Skills

Los skills son workflows especializados que Claude carga automáticamente por contexto o que puedes invocar de forma explícita. Cada skill encapsula un proceso completo (debugging, commits, PRs, diseño UI) con sus propias fases, validaciones y outputs.

Antes de empezar: lee Workflow AI-first para entender cómo los skills se integran en el pipeline de desarrollo.

Activación

Claude detecta el contexto y carga el skill apropiado. También puedes forzarlo: "Usando frontend-design: crea landing page".

Todos los skills

Core

Skill	Qué hace	Cuándo se activa
`brainstorming`	Diálogo estructurado para diseñar soluciones antes de implementar	Usuario describe qué construir, añadir o cambiar
`scenario-driven-development`	Ciclo SCENARIO→SATISFY→REFACTOR con convergence gates	Toda implementación — se activa siempre
`systematic-debugging`	Debugging metódico con 4 fases	Bug, test failure, comportamiento inesperado
`verification-before-completion`	Gate de evidencia: 6 pasos antes de declarar "hecho"	Antes de cualquier claim de completitud
`pull-request`	PR con quality gate integrado	Listo para crear pull request
`frontend-design`	Diseño UI distintivo	Construir o estilizar UI (web, mobile, posters)
`humanizer`	Elimina patrones de texto AI	Escribir o editar prosa (docs, UI copy, mensajes)
`skill-creator`	Crear skills nuevas	Creando o actualizando un skill
`context-engineering`	Diseño y optimización de system prompts, CLAUDE.md, y agent architectures	System prompts, context windows, coherencia de agentes

Git & Workflow

Skill	Qué hace	Cuándo se activa
`commit`	Commits semánticos con agrupación automática por tipo	Listo para commitear
`changelog`	Actualiza CHANGELOG desde diff real	Documentar cambios
`branch-cleanup`	Limpieza post-merge	Después de mergear PR
`worktree-create`	Worktree aislado en sibling dir	Necesitas workstream paralelo
`worktree-cleanup`	Eliminar worktrees con validación	Terminar con worktrees
`project-init`	Genera rules de proyecto (stack, architecture, conventions)	Proyecto nuevo o stack cambiado
`deep-research`	Investigación multi-fuente con verificación y confidence ratings	Investigación compleja

Ralph Orchestrator + SOP Skills (desarrollo autónomo)

Skill	Qué hace	Cuándo se activa
`ralph-orchestrator`	Orquesta pipeline completo con Agent Teams — ver página dedicada	Entry point — invoca este
`sop-discovery`	Explora constraints y riesgos	Fase 1: exploración
`sop-reverse`	Referent discovery (pre-build) + reverse engineering (sistemas existentes)	Fase 1: exploración
`sop-planning`	Diseña solución detallada	Fase 2: diseño
`sop-task-generator`	Genera .code-task.md files	Fase 3: planificación
`sop-code-assist`	Implementa con SDD	Fase 4: ejecución
`sop-reviewer`	Valida SDD compliance, reward hacking, satisfacción de scenarios	Post-ejecución: review

agent-browser herramienta externa

CLI de browser automation. No es un skill del framework — es una herramienta externa que los skills usan internamente. Reemplaza WebFetch/WebSearch para interacción real con páginas.

bash

agent-browser open https://example.com
agent-browser snapshot -i          # Lista elementos (@e1, @e2...)
agent-browser fill @e1 "texto"
agent-browser click @e2
agent-browser screenshot result.png

Todas las capacidades

Categoría	Comandos
Navegación	`open`, `back`, `forward`, `reload`, `tab`, `frame`
Interacción	`click`, `fill`, `type`, `select`, `upload`, `drag`, `hover`
Captura	`screenshot`, `pdf`, `record start/stop`
Estado	`cookies`, `storage`, `state save/load`
Red	`network route`, `network requests`
iOS/Mobile	`-p ios`, `tap`, `swipe`, `device list`
Debug	`--headed`, `console`, `errors`, `trace`

