Claude Skills बनाने के लिए संपूर्ण गाइड

• Claude Skills ऐसे workflow knowledge packages हैं जिन्हें बार-बार होने वाले task flows को एक बार परिभाषित करके लगातार पुन: उपयोग करने के लिए डिज़ाइन किया गया है
• Anthropic द्वारा सीधे लिखी गई 33p PDF गाइड skill design से लेकर structuring, testing, deployment तक पूरी प्रक्रिया को चरणबद्ध तरीके से कवर करती है
• standalone workflow automation से लेकर MCP-आधारित tool integration को मजबूत करने तक, इसमें व्यापक उपयोग परिदृश्य शामिल हैं
• यह वास्तविक production environment में सत्यापित patterns और failure cases के आधार पर लिखी गई है
• अगर आपके शीर्ष 2~3 workflows पहले से व्यवस्थित हैं, तो पहली skill को 15~30 मिनट के भीतर बनाना और test करना संभव है

---

Introduction

• इस गाइड का लक्ष्य Claude Skills को one-off prompt नहीं, बल्कि दोबारा इस्तेमाल किए जा सकने वाले workflow asset की तरह देखना है
• Skills को ऐसी संरचना के रूप में परिभाषित किया गया है जिसमें Claude को किसी खास task या process को एक बार सिखाकर बाद की सभी बातचीतों में लगातार एकसमान तरीके से पुन: उपयोग किया जा सके
• यह उपयोगकर्ता की पसंद, काम करने का तरीका और domain knowledge को हर बार समझाने की ज़रूरत खत्म करके cognitive और operational cost को काफी कम करता है

• वे स्थितियाँ जहाँ Skills खास तौर पर प्रभावी हैं

  • Skills का सबसे बड़ा प्रभाव दोहराए जा सकने वाले और structured tasks में दिखता है
    • specs के आधार पर frontend design बनाना
    • एक निश्चित methodology के अनुसार research करना
    • team style guide को ध्यान में रखकर documents लिखना
    • कई चरणों वाली complex process orchestration
  • ये Claude की built-in capabilities (code execution, document generation आदि) के साथ स्वाभाविक रूप से जुड़ती हैं

• MCP और Skills की भूमिका में अंतर

  • MCP integration का उपयोग करने पर Skills को साधारण tool connection से आगे बढ़कर workflow को स्थिर बनाने वाली एक अतिरिक्त layer के रूप में समझाया गया है
  • अगर MCP यह बताता है कि “क्या किया जा सकता है”, तो Skills की भूमिका “कैसे किया जाना चाहिए” को तय करना है
  • इससे raw tool access को विश्वसनीय automation experience में बदला जा सकता है

• गाइड का उद्देश्य और दायरा

  • यह दस्तावेज़ Skills बनाने के लिए आवश्यक पूरी प्रक्रिया को समेटता है
    • शुरुआती planning और structure design
    • वास्तविक लेखन का तरीका
    • testing और iterative improvement
    • deployment और sharing
  • इसका दायरा personal skills, team-internal standard skills और community sharing के लिए skills तक सभी उपयोग परिदृश्यों को शामिल करता है
  • यह सैद्धांतिक व्याख्या से अधिक व्यावहारिक रूप से सत्यापित patterns और examples पर केंद्रित है

• लक्षित पाठक

  • वे developers जो चाहते हैं कि Claude किसी खास workflow को हर बार एक ही तरीके से पूरा करे
  • वे power users जो दोहराए जाने वाले कामों को automate करना चाहते हैं
  • वे teams जो संगठन स्तर पर Claude के उपयोग के तरीके को standardize करना चाहती हैं
  • वे builders जो MCP connectors के साथ workflow knowledge को जोड़ना चाहते हैं

• गाइड का उपयोग कैसे करें

  • अगर आपका लक्ष्य standalone Skills बनाना है:
    • Fundamentals
    • Planning and Design
    • Category 1–2 पर विशेष ध्यान देने की सलाह
  • अगर लक्ष्य MCP integration को मजबूत करना है:
    • Skills + MCP section
    • Category 3 पर केंद्रित उपयोग की सलाह
  • दोनों रास्ते तकनीकी आवश्यकताओं को साझा करते हैं, और ज़रूरत के अनुसार केवल संबंधित हिस्से चुने जा सकते हैं

• अपेक्षित परिणाम

  • यह गाइड इस तरह डिज़ाइन की गई है कि आप एक ही session में एक उपयोगी Skill पूरा कर सकें
  • अगर आपके पास 2~3 स्पष्ट शीर्ष workflows हैं, तो पहली Skill को लगभग 15~30 मिनट में बनाकर test किया जा सकता है
  • Introduction आगे आने वाले सभी chapters के लिए एक बुनियादी दृष्टिकोण स्पष्ट करता है, यानी
    “Skills prompts नहीं, बल्कि पुन: उपयोग योग्य कार्य-ज्ञान हैं”

