Пошаговые руководства для каждой платформы. Узнайте, как создавать, настраивать и делиться навыками ИИ.
Есть навык, которым хотите поделиться? Отправьте его прямо в наш каталог.
Добавить навык3 руководств
Перейдите на chat.openai.com и нажмите на свой профиль → My GPTs → Create a GPT
На вкладке 'Create' опишите на естественном языке, что должен делать ваш GPT
Настройте имя, описание, инструкции и стартеры разговоров
Загрузите файлы знаний (PDFs, документы), на которые ваш GPT сможет ссылаться
Добавьте Actions для подключения внешних API (необязательно)
Установите видимость: Только я, Любой с ссылкой или Публичный
Нажмите 'Create' и поделитесь ссылкой
Совет: Для лучших результатов пишите четкие и конкретные инструкции. Включайте примеры выходных данных и граничные случаи в свои инструкции.
Нажмите на иконку профиля → Settings → Personalization → Custom Instructions
Заполните 'Что вы хотите, чтобы ChatGPT знал о вас?' контекстом о вашей роли и потребностях
Заполните 'Как вы хотите, чтобы ChatGPT отвечал?' предпочтениями формата вывода, тона и ограничениями
Эти инструкции автоматически применяются ко всем новым разговорам
Совет: Пользовательские инструкции отлично подходят для установки поведения по умолчанию, например 'Всегда отвечай на русском' или 'Всегда включай примеры кода'.
В GPT Builder перейдите на вкладку 'Configure' → Actions
Нажмите 'Create new action' и вставьте вашу схему OpenAPI
Установите метод аутентификации (Нет, API Key или OAuth)
Протестируйте action с примерами запросов
GPT теперь может вызывать ваш API во время разговоров
Совет: Вы можете использовать сервисы вроде Zapier или Make.com для создания бескодовых API-эндпоинтов для ваших actions.
4 руководств
Перейдите на claude.ai и нажмите 'Projects' на боковой панели
Нажмите 'Create Project' и задайте имя и описание
Добавьте пользовательские инструкции, определяющие поведение Claude в этом проекте
Загрузите файлы (PDFs, код, документы) в базу знаний проекта — Claude может ссылаться на 200K токенов
Начните разговоры в рамках проекта — Claude автоматически будет использовать ваши инструкции и файлы
Совет: Проекты идеально подходят для работы в конкретной области. Загрузите документы компании, руководства по стилю или кодовые базы для контекстно-зависимых ответов.
При использовании Claude API включите сообщение 'system' в начале разговора
Определите роль, поведение, формат вывода и ограничения Claude в системном промпте
Включите few-shot примеры желаемых входных и выходных данных
Используйте XML-теги, такие как <instructions>, <context>, <output_format>, для четкой структуры
Совет: Claude исключительно хорошо реагирует на структурированные промпты с XML-тегами. Будьте конкретны в том, что включать И что исключать.
Установите Claude Code: npm install -g @anthropic-ai/claude-code
Создайте файл CLAUDE.md в корне вашего проекта с инструкциями и контекстом
Добавьте пользовательские slash-команды в директорию .claude/commands/ в виде markdown-файлов
Каждый .md файл становится /командой — содержимое файла является шаблоном промпта
Используйте заполнитель $ARGUMENTS для динамического ввода
Совет: Навыки Claude Code мощны для автоматизации рабочих процессов разработки. Создавайте команды для ревью кода, тестирования, развертывания и многого другого.
Claude Desktop и Claude Code поддерживают инструменты Model Context Protocol (MCP)
Установите MCP-серверы: npx @anthropic-ai/create-mcp-server или используйте существующие из npm
Настройте в claude_desktop_config.json или .claude/settings.json
Claude теперь может использовать инструменты MCP во время разговоров для доступа к базам данных, API, файлам и т.д.
Совет: Инструменты MCP дают Claude возможности реального мира. Подключайте базы данных, GitHub, Slack и многое другое.
4 руководств
Перейдите на aistudio.google.com и нажмите 'Create new prompt'
Выберите 'Structured Prompt' для последовательных, шаблонных выходных данных
Определите входные столбцы (переменные) и выходные столбцы (ожидаемые результаты)
Добавьте примеры строк, показывающие пары ввод-вывод для обучения few-shot
Тестируйте с новыми входными данными и улучшайте свои примеры
Сохраните и поделитесь через кнопку 'Get Code' (Python, JavaScript, REST)
Совет: Структурированные промпты идеальны для задач классификации, извлечения и трансформации, где нужны последовательные форматы вывода.
Нажмите 'Create new prompt' → 'Chat Prompt'
Напишите системные инструкции, определяющие роль и поведение AI
Добавьте инструменты (function declarations), если ваш промпт должен вызывать внешние API
Настройте параметры модели: temperature, top-p, максимальное количество выходных токенов
Тестируйте в playground и экспортируйте код, когда будете готовы
Совет: Используйте 'Safety settings' для настройки фильтрации контента под ваш конкретный случай использования.
