مهارت‌های هوش مصنوعی چیست؟ چگونه آن‌ها را بسازیم و در کارهای روزمره وقت کمتری صرف کنیم
اگر مرتب از چت‌جی‌پی‌تی، کلود یا جمینای استفاده می‌کنید، احتمالاً کارهایی وجود دارند که بارها از این ابزارها می‌خواهید انجام دهند؛ از نوشتن ایمیل با لحنی مشخص و خلاصه‌کردن جلسات گرفته تا تحلیل اسناد و تهیه گزارش. هر بار باید دقیقاً توضیح دهید چه می‌خواهید، نتیجه باید چه شکلی داشته باشد، به چه نکاتی باید توجه شود و از چه چیزهایی باید پرهیز کرد. گاهی هوش مصنوعی از همان تلاش اول نتیجه مطلوب را ارائه می‌دهد، اما گاهی برای رسیدن به پاسخ مناسب باید چندین بار آن را اصلاح کنید.
اینجاست که مهارت‌های هوش مصنوعی به کار می‌آیند. این مهارت‌ها به شما امکان می‌دهند با استفاده از بسته‌هایی شامل دستورالعمل‌ها، دانش و منابع، قابلیت‌های اختصاصی به یک ابزار هوش مصنوعی اضافه کنید تا هر زمان لازم بود از آن‌ها استفاده کند. به‌جای اینکه در هر گفت‌وگو از ابتدا توضیح دهید چه می‌خواهید، می‌توانید روش انجام یک کار مشخص را به ابزار آموزش دهید و هر بار که همان کار تکرار شد، دوباره از آن استفاده کنید.
شرکت آنتروپیک، سازنده کلود، قابلیت Skills را در اکتبر ۲۰۲۵ معرفی کرد. این قابلیت در ابتدا در چت‌بات کلود، ابزار Claude Code و پلتفرم توسعه‌دهندگان این شرکت در دسترس قرار گرفت. پس از آن، اوپن‌ای‌آی و گوگل نیز رویکرد مشابهی را در محصولات خود به کار گرفتند؛ هرچند امکانات موجود و روش ساخت و استفاده از مهارت‌ها در هر پلتفرم متفاوت است.
اما چگونه می‌توان یک مهارت ساخت؟ آیا استفاده از آن به دانش برنامه‌نویسی نیاز دارد؟ و مهارت‌ها چگونه می‌توانند در وقت صرفه‌جویی کنند و انجام کارهای روزمره را آسان‌تر سازند؟ برای پاسخ به این پرسش‌ها، با الکس خوروشین، مهندس نرم‌افزار و مالک شرکت نرم‌افزاری Yootech، گفت‌وگو کردیم. او بنیان‌گذار و نگهدارنده Skills IL است؛ کتابخانه‌ای داوطلبانه از مهارت‌هایی که متناسب با نیازهای کاربران اسرائیلی طراحی شده‌اند. این کتابخانه بیش از ۲۰۰ مهارت دارد که از تکمیل فرم‌های مؤسسه ملی بیمه و مقایسه بیمه‌نامه‌ها تا رسیدگی به امور مالیات بر درآمد و کمک به توسعه‌دهندگان را پوشش می‌دهند.
با کمک او، راهنمایی تهیه کرده‌ایم که هم برای تازه‌کارانی مناسب است که می‌خواهند نخستین مهارت خود را بسازند و هم برای کاربران باتجربه‌ای که قصد دارند مهارت‌هایشان را بهبود دهند و راه‌های تازه‌ای برای استفاده از آن‌ها پیدا کنند.
مهارت هوش مصنوعی دقیقاً چیست؟
مهارت، بسته‌ای از دستورالعمل‌هاست که گاهی دانش تخصصی، نمونه‌ها، فایل‌ها یا کد نیز در آن گنجانده می‌شود. این بسته به مدل هوش مصنوعی یاد می‌دهد کاری مشخص را به روشی معین انجام دهد. خوروشین آن را «قرص دانش» توصیف می‌کند و می‌گوید: «آن را به هوش مصنوعی می‌دهید و ناگهان در آن حوزه به متخصص تبدیل می‌شود.»
