«Установка нужных skills для pi-агента одним промтом + разбор "grill me"»
▶️ Видео: https://youtu.be/jMtwWq4dkPY
В данном видео я показал, как установить сразу пачку полезных skills одной командой. Ниже — сам промт, который я вводил pi, и пояснение, зачем каждый skill.
📄 Промт для установки нужных skills для pi-агента — одним запросом 👇 (скопируй и вставь pi)
мне нужно установить скилы для тебя, возьми их из этого списка и установи к себе в работу:
https://github.com/anthropics/skills
https://github.com/addyosmani/agent-skills
https://github.com/mattpocock/skills
https://github.com/github/spec-kit
https://github.com/multica-ai/andrej-karpathy-skills
https://github.com/rohitg00/agentmemory
https://github.com/affaan-m/ECC
так же сделай пояснение к каждому для чего он нужен и напиши примеры где его можно применять, в конце напиши итоговый самари о проделаной работе
📌 ЧТО ДАЕТ КАЖДЫЙ SKILL
1) anthropics/skills — официальный набор Anthropic: работа с документами (docx, pdf, pptx, xlsx) и веб-разработка. Нужен для типовых задач с файлами и фронтендом.
Где применять: генерация и парсинг Word/PDF/Excel, сборка веб-страниц.
2) addyosmani/agent-skills — коллекция прикладных навыков от Addy Osmani (Google Chrome team): производительность, фронтенд-оптимизация, UI-паттерны.
Где применять: ускорение и оптимизация веб-приложений, разбор performance-задач.
3) mattpocock/skills — набор от Matt Pocock (TypeScript-эксперт): тайпскрипт-паттерны, работа с типами, генерация кода по типам.
Где применять: TypeScript-проекты, строгая типизация, рефакторинг под типы.
4) github/spec-kit — инструмент для работы со спецификациями: помогает агенту работать по ТЗ, а не «как поймёт».
Где применять: пет-проекты, где важно держать требования и не отклоняться от них.
5) multica-ai/andrej-karpathy-skills — набор, основанный на подходах Андрея Карпаты к промпт-инжинирингу: снижает типичные ошибки LLM при написании кода.
Где применять: любой кодинг, где важна аккуратность и меньше «галлюцинаций» агента.
6) rohitg00/agentmemory — память агента: позволяет pi запоминать контекст между сессиями и не терять наработки.
Где применять: длинные проекты, где агент должен «помнить», что уже сделано.
7) affaan-m/ECC — набор под экспериментальные и учебные сценарии: заготовки для исследований, экспериментов, прототипов.
Где применять: быстрые прототипы, проверки гипотез, обучение.
⚠️ ВАЖНОЕ О ПЕРЕД УСТАНОВКОЙ
• Проверь версию pi — в ролике я сначала обновил агента (pi update --self --force).
• Промт устанавливает skills из GitHub — pi скачает и подключит их автоматически.
• Перед использованием чужого skill — просмотри его содержимое. Skills могут запускать код.
📌 ССЫЛКИ
📱 Этот канал: https://t.me/MGbase
▶️ YouTube: https://www.youtube.com/@Max_Gavrilov
💬 Чат для тем и вопросов: https://t.me/+51t3cTaXnPYxYjYy
Если полезно — подписывайся на оба канала, ставь лайк под видео и
пиши в комментариях темы, которые хочешь разобрать следующими.
Часть из них станет постами здесь, частью роликов на YouTube ❤️