Además del CLI, agent-browser incluye skills especializadas que se sincronizan automáticamente:

Skill	Uso
`agent-browser`	Workflow completo: navegación, snapshots, formularios, autenticación, sesiones
`dogfood`	QA exploratorio: recorre la app como usuario real, genera reporte con screenshots y videos de repro
`electron`	Automatización de apps Electron (VS Code, Slack, Discord, Figma) vía CDP
`vercel-sandbox`	Browser automation dentro de microVMs efímeras de Vercel Sandbox

Se instala automáticamente. Ver Integraciones.

brainstorming

Convierte ideas vagas en diseños completos mediante diálogo.

"Necesito sistema de notificaciones push"

Flujo:

Examina el proyecto, pregunta una cosa a la vez
Propone 2-3 enfoques con trade-offs
Diseña en secciones de 200-300 palabras, valida cada una
Cristaliza diseño + escenarios en plan file nativo (plan mode)

Después: aprobación del plan → scenario-driven-development o ralph-orchestrator.

systematic-debugging

Proceso de 4 fases para encontrar root cause antes de intentar fixes.

Ley de hierro: NO fixes sin investigación de root cause primero.

Las 4 fases:

Fase	Actividad	Criterio de éxito
1. Root Cause	Leer errores, reproducir, check changes	Entender QUÉ y POR QUÉ
2. Pattern	Encontrar ejemplos funcionales, comparar	Identificar diferencias
3. Hypothesis	Formar teoría, testear mínimamente	Confirmado o nueva hipótesis
4. Implementation	Crear test, fix, verificar	Bug resuelto, tests pasan

Red flags — STOP y vuelve a Fase 1

"Quick fix por ahora, investigar después"
"Solo intenta cambiar X y ve si funciona"
Proponer soluciones sin trazar data flow
3+ fixes fallidos → cuestiona la arquitectura

Técnicas incluidas:

root-cause-tracing.md — Trazar bugs hacia atrás en call stack
defense-in-depth.md — Validación en múltiples capas
condition-based-waiting.md — Reemplazar timeouts arbitrarios
find-polluter.sh — Script para encontrar test que contamina

pull-request

Quality gate para PRs: code review + security review + observaciones.

"Crear PR a main"

Flujo:

Valida branch, extrae commits, detecta formato
Ejecuta en paralelo: code review, security review, observaciones
Presenta findings por severidad
Opciones: Create PR / Auto fix / Cancel
Auto fix → corrige → re-review → pregunta de nuevo
Crea PR con findings documentados

Agentes que usa

code-reviewer — lógica, arquitectura, tests
security-reviewer — SQL injection, XSS, secrets

Requisitos: git, gh CLI

frontend-design

Interfaces web con dirección estética bold. Sin look genérico.

"Landing page para startup fintech"

Flujo obligatorio:

Research — captura 3-5 referencias de Awwwards con agent-browser
Sintetizar — extrae DNA (colores, tipografía, spacing)
Commit — define dirección estética (brutalist, luxury, editorial...)
Implementar — código funcional con atención a detalles
Validar — compara contra referencias

Principios

Typography: Fonts distintivas. Nunca Arial/Inter/Roboto.
Color: Dominantes con acentos sharp, no gradientes tímidos.
Motion: CSS-only. Staggered reveals > micro-interactions.
Layout: Asimetría, overlap, grid-breaking, negative space.

humanizer

Identifica y elimina 33 patrones documentados de texto AI (EN+ES) del taxonomy Wikipedia AI Cleanup, con guía de voz en español.

