Skills que sobrevivieron: anatomía de una skill que funciona
Instalé skills de más. Al principio todas parecían útiles y al cabo de un mes casi ninguna se disparaba. Lo que me hizo reaccionar fue un dato ajeno: cuando un catálogo conocido de skills hizo su limpieza de la versión 1, el resultado fue una reducción del 63% en tokens. - Source: v1: 63% Token Reduction - AI Hero
Menos texto, mejores resultados. Esta pieza es la anatomía de las que sí sobreviven, con los casos reales y medidos.
Qué es una skill
Un procedimiento con nombre y descripción que el agente carga cuando lo necesita. Vive en un archivo de texto (típicamente SKILL.md con frontmatter name y description) y es la forma más barata de enseñarle un proceso: no se carga siempre, sino cuando la tarea coincide con su descripción. → Tu primer agente "puro": solo archivos markdown
La anatomía de una que funciona
- Nombre corto y concreto:
/review-pr, no/ayudame-con-codigo. - Descripción que es un gatillo: empieza por el verbo y di cuándo usarla ("Úsalo cuando el usuario pida…"). La descripción no describe la skill: decide si se dispara.
- Un procedimiento, pasos numerados, en imperativo.
- Criterio de parada: qué significa "terminado" (tests verdes, checklist completa) y cuándo detenerse en lugar de seguir.
- Corta. La más famosa del catálogo que sigo tiene tres frases y produce entre 16 y 50 preguntas por sesión. - Source: 5 Agent Skills I Use Every Day - AI Hero
Los casos que sobrevivieron (con su porqué)
- Grillar la idea (
/grill-me): interroga al usuario hasta alcanzar un entendimiento compartido, recorriendo "el árbol de decisiones" (concepto de The Design of Design, de Frederick P. Brooks). Tres frases; 16 preguntas en un caso normal. - Source: 5 Agent Skills I Use Every Day - AI Hero - De conversación a spec (
/to-spec): convierte lo entendido en un documento con user stories. No vuelve a preguntar: lo que hacía falta preguntar ya se preguntó. - De spec a tickets (
/to-tickets): corta el destino en rebanadas verticales (cada ticket atraviesa todas las capas, como una tracer bullet) y establece bloqueos para poder paralelizar. - TDD (
/tdd): impone el ciclo rojo-verde-refactor. Según su autor, "hacer buen TDD ha sido la forma más consistente de mejorar los resultados del agente". - Source: 5 Agent Skills I Use Every Day - AI Hero - Arquitectura para agentes (
/improve-codebase-architecture): audita el repo buscando módulos superficiales y propone interfaces más profundas. La frase que lo resume: "si tienes un codebase basura, la IA producirá basura dentro de ese codebase". - Source: 5 Agent Skills I Use Every Day - AI Hero
Fíjate en el patrón: las que sobreviven codifican un proceso, no un conocimiento. El conocimiento lo tiene el modelo; el proceso es tuyo.
Por qué mueren las skills
- Descripción vaga: nunca se dispara. El agente no adivina cuándo quieres que la use.
- Hacen demasiado: tres procedimientos en una skill = el agente hace el que quiere.
- Se contradicen entre sí o con el AGENTS.md.
- Explican lo que el modelo ya sabe ("escribe código limpio"). Eso solo gasta contexto.
- Nadie las mantiene: el repo cambió y la skill quedó describiendo un flujo viejo.
Cómo escribo las mías
- Una skill = una tarea que repito al menos una vez por semana.
- La descripción dice cuándo, no qué: "Úsalo antes de hacer merge".
- Empiezo con 10 líneas. Si necesita más, divido en dos skills.
- La pruebo preguntando: "¿cuándo usarías esta skill?" Si el agente no la invoca, la descripción está mal.
- Borro sin culpa. Una skill que no se usa es contexto muerto.
Y una consecuencia práctica: como son archivos de texto, se versionan, se revisan y se instalan con un CLI (npx skills add ...), igual que cualquier artefacto del repo. - Source: AI Skills for Real Engineers - AI Hero
Las skills son la pieza 1 del harness (el contrato de procedimientos); el mapa completo está en Harness Engineering: las 9 piezas.
¿Cuál es la skill que más usas? Si no puedes nombrarla en tres palabras, probablemente hace demasiado. Cuéntame en los comentarios.