Agent Skills di Addy Osmani per i coding agent

Addy Osmani ha pubblicato il repository Agent Skills per fornire agli agenti di intelligenza artificiale le competenze operative dei programmatori senior. Il progetto obbliga i modelli a seguire flussi di lavoro strutturati invece di cercare la scorciatoia più rapida per generare codice.

Cosa è stato annunciato

Addy Osmani ha rilasciato su GitHub il repository open source Agent Skills, che ha superato le 115.000 stelle. Il progetto include 24 competenze strutturate e otto comandi specifici per guidare gli agenti di programmazione. I comandi mappano l'intero ciclo di vita dello sviluppo del software, dalla definizione dell'idea fino al rilascio in produzione. Il sistema è compatibile con oltre 70 agenti diversi, tra cui:

• Claude Code
• Cursor
• Copilot
• Windsurf
• Cline

Il repository è distribuito con licenza MIT. L'annuncio ufficiale sul blog dell'autore è datato 3 maggio 2026.

Come funziona

Gli agenti di intelligenza artificiale tendono a scrivere il codice richiesto ignorando specifiche, test e revisioni per arrivare al risultato nel minor tempo possibile. Agent Skills interviene iniettando nel contesto dell'agente file di testo che descrivono flussi di lavoro precisi, non semplici consigli o documentazione. Ogni fase di sviluppo ha un comando dedicato:

• `/spec` per definire i requisiti
• `/plan` per pianificare il lavoro
• `/build` per implementare il codice
• `/test` per verificare il funzionamento

Il sistema utilizza tabelle anti-scuse per impedire all'agente di saltare i controlli, fornendo risposte pre-scritte a ogni tentativo dell'agente di evitare il lavoro. Ogni competenza termina con criteri di uscita obbligatori, basati su prove concrete. Include anche una competenza per lo sviluppo guidato dal dubbio, che costringe l'agente a rivedere le decisioni prese quando il codice non è familiare. Il comando di rilascio attiva in parallelo diverse figure virtuali, come un revisore di codice e un esperto di sicurezza, per approvare il lavoro finale.

Cosa cambia per le aziende italiane

L'adozione di questi flussi di lavoro strutturati riduce i tempi di correzione degli errori nel software sviluppato con l'ausilio dell'intelligenza artificiale. Per esempio, un'azienda che sviluppa un'applicazione interna può usare il comando di revisione per far controllare automaticamente il codice da un panello virtuale di esperti prima del rilascio. Per esempio, una software house può integrare le competenze di ingegneria delle interfacce per assicurarsi che l'agente rispetti gli standard di accessibilità quando crea le schermate per gli utenti. Per esempio, un team di sviluppo può utilizzare la competenza di sviluppo guidato dai test per obbligare l'agente a scrivere prima i test e poi il codice, evitando malfunzionamenti in produzione.

Limiti e cosa tenere d'occhio

Il repository si concentra esclusivamente sulla metodologia di sviluppo e non include modelli di intelligenza artificiale proprietari da eseguire in locale. Le competenze sono file di testo in formato markdown e non eseguono azioni dirette sui server aziendali senza l'agente ospite. Non è stato comunicato se e come le aziende debbano adeguare i propri protocolli di sicurezza informatica interni all'uso di questi flussi automatizzati. L'efficacia del sistema dipende dalla qualità dell'agente di programmazione sottostante e dalla sua capacità di interpretare correttamente i comandi. Non ci sono informazioni su un eventuale supporto ufficiale o commerciale per le aziende che intendono integrare questi strumenti in ambienti di produzione critici.

Come provarlo

Il repository è disponibile pubblicamente su GitHub e il sito ufficiale fornisce la documentazione completa. L'installazione avviene tramite il comando `npx skills add addyosmani/agent-skills` da riga di comando. È necessario utilizzare uno degli oltre 70 agenti compatibili elencati nella documentazione per far funzionare le competenze.