Skills nuevas

design-taste-frontend es una skill de frontend anti-slop para landing pages, portfolios, páginas editoriales y rediseños. Ayuda a un agente a leer el brief, inferir la dirección visual adecuada y entregar interfaces que se sientan intencionales en lugar de genéricas. Es ideal para Frontend Development cuando importan el criterio de diseño, la jerarquía y la adecuación a la marca.

design-taste-frontend-v1 es la skill original de taste para trabajo frontend con alto nivel de autonomía, conservada para mantener compatibilidad exacta hacia atrás. Ayuda a generar código de UI orientado a React/Next.js con decisiones de diseño más claras, comprobaciones de dependencias y guardarraíles prácticos. Usa esta skill design-taste-frontend-v1 cuando necesites el comportamiento antiguo en lugar de la reescritura experimental v2.

create-skill-test genera la estructura inicial de archivos de prueba `eval.yaml` para skills de agente en `dotnet/skills`. Úsalo para crear pruebas de skills, definir escenarios, fixtures, aserciones y rúbricas, y reducir el sobreajuste en el diseño de evaluaciones. No sirve para ejecutar pruebas existentes, depurar errores del validador ni redactar archivos `SKILL.md`.

create-skill es un generador de andamiaje para nuevas skills de agentes, al estilo de dotnet/skills. Úsalo para crear una carpeta de skill válida, generar `SKILL.md` con frontmatter y seguir las convenciones del repositorio para el andamiaje de skills. Es mejor para skills nuevas, no para editar las existentes.

create-custom-agent te ayuda a crear archivos de agente personalizado de VS Code (.agent.md) para personas de IA especializadas, con herramientas, instrucciones y traspasos. Úsalo para preparar nuevos agentes, definir límites de herramientas y configurar flujos de trabajo agente a agente para la creación de skills.

write es una skill de edición para reescribir prosa en chino o inglés y hacer que suene natural, clara y menos artificial, sin alterar el significado original. Encaja con borradores, documentación, notas de lanzamiento, textos de lanzamiento, publicaciones para redes y limpieza de Technical Writing. Úsala cuando ya tengas un texto y quieras una prosa más concisa y adaptada al público, no para idear contenido desde cero.

think es una skill de soporte a la decisión para convertir ideas vagas en planes aprobados y cerrados antes de programar. Úsala para diseño de funcionalidades, decisiones de arquitectura, análisis de compromisos y preguntas de “¿deberíamos hacer esto?”, cuando lo importante es el criterio, no la implementación. Encaja con think for Decision Support, think guide y necesidades de uso de think en flujos de trabajo centrados en el repo.

La skill read obtiene URLs y PDFs como Markdown limpio para leer, citar, referenciar y reutilizar en trabajos posteriores. Está pensada para uso de lectura en páginas de pago, sitios con mucho JS, X/Twitter, archivos de GitHub, plataformas chinas y flujos de automatización que necesitan texto fuente fiable antes del análisis. Usa la guía de read cuando quieras capturar la fuente, no comentarios.

Learn es una skill de investigación que convierte temas desconocidos, conjuntos de fuentes y notas recopiladas en un resultado coherente, listo para publicar. Ayuda con análisis en profundidad, compilación de fuentes, explicación y síntesis estructurada para investigación web y otras tareas con múltiples fuentes. Funciona mejor cuando necesitas una referencia sólida a partir de muchas entradas, no una búsqueda rápida.

hunt es una skill centrada primero en la depuración que obliga a pensar en la causa raíz antes de aplicar cualquier corrección. Úsala para errores, fallos, regresiones, pruebas que fallan, problemas de caché obsoleta, bugs de capturas de pantalla y fallos de “antes funcionaba”. Te ayuda a formular una hipótesis comprobable, reunir evidencia y evitar suposiciones. No es para revisión de código ni para funciones nuevas.

health ejecuta una auditoría de salud de agentes con enfoque en presupuesto para Codex, Claude Code, Pi, instrucciones del agente, hooks/MCP, superficies de verificación y mantenibilidad de IA. Usa la skill health para comprobar por qué un agente ignora instrucciones, falla en la validación o deriva hacia un comportamiento difícil de mantener. Es especialmente útil para flujos de trabajo de Security Audit, pero no para depurar código ni revisar PRs.

La skill de diseño ayuda a convertir solicitudes vagas de UI en resultados visuales listos para producción para páginas, componentes, paneles y pulido guiado por capturas. Úsala cuando la interfaz se vea fea, confusa, inconsistente o visualmente incorrecta, y cuando necesites diseño para UI Design en lugar de lógica de backend o pipelines de datos. Incluye guía de instalación, uso, límites y mejores decisiones estéticas.

