Le skill occupano un quarto dei trend di GitHub, e ognuna si installa a modo suo

Ho aperto la pagina dei trend giornalieri di GitHub la mattina dell'8 novembre. Quindici repository. Quattro sono raccolte di skill per agenti: anthropics/skills, google/skills, mattpocock/skills e cloudflare/security-audit-skill. Un quinto, vercel-labs/agent-browser, è una CLI per l'automazione del browser che spedisce un wrapper di skill accanto al binario.
Quel rapporto è la notizia. Un formato che un anno fa quasi non esisteva occupa ora più di un quarto della lista dei trend, e i repository vengono da Anthropic, Google, Cloudflare e da una persona molto online con circa 60,000 iscritti alla newsletter.
L'adozione va bene. Il fallimento interessante è che ci sono quattro modi mutuamente incompatibili di installare lo stesso oggetto concettuale.
Cos'è davvero una skill
Una skill è una cartella. Dentro, un file `SKILL.md` con frontmatter YAML che contiene un nome e una descrizione, più tutte le istruzioni, gli script e i file di riferimento che il compito richiede. L'agente legge la descrizione, decide che la skill è pertinente e carica il corpo.
È tutto qui il contratto, ed è specificato su agentskills.io. Il formato è noioso di proposito. Il repository di Anthropic descrive le skill come cartelle di istruzioni, script e risorse che Claude carica dinamicamente, e nota che le skill docx, pdf, pptx e xlsx nel repository sono le stesse che alimentano le funzioni documenti del prodotto, pubblicate sotto Apache 2.0 come implementazione di riferimento.
La noia è il punto. Un formato abbastanza semplice da scrivere in dieci minuti è un formato che si diffonde.
Quattro percorsi di installazione, un oggetto
Qui diventa disordinato. Prendi i quattro repository di tendenza e guarda come dovresti portare le skill sulla tua macchina.
Il repository di Anthropic è un marketplace di plugin per Claude Code. Lo aggiungi con `/plugin marketplace add anthropics/skills`, scegli `anthropic-agent-skills`, poi installi `document-skills` o `example-skills`. Oppure salti il menu ed esegui `/plugin install document-skills@anthropic-agent-skills`. Dopo di che attivi una skill nominandola: chiedi a Claude Code di usare la skill PDF per estrarre i campi di un modulo da un file.
Il repository di Google usa un meccanismo del tutto diverso. `npx skills add google/skills` ti mette davanti a domande su quali skill, quali agenti di destinazione e se l'installazione è a livello di progetto o globale. L'aggiornamento è `npx skills update`, che propone anche di rimuovere skill obsolete. Il catalogo è grande e organizzato per prodotto: ricette IAM, migrazione dell'inferenza su GKE, BigQuery AI, Genkit in quattro linguaggi, Live API e una dozzina di skill separate solo per Agent Platform.
Il repository di Matt Pocock ti dà una scelta e ti avverte. Usa `claude plugin install mattpocock-skills@claude-plugins-official` e il plugin si aggiorna da solo. Usa skills.sh e ottieni file modificabili copiati nel progetto, che aggiorni a mano. Il suo README contiene la frase più utile di tutta la categoria: scegline una per agente, perché installarle entrambe ti dà ogni skill due volte.
La skill di audit di sicurezza di Cloudflare va diretta. `npx skills add https://github.com/cloudflare/security-audit-skill --skill security-audit`, con `--global` per un'installazione a livello utente. Poi punti l'agente a una codebase e gli chiedi un audit di sicurezza.
Quattro prodotti, quattro modelli mentali. Un marketplace di plugin con interfaccia browse-and-install. Una CLI guidata da un registry con prompt interattivi. Un modello copia-nel-repository con aggiornamenti manuali. Un pin di una singola skill via URL.
Perché la duplicazione è peggio di quanto sembri
Il problema ovvio è lo spazio su disco e il disordine. Il problema vero è la precedenza.
Quando due skill con descrizioni sovrapposte sono entrambe installate, l'agente sceglie in base al testo della descrizione che legge al momento del caricamento. Non sa che una è una copia vecchia dell'altra. Non sa che la versione a livello di progetto doveva sovrascrivere quella globale. Legge due paragrafi che suonano entrambi pertinenti e sceglie.
