develop-ai-functions-example

Visión general de la skill develop-ai-functions-example

Para qué sirve develop-ai-functions-example

La skill develop-ai-functions-example es una guía de implementación enfocada en crear o modificar ejemplos ejecutables en examples/ai-functions/src/ dentro del repositorio vercel/ai. Su función no es el prompting general. Está pensada para ayudarte a producir ejemplos que respeten las convenciones del repositorio para demos de funciones del AI SDK, validación de providers y fixtures de tipo test.

Quién debería usar esta skill

Usa la skill develop-ai-functions-example si estás:

• añadiendo un ejemplo nuevo para una función del AI SDK
• adaptando un ejemplo a otro provider
• validando si un provider admite una funcionalidad concreta
• creando un repro mínimo o un fixture dentro del árbol de ejemplos existente
• intentando mantenerte alineado con la estructura del repo en lugar de inventar tu propio patrón

Si solo quieres preguntarle a un LLM cómo funciona generateText() de forma abstracta, esta skill probablemente sea más específica de lo que necesitas.

El trabajo real que resuelve

La mayoría de usuarios no buscan texto explicativo. Quieren un ejemplo funcional en la carpeta correcta, con la forma adecuada, usando la función correcta del SDK y cometiendo menos errores específicos del repositorio. Lo más útil es entender develop-ai-functions-example como un asistente de implementación con conocimiento del repo para el área de ejemplos de AI Functions.

Qué la diferencia de un prompt de programación genérico

Un prompt genérico puede redactar código de ejemplo, pero normalmente falla en la taxonomía local y en la lógica de ubicación de archivos. Esta skill aporta contexto práctico como:

• las categorías de ejemplos ya presentes en examples/ai-functions/src/
• la correspondencia esperada entre el tipo de funcionalidad y el directorio de destino
• el propósito de estos ejemplos dentro del repositorio: validación, demostración y fixtures
• una preferencia por ejemplos mínimos y ejecutables, en vez de tutoriales amplios

Alcance ideal

El mejor encaje de develop-ai-functions-example for Skill Examples está en trabajo dentro de estas categorías:

• generate-text/
• stream-text/
• generate-object/
• stream-object/
• agent/
• embed/
• embed-many/
• generate-image/
• generate-speech/
• transcribe/
• rerank/
• middleware/

Ese alcance importa. La skill está optimizada para desarrollar ejemplos dentro de este layout del repo, no para diseñar una app, la superficie API del SDK o una arquitectura de producción.

Cómo usar la skill develop-ai-functions-example

Contexto de instalación y dónde aplica

Usa la guía de instalación de develop-ai-functions-example install en el contexto del repositorio vercel/ai o cuando quieras replicar su estructura de ejemplos. Una configuración habitual es:

npx skills add vercel/ai --skill develop-ai-functions-example

Después, invoca la skill cuando tu tarea trate específicamente de crear, editar o validar archivos de ejemplo en examples/ai-functions/src/.

Empieza eligiendo la categoría de ejemplo correcta

Antes de pedir código, identifica la familia de funciones de destino. Es la decisión con más impacto porque determina tanto la carpeta como la forma del ejemplo.

Ejemplos:

• salida de texto simple en una sola llamada → generate-text/
• streaming de tokens o fragmentos → stream-text/
• salida estructurada con restricciones de esquema → generate-object/
• salida estructurada en streaming → stream-object/
• embeddings para una sola entrada → embed/
• embeddings por lotes → embed-many/
• flujo de trabajo multi‑paso con herramientas → agent/

Si te saltas este paso, el ejemplo generado puede terminar usando una API completamente equivocada.

Qué información necesita la skill de tu parte

La calidad de uso de develop-ai-functions-example usage depende mucho de lo específica que sea tu petición. Indica:

• la función objetivo, como generateObject() o streamText()
• el provider y el modelo, si los conoces
• si el ejemplo es para validación, demostración estilo docs o un test fixture
• las entradas y salidas esperadas
• si se requiere streaming, tools, validación de esquema o middleware
• cualquier restricción sobre dependencias, nombres de archivo o variables de entorno

Una entrada débil:

• “Haz un ejemplo de AI.”

Una entrada más sólida:

• “Create a minimal generateObject() example under examples/ai-functions/src/generate-object/ that tests structured extraction from product review text using a Zod schema and a provider supported in this repo.”

Convierte un objetivo difuso en un prompt apto para la skill

Un buen prompt para la guía develop-ai-functions-example guide nombra el resultado esperado, el directorio de destino, la función y la intención de validación.