Chapter 1: मूल अवधारणाएँ (Fundamentals)

• इसमें Claude Skills को समझने के लिए वैचारिक आधार और design philosophy समझाई गई है
• Skills को साधारण prompt bundle नहीं, बल्कि लगातार पुन: उपयोग होने वाली कार्य-ज्ञान इकाई के रूप में परिभाषित किया गया है
• और आगे के chapters में आने वाली design, testing और deployment चर्चा की नींव रखने वाले मुख्य सिद्धांतों को व्यवस्थित किया गया है

• Skill क्या है

  • Skill ऐसी संरचना है जो Claude को किसी खास task या workflow को करने का तरीका एक बार सिखाकर बार-बार उपयोग करने देती है
  • इसे इस तरह डिज़ाइन किया गया है कि उपयोगकर्ता की preferences, procedures और domain knowledge को हर बार फिर से समझाना न पड़े
  • इसका सबसे बड़ा प्रभाव उच्च पुनरावृत्ति वाले tasks में दिखाई देता है
  • उदाहरण:
    • specs-आधारित frontend design generation
    • एकसमान तरीके से research करना
    • team style guide का पालन करते हुए document writing
    • multi-step process का स्वचालित execution

• Skill के मूल घटक

  • Skill एक folder इकाई के रूप में संगठित होती है
  • आवश्यक घटक:
    • SKILL.md: YAML frontmatter और Markdown निर्देशों वाली मुख्य file
  • वैकल्पिक घटक:
    • scripts/: Python, Bash आदि executable code
    • references/: ज़रूरत पड़ने पर देखे जाने वाले documents और guides
    • assets/: output में इस्तेमाल होने वाले templates और resources
  • यह संरचना सरलता और scalability दोनों को ध्यान में रखकर बनाई गई है

• मुख्य design principle 1: Progressive Disclosure

  • Skills 3-स्तरीय information loading structure का पालन करती हैं

  • स्तर 1: YAML frontmatter

    • यह हमेशा Claude के system prompt में लोड होता है
    • इसमें केवल वही न्यूनतम जानकारी होती है जिससे तय हो सके कि skill कब इस्तेमाल होनी चाहिए
    • इसका काम अनावश्यक context loading को रोकना है

  • स्तर 2: SKILL.md का मुख्य भाग

    • यह तब लोड होता है जब Claude तय करता है कि skill प्रासंगिक है
    • इसमें वास्तविक कार्य-प्रक्रिया और निर्देश शामिल होते हैं

  • स्तर 3: जुड़े हुए files

    • references, scripts, assets आदि
    • Claude इन्हें केवल तभी देखता है जब वह इन्हें आवश्यक समझता है
    • इससे token usage कम रहते हुए विशेषज्ञता बनी रहती है
  • इस संरचना से context cost और task accuracy के बीच संतुलन हासिल किया जाता है

• मुख्य design principle 2: Composability

  • Claude एक साथ कई Skills लोड कर सकता है
  • इसलिए हर Skill को:
    • standalone execution को आधार मानकर नहीं चलना चाहिए, और
    • दूसरी Skills के साथ टकराव से बचने के लिए डिज़ाइन किया जाना चाहिए
  • यह माना जाता है कि skills ऐसे environment में काम करेंगी जहाँ वे सहयोग कर सकें

• मुख्य design principle 3: Portability

  • Skills को इस तरह डिज़ाइन किया गया है कि वे Claude.ai, Claude Code और API environments में एक जैसी तरह से काम करें
  • एक बार बनाई गई Skill को platform-specific modification के बिना पुन: उपयोग किया जा सकता है
  • हालांकि scripts या network access जैसी चीज़ें execution environment की सीमाओं से प्रभावित होंगी

• MCP और Skills का संबंध

  • MCP का उपयोग करने पर Skills knowledge layer की भूमिका निभाती हैं
  • MCP tools और data access उपलब्ध कराता है
  • Skills यह परिभाषित करती हैं कि उन tools का उपयोग कैसे किया जाना चाहिए

  • kitchen analogy

    • MCP: रसोई, सामग्री और cooking tools
    • Skills: recipe
    • दोनों के जुड़ने पर उपयोगकर्ता को जटिल प्रक्रिया खुद डिज़ाइन नहीं करनी पड़ती