یکی از قالب‌های رایج برای مهارت‌ها، فایلی با نام SKILL.md است که دستورالعمل‌ها و فراداده‌های لازم را در خود جای می‌دهد و به هوش مصنوعی می‌گوید مهارت چه کاری انجام می‌دهد و چه زمانی باید از آن استفاده کند. مهارت‌ها می‌توانند فایل‌های پشتیبان و در برخی موارد کد اجرایی نیز داشته باشند. این قالب به‌گونه‌ای طراحی شده است که در ابزارهای سازگار قابل انتقال باشد، هرچند همه پلتفرم‌ها از تمام قابلیت‌های آن پشتیبانی نمی‌کنند.
به گفته خوروشین، مهارت‌ها را می‌توان به‌طور کلی به دو دسته تقسیم کرد: مهارت‌های فرایندی و مهارت‌های دانشی. مهارت فرایندی به مدل آموزش می‌دهد چگونه یک کار یا مجموعه‌ای از اقدامات را انجام دهد؛ برای مثال، بر اساس اطلاعاتی که کاربر ارائه می‌کند، خلاصه‌ای هفتگی تهیه کند. در مقابل، مهارت دانشی اطلاعات تخصصی‌ای را در اختیار مدل قرار می‌دهد که ممکن است در حالت عادی به آن دسترسی نداشته باشد؛ مانند قوانین، جدول‌ها یا رویه‌های مربوط به یک حوزه مشخص.
البته مرز میان این دو دسته کاملاً مشخص نیست و یک مهارت می‌تواند دانش و فرایند را با هم ترکیب کند. خوروشین می‌گوید: «هرچه مدل‌ها هوشمندتر می‌شوند، کمتر به مهارت‌های دانشی نیاز دارند، چون خودشان دانش بیشتری در اختیار دارند.»
چرا به‌جای یک دستور معمولی یا پروژه از مهارت استفاده کنیم؟
مهارت‌ها چند مزیت دارند. نخست اینکه می‌توانند یک کار تکراری را به مجموعه‌ای از دستورالعمل‌های قابل استفاده مجدد تبدیل کنند. به‌جای نوشتن یک دستور طولانی در هر بار استفاده، کافی است با چند کلمه به هوش مصنوعی بفهمانید که باید مهارت موردنظر را به کار بگیرد.
دوم اینکه یک مهارت می‌تواند کل فرایند انجام کار را مشخص کند. این فرایند فقط به سبک پاسخ محدود نمی‌شود، بلکه می‌تواند ترتیب اقدامات مدل، روش بررسی نتیجه و نحوه برخورد با مشکلات را نیز تعیین کند. همچنین می‌توان چند مهارت را با هم ترکیب کرد. برای مثال، یک مهارت می‌تواند سندی را تحلیل کند و مهارت دیگری یافته‌های آن را به ارائه‌ای آماده تبدیل کند.
مزیت دیگر مهارت‌ها قابلیت انتقال آن‌هاست. برخلاف برخی پروژه‌ها و تنظیمات سفارشی که به یک سرویس خاص وابسته‌اند، قالب باز مهارت‌ها می‌تواند انتقال دستورالعمل‌ها و منابع پشتیبان را میان ابزارهای هوش مصنوعی سازگار آسان‌تر کند. با این حال، هنگام جابه‌جایی میان پلتفرم‌ها ممکن است لازم باشد بعضی بخش‌ها را تغییر دهید.
چه زمانی باید یک مهارت بسازید؟
هر کاری به مهارت اختصاصی نیاز ندارد. برای پرسشی که فقط یک بار مطرح می‌شود یا درخواستی ساده، یک دستور معمولی ممکن است کافی باشد. مهارت‌ها زمانی مفیدتر می‌شوند که کاری را مرتب تکرار می‌کنید یا لازم است فرایندی پیچیده را دنبال کنید.
برای تصمیم‌گیری، کافی است ببینید رسیدن به نتیجه مطلوب چقدر تلاش می‌طلبد. اگر یک دستور کوتاه کار را راه می‌اندازد، احتمالاً نیازی به ساخت مهارت ندارید. اما اگر بارها مجبور می‌شوید پاسخ مدل را اصلاح کنید، ترجیحات خود را دوباره توضیح دهید یا آن را از همان مراحل تکراری عبور دهید، تبدیل این دستورالعمل‌ها به یک مهارت می‌تواند در وقت شما صرفه‌جویی کند.
