AI & automation

Skill vs system prompt vs agent: vad ska användas när?

Jag ser ofta tre olika problem lösas med samma verktyg: allt stoppas in i en gigantisk systemprompt. Det fungerar i små demos, men blir snabbt svårt att uppdatera, testa och återanvända.

Shadip Rahman 5 november 2026 3 min läsning
Dela
Beslutsbild för frågan Ska beteendet ligga i system prompt, Skill eller agent? med alternativen System prompt, Skill, Agent.

Jag ser ofta tre olika problem lösas med samma verktyg: allt stoppas in i en gigantisk systemprompt. Det fungerar i små demos, men blir snabbt svårt att uppdatera, testa och återanvända.

Min uppdelning är enklare: system prompt styr grundbeteende, Skill paketerar återanvändbar kompetens och agenten äger ett avgränsat jobb med egna verktyg och kontext.

System prompt: regler som alltid måste vara närvarande

Systemprompten passar sådant som verkligen är globalt för sessionen eller agenten: säkerhetsgränser, roll, övergripande prioriteringar och invarianta beteenden.

Jag vill däremot inte använda den som kunskapsdump. Ju mer domänmaterial som alltid laddas, desto mer irrelevant kontext följer med varje uppgift.

Skill: en återanvändbar förmåga

En Skill använder jag när samma metod ska kunna aktiveras på många uppgifter. är ett tydligt exempel: den innehåller redaktionella regler, evidensavgränsningar och evals som ska kunna återanvändas när text faktiskt behöver redigeras.

Anthropic beskriver — enligt dokumentation som kan hinna uppdateras eller döpas om innan den här artikeln publiceras — som mappar med SKILL.md och valfria scripts/resources som kan laddas när de behövs. Det är precis det jag vill åt: progressive disclosure i stället för att hela manualen alltid ligger i kontext.

Bra Skill-innehåll kan vara:

  • en researchmetod,
  • en SQL-domänstandard,
  • en content-QA-process,
  • en translation policy,
  • ett företagspecifikt arbetssätt.

Agent: ett ansvar med verktyg och state

Agent använder jag när något har ett eget jobb. Researcher i contentfabriken samlar källor. Fact Checker verifierar claims. De kan använda Skills, men de är inte Skills själva.

Anthropic beskriver också subagents som separata kontexter med egna instruktioner och tool access. Det är användbart när jag vill isolera ansvar och minska kontextblandning.

De tre kan komponeras

Min vanligaste arkitektur är inte "välj en". Den är:

text
Agent├── systeminstruktion: ansvar + gränser├── tools: bara de handlingar rollen behöver└── Skills    ├── [research](/blogg/sa-skiljer-jag-observationer-fran-slutsatser-nar-ai-analyserar-forskning)-standard    ├── source-policy    └── writing-standard

Systemprompten är kontrollplanet. Agenten är exekveringsrollen. Skills är återanvändbara kompetensmoduler.

Min beslutsregel

Jag ställer tre frågor.

Måste instruktionen gälla nästan alltid för denna roll? Lägg den nära systemnivån.

Är detta en återanvändbar metod som flera roller eller projekt kan behöva? Gör den till en Skill.

Behöver uppgiften egen state, verktygsaccess, handoff eller isolerad kontext? Gör den till en agent.

Det här gör systemet mer omständligt än en mega-prompt. Men det gör också varje del testbar och utbytbar.

Källor

Relaterade artiklar

Claude CodeClaudeAgent SkillsAI-agenterPrompt engineeringAI Skills och Claude Code
Dela