По данным SkillsBench — первого бенчмарка, который системно измеряет, как Agent Skills влияют на качество работы агентов, — Skills в среднем улучшают результат на 16.2 процентного пункта на 84 задачах из 11 доменов. В числе авторов — исследователи из Stanford, Carnegie Mellon, UC Berkeley и других организаций.
Claude Haiku 4.5 со Skills набрал 27.7% против 22.0% у Opus 4.5 без них!
Маленькая и дешёвая модель обошла флагман просто потому что знала, что именно ей нужно делать.
Это работает в обе стороны: если у тебя Haiku или локальная модель, skills могут помочь компенсировать разницу в интеллекте. Для миллионеров, использующих Opus на повседневке, со Skills прирост ещё больше (+23.3%).
Сейчас мы как раз занимаемся разработкой Spring Skills. Один из скиллов называется spring-explore.
Зачем он?
Перед задачами, где нужно сначала разобраться в проекте, этот skill помогает агенту собрать первичный контекст о Spring Boot-приложении. Прежде чем браться за задачу, агент должен понять контекст: стек, модульную структуру, доменные сущности, репозитории, сервисы, DTO, мапперы и REST-слой. Потому что без явного сценария модели исследуют проект хаотично: лезут не туда, смотрят лишнее, тратят время, токены и tool calls на всё подряд.
Внутри spring-explore исследование разбито на этапы:
☑️ сначала агент по запросу предсказывает, какие сущности и компоненты вообще могут быть затронуты
☑️ затем выбирает только релевантные пути исследования
☑️ после этого строит конкретный план MCP-вызовов, выполняет его
☑️ и на выходе собирает exploration report с implicit assumptions.
Каждый этап жёстко ограничен: что смотреть, что пропускать и когда вообще не нужно вызывать инструменты. А вся проектная информация в исследовательском цикле должна собираться через Spring MCP: получить описание сущности, найти репозитории, сервисы, контроллеры, мапперы, DTO и другие связанные компоненты.
Все Spring Skills опубликованы на GitHub, поэтому давайте пробовать, пишите фидбек и не забывайте ставить звёздочки ⭐️