آیا استفاده از مهارت هزینه دارد؟
پاسخ به پلتفرم و نوع مهارت بستگی دارد. کلود از مهارت‌های سفارشی در طرح‌های پولی پشتیبانی می‌کند و گوگل نیز در حال عرضه تدریجی مهارت‌ها برای حساب‌های شخصی جمینای است. در چت‌جی‌پی‌تی، مهارت‌های مستقل در اپلیکیشن دسکتاپ و محیط‌های ویژه توسعه‌دهندگان در دسترس‌اند و امکان بسته‌بندی مهارت‌ها در قالب افزونه نیز وجود دارد. دسترسی به این قابلیت‌ها و گزینه‌های ساخت مهارت، بسته به طرح اشتراک، فضای کاری و محصول مورد استفاده متفاوت است.
بنابراین، بهتر است شرایط و الزامات فعلی سرویس مورد استفاده خود را بررسی کنید. حتی اگر ساخت یا استفاده از مهارت در اشتراک شما گنجانده شده باشد، قابلیت‌های پیشرفته، استفاده از رابط برنامه‌نویسی کاربردی (API) یا اتصال به سرویس‌های خارجی ممکن است هزینه اضافی داشته باشد.
چگونه یک مهارت بسازیم؟
یکی از ساده‌ترین روش‌ها این است که از خود هوش مصنوعی بخواهید در ساخت مهارت به شما کمک کند. ابتدا کار موردنظر را در یک گفت‌وگوی معمولی انجام دهید و نتیجه را آن‌قدر اصلاح کنید تا با خواسته‌هایتان مطابقت پیدا کند. سپس از مدل بخواهید این فرایند را به مهارتی قابل استفاده مجدد تبدیل کند و توضیح دهید کدام دستورالعمل‌ها، نمونه‌ها و ترجیحات باید در آن حفظ شوند.
بسته به پلتفرم، خروجی ممکن است مهارتی باشد که بتوانید مستقیماً ذخیره کنید یا مجموعه‌ای از فایل‌ها که اغلب در قالب یک فایل فشرده ZIP ارائه می‌شود. پس از آن می‌توانید دستورالعمل‌ها را بررسی کنید، تغییرات لازم را انجام دهید و مهارت را از طریق رابط مربوطه بارگذاری یا نصب کنید. برخی پلتفرم‌ها نیز امکان شروع کار با یک الگو یا ساخت مهارت از ابتدا را فراهم می‌کنند.
پس از ذخیره مهارت، آن را در یک گفت‌وگوی جدید آزمایش کنید. بررسی کنید که آیا در موقعیت مورد انتظار فعال می‌شود و آیا خروجی آن با نیازهای شما مطابقت دارد یا خیر. اگر نتیجه مطلوب نبود، توضیحات و دستورالعمل‌ها را اصلاح کنید و دوباره آن را بیازمایید.
مراحل دقیق ساخت مهارت در پلتفرم‌های مختلف یکسان نیست. برای مثال، کاربران واجد شرایط در جمینای می‌توانند از بخش Customize به صفحه Skills دسترسی پیدا کنند. در چت‌جی‌پی‌تی، مهارت‌ها و افزونه‌ها رابط‌های جداگانه‌ای دارند و گزینه‌های موجود به محصول و نوع حساب بستگی دارند. مهارت‌های سفارشی کلود نیز از طریق تنظیمات و ابزارهای توسعه‌دهندگان پشتیبانی‌شده این سرویس مدیریت می‌شوند.
اصول مهم برای ساخت یک مهارت موفق چیست؟
نخستین توصیه خوروشین این است که به‌روشنی مشخص کنید مهارت چه کاری انجام می‌دهد و، به همان اندازه مهم، چه زمانی باید از آن استفاده شود. توضیحات باید شرایط مناسب برای فعال‌شدن مهارت و کلمات یا درخواست‌هایی را که احتمال دارد استفاده از آن را ضروری کنند، در بر بگیرد.
برای مثال، اگر مهارتی برای خلاصه‌کردن جلسات می‌سازید، مشخص کنید که این مهارت باید هنگام پیوست‌شدن متن پیاده‌سازی‌شده جلسه یا زمانی که کاربر درخواست خلاصه جلسه می‌کند، به کار گرفته شود. توضیحی کلی مانند «مهارتی برای خلاصه‌کردن متن‌ها» ممکن است هدف و زمان استفاده از آن را به‌اندازه کافی روشن نکند.