• MCP के बिना उपयोग

  • MCP के बिना भी Skills पूरी तरह उपयोगी हैं
  • केवल Claude की built-in capabilities (document generation, code execution आदि) से भी:
    • दोहराए जाने वाले कार्यों का standardization
    • quality consistency सुनिश्चित करना
    • काम की गति में सुधार संभव है

• इस अध्याय का मुख्य संदेश

• Skills अल्पकालिक prompt optimization नहीं, बल्कि लगातार संचित होने वाले कार्य-संपत्ति हैं
• “क्या किया जा सकता है” से अधिक महत्वपूर्ण है “कैसे किया जाना चाहिए, इसे तय करना”
• आगे के chapters इसी अवधारणा के आधार पर वास्तविक design और operations चरणों तक विस्तार करते हैं

अध्याय 2: योजना और डिज़ाइन (Planning and Design)

• यह अध्याय इस आधार पर चलता है कि Skills बनाने की सफलता या असफलता लगभग पूरी तरह लिखने के चरण से पहले की डिज़ाइन गुणवत्ता से तय होती है

• तकनीकी implementation से पहले यह साफ़ होना चाहिए कि कौन-सी समस्या हल करनी है और किस flow को स्थिर करना है

• अच्छी तरह डिज़ाइन किया गया Skill implementation को सरल बनाता है, और testing तथा maintenance की लागत भी काफ़ी कम कर देता है

• शुरुआती बिंदु: use case की परिभाषा

  • Skill लिखने से पहले, 2~3 ठोस use case तय करना अनिवार्य है
  • use case का मतलब केवल अमूर्त उद्देश्य नहीं, बल्कि इसमें वह वाक्य भी शामिल होना चाहिए जो वास्तविक उपयोगकर्ता कहेगा और उससे मिलने वाला परिणाम भी

  • अच्छे use case के घटक

    • वह लक्ष्य जिसे उपयोगकर्ता हासिल करना चाहता है
    • वह trigger वाक्य जो उपयोगकर्ता कह सकता है
    • वे चरणबद्ध कार्य जो अंदरूनी रूप से किए जाने चाहिए
    • उपयोग किए जाने वाले tools (Claude की base capabilities या MCP)
    • अंतिम result state
  • उदाहरणों के माध्यम से यह ज़ोर दिया गया है कि “sprint planning तैयार करना” जैसे मामलों में शुरुआती शर्त–प्रोसेसिंग चरण–पूरा होने की स्थिति की स्पष्ट परिभाषा बहुत महत्वपूर्ण है

• डिज़ाइन से पहले खुद से पूछे जाने वाले मुख्य सवाल

  • उपयोगकर्ता आखिर क्या पूरा करना चाहता है
  • उस परिणाम के लिए कौन-सा multi-step workflow चाहिए
  • किस चरण में कौन-सा tool चाहिए
  • जहाँ मानवीय निर्णय की ज़रूरत है, वहाँ domain knowledge या best practices को कहाँ embed करना है
  • अगर इन सवालों का स्पष्ट जवाब नहीं है, तो इसका मतलब है कि अभी Skill में उसे स्थिर करने की तैयारी नहीं हुई है

• देखे गए प्रमुख Skill use case प्रकार

  • Category 1: दस्तावेज़ और assets बनाना

    • ऐसे deliverables बनाने में उपयोग, जहाँ एकसमान quality महत्वपूर्ण हो
    • इसमें documents, presentations, design, code, UI deliverables आदि शामिल हैं
    • विशेषताएँ:
      • style guide और brand rules पहले से built-in
      • output templates का उपयोग
      • final quality checklist शामिल
    • बाहरी tools के बिना केवल Claude की base capabilities से पूरा किया जा सकता है

  • Category 2: workflow automation

    • उन processes के लिए उपयुक्त, जिनमें कई चरण बार-बार करने पड़ते हैं
    • उदाहरण: skill-creator
    • विशेषताएँ:
      • चरण-दर-चरण प्रगति और validation points शामिल
      • structured templates उपलब्ध
      • बीच-बीच में review और improvement loops built-in
    • इसे ऐसे प्रकार के रूप में समझाया गया है जो परिणाम से अधिक प्रक्रिया की स्थिरता को महत्व देता है

  • Category 3: MCP enhancement

    • MCP server द्वारा दिए गए tool access को वास्तव में इस्तेमाल किए जा सकने वाले workflow में बदलना
    • विशेषताएँ:
      • कई MCP calls को क्रम से संयोजित करना
      • ऐसा context अपने-आप पूरा करना जिसे उपयोगकर्ता को सीधे बताने की ज़रूरत न पड़े
      • MCP error स्थितियों के लिए built-in handling
    • इसे साधारण automation नहीं, बल्कि विशेषज्ञ उपयोग-पद्धति का encapsulation कहा गया है

