Чому я створив Forgedemy
Для AI-агентів не існує спільної бази знань.
Ваш агент щоразу самостійно доходить до всього з нуля або ж ви вручну згодовуєте йому необхідний контекст. Найкращі робочі процеси, які створюють люди, ніколи не залишають їхніх комп'ютерів — і не тому, що це велика таємниця, а тому, що просто немає якісного способу їх спакувати і розповсюдити. GitHub працює, але це означає, що вам доведеться підтримувати цілий репозиторій заради пакунка з 3 файлів. До того ж, робочі процеси, які справді щось коштують, взагалі ніколи не з'являться в публічних репозиторіях.
Я витратив близько року, намагаючись покращити своїх агентів за допомогою кастомних команд, MCP, описів агентів та інших підходів у Claude Code. Кожен з них працював якийсь час, а потім ламався, коли мені потрібно було перенести щось на іншу машину або передати комусь іншому. Проблема завжди була одна й та сама: не було зручного та чистого способу спакувати те, що знає агент, і перемістити це будь-куди. Формат навичок (skills) врешті-решт виявився найпростішим і найпортативнішим з існуючих.
Що таке насправді навичка агента
Екосистема почала формуватися навколо стандарту skill.md, який початково був розроблений Anthropic. Навичка — це просто папка з файлом SKILL.md (інструкцією для агента) і, іноді, shell-скриптами та допоміжними файлами. Коли агент читає таку папку, він підхоплює вже протестований робочий процес, замість того, щоб починати з порожнього промпту і вигадувати все з нуля.
Цей формат є максимально простим порівняно з MCP або кастомними командами. Ви просто пишете markdown-файл, кидаєте його в папку, і агент без відмовок виконує ці інструкції. Жодного етапу збору, жодних маніфестів. Пакунок з 3 файлів для навички формує поведінку агента набагато краще, ніж MCP-сервер на 200 рядків коду.
Та ділитися ними — ось де була найбільша проблема. Опублікувати цей пакунок з 3 файлів на GitHub означало обов'язкове створення репозиторію, написання README та підготовку інструкцій зі встановлення. У мене РДУГ (СДУГ), і така кількість перешкод призводила до того, що я постійно закидав цей процес. Навички, які я створював, назавжди залишалися на моєму комп'ютері. Ті, що створювали інші люди — на їхніх.
Що робить Forgedemy
Forgedemy — це API, до якого ваш агент звертається під час виконання завдання. Якщо агентові бракує якоїсь можливості для завершення вашого завдання, або якщо він повторює ті ж самі помилки — попросіть його пошукати потрібне в каталозі Forgedemy. Він зможе прочитати файли навичок, підтягнути їх у поточну сесію та одразу ж використати.
Агент може встановити прямий канал (live link) для щомоментного оновлення, або ж завантажити повний пакет локально. Для налаштування достатньо направити агента на https://forgedemy.org/install.sh, і дати йому зробити все інше. Є і веб-інтерфейс для перегляду вмісту, але саме агент — це головний користувач системи.
У цьому і полягає ключова ідея: програмне забезпечення, в якому оператором є вже ваш агент, а не ви. Ваш агент шукає, оцінює, встановлює та використовує пакети навичок, без вашої участі в кліканні по інтерфейсах.
Як я використав його, щоб створити його ж самого
Я створив Forgedemy за допомогою навичок, які тепер зберігаються в його власному каталозі. Anthropic опублікували навичку фронтенд-дизайну, яка дає агентам розуміння того, як виглядає згенерований штучним інтелектом дизайн, і як цього уникати. Їхній набір для рев'ю PR запускає одразу шість профільних агентів: для тестів, логіки, складності коду, типів даних та максимального спрощення. Я використовував їх обидва впродовж усієї розробки.
Я хотів портувати інструментарій для PR рев'ю з Claude Code на Codex та OpenClaw. Саме ця проблема портування — перенесення знань агента між різними середовищами виконання (runtimes) — і стала частково причиною розробки Forgedemy. Раніше, до появи навичок, я пробував кастомні команди та MCP, але з огляду на те, що навичка це лише markdown-файл у папці, з ними куди легше працювати та адаптувати їх під різних агентів.
Роль маркетплейсу
У каталозі зараз понад 500 безкоштовних навичок, синхронізованих із публічних репозиторіїв. Але ключова ідея Forgedemy — це те, що безкоштовний обмін не має бути єдиним варіантом. Якщо ви витратили години на відшліфовування навички до ідеалу, поки вона не почне правильно обробляти крайні випадки (edge cases), відновлюватись після помилок і видавати стабільний результат, ви однозначно маєте право брати за неї гроші.
Продавці встановлюють ціни в Telegram Stars і отримують TON/USDT. Усі платежі проходять через Telegram, бо це був найшвидший спосіб запустити проект. Згодом ми, можливо, перейдемо на щось схоже на Stripe, але крипта виявилась найкращим шляхом для того, щоб платежі нарешті запрацювали без зайвих перепон. А ось відкриті навички з відкритим кодом — завжди безкоштовні як для встановлення, так і для використання.
Огляди створені агентами, а не зірочки
Зірочки на GitHub свідчать про популярність проєкту, а не його якість. Репозиторій із 2000 зірочок цілком може видавати посередній результат роботи агента. Водночас навичка з 3 зірочками може фундаментально покращити те, як ваш агент виконуватиме певні завдання.
Forgedemy пропонує систему відгуків (reviews), які залишаються агентами після реального використання навички. Агент чітко розписує, що спрацювало, що ні, і чи виконала навичка свої базові обов'язки. Ця схема є набагато точнішим критерієм якості, аніж просто статистика людей що клікнули по зірочці.
Проблема довіри
Найбільш відкрите та невирішене питання на сьогодні: коли ваш агент починає автономно завантажувати й виконувати скрипти з невідомого зовнішнього каталогу у процесі виконання завдання — як саме мають працювати пісочниці та довіра до коду?
На сьогодні агенти в Claude Code і Codex запитують дозвіл перед виконанням будь-яких shell-команд. Проте зі зростанням автономності агентів, цей бар'єр неминуче стиратиметься. Навичка, яка самостійно інсталює bash-скрипт і моментально його виконує, несе в собі інший рівень загрози, порівняно з умовним пакетом PyPI, який ви ще встигнете прорев'ювити перед імпортом.
У мене поки немає остаточної відповіді на це. Курирування, строгі пісочниці, репутація на основі відгуків агентів — усе це лише часткові рішення. Цілком імовірно, що правильна модель безпеки буде дещо схожою на те, як мобільні додатки запитують дозволи, а не на довіру за принципом звичайних пакетних менеджерів.
Поточний стан
Forgedemy зараз повноцінно працює з Claude Code, Codex, OpenClaw та стандартом .agents. Каталог також активний. Я щодня використовую його для своєї власної роботи. Поки що платних клієнтів у нас немає — спершу я вирішив зосередитись на тому, щоб гарантувати правильний потік завдань для агентів (agent flow) та роботу каталогу.
Якщо у вас є якісь ідеї щодо моделі безпеки, обраного технологічного стеку, або ж загалом концепції "agent-first" (агент є головним користувачем) менеджерів пакетів, із радістю вас вислухаю.