SKILLs в OpenCode: процессный подход к созданию контента

Как я выстроил процесс создания статей с SKILLs в OpenCode. Открытые skills для аналитики блога. Эксперимент с GLM-5.

6th Mar 2026

SKILLs в OpenCode: процессный подход к созданию контента

Я провёл эксперимент: попросил AI-агента написать статью про… AI-агентов.

Хотел понять, как организовать создание статей так, чтобы тратить меньше времени, но получать более качественный результат.

Мой блог prikotov.pro привлекает аудиторию для проекта task.ai-aid.pro. Для этого нужно писать статьи, которые заходят читателям. Проблема в том, что я трачу много времени на сбор данных из Яндекс.Метрики, Google Trends, Вебмастера — пытаюсь понять, что заходит аудитории, а что нет.

Для генерации кода у меня уже есть процесс: task-agents-playbook. Качество кода устраивает, я чётко понимаю, что улучшать. И тут я подумал: а что если применить такой же подход к созданию статей?

Так появился этот эксперимент с SKILLs в OpenCode + GLM-5. Результат не идеален, но главное — процесс можно выстраивать и улучшать. Об этом и расскажу.

Проблема: хаос вместо процесса

Когда я пишу статью, у меня нет системы. Каждый раз:

Думаю "о чём бы написать", жду вдохновения
Ежедневно хожу в Яндекс.Метрику, смотрю что заходит аудитории
Иногда проверяю Google Trends
Анализирую всё это в уме, на интуитивном уровне
Выбираю идею и пишу "как пойдёт"

Результат непредсказуем. Качество нестабильно. Время на рутину — огромное.

При этом для генерации кода у меня есть чёткий процесс — task-agents-playbook. Он отлично работает: агент следует этапам, я направляю, мы вместе улучшаем код и сам процесс разработки.

А что если применить такой же подход к статьям?

Гипотеза: SKILLs в AI-агентах могут дать инструменты и данные для систематизации процесса. Автоматизировать сбор данных, выстроить этапы, итеративно улучшать.

Эксперимент: OpenCode + GLM-5 + SKILLs

Выбор инструментов

OpenCode — AI-агент. Выбрал, потому что его хвалят как аналог Claude Code: активно развивается, open source, удобный. Да и просто хотел попробовать.

GLM-5 — модель. Понравилась в паре с моим процессом кодирования, об этом писал в статье Первый опыт с GLM-5: кодинг через Kilo Code.

Obsidian — среда для заметок. Люблю за работу с markdown, гибкость, плагины. Получается крутая синергия: AI-агент + MD-файл + Obsidian. Поэтому прошу агентов оформлять все результаты как MD-файлы.

Что я сделал

1. Поиск готовых skills. Искал skills для сбора аналитики по блогу и трендам. Ничего не нашёл.

2. Написание skills. За 3 дня, между перерывами пока Codex писал код для TasK, создал в OpenCode при помощи GLM-5:

Google Trends — анализ трендов поиска
Яндекс.Метрика — pages, traffic, search, visitors
Яндекс.Вебмастер — поисковые запросы

Skills открыты — берите и пользуйтесь. Менять под себя легко: попросите любого агента, он поставит, настроит, допишет функционал. Я так и делал, это реально впечатляет.

3. Тестовый речерч. Попросил агента собрать данные и написать драфт статьи. Он сделал то, что считал нужным, и результат получился таким, каким он его видел.

Я сказал себе СТОП. Не было процесса. Агент действовал хаотично, без структуры.

4. Формирование процесса. Попросил агента по результату вчерашней сессии описать процесс работы над статьёй. Накидал основные моменты — агент оформил это в AGENTS.md.

Затем попросил сделать SKILL для написания статей на основе GEMINI.md (там уже были наброски).

5. Перезагрузка агента. Сбросил сессию, обновился (OpenCode обновляется часто), загрузил обновлённые skills и AGENTS.md.

6. Написание статьи. Запрос был такой:

"Я хочу написать в свой блог статью про SKILL, как мне кажется я по настоящему понял (грокнул) их СИЛУ и возможности только сейчас…"

Результат вы сейчас читаете.

В конце статьи — весь процесс взаимодействия с агентом со скриншотами. Интересно наблюдать, как он работает.

SKILLs: что это и как работает

Концепция

SKILLs — набор инструкций и инструментов для AI-агента, которые расширяют его возможности:

Определяют порядок действий — агент знает, что делать первым, что вторым
Предоставляют доступ к данным — через API, скрипты
Форматируют результаты — в MD-файлы, таблицы, диаграммы

Это как мануал для сотрудника: вот задачи, вот инструменты, вот формат отчёта.

Архитектура

flowchart LR A[Пользователь] --> B[OpenCode] B --> C{Выбор SKILL} C --> D[Google Trends] C --> E[Метрика] C --> F[Вебмастер] D --> G[Reports MD] E --> G F --> G G --> H[Obsidian] H --> A

Пользователь формирует запрос → OpenCode выбирает нужный skill → skill собирает данные через API → формирует MD-отчёт → пользователь просматривает в Obsidian → формирует следующий запрос.