Получите API-ключ на aistudio.google.com → 'Get API Key'
Установите SDK: pip install google-genai (Python) или npm install @google/genai
Инициализируйте клиент с вашим API-ключом
Используйте generateContent() для текстовых, графических, аудио и видео входных данных
Добавьте объявления инструментов для возможностей function calling
Совет: Gemini нативно поддерживает мультимодальные входные данные — отправляйте изображения, аудио и видео вместе с текстом для богатого AI-взаимодействия.
Для продакшена используйте Vertex AI в Google Cloud Console
Создайте эндпоинт и разверните вашу настроенную модель или используйте Gemini напрямую
Настройте аутентификацию с помощью сервисных аккаунтов
Настройте автомасштабирование, мониторинг и логирование
Используйте Vertex AI Pipelines для автоматизированных ML-рабочих процессов
Совет: Vertex AI предоставляет корпоративные функции, такие как VPC, шифрование CMEK и гарантии SLA, которых нет в AI Studio.
3 руководств
Откройте панель управления Antigravity и нажмите 'New Workflow'
Выберите триггер: Расписание, Webhook, Отправка формы или Событие
Перетащите блоки действий с боковой панели: Отправить email, Вызов API, Запрос к базе данных и т.д.
Соедините блоки стрелками для определения потока
Добавьте условные ветвления (If/Else) для логики принятия решений
Настройте параметры каждого блока (API-эндпоинты, шаблоны email и т.д.)
Протестируйте рабочий процесс с тестовыми данными перед активацией
Переключите рабочий процесс в 'Active' для запуска
Совет: Начните просто с 2-3 блоков и постепенно добавляйте сложность. Используйте кнопку 'Test' после каждого изменения.
Просмотрите галерею шаблонов для готовых рабочих процессов
Нажмите 'Use Template', чтобы создать копию в вашем рабочем пространстве
Настройте шаблон: измените параметры триггера, обновите API-ключи, измените условия
Подключите свои аккаунты (Slack, Gmail, CRM и т.д.) при запросе
Протестируйте и активируйте
Совет: Шаблоны — самый быстрый способ начать. Настраивайте их вместо создания с нуля.
Перейдите в Settings → Integrations → Add New
Выберите 'Custom API' для сервисов, отсутствующих во встроенном списке
Введите базовый URL API и данные аутентификации
Определите доступные действия (эндпоинты) со схемами запросов/ответов
Ваша пользовательская интеграция теперь отображается на боковой панели конструктора рабочих процессов
Совет: Используйте блоки webhook для интеграций в реальном времени с любым сервисом, поддерживающим webhooks.
4 руководств
Найдите MCP-серверы на npm, GitHub или в этом каталоге
Установите: npm install -g @modelcontextprotocol/server-name
Настройте в файле конфигурации вашего AI-клиента (например, claude_desktop_config.json)
Добавьте команду сервера и необходимые переменные окружения
Перезапустите ваш AI-клиент — инструменты станут доступны автоматически
AI теперь может использовать инструменты MCP во время разговоров
Совет: Популярные MCP-серверы: filesystem, github, slack, postgres, sqlite, brave-search. Смотрите нашу категорию MCP для более чем 1 500 вариантов.
Инициализируйте: npx @anthropic-ai/create-mcp-server my-server
Определите инструменты в src/index.ts с помощью MCP SDK
Каждому инструменту нужны: имя, описание, схема ввода (JSON Schema) и функция-обработчик
Добавьте ресурсы для данных, которые AI может читать (файлы, записи базы данных и т.д.)
Добавьте промпты для повторно используемых шаблонов промптов
Тестируйте локально: npx tsx src/index.ts
Опубликуйте на npm для других: npm publish
Совет: Сосредоточьтесь на четких описаниях инструментов — AI использует их, чтобы решить, когда и как вызывать ваши инструменты.
Для Claude Desktop: Отредактируйте ~/Library/Application Support/Claude/claude_desktop_config.json (Mac) или %APPDATA%/Claude/claude_desktop_config.json (Windows)
Для Claude Code: Отредактируйте .claude/settings.json в вашем проекте или ~/.claude/settings.json глобально
Добавьте ваш сервер в объект 'mcpServers' с командой и аргументами
Установите переменные окружения через поле 'env' для API-ключей
Используйте транспорт 'stdio' для локальных серверов, 'sse' для удаленных
Совет: Используйте переменные окружения для API-ключей — никогда не записывайте секреты напрямую в файлы конфигурации.
MCP — это открытый стандарт, который работает с любым совместимым AI-клиентом
Для пользовательских интеграций используйте MCP client SDK (@modelcontextprotocol/sdk)
Подключайтесь к MCP-серверам программно в ваших собственных приложениях
Свяжите MCP с OpenAI/Gemini, переводя схемы инструментов MCP в их формат function calling
Используйте прокси-серверы MCP для предоставления инструментов MCP через REST APIs
Совет: Открытый стандарт MCP означает, что ваши инструменты работают на разных AI-платформах без переписывания.
Отправьте свой навык в наш каталог и помогите другим его найти.