Competenze dell'Agente: Un'Analisi Basata sui Dati delle Abilità di Claude per Estendere le Funzionalità dei Modelli Linguistici di Grande Dimensione
Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality
February 8, 2026
Autori: George Ling, Shanshan Zhong, Richard Huang
cs.AI
Abstract
Le abilità degli agenti estendono i modelli linguistici di grandi dimensioni (LLM) con moduli riutilizzabili, simili a programmi, che definiscono condizioni di attivazione, logica procedurale e interazioni con strumenti. Con la proliferazione di queste abilità su marketplace pubblici, rimangono poco chiari i tipi disponibili, le modalità di adozione da parte degli utenti e i rischi che comportano. Per rispondere a queste domande, conduciamo un'analisi su larga scala, basata sui dati, di 40.285 abilità pubblicamente elencate su un importante marketplace. I nostri risultati mostrano che la pubblicazione delle abilità tende a verificarsi in brevi picchi che seguono gli spostamenti dell'attenzione della comunità. Troviamo inoltre che i contenuti delle abilità sono altamente concentrati nei flussi di lavoro di ingegneria del software, mentre il recupero di informazioni e la creazione di contenuti rappresentano una quota sostanziale delle adozioni. Oltre alle tendenze di contenuto, scopriamo un marcato squilibrio tra domanda e offerta tra le categorie e dimostriamo che la maggior parte delle abilità rimane entro budget tipici di prompt nonostante una distribuzione di lunghezza a coda pesante. Infine, osserviamo una forte omogeneità dell'ecosistema, con una diffusa ridondanza a livello di intento, e identifichiamo rischi per la sicurezza non trascurabili, incluse abilità che abilitano azioni con cambiamento di stato o a livello di sistema. Nel complesso, i nostri risultati forniscono un'istantantanea quantitativa delle abilità degli agenti come strato infrastrutturale emergente e informano i lavori futuri sul riutilizzo, la standardizzazione e la progettazione consapevole della sicurezza delle abilità.
English
Agent skills extend large language model (LLM) agents with reusable, program-like modules that define triggering conditions, procedural logic, and tool interactions. As these skills proliferate in public marketplaces, it is unclear what types are available, how users adopt them, and what risks they pose. To answer these questions, we conduct a large-scale, data-driven analysis of 40,285 publicly listed skills from a major marketplace. Our results show that skill publication tends to occur in short bursts that track shifts in community attention. We also find that skill content is highly concentrated in software engineering workflows, while information retrieval and content creation account for a substantial share of adoption. Beyond content trends, we uncover a pronounced supply-demand imbalance across categories, and we show that most skills remain within typical prompt budgets despite a heavy-tailed length distribution. Finally, we observe strong ecosystem homogeneity, with widespread intent-level redundancy, and we identify non-trivial safety risks, including skills that enable state-changing or system-level actions. Overall, our findings provide a quantitative snapshot of agent skills as an emerging infrastructure layer for agents and inform future work on skill reuse, standardization, and safety-aware design.