• सफलता के मानदंड तय करने का महत्व

  • Skill का मूल्यांकन इस आधार पर होना चाहिए कि वह सिर्फ “ठीक से काम करता हुआ दिखता है” नहीं, बल्कि वास्तविक सुधार लाता है या नहीं
  • सफलता के मानदंड बहुत सटीक संख्याएँ नहीं, बल्कि दिशा देने वाले मानक के रूप में दिए गए हैं

  • मात्रात्मक मानदंड

    • इच्छित requests के अधिकांश मामलों में अपने-आप trigger हो
    • Skill इस्तेमाल करने पर tool calls और token usage कम हो
    • MCP call failure के बिना workflow पूरा हो

  • गुणात्मक मानदंड

    • उपयोगकर्ता को अगला चरण बताए बिना भी प्रक्रिया आगे बढ़े
    • बार-बार चलाने पर result structure और quality एकसमान रहे
    • नया उपयोगकर्ता भी पहली कोशिश में सफल हो सके
  • यह माना गया है कि evaluation में कुछ हद तक संवेदनात्मक निर्णय (vibes) शामिल हो सकते हैं, लेकिन तुलना के मानदंड बने रहने चाहिए

• तकनीकी आवश्यकताओं का अवलोकन

  • Skill को एक निश्चित directory structure का पालन करना चाहिए
  • SKILL.md फ़ाइल अनिवार्य है, और उसका नाम बिल्कुल यही होना चाहिए
  • folder name और name field में kebab-case का उपयोग होना चाहिए
  • Skill folder के अंदर README.md नहीं रखना चाहिए

• YAML frontmatter की भूमिका

  • frontmatter वह मुख्य signal है जिसके आधार पर Claude तय करता है कि Skill को कब load करना है
  • न्यूनतम आवश्यक fields:
    • name
    • description
  • description में यह ज़रूर शामिल होना चाहिए:
    • Skill क्या करता है
    • इसे कब इस्तेमाल करना है
    • वे ठोस expressions जो उपयोगकर्ता कह सकता है
  • तकनीकी विवरण से अधिक उपयोगकर्ता-केंद्रित भाषा महत्वपूर्ण है

• frontmatter डिज़ाइन के सिद्धांत

  • 1024 अक्षरों के भीतर रखें
  • XML tags का उपयोग न करें
  • सुरक्षा कारणों से कुछ नामों (claude, anthropic) के उपयोग पर प्रतिबंध है
  • metadata वैकल्पिक है, लेकिन version और author जानकारी शामिल करने की सिफारिश की जाती है

• SKILL.md मुख्य भाग की डिज़ाइन दिशा

  • चरणबद्ध, स्पष्ट और executable निर्देश दें
  • उदाहरणों के साथ अपेक्षित परिणाम भी दिखाएँ
  • बार-बार होने वाली errors और उनके समाधान शामिल करें
  • बहुत लंबी व्याख्या को references directory में अलग रखें

• Chapter 2 का मुख्य बिंदु यह है कि Skills को “prompt के बंडल” की तरह नहीं, बल्कि इरादे के साथ डिज़ाइन किए गए workflow deliverable की तरह देखना चाहिए

अध्याय 3: टेस्टिंग और इटरेशन के ज़रिए सुधार (Testing and Iteration)

• यह अध्याय Skills को वास्तव में भरोसेमंद स्तर तक ले जाने की प्रक्रिया पर केंद्रित है
• Skill लिखने से भी अधिक महत्वपूर्ण यह सत्यापित करना है कि वह कब लोड होती है, कैसे चलती है, और उसके परिणाम कैसे बेहतर होते हैं
• यह महत्वपूर्ण है कि उपयोग के दायरे और प्रभाव के अनुसार टेस्टिंग की तीव्रता को समायोजित किया जाए

• टेस्ट स्तर चुनना

  • Skills की टेस्टिंग आवश्यक गुणवत्ता और डिप्लॉयमेंट के दायरे के अनुसार अलग-अलग स्तरों पर की जा सकती है

  • मैनुअल टेस्टिंग (Claude.ai)

    • Claude.ai में सीधे क्वेरी डालकर व्यवहार की जाँच करें
    • बिना अलग सेटअप के तेज़ी से इटरेशन संभव
    • शुरुआती डिज़ाइन सत्यापन और त्वरित सुधार के लिए उपयुक्त

  • स्क्रिप्ट-आधारित टेस्टिंग (Claude Code)

