Современные ИИ-агенты обычно строятся на хрупком допущении: мы заставляем языковые модели на лету писать код, угадывать форматы API и соблюдать ограничения через текстовые промпты. В продакшене это сжигает контекстное окно, раздувает счета и приводит к непредсказуемым сбоям. В новой работе «Don't Prompt Your Agents. Equip Them.» представлен Skillware — открытый фреймворк, который жестко разделяет намерение модели и само выполнение задачи. Вместо расплывчатых инструкций в markdown-файлах агент получает модульные, версионируемые программные пакеты: строгий JSON-контракт, детерминированный Python-код, директивы, локальные справочные данные и офлайн-тесты. Это работает как горячие клавиши навыков в видеоиграх: модель решает, когда применить навык, а проверенный код гарантирует предсказуемый результат. Тестирование 23 моделей в 368 сценариях показало, что компактные локальные модели (даже на 3B–8B параметров), экипированные Skillware, стабильно обходят крупные облачные модели без него в сложных многошаговых задачах. Такой подход сокращает расход токенов до 84,8%, снижает стоимость инференса до 97,3% и полностью убирает ошибки параметров. Адаптеры работают прямо внутри процесса без сетевых задержек и поддерживают как облачные API (Gemini, Claude, OpenAI, DeepSeek, Bedrock), так и локальные среды вроде Ollama. Проект открыт под лицензией MIT: код и реестр навыков лежат на GitHub ( а установить его можно через pip install skillware. Читать далее