La skill check revisa diffs de código, PR, colas de issues, preparación para releases, commits, pushes, publicación y auditorías de proyecto. Úsala cuando necesites una revisión disciplinada de Code Review antes de un merge o un release, con barreras de seguridad para worktrees sucios y cambios no rastreados. No sirve para explorar ideas, depurar causas raíz ni revisar prosa.

La skill treatment-plans ayuda a generar planes de tratamiento médicos concisos, orientados al personal clínico y listos para LaTeX/PDF. Sirve para medicina general, rehabilitación, salud mental, enfermedades crónicas, atención perioperatoria y manejo del dolor, con objetivos SMART, intervenciones basadas en evidencia, citas mínimas y formato alineado con requisitos de cumplimiento. Ideal para treatment-plans en Technical Writing y documentación estructurada de cuidados.

La skill de transformers te ayuda a usar Hugging Face Transformers para cargar modelos, hacer inferencia, tokenizar y realizar fine-tuning. Es una guía práctica de transformers para tareas de Machine Learning en texto, visión, audio y flujos multimodales, con rutas claras para crear baselines rápidas y entrenar modelos a medida.

torchdrug es un toolkit nativo de PyTorch para machine learning molecular y de proteínas. Usa la skill de torchdrug para elegir tareas, datasets y modelos modulares para redes neuronales de grafos, modelado de proteínas, razonamiento sobre grafos de conocimiento, generación molecular y retrosíntesis. Es la mejor opción para desarrollar modelos a medida y trabajar con configuraciones reproducibles, no solo para demos cerradas.

Guía de torch-geometric para redes neuronales gráficas con PyTorch Geometric. Úsala para ayuda de instalación de torch-geometric, uso de torch-geometric, clasificación de grafos, clasificación de nodos, predicción de enlaces, grafos heterogéneos, capas `MessagePassing` personalizadas y escalado de GNN en flujos de trabajo de Machine Learning.

Usa la skill sympy para matemáticas simbólicas exactas en Python, incluyendo álgebra, cálculo, matrices, fórmulas de física, teoría de números, geometría y generación de código. Te ayuda a mantener las expresiones exactas, elegir los módulos adecuados de SymPy y evitar errores típicos por depender demasiado de floats. Es ideal para quienes necesitan una guía práctica de sympy para flujos de trabajo simbólicos y sympy para análisis de datos.

La skill de statsmodels te ayuda a usar statsmodels para análisis de datos en Python cuando necesitas modelos estadísticos, inferencia y diagnósticos. Sirve para ajustar OLS, GLM, resultados discretos, series temporales y modelos mixtos, con tablas de coeficientes, valores p, intervalos de confianza y comprobaciones de supuestos. Usa esta guía de statsmodels para econometría, pronósticos e informes sólidos y defendibles.

La skill statistical-analysis te ayuda a elegir, ejecutar y reportar pruebas estadísticas sólidas para Data Analysis, incluyendo supuestos, tamaños del efecto, potencia y resultados con estilo APA. Úsala en investigación académica, experimentos y estudios observacionales cuando la selección de la prueba y la claridad del reporte importan más que codificar un modelo concreto.

Guía de stable-baselines3 para flujos de trabajo de Machine Learning: entrena agentes de RL, conecta entornos Gymnasium y elige PPO, SAC, DQN, TD3, DDPG o A2C con menos incertidumbre. Es ideal para aprendizaje por refuerzo estándar de agente único, prototipado rápido y un uso práctico de stable-baselines3.

simpy es un framework de Python para simulación de eventos discretos basada en procesos. Este skill de simpy ayuda a modelar colas, recursos y eventos dependientes del tiempo para manufactura, operaciones de servicio, logística, redes y simpy para análisis de datos cuando necesitas información sobre tiempos de espera, utilización, rendimiento o cuellos de botella.

Skill de shap para interpretabilidad de modelos y IA explicable. Úsalo para entender predicciones, calcular atribuciones de características, elegir gráficos de SHAP y depurar el comportamiento del modelo en análisis de datos, tanto en modelos de árboles, lineales, de deep learning como de caja negra.

Seaborn es una skill de seaborn para visualización estadística en Python, con entradas compatibles con pandas y buenos valores predeterminados. Úsala para explorar rápidamente distribuciones, relaciones, comparaciones categóricas, box plots, violin plots, pair plots y heatmaps. Está construida sobre matplotlib para generar gráficos estáticos listos para publicación.