    • Claude Code वातावरण में टेस्ट केस को ऑटोमेट करें
    • जब बदलाव लगातार जुड़ते जाते हों, तब regression testing के लिए उपयोगी
    • आंतरिक टीम द्वारा उपयोग की जाने वाली Skills के लिए उपयुक्त

  • API-आधारित प्रोग्राम टेस्टिंग

    • Skills API का उपयोग करके परिभाषित टेस्ट सेट को स्वचालित रूप से चलाएँ
    • मात्रात्मक तुलना और व्यवस्थित सत्यापन संभव
    • बड़े पैमाने पर डिप्लॉयमेंट और enterprise वातावरण के लिए उपयुक्त
• आंतरिक उपयोग की छोटी Skills और बाहरी रूप से सार्वजनिक Skills के लिए एक जैसे टेस्टिंग मानदंड आवश्यक नहीं होते

• सुझाया गया तरीका: एक कठिन काम से शुरुआत

  • प्रभावी Skill निर्माता एक चुनौतीपूर्ण काम पर ध्यान केंद्रित करके बार-बार सुधार करते हैं
  • जिस क्षण Claude उस काम को स्थिर रूप से सफल करने लगे, उस समय के दृष्टिकोण को निकालकर Skill के रूप में स्थिर कर दिया जाता है
  • व्यापक टेस्टिंग की तुलना में मज़बूत संकेत देने वाले एकल केस की पुनरावृत्ति तेज़ सीख प्रदान करती है
  • उसके बाद ही विभिन्न केसों तक टेस्टिंग का विस्तार किया जाता है

• मुख्य टेस्टिंग क्षेत्र

  • 1. ट्रिगर टेस्ट

    • उद्देश्य: यह सत्यापित करना कि Skill केवल उचित परिस्थितियों में ही अपने-आप लोड होती है
    • शामिल बिंदु:
      • स्पष्ट अनुरोध पर ट्रिगर होती है
      • अलग ढंग से कहे गए अनुरोध पर भी ट्रिगर होती है
      • असंबंधित अनुरोधों पर लोड नहीं होती
    • ट्रिगर की गुणवत्ता सीधे description फ़ील्ड के डिज़ाइन से जुड़ी होती है

  • 2. फ़ंक्शनल टेस्ट

    • उद्देश्य: यह जाँचना कि Skill इच्छित परिणाम को सही ढंग से उत्पन्न करती है या नहीं
    • सत्यापन के लक्ष्य:
      • आउटपुट परिणाम की सटीकता
      • MCP कॉल की सफलता
      • एरर हैंडलिंग का व्यवहार
      • edge case का सामना करने की क्षमता
    • मूल्यांकन केवल साधारण सफलता/असफलता से नहीं, बल्कि पूरे workflow की पूर्णता के आधार पर किया जाता है

  • 3. प्रदर्शन तुलना टेस्ट

    • उद्देश्य: Skill के उपयोग से पहले और बाद के वास्तविक सुधार प्रभाव की पुष्टि करना
    • तुलना के बिंदु:
      • message round-trip की संख्या
      • MCP कॉल विफल हुआ या नहीं
      • कुल token उपयोग
    • Skill को सिर्फ “काम करती है” नहीं, बल्कि “बेहतर बनाती है” यह साबित करना चाहिए

• skill-creator का उपयोग करके टेस्ट और सुधार

  • skill-creator एक meta tool है जो Skill डिज़ाइन और सुधार में मदद करता है
  • मुख्य क्षमताएँ:
    • प्राकृतिक भाषा के वर्णन के आधार पर Skill ड्राफ्ट बनाना
    • SKILL.md फ़ॉर्मैट और frontmatter का ऑटोमेटिक निर्माण
    • ट्रिगर के बहुत अधिक या बहुत कम होने के जोखिम का पता लगाना
    • उद्देश्य के अनुरूप टेस्ट केस सुझाना
  • यह वास्तविक execution test या मात्रात्मक मूल्यांकन का विकल्प नहीं है

• फ़ीडबैक-आधारित पुनरावृत्त सुधार

  • Skills कोई स्थिर आउटपुट नहीं, बल्कि लगातार निखारे जाने योग्य लक्ष्य हैं

  • ट्रिगर कम होने के संकेत

    • Skill अपने-आप लोड नहीं होती
    • उपयोगकर्ता Skill को मैनुअली चालू करता है
    • “यह कब इस्तेमाल होती है?” जैसे सवाल उठते हैं
    • समाधान: description में विशिष्ट अभिव्यक्तियाँ और शब्दावली जोड़ें