Patrón útil:

• qué quieres que se cree
• dónde debe vivir
• qué función del AI SDK debe usar
• qué supuestos sobre el provider están permitidos
• lo mínimo o lo parecido a producción que debe ser
• cómo se verá el éxito

Ejemplo de prompt:

“Use develop-ai-functions-example to create a minimal example in examples/ai-functions/src/stream-text/ showing streamText() with a provider already used in the repo. Keep it short, runnable, and clearly focused on streaming output rather than app integration. Include any required env vars and explain why this belongs in stream-text/ instead of generate-text/.”

Lee primero SKILL.md y luego revisa ejemplos cercanos

Esta skill solo tiene un archivo de soporte visible: SKILL.md. Léelo primero porque recoge el mapa de categorías y la intención específica del repo. Después, revisa ejemplos vecinos en el directorio de destino que vayas a modificar. Eso te da más rápido el patrón local de nombres y código que leer documentación general del repositorio.

Orden de lectura práctico:

1. skills/develop-ai-functions-example/SKILL.md
2. la carpeta objetivo dentro de examples/ai-functions/src/
3. uno o dos ejemplos hermanos lo más cercanos posible a la funcionalidad que quieres
4. cualquier import específico de provider o patrón de variables de entorno usado cerca

Ajusta el ejemplo a su propósito

El repositorio usa ejemplos para algo más que documentación. Tu prompt debería indicar cuál de estos objetivos quieres priorizar:

• validación de compatibilidad de provider
• demostración de funcionalidad
• fixture reproducible
• experimentación iterativa

Por qué importa:

• los ejemplos de validación deben ser mínimos y explícitos
• los ejemplos de demo deben resaltar el comportamiento clave de la API
• los fixtures deben evitar variaciones innecesarias
• los experimentos pueden ser más rústicos, pero aun así necesitan ir en la carpeta correcta

Mantén la salida mínima pero ejecutable

Los mejores resultados de la skill develop-ai-functions-example suelen hacer menos, no más. Pide:

• una sola llamada de función clara
• solo los imports necesarios
• entradas evidentes
• manejo de salida pequeño
• variables de entorno indicadas de forma explícita
• nada de scaffolding de framework salvo que la carpeta ya lo espere

Esto reduce falsos positivos en los que el modelo añade código de app que oculta el comportamiento real del SDK que querías demostrar.

Rutas del repositorio que conviene mencionar explícitamente

Menciona rutas directamente en tu solicitud cuando quieras una salida alineada con el repo. Algunas rutas útiles:

• examples/ai-functions/src/generate-text/
• examples/ai-functions/src/stream-text/
• examples/ai-functions/src/generate-object/
• examples/ai-functions/src/stream-object/
• examples/ai-functions/src/agent/
• examples/ai-functions/src/embed/
• examples/ai-functions/src/embed-many/

Las referencias directas a rutas ayudan a la skill a elegir el patrón correcto en lugar de inventar un ejemplo neutro.

Flujo de trabajo práctico para crear un ejemplo nuevo

Un flujo fiable es:

1. identificar la familia de funciones objetivo
2. revisar ejemplos hermanos en esa carpeta
3. pedirle a la skill una salida indicando carpeta, función, provider y propósito
4. generar el ejemplo inicial
5. recortar todo lo que no sea necesario para validación o demostración
6. ejecutarlo con el provider previsto
7. ajustar nombres, entradas y manejo de variables de entorno para que coincidan con los archivos cercanos

Esto suele ser más rápido que pedir un ejemplo completo a ciegas y luego intentar adaptarlo al repo.

Cuándo usar esto en lugar de un prompt normal

Usa develop-ai-functions-example usage cuando el riesgo principal sea no encajar con el repositorio: carpeta equivocada, función equivocada del AI SDK, nivel de complejidad incorrecto o una demo que no encaja en el árbol de ejemplos. Usa un prompt normal cuando necesites ayuda de arquitectura más amplia fuera de examples/ai-functions/src/.

Preguntas frecuentes sobre la skill develop-ai-functions-example

¿develop-ai-functions-example es solo para el repo vercel/ai?

Es donde más útil resulta, porque la skill está anclada a la taxonomía de ejemplos en examples/ai-functions/src/. Aun así, puedes usarla como patrón para tu propio repositorio de ejemplos, pero su valor baja si no te importa seguir esta estructura.

¿Esta skill es apta para principiantes?

Sí, si ya sabes qué funcionalidad quieres demostrar. Reduce el espacio de decisión al mapear tu objetivo a la categoría de ejemplo correcta. Es menos amigable para principiantes si todavía estás decidiendo entre generación de texto, generación estructurada, embeddings, agents o middleware.

¿Qué hace mejor que una petición de código normal?