Patrón	Ejemplos
Vocabulario AI	"Additionally", "delve", "landscape", "tapestry"
Inflación	"serves as a testament", "pivotal moment"
Estructura	Rule of three, em dashes excesivos
Tono	"Great question!", "I hope this helps!"
Spanish-specific	"cabe destacar", "en el ámbito de", sinónimo cycling

Proceso (10 pasos):

Detectar idioma del texto
Identificar patrones AI (33 EN + ES patterns)
Reescribir secciones problemáticas
Preservar significado y tono
Inyectar personalidad y voz
Anti-AI audit — "¿qué hace esto obviamente AI?"
Reescribir para eliminar tells restantes
Guía de voz español (6 directrices con 69 líneas de referencia before/after)
Ciclo draft/audit/rewrite hasta satisfacción
Verificación final

Ejemplo

Antes:

The software update serves as a testament to the company's commitment to innovation.

Después:

The update adds batch processing, keyboard shortcuts, and offline mode.

No solo limpia — añade voz. Texto estéril es tan obvio como slop.

skill-creator

Crea, mejora y mide skills con un ciclo eval/benchmark integrado.

"Quiero crear un skill para X"
"Mejora el triggering del skill Y"
"Corre evals para comparar con y sin skill"

Ciclo:

Capturar intent — entender qué debe hacer el skill
Escribir draft del SKILL.md
Crear test prompts y correr evals paralelos (con-skill vs baseline)
Grading cuantitativo con assertions + viewer HTML para revisión cualitativa
Reescribir basado en feedback → repetir hasta satisfacción
Optimizar description para mejor triggering con script dedicado

Principios clave:

Eval-driven: No publiques sin medir. Evals paralelos comparan resultado con y sin skill.
Progressive Disclosure: Metadata siempre → SKILL.md al activar → references bajo demanda.
Grados de libertad: Bridge estrecho = guardrails estrictos. Campo abierto = instrucciones flexibles.

Anatomía de un skill

skill-name/
├── SKILL.md           # Frontmatter (name, description) + instrucciones
├── scripts/           # Código ejecutable (Python/Bash)
├── references/        # Docs cargadas bajo demanda
└── assets/            # Archivos para output (templates, imágenes)

context-engineering

Optimiza system prompts, CLAUDE.md, AGENTS.md y arquitecturas de agentes.

"Mi agente no usa las tools disponibles"
"Optimiza este CLAUDE.md para mejor activación"

Cuándo usarlo:

Agentes que underperform pese a instrucciones correctas
Diseño de system prompts o AGENTS.md
Optimización de token efficiency en context windows
Pérdida de coherencia en tareas largas

Basado en:

commit

Commits semánticos con agrupación automática por tipo de archivo.

ConvencionalCorporativoTipo explícito

bash

/commit "feat(auth): add OAuth2 support"

bash

/commit "TRV-345 implementar autenticación"
# Output: feat|TRV-345|20260131|implementar autenticación

bash

/commit "refactor: TRV-345 mejorar módulo auth"

Agrupación automática: Si modificas archivos de 2+ categorías (config + código, docs + tests), crea commits separados por tipo.

changelog

Actualiza CHANGELOG.md basándose en el diff real, no en commits.

bash

/changelog "desde última versión"
/changelog "desde v2.0.0"

Por qué diff y no commits:

Commits:                    Diff real:
1. feat: add caching        Solo existe: logging.py
2. fix: caching bug
3. revert: remove caching   El caching NO EXISTE.
4. feat: add logging        Documentarlo sería mentir.

El changelog documenta qué existe, no qué se intentó.

branch-cleanup

Limpieza después de merge: elimina feature branch, sincroniza con base.

bash

/branch-cleanup        # Auto-detecta base (main/master/develop)
/branch-cleanup main   # Base explícita

GitHub elimina la branch remota al mergear. Este skill limpia la local.

worktree-create

Crea worktree en directorio sibling con rama nueva.

bash

/worktree-create "implementar autenticacion OAuth" main
# Crea: ../worktree-implementar-autenticacion-oauth

Branch vs Worktree

Branch: Desarrollo lineal, una feature a la vez. Worktree: Múltiples features en paralelo, cada una en directorio aislado.

