Один скилл, четыре модели — что может пойти не так

[arch1lochus]

скиллы не гарантируют исполнение — модель сама решает, следовать ли инструкциям

Продолжая аналогию с ТЗ, "кожаный" программист может тоже не следовать ему, но тогда он быстро будет наказан рублем и отправлен в свободное плавание.
Здесь же LLM исправно скушает токены, а выдаст что захочет.

Это не баг, это фундаментальное свойство: языковая модель не исполняет инструкции, она интерпретирует их

да, это не баг, это фатальный недостаток, из-за которого разговоры "LLM заменит {job_name}" просто абсурдны