Sat Jun 27 2026 20:00:00 GMT-0400 (Eastern Daylight Time)
ClawHub Skill Registry: Menemukan dan Berbagi Keterampilan Kode Claude
ClawHub adalah registry komunitas untuk Claude Code Skills. Saya akan menjelaskan cara mencari, menginstal, menerbitkan, dan mengaudit paket SKILL.md untuk berbagi kemampuan agen dengan aman.

Terakhir diperbarui: June 28, 2026
Sebuah skill registry adalah bagian yang hilang antara menulis Claude Code Skill dan orang lain benar-benar menggunakannya. ClawHub adalah salah satu community registry yang melakukan apa yang dilakukan npm untuk JavaScript pada paket SKILL.md: ia mencantumkan, membuat versi, dan memberikan Anda instalasi satu baris. Saya memasang skill registry pertama saya sekitar sepuluh menit setelah mengetahui bahwa skills itu ada, dan saya menerbitkan milik saya sendiri minggu berikutnya.
Berikut adalah versi singkatnya, kemudian bagian praktisnya: apa itu registry, bagaimana cara saya menemukan dan menginstal skills dari ClawHub, bagaimana cara saya memublikasikannya, dan pertanyaan kepercayaan yang saya ajukan sebelum menjalankan kode orang lain. Jika Anda belum pernah menulis skill, mekanismenya ada di postingan Claude Code Skills saya; artikel ini mengasumsikan Anda tahu dasar-dasarnya dan berfokus pada lapisan berbagi (sharing layer).

Jawaban singkat: apa itu skill registry?
Skill registry adalah katalog yang di-host dari Claude Code Skills. Setiap entri menunjuk ke sebuah paket (folder dengan SKILL.md dan biasanya beberapa skrip), memiliki nama, versi, dan penulis. Anda mencari di katalog, menginstal entri ke direktori lokal .claude/skills/ Anda, dan model kemudian dapat memanggil skill itu sesuai permintaan. ClawHub adalah contoh yang dijalankan komunitas yang saya gunakan sehari-hari; ini bukan produk resmi Anthropic, jadi perlakukanlah seperti cara Anda memperlakukan sumber paket pihak ketiga mana pun.
Anthropic mendokumentasikan format skill dasar di docs.anthropic.com/en/docs/agents-and-tools/agent-skills, dan CLI yang memuat skills ini bersifat open source di github.com/anthropics/claude-code. Sebuah registry berada di atas keduanya, menyediakan penemuan (discovery) dan distribusi. Untuk gambaran agen yang lebih luas, lihat Claude Code ultimate guide for 2026.
Mengapa Anda sama sekali menggunakan registry?
Tanpa registry, berbagi skill berarti mengompres folder, mengirimkannya, dan berharap penerima meletakkannya di jalur yang benar. Itu rusak saat Anda memperbaiki bug atau mengubah prompt. Sebuah registry memberi Anda empat hal yang saya andalkan:
- Penemuan (Discovery) — daftar yang dapat dicari, sehingga saya tidak perlu tahu bahwa sebuah skill ada dari mulut ke mulut.
- Pengaturan Versi (Versioning) — setiap publikasi adalah versi, dan saya bisa menentukan atau membatalkannya (roll back).
- Instalasi satu baris (One-line install) — perintah tunggal alih-alih salinan manual.
- Sumber kebenaran bersama (A shared source of truth) — tim saya dan saya menginstal skill
migration-lintyang sama dan mendapatkan perilaku yang sama.
Pertukaran nilainya adalah kepercayaan. Registry yang dapat dipublikasikan oleh siapa saja hanya aman selama kebiasaan peninjauan Anda. Saya memperlakukan skill registry sebagai kode yang tidak tepercaya sampai saya membacanya, yang akan saya bahas di bawah.
Bagaimana cara menginstal skill dari ClawHub?
Perintah pastinya bervariasi tergantung klien registry, tetapi polanya sama di mana-mana: cari, instal, verifikasi. Dengan CLI ClawHub terpasang secara global, alur kerja normal saya terlihat seperti ini.
## Cari skill berdasarkan kemampuan
clawhub search "database migration"
## Instal berdasarkan nama (versi terbaru)
clawhub install migration-lint
## Tentukan versi spesifik untuk reproduktifitas
clawhub install migration-lint@1.2.0
## Lihat apa yang Anda miliki, termasuk versi
clawhub list
Setelah instalasi, skill tersebut mendarat di .claude/skills/migration-lint/ di dalam proyek saya. Saya membuka folder itu sebelum saya membiarkan model menggunakannya, karena model akan mengikuti instruksi apa pun yang terkandung dalam SKILL.md. Jika skill mengirimkan skrip shell, saya juga membacanya. Skill hanya aktif ketika model memutuskan tugas tersebut cocok dengan deskripsinya, persis seperti yang dijelaskan di posting mekanika SKILL.md.
Daftar periksa instalasi kecil
| Langkah | Yang saya periksa | Mengapa |
|---|---|---|
Baca SKILL.md |
Instruksi dan bidang description |
Ini secara harfiah yang akan diberitahukan kepada model |
| Daftarkan skrip | Apa pun di scripts/ atau file referensi |
Skrip dapat menjalankan perintah shell di mesin saya |
| Periksa izin | Jaringan, sistem berkas (filesystem), shell, rahasia (secrets) | Skill lint seharusnya tidak memerlukan akses jaringan |
| Tentukan versi | Instal @1.2.0, bukan @latest |
Menghindari perubahan perilaku diam-diam saat pembaruan |
Bagaimana cara memublikasikan skill Anda sendiri?
Publikasi adalah bagian yang membuat saya gugup, dan ternyata itu adalah separuh yang mudah. Separuh yang sulit adalah menulis description yang cukup baik sehingga model benar-benar mengaktifkan skill-nya. Alur kerja publikasi saya, dari awal hingga akhir:
- Bangun skill secara lokal dan uji dalam sesi nyata terlebih dahulu.
- Tambahkan manifes kecil (nama, versi, penulis, jalur entri) yang diharapkan oleh registry.
- Masuk ke registry sekali dengan token API.
- Jalankan perintah publikasi dari folder skill.
- Tingkatkan versi di manifes untuk setiap perubahan, lalu publikasikan lagi.
Folder skill minimal yang saya publikasikan bulan lalu terlihat seperti ini.
migration-lint/
├── SKILL.md # Instruksi yang dimuat model
├── scripts/
│ └── check.sh # Menjalankan lint yang sebenarnya
└── skill.json # Manifes registry: nama, versi, penulis