Después de crear

El IDE se abre automáticamente, pero debes iniciar nueva sesión Claude en esa ventana. Si no, Claude sigue trabajando en el directorio anterior.

worktree-cleanup

Elimina worktrees con validación de ownership.

bash

/worktree-cleanup              # Discovery: lista disponibles
/worktree-cleanup worktree-1   # Eliminar específico

Restricciones:

Solo elimina worktrees que te pertenecen
No toca branches protegidas (main, develop, staging)
Requiere working tree limpio

project-init

Genera reglas de proyecto compartibles con el equipo.

bash

/project-init

Arquitectura dual:

docs/claude-rules/    ← TRACKED (source of truth)
├── stack.md
├── patterns.md
├── architecture.md
└── testing.md
        ↓ session-start hook (auto-sync)
.claude/rules/        ← IGNORED (working copy)

Las reglas viven en docs/claude-rules/ para versionarlas y reviewarlas en PRs. El hook de session-start las sincroniza a .claude/rules/ automáticamente.

Para nuevos miembros

Si el proyecto ya tiene docs/claude-rules/, no necesitas ejecutar /project-init. El hook sincroniza automáticamente.

deep-research

Motor de investigación con patrón STORM (multi-perspectiva), protocolo anti-alucinación, y artefactos persistentes.

bash

/deep-research "análisis competitivo sector fintech"

Ley de hierro:

NO CLAIM WITHOUT CITATION.
NO CITATION WITHOUT NAVIGATION.
NO SYNTHESIS WITHOUT CROSS-VALIDATION.
INSUFFICIENT EVIDENCE → SAY SO.

Metodología (patrón STORM):

Genera 2+ perspectivas por sub-pregunta — cobertura casi se duplica vs single-viewpoint
Routing inteligente: API/framework → Context7 primero, navegación compleja → agent-browser
Validación incremental con confidence por claim (High/Medium/Low/Insufficient)
Artefactos persistentes en .research/ (research-state.md como source of truth)

Protocolo anti-alucinación:

Confabulation → no facts sin URL navegada
Citation fabrication → verificar que URL carga y contiene el claim
Plausible interpolation → "typically/generally" no es evidencia
Authority laundering → navegar a fuente primaria, no citar secundarias

Usa agent-browser y Context7 para navegación real, no training data.

Ralph Orchestrator + SOP Skills

ralph-orchestrator entry point

Entry point para desarrollo autónomo. Orquesta el pipeline completo — de la idea al código revisado — usando Agent Teams con contexto fresco por teammate.

Ver página dedicada → — arquitectura, paso a paso, configuración, safety nets, modelo de costos.

En resumen: planificación en 2 modos (interactive/autonomous), checkpoint obligatorio, ejecución via Agent Teams con quality gates enforced por hooks y reviewer teammate que valida SDD compliance.

SOP Skills

Ralph orquesta estos skills en secuencia. Rara vez los invocarás directamente — Ralph los llama por ti.

Skill	Fase	Qué hace	Output
`sop-discovery`	Exploración	Constraints, riesgos, prior art	`discovery.md`
`sop-reverse`	Exploración	Referent discovery + reverse engineering	`referents/catalog.md`
`sop-planning`	Diseño	Requirements → Research → Design	`detailed-design.md`, `plan.md`
`sop-task-generator`	Planificación	Plan → task files con acceptance criteria	`.code-task.md` files
`sop-code-assist`	Ejecución	Implementa con SDD (SCENARIO→SATISFY→REFACTOR)	Código + tests + commits
`sop-reviewer`	Post-ejecución	5 gates: SDD compliance, reward hacking, quality	Review pass/reject

scenario-driven-development

Metodología core del framework. Todo código se implementa con el ciclo SCENARIO → SATISFY → REFACTOR.

