38 agent skills от AWS: SKILL.md вместо правильной цитаты и неправильного шага

AWS выложила коллекцию HCLS Agent Skills , 38 открытых скиллов в 11 доменах healthcare и life sciences под лицензией MIT-0. Каждый скилл , файл SKILL.md по открытому стандарту Agent Skills: в YAML-шапке триггеры и зависимости, в теле , процедуры решения, таблицы параметров и критерии проверки. Агент подтягивает нужный фрагмент на инференсе, а не тащит весь каталог в контекст. Без скиллов модель часто знает название стандарта, но ломает шаги: на классификацию варианта TP53 по ACMG/AMP прилетает правильная цитата и неправильная категория доказательств, пропущенный порог частоты в популяции или выдуманный скоринг предикторов. Скилл закрывает не дыру в знаниях, а разрыв в пошаговой процедуре. Два типа скиллов Reasoning-скиллы задают, как думать: genomic-variant-interpretation кодирует весь ACMG/AMP , категории evidence, пороги allele frequency, cutoffs вычислительных предикторов. Pipeline-скиллы , что запускать: variant-calling отдаёт команды GATK4 HaplotypeCaller с нужными annotation groups и конфигурации Mutect2 для tumor-normal. Reasoning , методология и рамки решений Pipeline , команды, параметры и шаблоны под конкретные тулы Это не RAG с обрывками из индекса и не fine-tuning: структурированный промпт, который включается по паттернам в запросе. Критерии лежат в markdown , их можно читать и править; тот же файл работает в Claude Code, OpenAI Codex, Kiro и Strands Agents SDK из коробки, AWS заявляет 20+ совместимых сервисов. Установка Клонируете awslabs/hcls-agent-skills , дальше одна команда: npx skills add awslabs/hcls-agent-skills . В Kiro , ./install.sh --target kiro и переключение на /agent hcls ; в мультиагентном режиме координатор без скиллов роутит запрос к восьми доменным специалистам , у каждого около 15K токенов вместо ~80K, если свалить все 38 скиллов в один контекст. Для Strands , AgentSkills(skills="./skills/") в коде агента. Цифры из тестов AWS В head-to-head сравнениях агенты со скиллами побеждают тех же агентов без них в 70, 86% кейсов , в зависимости от harness. Сильнее всего прирост на critical thinking: win rate 78, 85%, effect size d = 0.65, 1.03. В walkthrough AWS показывает три паттерна деплоя , Quick Desktop, мультиагент в Kiro CLI и Strands на Amazon Bedrock AgentCore. Источник: Improving HCLS AI reasoning with open-source agent skills .