run

Descripción general de run skill

Qué hace run skill

run es una skill de orquestación de AgentHub para Claude que expone el comando /hub:run. Ejecuta un ciclo completo de estilo competitivo en una sola solicitud: inicializa la tarea, captura una línea base, lanza varios agentes, evalúa sus resultados y fusiona la propuesta ganadora. Usa run skill cuando quieras que un flujo de trabajo agéntico compare varios intentos de solución en lugar de pedir una única respuesta directa.

Mejor encaje para usuarios de AgentHub

run skill encaja mejor con equipos que ya usan el patrón de comandos de AgentHub y quieren un único punto de entrada de alto nivel para la ejecución multiagente. Es adecuada para tareas de ingeniería como optimización de rendimiento, refactorización, generación de pruebas, corrección de errores y mejoras de código medibles. También puede servir para selección creativa no relacionada con código cuando usas el modo juez, por ejemplo para elegir el mejor texto de marketing entre varias opciones.

Principal decisión antes de instalar

Instala run si quieres un comando repetible que encadene el ciclo de vida de AgentHub sin tener que invocar manualmente /hub:init, la captura de línea base, el lanzamiento de agentes, la evaluación y los pasos de fusión. No la trates como un ejecutor de automatizaciones genérico: su valor depende de tener una tarea que pueda evaluarse o juzgarse, además de un entorno de AgentHub donde estén disponibles los comandos relacionados.

Diferenciador clave

A diferencia de un prompt común que le pide a Claude “probar varios enfoques”, /hub:run proporciona al agente un ciclo de vida estructurado con parámetros explícitos: tarea, número de agentes, comando opcional de evaluación, métrica, dirección de optimización y plantilla. Esa estructura hace que el resultado sea más fácil de comparar, auditar y fusionar.

Cómo usar run skill

Instalación de run y revisión del repositorio

Instala la skill desde el repositorio con tu gestor de skills, por ejemplo:

npx skills add alirezarezvani/claude-skills --skill run

Después revisa primero el archivo upstream:

engineering/agenthub/skills/run/SKILL.md

Esta ruta del repositorio contiene el comportamiento principal y los ejemplos. En el árbol proporcionado no se ven carpetas complementarias scripts/, resources/, references/ ni rules/ para esta skill, así que la adopción depende sobre todo de entender el contrato del comando en SKILL.md y de tener disponible el conjunto más amplio de comandos de AgentHub.

Patrón básico de uso de run

El formato del comando es:

/hub:run --task "..." --agents 3 --eval "..." --metric metric_name --direction lower --template optimizer

Parámetros importantes:

• --task: obligatorio; el trabajo exacto en el que deben competir los agentes.
• --agents: opcional; en los ejemplos fuente el valor predeterminado es 3.
• --eval: opcional; comando usado para medir los resultados.
• --metric: obligatorio cuando se usa --eval; el valor que se va a comparar.
• --direction: obligatorio al comparar una métrica; usa lower o higher.
• --template: opcional; los ejemplos incluyen optimizer, refactorer, test-writer y bug-fixer.
• --judge: útil cuando no hay una métrica determinista y un juez LLM debe comparar las salidas.

Convertir un objetivo impreciso en un buen comando

Una solicitud débil sería:

/hub:run --task "make it faster"

Un prompt de uso de run más sólido sería:

/hub:run --task "Reduce p50 latency in the product search endpoint without changing response schema" --agents 3 --eval "pytest bench.py --json" --metric p50_ms --direction lower --template optimizer

Esta versión mejora la calidad del resultado porque define el área objetivo, conserva una restricción, da a los agentes un benchmark medible, nombra la métrica e indica qué dirección gana. Para trabajo de cobertura, usa una métrica donde un valor más alto sea mejor:

/hub:run --task "Add tests for untested utils without modifying production behavior" --agents 3 --eval "pytest --cov=utils --cov-report=json" --metric coverage_pct --direction higher --template test-writer

Flujo de trabajo recomendado antes de fusionar

Antes de usar run skill en código importante, asegúrate de que el repositorio esté limpio, que las pruebas sean reproducibles y que el comando de evaluación devuelva una salida legible por máquina o que pueda analizarse de forma consistente. Empieza con 2–3 agentes para controlar coste y velocidad. Usa evaluaciones deterministas para código siempre que sea posible, y reserva --judge para resultados subjetivos como copywriting o alternativas de diseño. Después de fusionar la propuesta ganadora, revisa igualmente el diff de forma manual; la skill orquesta la selección, pero no sustituye la responsabilidad sobre el código.

