Agent Skills: a Anthropic começou a inventar moda de novo, conceito de marketing!

Nestes últimos dias, minhas redes sociais — Xiaohongshu, Zhihu e Bilibili — foram tomadas pelo Agent Skills da Anthropic.

Ver aqueles blogueiros gritando que "chegou o momento GPT dos Agentes" e que "o paradigma das aplicações de IA foi completamente revolucionado" é, sinceramente, difícil de engolir. Hoje em dia, IA é realmente um ponto quente e dá para ganhar dinheiro fácil com tráfego, então um monte de gente que vive de cliques aparece para postar esse tipo de conteúdo vazio. Transformar um "esquema de organização de prompts" da engenharia em uma suposta tecnologia milagrosa não passa de ruído informativo, sem valor nenhum para quem realmente trabalha com desenvolvimento.

1. Isso não é exatamente o que todo mundo já faz por padrão?

Ao construir sistemas de Agent complexos, conforme as funcionalidades aumentam, inevitavelmente você enfrenta um problema: como lidar com múltiplos prompts diferentes?

Vamos revisar como as pessoas faziam antes:

• Fase de Workflow fixo: Essa é a abordagem mais primitiva, com o fluxo engessado. O primeiro passo carrega o Prompt A, pega o resultado e entrega para o Prompt B no segundo passo. Toda a lógica fica hardcoded no código — é estável, mas extremamente inflexível; adicionar uma funcionalidade exige alterar um monte de código.
• Fase de classificação de intenção (Router): Depois o pessoal ficou mais esperto e passou a fazer reconhecimento de intenção na entrada. O Agent passa primeiro por um classificador para identificar se o usuário quer polir o texto, traduzir ou consultar dados. Depois da classificação, carrega as regras correspondentes na biblioteca de Prompts. Essa é, na real, a lógica central da maioria dos sistemas autônomos de Agent ou RAG atuais.

Então, o que o Agent Skills da Anthropic fez? Ele apenas padronizou essa lógica que todo mundo já usava por padrão, de forma implícita.