# Какие Claude-скиллы ставить и в каком порядке

Порядок здесь важнее списка. Сначала то, что убирает лишнюю работу, — и только потом то, что сжимает результат. Если сделать наоборот, ты будешь экономить на спичках и жечь костёр.

## 0. Сначала посмотри, куда реально уходит лимит

Зачем: лимит выедают три вещи — контекст, который ты загружаешь, файлы, которые агент читает, и рассуждения модели. Длина её ответов почти всегда третьестепенна. Пока не увидел свою раскладку, любая «экономия» — угадайка.

- Открыть /context в Claude Code и посмотреть, чем забит контекст прямо сейчас.
- Найти, что съедает больше всего: раздутый CLAUDE.md, лишние MCP-серверы, чтение больших файлов целиком.
- Выписать один самый жирный источник — с ним и работать в первую очередь.

## 1. Файл правил, от которого модель перестаёт усложнять

Зачем: самая большая утечка — не длина ответа, а лишние круги. Модель придумала абстракцию, переписала соседний файл, добавила обработку ошибок, которую никто не просил, — и ты гоняешь её заново. Файл правил бьёт именно по этому.

- Забрать файл: github.com/forrestchang/andrej-karpathy-skills — сделан по публичным наблюдениям Андрея Карпати о том, как ИИ-агенты ломают код. Сам Карпати к репозиторию отношения не имеет, автор — Forrest Chang.
- Положить содержимое в CLAUDE.md в корне проекта.
- Проверить, что все четыре правила на месте: думать до кода; минимальное решение под реальную задачу; править только то, что просили; доводить до проверяемого результата.
- Прогнать одну свою типовую задачу до и после — сравнить, сколько раз пришлось переспрашивать.

## 2. Официальный skill-creator от Anthropic

Зачем: перестаёшь искать чужие скиллы под свою задачу и собираешь свой. Это меняет режим: не «что бы поставить», а «что у меня повторяется каждую неделю».

- Плагин: github.com/anthropics/claude-plugins-official/tree/main/plugins/skill-creator
- Примеры и спецификация формата скиллов: github.com/anthropics/skills
- Взять задачу, которую делаешь руками минимум раз в неделю, и описать её словами — скилл соберётся из описания.
- Прогнать режим eval на 3–5 реальных примерах, а не на одном удачном.

## 3. Коннектор к NotebookLM (Gemini Notebook)

Зачем: ответы начинают опираться на твои документы и приходят с цитатами, а не на память модели. Побочный эффект: не нужно каждый раз заваливать контекст исходниками — их держит блокнот.

- Пакет CLI + MCP-сервер: github.com/jacob-bd/notebooklm-mcp-cli
- Поставить: uv tool install notebooklm-mcp-cli (или pipx install notebooklm-mcp-cli).
- Подключить одной командой: nlm setup add claude-code — руками JSON править не нужно.
- Загрузить свои источники в блокнот и задать вопрос, ответ на который есть только там — так проверишь, что связка реально работает.

Сервис Google переименован в Gemini Notebook — старое название NotebookLM всё ещё встречается и в документации, и в названии пакета.

## 4. Сжатие ответов — ставить осознанно, а не как лекарство от лимита

Зачем: инструмент рабочий, но продают его не тем, чем он является. Он делает ответы короче. Он не делает твой контекст меньше.

- Репозиторий: github.com/JuliusBrussee/caveman
- Прочитать в описании раздел с честными цифрами — до установки, а не после.

Что там написано на самом деле. Экономия — в среднем 65% выходных токенов, разброс по задачам от 22% до 87%. Входные токены и рассуждения модели не трогаются вообще. Сам инструмент добавляет примерно 1–1,5 тысячи входных токенов на каждый ход. На коротких задачах итог может уйти в минус — это оговорка самих авторов, а не придирка со стороны.

- Ставить, если у тебя длинные объяснительные ответы и ты платишь за выход.
- Не ставить, если задачи короткие и ты упираешься в контекст, а не в длину ответа.

## 5. Бонусом: аналитика голосовых надиктовок

Зачем: узкая штука, но если диктуешь много — из истории надиктовок собирается разбор того, на чём ты залипаешь и куда уходит время.

- Скилл лежит в наборе: github.com/glebis/claude-skills, папка wispr-analytics.
- Имя запомни правильно: это Wispr Flow, а не Whisper — по «whisper analytics» ты его не найдёшь.
- Работает поверх приложения Wispr Flow и его локальной базы. Нет приложения — скилл бесполезен.

## Порядок, если ставить с нуля

строки «Показатель → Значение»: 1 — Посмотреть свою раскладку контекста → Понимание, где реально течёт; 2 — Файл правил в CLAUDE.md → Меньше лишних кругов на каждой задаче; 3 — skill-creator → Свои скиллы под свои повторяющиеся задачи; 4 — Коннектор к блокноту → Ответы по своим источникам, с цитатами; 5 — Сжатие ответов — по ситуации → Короче выход там, где он реально длинный

## Чего не делать

- Ставить пять скиллов за один вечер. Каждый добавляет описание в контекст — вместе они начинают есть то, что ты экономил.
- Верить проценту без вопроса «процент от чего». 65% от выходных токенов и 65% от счёта — разные вещи.
- Держать в CLAUDE.md всё подряд. Это первое, что читается каждый раз, и первое, что раздувает контекст.
- Оставлять подключённые MCP-серверы, которыми не пользуешься. Их описания грузятся всегда.

---

Источник: https://localhost:3000/m/claude-skills-stavit