Форматы экспорта skills: Cursor, Claude, GigaChat, YandexGPT, n8n

Форматы экспорта skills: Cursor, Claude, GigaChat, YandexGPT, n8n

Skill — это набор инструкций для AI. Но разные платформы «читают» эти инструкции по-разному. Один и тот же skill нужно упаковать по-разному для Cursor, GigaChat или n8n. Этот гайд объясняет что именно скачивать и куда это класть.

---

Быстрая таблица форматов

---

Cursor — формат .mdc

Cursor хранит правила для AI в папке .cursor/rules/ вашего проекта. Каждый файл .mdc — это один skill или набор инструкций под конкретную задачу.

Структура файла

---
description: «Когда применять этот rule»
globs: ["src/**/*.ts", "*.tsx"]
alwaysApply: false
---

Текст инструкций для AI...

Режимы активации

• Always Apply — rule загружается в каждый запрос. Используйте только для самых важных правил и держите под 200 слов — каждое слово стоит токенов
• Auto Attached — включается когда открыты файлы по паттерну globs. Может быть до 500 строк
• Agent Requested — AI сам решает подключить ли rule по описанию
• Manual — вызывается явно через @название-rule

Важно в 2025–2026

Старый формат .cursorrules (один файл в корне) не работает в Agent mode — Cursor его молча игнорирует. Если вы используете агентные workflow, переходите на .mdc файлы в .cursor/rules/.

Установка

1. Скачайте экспорт skill — получите файл .mdc
2. Положите в .cursor/rules/ вашего проекта
3. Перезапустите Cursor или откройте новый чат
4. Проверьте что rule появился в настройках Rules

---

Claude Desktop — SKILL.md и Project Knowledge

Claude Desktop поддерживает два способа загрузки skills:

• Project Knowledge — загружаете SKILL.md или ZIP напрямую в проект через интерфейс Claude. Работает в рамках одного проекта
• Папка проекта — Claude Code читает CLAUDE.md и файлы из .claude/ автоматически

Установка

1. Скачайте ZIP или SKILL.md
2. Откройте нужный проект в Claude Desktop
3. В разделе Project Knowledge нажмите «Add content» и загрузите файл
4. Skill активируется для всех чатов в этом проекте

---

GigaChat — JSON prompt + functions

GigaChat не устанавливает файлы напрямую. Skill превращается в два компонента, которые вы передаёте через API.

Структура запроса

{
  "model": "GigaChat-Pro",
  "messages": [
    { "role": "system", "content": "Текст system prompt из skill" },
    { "role": "user", "content": "Запрос пользователя" }
  ],
  "functions": [
    {
      "name": "название_функции",
      "description": "Что делает функция",
      "parameters": {
        "type": "object",
        "properties": {
          "param": { "type": "string", "description": "Описание" }
        },
        "required": ["param"]
      }
    }
  ],
  "function_call": "auto"
}

Что важно знать

• GigaChat использует формат functions — не tools как OpenAI. Это разные форматы, не путайте
• Глубина вложенности объектов — не более 2–3 уровней, иначе модель теряет точность
• Для production используйте GigaChat-Pro — базовая модель заметно хуже справляется с function calling
• Аргументы функций генерирует модель, исполняет их ваш код

---

YandexGPT / AI Studio — JSON с modelUri

YandexGPT принимает запросы в своём формате, отличном от OpenAI.

Структура запроса

{
  "modelUri": "gpt://<folder_ID>/yandexgpt",
  "completionOptions": {
    "temperature": 0.6,
    "maxTokens": "2000"
  },
  "messages": [
    { "role": "system", "text": "System prompt из skill" },
    { "role": "user", "text": "Запрос пользователя" }
  ]
}

Отличия от других платформ

• Поле text вместо content в сообщениях
• modelUri вместо model — нужен folder_ID из Yandex Cloud
• Эндпоинт: https://llm.api.cloud.yandex.net/foundationModels/v1/completion
• Есть совместимый OpenAI-прокси для тех, кто хочет использовать стандартный клиент

AI Studio

Если не хотите писать код — загрузите system prompt skill в Yandex AI Studio через интерфейс и тестируйте там. Для production всё равно нужен API.

---

n8n — JSON workflow snippet

Skill для n8n экспортируется как готовый JSON-фрагмент workflow, который вы импортируете в свой инстанс.

Установка

1. Скачайте JSON snippet
2. Откройте n8n → ваш workflow
3. Нажмите Ctrl+V (или кнопку Import) — n8n вставит ноды из буфера
4. Подключите к своим триггерам и настройте credentials

Типовая структура AI-workflow в n8n

Триггер (Webhook / Schedule)
  → AI Agent node (LangChain)
      → LLM sub-node (GigaChat / OpenAI / Ollama)
      → Memory sub-node (опционально)
      → Tool sub-nodes (HTTP, CRM, Google Sheets)
  → Output (Telegram / Email / CRM)

Важно

• Credentials (API ключи) настраиваются отдельно в n8n Vault — не хранятся в JSON
• Write-actions (запись в CRM, отправка сообщений) лучше пропускать через Human approval нodu перед выполнением

---

Dify — импорт workflow JSON

Dify позволяет импортировать готовые workflow через UI.

1. Скачайте JSON workflow
2. В Dify: Studio → Import → загрузите файл
3. Настройте переменные окружения и подключите LLM провайдера
4. Протестируйте в режиме Preview перед публикацией

---

Чеклист перед запуском в production

Безопасность

• В промпте нет реальных персональных данных или тестовых записей
• API-ключи и секреты — в env/vault, не в файлах skill
• Write-actions требуют подтверждения человека

Качество

• Проверен risk level skill — понятно на что влияет
• Skill протестирован на реальных входных данных вашего процесса
• Определён fallback если модель вернула неожиданный результат

Платформа

• Формат соответствует вашей платформе (functions vs tools, text vs content)
• Для GigaChat: схема не глубже 2–3 уровней вложенности
• Для Cursor: файл в .cursor/rules/, не .cursorrules если используете Agent mode