  • ट्रिगर ज़्यादा होने के संकेत

    • असंबंधित सवालों पर भी Skill लोड हो जाती है
    • उपयोगकर्ता Skill को बंद कर देता है
    • उद्देश्य को लेकर भ्रम पैदा होता है
    • समाधान: दायरा कम करें, negative trigger जोड़ें

  • execution समस्या के संकेत

    • परिणामों में स्थिरता की कमी
    • MCP एरर या retry होता है
    • उपयोगकर्ता के सुधारात्मक हस्तक्षेप की ज़रूरत पड़ती है
    • समाधान: निर्देशों को अधिक स्पष्ट करें, एरर हैंडलिंग मज़बूत करें

• टेस्ट चरण का मुख्य संदेश

  • टेस्टिंग Skill की सिर्फ सटीकता नहीं, बल्कि विश्वसनीयता को भी सत्यापित करने की प्रक्रिया है
  • “Skill चलती है” यह मानदंड पर्याप्त नहीं है
  • अंतिम निर्णय का मानदंड यह है: “क्या यह उपयोगकर्ता के अगले निर्देश के बिना भी अंत तक पूरा कर सकती है?”
• Chapter 3 वह चरण है जो Skills को प्रयोगात्मक टूल से ऑपरेशन-योग्य workflow asset में बदलता है

अध्याय 4: डिप्लॉयमेंट और शेयरिंग (Distribution and Sharing)

• Skills, MCP connectors की वैल्यू को पूरा करने वाला तत्व है, और एक ही tool connection होने पर भी यदि skill साथ में दिया जाए तो value तक तेज़ी से पहुँचना संभव होता है
• यूज़र के नज़रिए से, केवल MCP देने वाले connector की तुलना में तुरंत चलाए जा सकने वाले workflow शामिल करने वाले connector को अधिक पसंद किया जाता है
• यह अध्याय जनवरी 2026 तक के डिप्लॉयमेंट तरीकों, organization-स्तरीय डिप्लॉयमेंट, API उपयोग, और सुझाई गई operational strategy को व्यवस्थित करता है

• वर्तमान डिप्लॉयमेंट मॉडल (जनवरी 2026 तक)

  • व्यक्तिगत यूज़र के लिए डिप्लॉयमेंट तरीका

    • Skill फ़ोल्डर को लोकल में डाउनलोड करें
    • ज़रूरत पड़ने पर पूरे फ़ोल्डर को zip फ़ाइल में compress करें
    • Claude.ai में Settings → Capabilities → Skills पथ से upload करें
    • या Claude Code environment की skills directory में सीधे रखें
    • upload के बाद यूज़र को skill को खुद activate करना होगा

  • organization-स्तरीय डिप्लॉयमेंट

    • admin पूरे workspace में skills deploy कर सकता है
    • 18 दिसंबर 2025 से organization-स्तरीय deployment feature उपलब्ध है
    • centralized management और automatic updates का समर्थन
    • organization के अंदर standard workflows को लागू करने या लगातार एकसमान बनाए रखने के लिए उपयुक्त

• open standard के रूप में Skills

  • Agent Skills, MCP की तरह ही open standard के रूप में सार्वजनिक किए गए हैं
  • लक्ष्य यह है कि वे किसी एक platform पर निर्भर न हों, और वही skill कई AI tools में काम करे
  • कुछ skills किसी specific platform feature का सक्रिय उपयोग कर सकती हैं; ऐसे मामले में compatibility field में environment constraints लिखे जा सकते हैं
  • ecosystem participants के साथ collaboration के जरिए standard को विकसित किया जा रहा है

• API के माध्यम से Skills का उपयोग

  • API उपयोग का उद्देश्य

    • application, automation pipeline, agent system आदि जैसे programmatic usage scenarios के लिए उपयुक्त
    • UI के जरिए manual उपयोग के बजाय, system level पर skills को नियंत्रित किया जा सकता है

  • मुख्य features

    • /v1/skills endpoint के माध्यम से skills की सूची देखना और manage करना
    • Messages API request में container.skills parameter से skills निर्दिष्ट करना
    • Claude Console के जरिए version management और deployment control
    • Claude Agent SDK के साथ integration करके custom agents बनाना

  • उपयोग environment चुनने के लिए गाइड

    • Claude.ai / Claude Code:
      • end users द्वारा सीधे उपयोग
      • development के दौरान manual testing और तेज़ iteration
      • व्यक्तिगत स्तर के, अनियमित workflow
    • API:
      • application में embedded उपयोग
      • बड़े पैमाने पर production deployment
      • automated agents और pipelines

  • ध्यान देने योग्य बातें

    • API-आधारित Skills उपयोग के लिए Code Execution Tool beta आवश्यक है
    • secure execution environment पूर्वशर्त है