Preguntas frecuentes sobre run skill

¿run es para Agent Orchestration o para prompting simple?

run es para Agent Orchestration. Está diseñada para coordinar varios agentes a través de un ciclo de vida y seleccionar una propuesta ganadora. Si solo necesitas una explicación, una sugerencia de refactorización o un borrador, un prompt normal es más simple. Usa run skill cuando importen la comparación, la evaluación y la disciplina de fusión.

¿Qué debe existir ya para que run funcione bien?

Necesitas una configuración compatible con AgentHub donde /hub:run y los comandos relacionados del ciclo de vida puedan reconocerse. Para tareas de software medibles, también necesitas un comando de evaluación fiable, un nombre de métrica claro y una dirección de optimización conocida. Sin eso, el comando puede ejecutarse igualmente en modo juez, pero el resultado será menos objetivo.

¿Cuándo conviene evitar esta skill?

Evita run para tareas vagas sin criterios de aceptación, cambios destructivos sin plan de reversión o proyectos donde las pruebas y los benchmarks sean inestables. También evita usar demasiados agentes por defecto; más agentes pueden aumentar el coste y la carga de revisión sin mejorar la calidad si la definición de la tarea es débil.

¿run skill es adecuada para principiantes?

Es accesible si ya entiendes las skills de Claude basadas en comandos y los conceptos básicos de AgentHub. Quienes empiezan pueden tener dificultades con los parámetros de evaluación, en especial --metric y --direction. Empieza con el modo juez para tareas creativas de bajo riesgo o usa un comando de prueba simple antes de abordar rendimiento, refactorizaciones o flujos de trabajo con mucha fusión.

Cómo mejorar run skill

Mejorar los resultados de run con límites de tarea más claros

run skill funciona mejor cuando la tarea es lo bastante acotada como para que los agentes puedan completarla de forma independiente. Incluye los archivos objetivo, el comportamiento esperado, las restricciones y lo que no debe cambiar. Por ejemplo, “Refactor auth module” es aceptable, pero “Refactor src/auth/session.ts to reduce duplication while preserving public function signatures and existing tests” da a los agentes un margen de actuación más seguro.

Reforzar evaluaciones y métricas

Para tareas de código, el comando de evaluación es la palanca de calidad más importante. Prefiere comandos que fallen de forma clara y produzcan una métrica estable. Combina la métrica con la dirección correcta: latencia y recuento de errores suelen usar lower; cobertura, throughput o puntuación suelen usar higher. Si la salida de evaluación es ambigua, la decisión de fusión puede volverse poco fiable aunque los agentes hayan producido trabajo útil.

Vigilar los modos de fallo comunes

Los modos de fallo habituales incluyen tareas demasiado amplias, métricas ausentes, suites de pruebas inestables, decisiones en modo juez para tareas que deberían medirse y plantillas que no corresponden al trabajo. Usa optimizer para mejoras de rendimiento medibles, test-writer para cobertura, refactorer para limpieza que preserve la estructura y bug-fixer para reparar defectos. Una plantilla mal elegida puede empujar a los agentes hacia el tipo de solución equivocado.

Iterar después del primer resultado

Después del primer /hub:run, revisa el diff ganador y los enfoques perdedores. Si ninguno es aceptable, no te limites a volver a ejecutar el mismo comando. Ajusta la tarea, añade restricciones, mejora la evaluación o reduce el alcance. Si la propuesta ganadora está cerca pero incompleta, ejecuta un comando de seguimiento centrado solo en el punto que falta en lugar de reiniciar todo el ciclo de vida.