La ventaja principal es un mejor encaje con el repo. develop-ai-functions-example te ayuda a evitar errores como poner un ejemplo de salida estructurada en una carpeta de texto plano, usar una API sin streaming para una demo de streaming o sobredimensionar un fixture con código de app no relacionado.

¿Cuándo no debería usar develop-ai-functions-example?

No la uses cuando necesites:

• arquitectura de aplicación para producción
• guía de integración de UI
• un tutorial genérico del AI SDK
• recomendaciones de refactorización entre repositorios
• estrategia de evaluación o benchmarking más allá de la creación de ejemplos

Es una skill deliberadamente acotada.

¿Necesito saber primero el provider exacto?

No siempre, pero la salida mejora si lo especificas. Si no lo sabes, pide un provider que ya se esté usando en ejemplos cercanos para que el archivo generado sea más fácil de validar frente a los patrones existentes del repo.

¿Puede ayudar con ejemplos existentes y no solo con ejemplos nuevos?

Sí. Es útil para modificar o afinar un ejemplo existente, especialmente cuando quieres cambiar la función del SDK, cambiar de provider, simplificar un repro o alinear un archivo con la categoría correcta.

Cómo mejorar la skill develop-ai-functions-example

Dale a la skill un destino concreto dentro del repositorio

La mejora más efectiva es indicar la carpeta de destino exacta y la función. Compara:

Débil:

• “Add an example for object extraction.”

Sólido:

• “Use develop-ai-functions-example to add a minimal generateObject() example under examples/ai-functions/src/generate-object/ that extracts invoice fields from plain text and prints validated JSON.”

La versión más sólida elimina ambigüedad sobre la elección de API y la ubicación del archivo.

Indica desde el principio el propósito de la salida

Lo que más importa a los usuarios es si el ejemplo está pensado para demostrar compatibilidad, enseñar uso o servir como fixture. Ponlo en la primera frase del prompt. La forma del código suele cambiar en función de esa decisión.

Evita el exceso de ingeniería en el primer borrador

Un fallo habitual es recibir una respuesta con wrappers extra, scaffolding de app o preocupaciones mezcladas. Pide explícitamente:

• código mínimo
• una sola responsabilidad
• sin UI
• sin configuración de framework
• solo comentarios esenciales

Así el ejemplo se mantiene alineado con el árbol de ejemplos en lugar de convertirse en una mini app.

Pide que siga el patrón local

Para mejorar los resultados de la skill develop-ai-functions-example, dile al modelo que imite los ejemplos cercanos en nombres, imports y manejo de variables de entorno. Esa pequeña instrucción suele importar más que pedir “best practices”.

Ejemplo:

• “Match the style of sibling files in examples/ai-functions/src/stream-text/ and avoid introducing a new pattern unless required.”

Sé explícito con las entradas y la forma esperada de la salida

Otro fallo común es una lógica de demo demasiado vaga. Si especificas entradas de ejemplo y la salida esperada, el ejemplo será más fácil de validar.

Mejor nivel de detalle en el prompt:

• texto o payload de entrada
• forma esperada de la respuesta
• si la salida debe emitirse en streaming, registrarse o validarse con esquema
• qué debería contar como éxito

Itera afinando, no ampliando

Después del primer borrador, mejora eliminando ambigüedad:

• sustituye “some provider” por un provider concreto
• sustituye “an object” por un esquema
• sustituye “example script” por el directorio objetivo
• sustituye “works” por una expectativa de salida comprobable

La mejor forma de iterar con develop-ai-functions-example suele ser reducir el alcance, no añadir más funcionalidades.

Comprueba el encaje de la categoría antes de aceptar la salida

Antes de quedarte con el resultado, pregúntate:

• ¿Es esta la carpeta correcta para la función utilizada?
• ¿El ejemplo es lo bastante mínimo para validación?
• ¿Demuestra un solo comportamiento central con claridad?
• ¿Una persona mantenedora entendería por qué pertenece aquí?

Si no, revisa el prompt antes de revisar el código. A menudo esa es la corrección más rápida.

Mejora los prompts con supuestos sobre provider y entorno

Si el ejemplo depende de credenciales o de un comportamiento específico del provider, dilo directamente. Si no, el modelo puede generar código técnicamente plausible pero difícil de ejecutar dentro del repositorio.

Añadidos útiles:

• nombres de variables de entorno necesarias
• supuestos sobre el SDK del provider
• nombre del modelo, si la estabilidad importa
• si se aceptan fallbacks

Usa ejemplos hermanos como criterio de aceptación

Una forma práctica de mejorar la calidad de la salida es juzgar el archivo generado frente a ejemplos cercanos, no frente a estándares genéricos de código. Si se siente claramente más complejo, menos enfocado o estructuralmente distinto que sus hermanos, pide una reescritura alineada con el patrón local.