• सुझाई गई डिप्लॉयमेंट रणनीति

  • 1. GitHub public repository चलाना

    • skill को स्वयं एक फ़ोल्डर के रूप में manage करें
    • repository root में इंसानों के लिए README दें
    • installation method, उपयोग का उद्देश्य, उदाहरण screenshots शामिल करने की सिफारिश
    • Skill फ़ोल्डर के अंदर README.md शामिल न करें

  • 2. MCP documentation के साथ जोड़ना

    • MCP connector documentation में Skill को साथ में परिचित कराएँ
    • केवल MCP उपयोग की तुलना में Skill को जोड़ने पर मिलने वाली value को स्पष्ट रूप से समझाएँ
    • quick start guide दें

  • 3. installation guide देना

    • skill download करने का तरीका स्पष्ट करें
    • Claude.ai या Claude Code में install करने के step-by-step निर्देश दें
    • MCP server connection की पुष्टि करने की प्रक्रिया शामिल करें
    • आसान test prompt examples दें

• skill positioning के सिद्धांत

  • feature नहीं, result-केंद्रित व्याख्या

    • internal implementation या technical structure की व्याख्या से अधिक, यूज़र को मिलने वाले परिणाम पर ज़ोर दें
    • समय की बचत, errors में कमी, और consistency सुनिश्चित होने जैसे प्रभावों को सामने रखें

  • MCP + Skills का संयोजन महत्वपूर्ण है

    • MCP tool access प्रदान करता है
    • Skills यह ज्ञान प्रदान करती हैं कि उस tool का उपयोग कैसे करना है
    • जब ये दोनों तत्व जुड़ते हैं, तब AI-आधारित automation पूर्ण होती है
• डिप्लॉयमेंट और शेयरिंग केवल पहुँचाने की प्रक्रिया नहीं है, बल्कि यह सुनिश्चित करने की प्रक्रिया है कि यूज़र skill की value को समझे और उसे तुरंत उपयोग में ला सके

Chapter 5: पैटर्न और समस्या निवारण (Patterns and Troubleshooting)

• यह अध्याय शुरुआती Skills उपयोगकर्ताओं और आंतरिक टीम के उदाहरणों में बार-बार प्रभावी साबित हुए डिज़ाइन पैटर्न और वास्तविक संचालन के दौरान अक्सर आने वाली समस्याओं के समाधान के तरीके संक्षेप में प्रस्तुत करता है
• यहाँ दिए गए पैटर्न कोई कठोर नियम नहीं, बल्कि सत्यापित approaches का एक सेट हैं, और इन्हें हर skill के उद्देश्य के अनुसार चुनकर व मिलाकर उपयोग करने की परिकल्पना की गई है
• मुख्य संदेश “tools को जोड़ना” नहीं, बल्कि समस्या हल करने वाले flow को डिज़ाइन करना है

• अप्रोच चुनना: समस्या-केंद्रित vs tool-केंद्रित

  • Skills डिज़ाइन करते समय इन दो दृष्टिकोणों में से किसी एक को चुनना महत्वपूर्ण है

  • समस्या-केंद्रित (Problem-first)

    • उपयोगकर्ता जो परिणाम हासिल करना चाहता है वही बताता है
    • skill भीतर ही उपयुक्त MCP tools और उनके call sequence का निर्णय लेता है
    • उदाहरण: “project workspace बना दो” → skill सभी tool calls को संभालता है
    • परिणाम-उन्मुख अनुभव के लिए उपयुक्त

  • tool-केंद्रित (Tool-first)

    • उपयोगकर्ता पहले से MCP connection को समझता है
    • skill उस tool को अच्छे तरीके से कैसे इस्तेमाल किया जाए, इस पर विशेषज्ञ ज्ञान प्रदान करता है
    • उदाहरण: Notion MCP उपयोग का तरीका, optimal workflow मार्गदर्शन
    • expert users और internal tool guides के लिए उपयुक्त
• अधिकांश skills इनमें से किसी एक पक्ष के अधिक करीब होते हैं, और इसे स्पष्ट रूप से पहचानना डिज़ाइन की गुणवत्ता तय करता है

• पैटर्न 1: क्रमिक workflow orchestration

  • उन मामलों के लिए उपयुक्त जहाँ तय क्रम में कई चरणों को अनिवार्य रूप से पूरा करना हो
  • हर चरण पिछले चरण के परिणाम पर निर्भर करता है
  • चरण-दर-चरण validation और विफलता की स्थिति में rollback निर्देश शामिल किए जा सकते हैं
  • onboarding, account creation, subscription setup जैसे कामों के लिए उपयुक्त