Ley de hierro:

NO PRODUCTION CODE WITHOUT A DEFINED SCENARIO FIRST

Concepto clave: un scenario NO es un test. Es una user story end-to-end con comportamiento observable desde la perspectiva del usuario.

	Scenario	Test
Vive	En el spec o external	En el codebase
Evalúa	"¿Satisface al usuario?"	"¿Pasa?"
Vulnerable a	Nada (holdout externo)	Reward hacking

Satisfacción ≠ Pass/Fail: SDD reemplaza el boolean "todos los tests pasan" con convergencia probabilística — ¿qué fracción de trayectorias por los scenarios satisface al usuario?

Ciclo:

Definir scenario como user story con valores concretos
Encodificar como test que falla
Implementar código mínimo para satisfacer
Refactor sin romper satisfacción
Repetir hasta convergencia

verification-before-completion

Gate de evidencia que se ejecuta antes de cualquier claim de completitud. "Los tests pasan" sin output no es evidencia.

Ley de hierro:

NO COMPLETION CLAIMS WITHOUT FRESH VERIFICATION EVIDENCE

Los 6 pasos:

Paso	Acción
1. IDENTIFY	Lista cada claim que vas a hacer
2. RUN	Ejecuta el comando de verificación AHORA
3. READ	Lee el output COMPLETO — no skimees
4. VERIFY	Confirma que el output coincide con tu claim
5. SATISFY	Verifica contra scenarios definidos
6. REPORT	Reporta [M/N satisfechos] con evidencia

"Lo corrí antes" no cuenta. "Los tests pasan" sin output no cuenta. Solo evidencia fresca y observable.

Workflows típicos

Escenario	Skills
Feature nueva	`/brainstorming` → plan mode → `/scenario-driven-development` → `/verification-before-completion` → `/commit` → `/pull-request`
Bug fix urgente	`/worktree-create` → fix → `/commit` → `/pull-request`
Desarrollo autónomo	`/ralph-orchestrator` (orquesta todo el pipeline)
Post-merge	`/branch-cleanup`

Más skills

Para plugins externos (Episodic Memory, Superpowers) y catálogos de terceros (skills.sh), ver Integraciones.

Troubleshooting

Skill no se activa

Sé específico o menciónalo:

❌ "Ayuda con código"
✅ "Crear PR a main"
✅ "Usando pull-request: crear PR"

Skill desactualizado

bash

/plugin marketplace update ai-framework-marketplace
/plugin update ai-framework@ai-framework-marketplace

SOP no genera output

Verifica que existe specs/ en tu proyecto.

Siguiente paso: Agentes

Última actualización

Fecha: 2026-03-11

Skills ​

Todos los skills ​

Core ​

Git & Workflow ​

Ralph Orchestrator + SOP Skills (desarrollo autónomo) ​

agent-browser herramienta externa ​

brainstorming ​

systematic-debugging ​

pull-request ​

frontend-design ​

humanizer ​

skill-creator ​

context-engineering ​

commit ​

changelog ​

branch-cleanup ​

worktree-create ​

worktree-cleanup ​

project-init ​

deep-research ​

Ralph Orchestrator + SOP Skills ​

ralph-orchestrator entry point ​

SOP Skills ​

scenario-driven-development ​

verification-before-completion ​

Workflows típicos ​

Más skills ​

Troubleshooting ​

Skills

Todos los skills

Core

Git & Workflow

Ralph Orchestrator + SOP Skills (desarrollo autónomo)

agent-browser herramienta externa

brainstorming

systematic-debugging

pull-request

frontend-design

humanizer

skill-creator

context-engineering

commit

changelog

branch-cleanup

worktree-create

worktree-cleanup

project-init

deep-research

Ralph Orchestrator + SOP Skills

ralph-orchestrator entry point

SOP Skills

scenario-driven-development

verification-before-completion

Workflows típicos

Más skills

Troubleshooting