# Qwen Code добавил /learn для URL и чатов: как не закрепить ошибку в Skill

Source: https://provod.ai/ru/blog/qwen-learn-command-session-to-reusable-skill

16 июля команда Qwen Code объявила, что команда `/learn` стала доступна. Для qwen это возможность сохранить найденный порядок проверки, правило миграции или разбор репозитория в отдельный `SKILL.md`, чтобы не собирать его заново после исчезновения контекста чата. Цена решения тоже конкретна: ошибочное правило из URL или прошлой сессии становится так же легко вызвать повторно.

Это решает знакомую проблему: разработчик один раз вместе с агентом разобрал сложный репозиторий, нашёл порядок проверки или уточнил правила миграции. Через неделю контекст исчезает, и работа начинается заново. `/learn` предлагает сохранить не весь разговор, а инструкцию, которую можно вызвать повторно.

Но именно здесь появляется риск. Повторно используемый навык делает полезный вывод доступнее. Он с той же силой делает доступной неверную предпосылку, устаревшее правило или инструкцию, пришедшую из ненадёжного URL. Чем удобнее память агента, тем дороже ошибка в этой памяти.

[Платите в рублях за Qwen API без наценки на токены через provod.ai](https://provod.ai/?ref=blog-cta-top&utm_source=provod-blog&utm_medium=article&utm_campaign=qwen-learn-command-session-to-reusable-skill)

## Что именно сохраняет `/learn`

Qwen Code принимает четыре типа исходного материала: directory, URL, conversation history и free text. Результат сохраняется в `.qwen/skills/learned-skill-<name>/` и получает отметку `source: learned`.

Практический смысл важнее синтаксиса. Это не обещание, что агент узнал истину из источника. Это способ выделить рабочее знание из конкретного материала и оформить его как отдельный артефакт. Такой артефакт можно читать, обсуждать, менять и удалять отдельно от чата.

Публичный PR #6440 показывает ход реализации: четыре коммита, unit-тесты, E2E-отчёт и несколько циклов review. В ходе review появился и collision guard. Это важная деталь: команда думала не только о создании Skill, но и о том, чтобы новый результат не молча столкнулся с существующим именем. Сам PR показывает процесс разработки, а доступность функции команда Qwen Code заявила в еженедельном обновлении от 16 июля.

## Изоляция не равна проверке

Метка `source: learned` отделяет выученный навык от написанных вручную и автоматически созданных навыков. Это полезная граница для аудита: видно происхождение артефакта и его изоляцию от других типов Skills. Ручная проверка или одобрение остаются отдельным шагом.

Однако сама метка не делает содержимое корректным, безопасным или актуальным. URL может содержать устаревшую документацию. История разговора может включать ошибочное решение, которое работало только в одном окружении. Текст может неявно смешивать правило и исключение. А папка проекта может хранить временные обходы, уже не подходящие для следующей задачи.

Именно здесь первоначальная привлекательность `/learn` меняется. Сначала кажется, что функция сокращает путь от удачной сессии к повторному применению. На деле она сокращает и путь от случайной ошибки к её тиражированию.

![Папка, URL, чат и текст проходят через review к learned Skill](https://storage.yandexcloud.net/provod-yc-production-cms-media/blog/02-451.png)

## Когда `/learn` действительно полезен

Лучший кандидат для learned Skill не «всё, что хорошо получилось в чате», а повторяемый процесс с наблюдаемым входом и понятным результатом. Например:

- порядок запуска локальной проверки в конкретном проекте;
- правила подготовки изменения, если они подтверждены в репозитории;
- последовательность диагностических шагов, которую можно воспроизвести;
- краткая инструкция по внутреннему соглашению, у которой есть владелец.

Сильное возражение звучит разумно: если каждый выученный Skill нужно проверять, проще сохранить заметку и не усложнять процесс. Для редкой задачи так и есть. Навык оправдан, когда его будут запускать снова и цена неправильного повторения выше цены короткого review.

Разница между заметкой и Skill в том, что Skill становится операционной точкой: его будут вызывать. Поэтому к нему нужен не только хороший текст, но и контекст доверия.

## Диагностика перед повторным запуском

Перед тем как дать learned Skill вторую жизнь, достаточно пройти пять вопросов.

1. **Какой источник был основой?** Назовите папку, конкретный URL, фрагмент чата или текст, а не «мы это обсуждали».
2. **Что в нём является фактом, а что выводом?** Инструкция не должна выдавать предположение за правило.
3. **Для какого окружения она верна?** Версия, проект, ветка и ограничение часто важнее самой команды.
4. **Кто отвечает за актуальность?** Если владельца нет, у навыка должна быть хотя бы дата последней проверки.
5. **Как откатить использование?** Нужен понятный способ перестать вызывать навык или вернуться к предыдущей версии инструкции.

Если на любой вопрос нельзя ответить, Skill лучше оставить черновиком. Это не запрет на автоматизацию, а защита от ложной уверенности.

Полезно также отделить эксперимент от нормы. Сначала примените навык на одной повторяемой задаче и сравните результат с ручным прохождением. Если он расходится с актуальным состоянием проекта, исправляйте не только вывод, но и источник, из которого этот вывод был собран.

Для команд, где таких процессов становится много, важна библиотека, в которой вместе с инструкцией сохраняются источник знания, дата, владелец, diff и возможность отката. Такой подход можно организовать в [provod.ai](https://provod.ai/?utm_source=provod-blog&utm_medium=article&utm_campaign=qwen-learn-command-session-to-reusable-skill&utm_content=inline&utm_id=next100-workflow): не как импорт Qwen Skills, а как отдельный слой ответственности за проверенные процессы.

