक के प्रसार में मदद मिले

    • लेकिन व्यवहारिक रूप से spam, security, और profitability की कमी के कारण इसे चलाना मुश्किल होगा
      MCP से जुड़े spam मामलों को देखकर भी यह समझा जा सकता है
      आख़िर में इसके सिर्फ़ भरोसेमंद कंपनियों या मशहूर developers तक सीमित रह जाने की संभावना ज़्यादा है
    • Anthropic का skills repository पहले से मौजूद है
      ratings या comments नहीं हैं, लेकिन quality से उम्मीद की जा सकती है
    • ऐसे प्रयास बार-बार सामने आते हैं, लेकिन custom skill बनाने की लागत लगभग 0 होने के कारण
      दूसरे लोगों के prompts इस्तेमाल करने की प्रेरणा कम होती है
    • मैंने भी Anthropic docs देखकर skill लिखने वाला skill बनाया है
      आख़िर में सबसे महत्वपूर्ण बात यही है कि उसे अपने workflow और codebase के हिसाब से optimize किया जाए

  • क्या generated skill का उपयोग करके agent कई कोशिशों के बाद मिले अंतिम समाधान को व्यवस्थित कर सकता है, यह जानने की जिज्ञासा है

    • मैं भी एक “meta skill” बनाकर session खत्म होने के बाद उसे अपने rules खुद update करने देता हूँ
      इस तरह एक flywheel effect बनाने की कोशिश कर रहा हूँ

  • एक मज़ाक था कि Anthropic, OpenAI के Chief Product Officer जैसा लगने लगा है

    • और उसके जवाब में यह भी कहा गया: “वह भी बिना किसी compensation के”