• पैटर्न 2: multi-MCP सहयोग

  • जब एक ही परिणाम के लिए कई services (MCP) का क्रमिक उपयोग करना पड़े
  • चरणों के अनुसार MCP को अलग करें और data handoff flow को स्पष्ट रूप से परिभाषित करें
  • अगले चरण पर जाने से पहले validation अनिवार्य है
  • design → storage → task creation → notification जैसे complex workflows के लिए उपयुक्त

• पैटर्न 3: iterative refinement

  • उन कार्यों के लिए उपयुक्त जहाँ शुरुआती परिणाम की तुलना में दोहराव से गुणवत्ता में बड़ा सुधार होता है
  • draft creation → validation → revision → re-validation loop को स्पष्ट रूप से डिज़ाइन करें
  • quality criteria और iteration समाप्ति की शर्तें स्पष्ट रूप से परिभाषित होनी चाहिए
  • report generation और document quality improvement कार्यों में प्रभावी

• पैटर्न 4: context-aware tool selection

  • तब उपयोग करें जब एक ही लक्ष्य होने पर भी परिस्थिति के अनुसार सर्वोत्तम tool बदल सकता हो
  • file size, type, collaboration की आवश्यकता आदि जैसे स्पष्ट निर्णय मानदंड चाहिए
  • चयन का कारण उपयोगकर्ता को समझाकर विश्वसनीयता सुनिश्चित करें
  • storage, document management, code storage flows के लिए उपयुक्त

• पैटर्न 5: domain-specific intelligence को एम्बेड करना

  • ऐसे skills जो सिर्फ tool call से आगे बढ़कर विशेषज्ञ ज्ञान और नियमों को आंतरिक रूप से समाहित करते हैं
  • कार्य निष्पादन से पहले judgment और validation चरण मुख्य होते हैं
  • सभी decision processes को रिकॉर्ड करें ताकि audit trail संभव हो
  • finance, compliance, security जैसे high-risk क्षेत्रों के लिए उपयुक्त

• समस्या निवारण गाइड

  • upload failure

    • जब SKILL.md filename सही न हो, तब यह समस्या हो सकती है
    • YAML delimiter(---) के गायब होने, quotes बंद न होने जैसी format errors कारण हो सकती हैं
    • name field में uppercase letters या spaces होने पर upload reject हो जाता है

  • जब skill trigger नहीं होता

    • जब description बहुत abstract हो या उपयोगकर्ता की वास्तविक अभिव्यक्ति को नहीं दर्शाता हो
    • इसे ऐसे संशोधित करना ज़रूरी है कि इसमें वे वाक्यांश शामिल हों जो वास्तविक उपयोगकर्ता कह सकते हैं
    • Claude से “यह skill कब उपयोग किया जाता है” पूछकर debugging की जा सकती है

  • जब skill बहुत अधिक trigger होता है

    • इसका कारण अत्यधिक व्यापक description हो सकता है
    • negative triggers (Do NOT use when…) जोड़ें
    • किन चीज़ों को प्रोसेस करना है और किन्हें बाहर रखना है, यह स्पष्ट रूप से अलग करें

  • MCP call failure

    • MCP server connection status जाँचें
    • authentication जानकारी (API key, OAuth token) की जाँच करें
    • skill के बिना सिर्फ MCP call करके समस्या के कारण को अलग करें
    • tool name में uppercase/lowercase की सटीकता जाँचें

  • जब instructions ठीक से follow नहीं होतीं

    • जब instructions बहुत लंबी हों या मुख्य बात दब जाए
    • महत्वपूर्ण शर्तों को ऊपर रखें और उन्हें दोहराकर ज़ोर दें
    • अस्पष्ट अभिव्यक्तियों की जगह सत्यापित किए जा सकने वाले शर्तों की सूची का उपयोग करें
    • महत्वपूर्ण validations को script के रूप में लागू करना अधिक स्थिर होता है

  • बड़े context के कारण performance degradation

    • जब SKILL.md बहुत बड़ा हो, तब यह समस्या हो सकती है
    • विस्तृत दस्तावेज़ों को references में अलग करें
    • एक साथ सक्रिय skills की संख्या बहुत अधिक हो तो उसे कम करने की सलाह दी जाती है
    • 20~50 से अधिक skills एक साथ सक्रिय होने पर performance degradation की संभावना होती है
• “skill एक बार बनाकर समाप्त हो जाने वाला artefact नहीं है, बल्कि पैटर्न चयन और iterative improvement के माध्यम से परिपक्व होने वाला एक operational asset है”

[kaydash]

Anthropic वाकई सबसे बढ़िया है

[pluto]

सच में