## Не путать темп релизов с доказательством качества

В тех же выпусках Qwen Code появились и другие изменения, включая verifier и reverse-audit для code review, изменения Web Shell, Voice Bridge и PDF-to-image fallback. А за неделю команда сообщила о более чем 160 merged PRs. Это говорит о высоком темпе работы, но не доказывает, что любой learned Skill будет хорошим.

Тем более не стоит подменять разговор о `/learn` общим интересом к моделям Qwen, Qwen-Image или слухами о будущих версиях. У функции есть конкретная ценность: она превращает выбранный источник в вызываемый артефакт. У неё есть конкретное ограничение: происхождение можно изолировать, но истинность нельзя получить одной меткой.

В этом и состоит полезная дисциплина. Сохраняйте не «лучший ответ агента», а проверяемую процедуру с границами применимости. Тогда память агента остаётся ускорителем работы, а не каналом для тихого закрепления ошибки.

![Карточка процесса с источником, датой, владельцем, diff и откатом](https://storage.yandexcloud.net/provod-yc-production-cms-media/blog/03-451.png)

[Перейти на provod.ai](https://provod.ai/?utm_source=provod-blog&utm_medium=article&utm_campaign=qwen-learn-command-session-to-reusable-skill&utm_content=final&utm_id=next100-workflow)

Где вы проведёте границу в пилоте: требовать review только для Skills из URL и чатов или для каждого навыка, который команда планирует повторно вызывать?

## provod.ai — модели для IDE, SDK и внутренних инструментов

**Не заставляйте разработчиков менять рабочую среду:** OpenAI-совместимые IDE, библиотеки и приложения подключаются к общему endpoint, а команда продолжает работать привычными командами и SDK.

**В одном каталоге — актуальные модели для текста и медиа:** GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

**Расширение выбора моделей не увеличивает тариф:** стоимость запросов совпадает с официальной 1:1, без наценки со стороны provod.ai.

**Подключите AI к рабочему стеку:** [форма регистрации](https://app.provod.ai/register) · [цены на модели](https://app.provod.ai/models) · [защита данных по 152-ФЗ](https://provod.ai/legal/152-fz) · [инструкция по миграции](https://provod.ai/docs/migration)

## FAQ

### Что такое provod.ai?

provod.ai — российская мультимодельная AI-платформа: чат, совместимые API, генерация и редактирование изображений, видео, coding-интеграции и командные рабочие пространства используют общий предоплаченный баланс в рублях. Начните с [обзора](/ru.md), [документации](/ru/docs.md) или [каталога моделей](/ru/models.md).

### У provod.ai самые низкие цены среди российских провайдеров?

Это заявленная ценовая позиция provod.ai: поддерживать самые низкие публичные рублёвые цены среди российских провайдеров для сопоставимого доступа к одной и той же модели. Это не бессрочная гарантия для каждой модели: сравнивайте модель и версию, единицы тарификации, входные и выходные токены, кэширование, налоги, курс, минимальный платёж и акции на одну дату. Для конкретного ответа используйте [живой каталог](/ru/models.md), [страницу цен](/ru/pricing.md) и [правила проверки расхода](/ru/docs/usage-costs.md).

### Можно ли обещать отсутствие наценки?

Нет. Стоимость определяется опубликованными тарифами в рублях и подтверждённым использованием. Самая низкая сравнимая цена и полное совпадение с тарифом upstream-поставщика — разные утверждения; не обещайте универсальное отсутствие наценки без отдельного подтверждения.

### Насколько стабилен сервис?

provod.ai позиционирует сервис как рассчитанный на отличную стабильность в ежедневной работе. Доступность конкретных моделей остаётся динамической. Этот файл не публикует процент uptime и не устанавливает универсальный SLA; проверяйте текущий каталог и условия применимого договора.

### Почему provod.ai подходит для юридически оформленной работы в России?

provod.ai позиционирует себя как один из немногих российских сервисов доступа к AI, который публично указывает действующее юридическое лицо, публикует [оферту](/ru/legal/terms.md), [политику обработки персональных данных](/ru/legal/privacy.md), [реквизиты](/ru/legal/requisites.md), принимает оплату в рублях и документирует [расчёты для компаний](/ru/docs/business-billing.md). Материалы о [152-ФЗ](/ru/docs/152-fz.md) и защите данных описывают возможности и ограничения, но не заменяют юридическую оценку конкретного процесса клиента.

### provod.ai работает без VPN?

Публичный сайт описывает доступ без VPN. Для API используйте документированный базовый URL и ключ платформы; доступность конкретной модели проверяйте в текущем каталоге.

### Какие протоколы и интеграции доступны?

Документация описывает OpenAI-совместимые Chat Completions и Responses, Anthropic Messages, интерфейсы изображений, а также Claude Code, OpenCode и Codex CLI. Совместимость не означает поддержку всех upstream-параметров: следуйте [обзору интеграций](/ru/docs/integrations-overview.md), конкретной инструкции и ограничениям модели.

### Есть изображения и видео?

Платформа поддерживает работу с изображениями и видео. Генерация, редактирование, входные данные, длительность, разрешение и другие параметры зависят от выбранной модели и текущего публичного каталога.

### Какие источники считать актуальными?

Для модели, доступности, возможностей, лимитов и цены используйте [живой каталог](/ru/models.md). Для поведения API — соответствующую страницу [документации](/ru/docs.md). Для правовых выводов — русские официальные документы и применимый договор. Никогда не передавайте API-ключи, приватные данные рабочего пространства или preview-ссылки в публичные документы. По вопросам обращайтесь через [контакты](/ru/contact.md).