Questo produce comportamenti molto difficili da debuggare. L'agente fa la cosa sbagliata con competenza. Vai a cercare un bug nella skill e scopri che ha girato un'altra skill.
La storia degli aggiornamenti peggiora le cose. Un plugin che si aggiorna da solo può cambiare comportamento sotto di te tra una sessione e l'altra. I file copiati restano dove sono finché qualcuno si ricorda di fare pull. E la strada `npx skills update` può rimuovere skill su cui contavi, che è una buona funzione e una sorpresa se non hai letto il prompt con attenzione.
Il problema di fiducia che nessuno ha prezzato
Una skill sono istruzioni che un agente seguirà, spesso con accesso agli strumenti, spesso con la capacità di eseguire script inclusi. Installarne una è più vicino a installare un pacchetto che a leggere un post di blog.
Il repository di Cloudflare mostra come è fatta una skill seria. Esegue un audit strutturato in sei fasi, dalla ricognizione alla caccia guidata dalla copertura, alla validazione dei candidati, all'output strutturato, alla verifica indipendente dei record e a un report neutrale rispetto al target. Scrive un file di architettura e un registro di copertura, poi li valida con due script Node senza dipendenze, e tratta le esecuzioni ripetute sullo stesso repository come additive, usando i registri precedenti per mirare ai buchi invece di ricoprire il terreno vecchio.
È un bel po' di macchinario, ed è il genere di cosa che vorresti leggere prima di dargli in mano una codebase. Che è esattamente il punto. Il comando di installazione richiede quattro secondi. La revisione richiede un pomeriggio.
Non c'è firma del registry, nessun metadato di provenienza oltre al remote git, e nessun lockfile che registri quale versione di quale skill è attiva in quale agente. Per un formato così popolare, è un buco.
Lo strato applicativo si sta già adattando
Un altro elemento della stessa pagina dei trend vale la pena di nota perché è un segnale di tipo diverso. meta/astryx è apparso al sesto posto: un design system open source su React 19 e StyleX, attualmente in beta, descritto come completamente personalizzabile e agent ready.
Leggilo come un produttore che si accorge di chi è il nuovo cliente. Se gli agenti generano interfacce, la libreria di componenti deve vincolarli. Token, varianti e regole che un modello può seguire sono un prodotto diverso da un sistema progettato per essere navigato da umani.
La stessa logica spiega perché le skill si diffondono. Qualcuno deve codificare lo stile di casa, la checklist di deploy, la procedura di audit, il modo in cui il tuo team scrive una migrazione. Una volta scritto come skill, l'agente smette di improvvisare.
Cosa manca
La categoria ha un formato, una specifica, diversi registry e quattro installer. Quello che non ha è l'infrastruttura noiosa che fa sopravvivere un ecosistema di pacchetti: un lockfile, un grafo delle dipendenze risolto tra agenti, una provenienza firmata e una regola chiara di precedenza quando una skill di progetto e una globale si scontrano.
Arriveranno, perché arrivano sempre. Nel frattempo, il consiglio pratico è quello che Matt Pocock ha già scritto nel suo README. Scegli un percorso di installazione per agente. Sappi dove vivono le tue skill. Leggi quelle che possono eseguire codice.
I repository sono nei trend perché le skill risolvono un problema reale: gli agenti sono generali e il tuo lavoro è specifico, e una cartella di istruzioni è il modo più economico di chiudere quella distanza. Il caos del packaging è la tassa della scoperta.
Articoli correlati
Gli agenti si spostano nel cloud: il task continua quando chiudi il portatile
Il task continua in una VM cloud dopo che hai chiuso il portatile, ma perdi il tooling interno e resta aperto chi approva le azioni irreversibili.
NVIDIA rilascia quattro modelli del mondo da 16 miliardi e un decoder 25 volte più veloce sulla geometria
Quattro generatori del mondo da 16 miliardi con le ricette di training, e un framework di decoding che emette geometria in un colpo. La valutazione manca.
Un modello da 594 miliardi in cima alle classifiche. I pesi, però, non ci sono
Un modello forte, numeri buoni e una ricetta da leggere, ma i pesi che renderebbero verificabile la dichiarazione non sono ancora usciti.
Il modello più forte sbaglia una lettura di laboratorio su tre. OpenAI ha pubblicato gli errori
Il modello migliore sbaglia circa un terzo delle letture, e i casi di errore pubblicati dicono più del punteggio.