Badan SKILL.md adalah tempat kerja nyata, dan aturan penulisan yang sama berlaku apakah skill-nya lokal atau ada di registry: awali dengan kapan menggunakannya dalam deskripsi, jaga badan tetap pendek, dan lampirkan hanya file yang benar-benar dibutuhkan oleh skill. Ketika sebuah skill berkembang melampaui satu tugas, saya membaginya, yang merupakan insting yang sama di balik menjalankan Claude Code sub-agents untuk pekerjaan paralel alih-alih satu prompt raksasa.
Bagaimana registry dibandingkan dengan cara lain memperluas Claude Code?
Skills bukan satu-satunya mekanisme perluasan, dan saya mencari yang berbeda tergantung pada tugasnya. Skills paling baik untuk instruksi yang dapat digunakan kembali dan dipanggil model; server MCP paling baik untuk data langsung dan akses alat; sub-agen paling baik untuk pekerjaan terisolasi dan paralel. Tabel di bawah ini adalah cara saya benar-benar memutuskan.
| Mekanisme | Apa itu | Kapan saya menggunakannya |
|---|---|---|
| Skill (registry atau lokal) | SKILL.md yang dimuat model sesuai permintaan |
Prompt yang dapat digunakan kembali, konvensi tim, aturan lint |
| Server MCP | Sumber alat/data langsung melalui JSON-RPC | Kueri basis data, API eksternal, data waktu nyata |
| Sub-agent | Instansi Claude Code terpisah untuk sub-tugas | Penelitian paralel, pekerjaan jangka panjang yang terisolasi |
MCP adalah pilihan yang tepat ketika model perlu melakukan sesuatu secara langsung daripada mengikuti prosedur yang tersimpan. Saya menulis perbandingan lengkap di how MCP connects AI to your tools, dan ikhtisar resmi kemampuan CLI ada di docs.anthropic.com/en/docs/claude-code.
Apakah ClawHub resmi, dan apakah aman?
Tidak, ClawHub adalah registry komunitas, bukan produk Anthropic. Itu bukan alasan untuk menghindarinya, tetapi itu adalah alasan untuk membawa kehati-hatian yang sama seperti yang akan Anda bawa pada setiap dependensi open source. Model akan mengeksekusi apa pun yang diperintahkan oleh skill, jadi skill yang berbahaya atau ceroboh dapat membaca file, memanggil endpoint jaringan, atau menjalankan perintah shell atas nama Anda.
Aturan saya sendiri, berdasarkan tingkat kepentingannya:
- Saya membaca setiap
SKILL.mdsebelum penggunaan pertama, dari awal hingga akhir. - Saya membaca skrip apa pun yang dikirimkan oleh skill.
- Saya lebih suka skill dari penulis yang saya kenal atau yang memiliki peninjauan publik.
- Saya menentukan versi dan membaca changelog sebelum memperbarui.
- Saya menjalankan skill yang tidak tepercaya di direktori buangan (throwaway directory) terlebih dahulu.
Jika sebuah skill meminta izin lebih dari yang dibutuhkan tugasnya, itu adalah tanda bahaya dan saya tidak menginstalnya.