دومین توصیه این است که از دستورالعمل‌های غیرضروری و توضیح مطالبی که مدل از قبل می‌داند، پرهیز کنید. خوروشین توضیح می‌دهد: «درست است که مدل‌های امروزی می‌توانند اطلاعات زیادی را در پنجره زمینه خود نگه دارند، اما همچنان می‌خواهیم مهارت متمرکز باشد. اگر کلمه، جمله یا بخشی ضروری نیست، بهتر است آن را حذف کنیم.»
برای نمونه، لازم نیست روش کلی خلاصه‌کردن یک متن را توضیح دهید. بهتر است مشخص کنید خلاصه باید چه چیزهایی را شامل شود؛ مثلاً تصمیم‌های گرفته‌شده، وظایف واگذارشده و افرادی که مسئول انجام آن‌ها هستند. همچنین می‌توانید نمونه‌هایی از خلاصه‌های خوب جلسات را در اختیار مدل بگذارید تا ساختار و سبکی را که می‌خواهید، بهتر درک کند.
نکته دیگر این است که اطلاعات مورد استفاده مهارت را به‌روز نگه دارید. خوروشین توصیه می‌کند منابع اطلاعات را ثبت کنید و در صورت لزوم، تاریخ‌هایی را مشخص کنید که پس از آن‌ها باید اطلاعات دوباره بررسی شوند. همچنین می‌توانید به مدل دستور دهید برای اطمینان از تغییرنکردن اطلاعات، به منبع اصلی مراجعه کند.
در نهایت، مهارتی نسازید که قرار است همه کارها را انجام دهد. یک مهارت خوب باید هدفی روشن داشته باشد. اگر یک فرایند از چند کار متمایز تشکیل شده است، ممکن است بهتر باشد آن را به مهارت‌های جداگانه تقسیم کنید و سپس این مهارت‌ها را در قالب یک فرایند کاری بزرگ‌تر به هم پیوند دهید.
من از مهارت‌ها استفاده می‌کنم؛ چگونه می‌توانم یک قدم جلوتر بروم؟
می‌توانید مهارتی بسازید که مهارت‌های دیگر را هماهنگ کند یا چند مهارت و ابزار متصل را در قالب یک افزونه یا فرایند کاری قرار دهید. برای مثال، یک مهارت می‌تواند اطلاعات را تحلیل کند، مهارت دوم از نتایج تحلیل گزارشی بسازد و مهارت سوم بر اساس یافته‌ها پیش‌نویس یک ایمیل را آماده کند.
همچنین می‌توانید ابزارهای هوش مصنوعی را از طریق یکپارچه‌سازهایی که کانکتور نامیده می‌شوند یا با استفاده از پروتکل زمینه مدل (Model Context Protocol یا MCP) به سرویس‌های خارجی متصل کنید. این اتصال‌ها می‌توانند به ابزار هوش مصنوعی امکان دهند به اطلاعات دسترسی پیدا کند و اقدامات پشتیبانی‌شده‌ای را در سرویس‌هایی مانند جیمیل، گوگل شیتس و دیگر ابزارهای تجاری انجام دهد.
در نتیجه، مهارتی که خلاصه‌ای هفتگی تهیه می‌کند، مجبور نیست کارش را با نمایش نتیجه در پنجره گفت‌وگو به پایان برساند. اگر اتصال‌ها و مجوزهای لازم فراهم باشند، می‌تواند اطلاعات را از چند منبع جمع‌آوری کند، آن‌ها را پردازش کند، نتیجه را در یک صفحه گسترده ذخیره کند یا از طریق ایمیل بفرستد.
امکان خودکارسازی کارهای تکراری نیز وجود دارد. ابزارهایی مانند Claude Cowork، Claude Code، چت‌جی‌پی‌تی و جمینای، بسته به پلتفرم و قابلیت‌های در دسترس، می‌توانند از فرایندهای زمان‌بندی‌شده یا تکرارشونده پشتیبانی کنند. برای مثال، به‌جای اینکه هر بار از هوش مصنوعی بخواهید هزینه‌هایتان را تحلیل کند، می‌توانید فرایندی تنظیم کنید که هر هفته یا هر ماه اجرا شود، گزارش به‌روزشده‌ای تهیه کند و آن را از طریق یک سرویس متصل به دست شما برساند.