Почему это круто

Автоматизация — не нужно вручную собирать данные из 3-4 сервисов
Структура — результаты в MD-формате, легко читать в Obsidian
Гибкость — можно адаптировать под свой проект, добавить свои API
Простота и открытость — skills легко создаются с помощью агентов, есть готовые на GitHub, берите и используйте

Процесс: от данных до статьи

Процесс создания статьи описал в AGENTS.md с помощью агента. Шесть этапов:

flowchart TD A[Планирование] --> B[Сбор данных] B --> C[Анализ] C --> D[Стратегия] D --> E[План] E --> F[Драфт] F --> G{Проверка} G -->|Не устраивает| C G -->|Устраивает| H[Публикация]

Этап 1: Планирование сбора данных

Цель: Понять, какие данные нужны и откуда.

Агент определил:

Тема статьи: SKILLs и процессный подход
Вопросы: что в тренде, что заходит, что искать
Skills: Google Trends, Яндекс.Метрика, Вебмастер

Результат: 01 - План исследования.md

Этап 2: Сбор данных

Цель: Собрать сырые данные.

Агент запустил skills:

Google Trends — макро-тренды
Яндекс.Метрика — статистика блога
Вебмастер — SEO-анализ

Результат: папки с отчётами — google_trends_reports/, yandex_metrika_reports, yandex_webmaster_reports

Этап 3: Обработка данных и инсайты

Цель: Превратить данные в выводы.

Агент проанализировал:

Тренды: Claude Code — лидер (100), OpenCode стабилен (30)
Блог: GLM-5 — хит (382 просмотра), Codex limits — актуально
SEO: fingpt — 276 показов, но CTR 1.81% (проблема)

Результат: 02 - Инсайты.md

Этап 4: Стратегия статьи

Цель: Определить, как статья достигнет целей.

Агент определил:

Целевая аудитория: AI-разработчики, технические блогеры
Ключевые слова: SKILLs в OpenCode, процесс создания контента
Позиционирование: практический кейс, data-driven, честный тон

Результат: 03 - Стратегия статьи.md

Этап 5: План статьи

Цель: Создать структуру до написания.

Агент составил план:

Введение: хук, проблема, решение
Секции: проблема, эксперимент, skills, процесс, результат, выводы
SEO-мета: title, description

Результат: 04 - План статьи.md

Этап 6: Драфт статьи

Цель: Написать первый черновик.

Агент написал эту статью, следуя плану.

Результат: 05 - Статья (драфт).md — по сути то, что вы читаете сейчас, с мелкими правками

Результат: что получилось

Что сработало

1. Процесс работает

Агент следует этапам, не перескакивает, не теряет контекст. Данные собираются автоматически, результаты структурированы.

2. Data-driven подход

Статья основана на данных, не на догадках. Можно проверить источники, улучшать блог на основе метрик.

3. Простота и открытость

Skills легко создавать и устанавливать с помощью агента, они доступны на GitHub. Можно адаптировать под себя.

Что можно улучшить

1. Качество анализа

Инсайты можно глубже. Например, агент заметил, что fingpt имеет низкий CTR (1.81%), но не предложил конкретных решений.

2. Визуализация

Можно больше диаграмм, скриншоты примеров. Но это уже следующий уровень.

Вчера экспериментировал с агентом "надо больше mermaid-диаграмм". Примеры:

3. SEO-оптимизация

Более точные ключевые слова, лучше сниппеты для меты.

Главный инсайт

SKILLs — это не про идеальный результат, а про создание процесса, который можно улучшать.

Я не получил идеальную статью. Но получил процесс, который можно итеративно улучшать. И это главное.

Выводы: процесс > результат

Что я понял

1. SKILLs — это мощно

Автоматизация рутины и мышления. Агент собирает данные, анализирует, предлагает структуру. Я направляю и улучшаю.

2. Процесс важнее результата

Идеальный результат недостижим, улучшаемый процесс — реален. Можно измерять качество, находить узкие места, оптимизировать.

3. AI-агент — не замена, а помощник

Агент не заменяет меня, он помогает. Направляйте агента, улучшайте процесс вместе с ним, используйте как ещё одну точку зрения.

Что дальше

Продолжать улучшать процесс
Добавлять новые skills (например, для оценки трафика с GitHub)
Измерять качество статей через 30 дней

Следующий эксперимент

SKILLs можно применять не только к статьям. Следующая задача — финансовый консультант.

Контекст. Год назад ушёл с предыдущего места работы — стало не хватать времени на изучение возможностей современных LLM (и по другим причинам). При этом с 2018 года инвестирую в фондовый рынок по стратегии "купил и забыл". Есть накопления, на которые живу сейчас.

Проблема. Что продать, чтобы купить "хлебушка"? Облигации заканчиваются, приходит вопрос — какие акции продать? Не уверен, что смогу сделать выбор самостоятельно.

Опыт. Год назад консультировался с Deepseek по идее продажи Полюс-золота и покупки Сегежи — он отговорил. Понравились возможности Stonki AI. Уже экспериментировал с MCP-серверами для Т-Инвестиций и Московской биржи в проекте TasK.

План. Написать SKILLs для Т-Инвестиций и Московской биржи — и создать на основе OpenCode + GLM-5 финансового консультанта. Думаю, за 2-3 дня управлюсь на основе уже имеющегося кода. Напишу статью про опыт.