Apa yang bisa salah dengan skill pihak ketiga?
Beberapa mode kegagalan yang benar-benar saya alami atau lihat: description sebuah skill terlalu luas, sehingga aktif pada tugas yang tidak dimaksudkan dan memberikan instruksi buruk; pembaruan mengubah perilaku tanpa changelog dan secara diam-diam merusak alur kerja saya; atau sebuah skill menggabungkan skrip dengan jalur keras (hardcoded path) yang tidak ada di mesin saya. Tidak ada dari ini yang bersifat katastrofik, tetapi semuanya membuang waktu, dan semuanya lebih murah untuk ditangkap dengan membaca skill daripada dengan men-debug keluaran model.
Perbaikannya membosankan dan efektif: perlakukan registry seperti npm, perlakukan setiap skill seperti dependensi, dan tinjau sebelum Anda menjalankan. Tentukan versi Anda, pertahankan daftar pendek penulis tepercaya, dan jika ragu, salin skill ke folder lokal dan hilangkan apa pun yang tidak Anda pahami.
Ringkasan
Skill registry mengubah file SKILL.md dari jalan pintas pribadi menjadi infrastruktur yang dapat dibagikan. ClawHub memberi saya penemuan, pengaturan versi, dan instalasi satu baris, dan memublikasikan skill saya sendiri hanya butuh waktu setengah hari setelah skill-nya itu sendiri ditulis. Mekanismenya sederhana; disiplinnya ada pada peninjauan. Baca apa yang Anda instal, tentukan apa yang Anda percayai, dan publikasikan skills yang Anda temukan diri Anda tulis ulang setiap minggu.
Kredit Gambar
- Kode pemrograman berwarna cerah disorot di layar komputer pengembang — foto oleh Nemuel Sereti di Pexels
- Sumber kode yang hidup ditampilkan di monitor mewakili daftar registry — foto oleh Seraphfim Gallery di Pexels
- Kode pemrograman berwarna dengan kode warna mewakili skill Claude Code yang dikemas — foto oleh Godfrey Atima di Pexels
- Pengembang coding di laptop sambil meninjau paket terinstal — foto oleh Lukas Blazek di Pexels
Gunakan alat gratis sambil mengikuti panduan.
Lanjutkan membaca

Wed Mar 25 2026 20:00:00 GMT-0400 (Eastern Daylight Time)
Resizer Gambar Massal: Ubah Ukuran Ratusan Gambar Sekaligus (Gratis)
Ubah ukuran ratusan gambar secara massal dan gratis menggunakan alat peramban, ImageMagick, XnConvert, atau skrip Python. Dapatkan penghematan byte nyata dan alur kerja batch yang aman.

Wed Mar 18 2026 20:00:00 GMT-0400 (Eastern Daylight Time)
WebP Converter: Cara Mengubah Gambar ke WebP (Dengan Ukuran Asli)
Ubah gambar JPEG dan PNG menjadi WebP untuk file web yang lebih kecil. Kami membahas ukuran terukur nyata, perintah cwebp, metode Python dan peramban (browser), serta strategi fallback JPEG/PNG.

Wed Mar 11 2026 20:00:00 GMT-0400 (Eastern Daylight Time)
Real-ESRGAN AI Upscaling: Cara Kerja dan Kapan Menggunakannya
Apa itu Real-ESRGAN, bagaimana super-resolution berbasis GAN-nya bekerja, apa keunggulannya (upscaling 4x foto dan seni), serta batasannya dengan perintah yang jujur.