فرایندهای مشابه می‌توانند هر روز صبح اطلاعات کاری را جمع‌آوری کنند، جدول‌ها را به‌روز نگه دارند یا گزارش‌های دوره‌ای بسازند. گزینه‌های موجود به ابزار، نوع اشتراک، یکپارچه‌سازی‌های پشتیبانی‌شده و مجوزهایی که در اختیار آن قرار می‌دهید بستگی دارند.
آیا می‌توان مهارت را از یک پلتفرم به پلتفرم دیگر، مثلاً از کلود به چت‌جی‌پی‌تی یا جمینای، منتقل کرد؟
بله، در بسیاری از موارد این کار امکان‌پذیر است. قالب مشترک مهارت‌ها با هدف آسان‌ترکردن انتقال آن‌ها طراحی شده، اما انتقال یک مهارت تضمین نمی‌کند که در همه پلتفرم‌ها دقیقاً به یک شکل کار کند.
به گفته خوروشین، ممکن است لازم باشد تغییراتی انجام دهید، زیرا پلتفرم‌ها محدودیت‌های متفاوتی برای توضیحات مهارت دارند، از انواع مختلف فایل پشتیبانی می‌کنند یا یکپارچه‌سازی‌های متفاوتی ارائه می‌دهند. برای مثال، ممکن است اتصال به یک ابزار خارجی در یک محیط کار کند، اما در محیط دیگر در دسترس نباشد.
اگر می‌خواهید مهارتی بسازید که در چند پلتفرم قابل استفاده باشد، سعی کنید آن را به قابلیت‌های اختصاصی یک سرویس وابسته نکنید. اگر مهارت پس از انتقال درست کار نکرد، می‌توانید پیام خطا را در اختیار مدل بگذارید و از آن بخواهید مشخص کند کدام دستورالعمل‌ها یا فایل‌ها به اصلاح نیاز دارند. سپس نسخه اصلاح‌شده را آزمایش کنید و فرض را بر این نگذارید که تغییر انجام‌شده حتماً مشکل را برطرف کرده است.
می‌خواهم مهارتی را که شخص دیگری ساخته نصب کنم. چگونه از ایمن‌بودن آن مطمئن شوم؟
مهارت لزوماً فقط مجموعه‌ای از دستورالعمل‌های بی‌خطر نیست. بسته به پلتفرم و نحوه ساخت آن، ممکن است فایل‌های پشتیبان یا کدی نیز داشته باشد که یک عامل هوش مصنوعی بتواند اجرا کند. اگر این عامل به فایل‌های رایانه شما یا سرویس‌های خارجی متصل دسترسی داشته باشد، یک مهارت مخرب می‌تواند از این دسترسی سوءاستفاده کند و اقداماتی انجام دهد که قصد انجامشان را نداشته‌اید.
برای مثال، مهارتی که به‌عنوان ابزاری برای تحلیل اسناد معرفی شده است، ممکن است دستورالعملی پنهان داشته باشد که محتوای اسناد را به یک نشانی خارجی ارسال کند؛ یا حاوی کدی باشد که فایل‌های رایانه شما را تغییر دهد یا حذف کند.
خوروشین توصیه می‌کند کار را با مهارت‌هایی آغاز کنید که از منابع مورد اعتماد می‌آیند، اما تأکید می‌کند که این کار به‌تنهایی کافی نیست. پیش از نصب یک مهارت، فایل دستورالعمل SKILL.md و تمام فایل‌های همراه آن را بازبینی کنید. به دنبال دستورالعمل‌ها یا درخواست‌های دسترسی‌ای باشید که ارتباط چندانی با وظیفه ادعاشده مهارت ندارند. برای مثال، مهارتی که خلاصه جلسه تهیه می‌کند نباید به حساب بانکی شما دسترسی داشته باشد و یک مهارت ویرایش متن نیز نباید لازم باشد فایل‌هایتان را به سروری ناشناس بفرستد.
اگر نمی‌توانید دلیل درخواست یک مجوز خاص یا عملکرد کد همراه مهارت را درک کنید، تا زمانی که از ایمن‌بودن آن مطمئن نشده‌اید، مهارت را نصب نکنید. حتی بررسی دقیق نیز امنیت کامل را تضمین نمی‌کند؛ بنابراین، دسترسی‌ها را به حداقل لازم محدود کنید و هنگام دادن مجوز دسترسی به اسناد حساس، فایل‌های محلی یا حساب‌های خارجی به یک عامل هوش مصنوعی، احتیاط بیشتری به خرج دهید.