El equipo de Claude Code publica el uso interno de Skills: cientos en uso, clasificados en 9 grandes tipos

Según la monitorización de 1M AI News, Thariq, miembro del equipo de herramientas de programación Claude Code de Anthropic, compartió su experiencia en el uso interno de Skills. Skills es la mecánica de extensión más utilizada en Claude Code, y actualmente hay varios cientos en uso activo dentro de Anthropic. El equipo las ha clasificado en nueve categorías: 1. Referencias de bibliotecas y API: guías para que el agente utilice correctamente las bibliotecas internas, CLI y SDK, con fragmentos de código y trampas comunes; 2. Validación de productos: uso de herramientas como Playwright y tmux para verificar la salida del código, grabar videos como evidencia y colocar afirmaciones en cada paso; 3. Obtención y análisis de datos: conexión a sistemas de monitoreo, con credenciales integradas, ID de panel y plantillas de consultas frecuentes; 4. Automatización de procesos comerciales: realizar tareas repetitivas como resúmenes de reuniones, creación de tickets y generación de informes semanales con un solo comando; 5. Generadores de código: crear plantillas de proyectos según las normas del equipo, ideales para escenarios donde los requisitos en lenguaje natural no pueden ser cubiertos solo con código; 6. Calidad y revisión de código: puede ejecutarse automáticamente como hook o acción de GitHub, incluyendo agentes derivados que realizan revisiones adversariales; 7. CI/CD y despliegues: monitoreo de pull requests, reintentos en CI, despliegues progresivos y retrocesos automáticos; 8. Runbook: diagnóstico mediante la correlación de firmas de errores o alertas, con herramientas interconectadas y generación de informes estructurados; 9. Operaciones de infraestructura: limpieza de recursos huérfanos, aprobaciones de dependencias, investigaciones de costos y otras operaciones con barreras de seguridad. El texto destaca varias prácticas clave: Skills no es solo markdown, sino una carpeta completa que puede incluir scripts, activos y datos, y se debe aprovechar el sistema de archivos para una divulgación progresiva de información; el contenido más valioso es la sección de Gotchas (trampas comunes), que debe acumular continuamente los patrones de fallo del agente; el campo de descripción de Skills está diseñado para mostrar las condiciones de activación al modelo, no como un resumen para humanos; además, se puede almacenar el historial de logs dentro de la carpeta de Skills para lograr memoria entre sesiones. El equipo registra los datos de uso de Skills mediante el hook PreToolUse para medir la tasa de activación y la efectividad.