search-first

Visión general del skill search-first

Qué es search-first

El skill search-first es un flujo de trabajo de investigación antes de codificar, pensado para encontrar herramientas, bibliotecas y patrones de implementación existentes antes de escribir código personalizado. Es útil cuando quieres que el asistente actúe como un explorador meticuloso, no como un programador que dispara a ciegas.

Quién debería usarlo

Usa el skill search-first si estás iniciando una nueva funcionalidad, evaluando una dependencia, añadiendo una integración o construyendo un helper que quizá ya exista. Encaja especialmente bien en el caso de uso search-first for Skill Scaffolding cuando quieres reutilizar patrones probados en lugar de inventar uno nuevo.

Por qué importa

Su valor principal está en la calidad de la decisión: empuja al asistente a buscar en npm, PyPI, GitHub, fuentes web y skills relacionados antes de recomendar código. Eso reduce trabajo duplicado, mejora la elección de dependencias y hace más defendibles las decisiones de “construir vs adoptar vs envolver”.

Cómo usar el skill search-first

Instálalo y actívalo

Para search-first install, añade el skill con npx skills add affaan-m/everything-claude-code --skill search-first. Actívalo cuando la tarea suene como “añadir X”, “buscar una biblioteca para Y” o “¿ya existe una forma mejor de hacer esto?”. El patrón search-first usage funciona mejor cuando pides explícitamente investigación antes de la implementación.

Dale un brief orientado a decisiones

Un brief débil dice “construye un parser de archivos”. Uno más sólido dice: “Necesito un parser de archivos TypeScript para Node 18, debe soportar streaming, no puede tener dependencias nativas, se prefiere licencia MIT, y quiero 3 opciones entre adoptar o construir, con sus trade-offs”. Ese formato le da al skill suficiente contexto para buscar bien y comparar candidatos en vez de devolver sugerencias genéricas.

Lee primero los archivos correctos

Empieza con SKILL.md y luego revisa README.md, AGENTS.md, metadata.json y cualquier carpeta rules/, resources/, references/ o scripts/ si existen. En este repo, SKILL.md es la fuente principal de verdad, así que puedes avanzar rápido sin perder tiempo rastreando archivos de apoyo adicionales.

Usa el flujo de trabajo como plantilla de prompt

Un prompt práctico de search-first guide debería pedir: la necesidad, las restricciones, la búsqueda de candidatos, los criterios de evaluación y una decisión clara. Ejemplo: “Investiga opciones existentes para X, compara 3 candidatos, puntúalos por mantenimiento, documentación, licencia y encaje, y luego recomienda adoptar, extender o construir a medida”. Esa estructura ayuda al agente investigador a devolver una salida utilizable en lugar de una lista suelta.

Preguntas frecuentes sobre search-first

¿search-first es solo para proyectos grandes?

No. A menudo es más valioso en tareas pequeñas que pueden generar deuda técnica sin que se note, como una función auxiliar, una utilidad de interfaz o la elección de una dependencia. El coste de saltarse la investigación suele ser mayor precisamente cuando el cambio parece simple.

¿En qué se diferencia de un prompt normal?

Un prompt normal puede pedir ideas; el skill search-first skill pide un flujo de investigación y una decisión. Esa diferencia importa porque el resultado está pensado para apoyar decisiones de adopción, no solo para responder “¿qué podría programar?”.

¿Es apto para principiantes?

Sí, si puedes describir tu objetivo y tus restricciones. A los principiantes les beneficia porque el skill reduce el espacio de búsqueda y muestra opciones existentes que quizá no sabían que debían considerar. Es menos útil si quieres código inmediato sin análisis de trade-offs.

¿Cuándo no debería usarlo?

Omítelo cuando la tarea sea claramente personalizada, urgente en el tiempo o demasiado ligada a tu propia base de código, y ninguna solución externa encaje razonablemente. Si ya conoces el paquete o patrón exacto que quieres, una implementación directa puede ser más rápida que una búsqueda completa.

Cómo mejorar el skill search-first

Aporta restricciones que cambien la búsqueda

La mayor mejora de calidad llega cuando nombras por adelantado las restricciones duras: lenguaje, runtime, framework, licencia, tamaño del bundle, reglas de seguridad, límites de plataforma y si se permiten dependencias nativas. Estos detalles ayudan al skill a filtrar candidatos en lugar de mostrar opciones populares pero inutilizables.

Pide comparaciones, no solo recomendaciones

Una mejor solicitud de search-first usage pide una lista corta de candidatos y una recomendación con motivos. Por ejemplo: “Compara 3 bibliotecas, explica por qué cada una podría fallar y luego elige una para producción y una como plan B”. Eso produce una investigación mucho más accionable que una respuesta con un solo nombre.

Vigila el sesgo hacia la novedad superficial

Un fallo habitual es elegir el proyecto más nuevo o más visible sin revisar mantenimiento, documentación o coste de integración. Mejora el search-first skill pidiéndole que incluya fricción de adopción, encaje con el ecosistema y qué haría que descartes un candidato.

Itera después de la primera pasada

Si el primer resultado es demasiado amplio, ajusta el siguiente prompt con una restricción que falte o una prueba de aceptación. Para search-first for Skill Scaffolding, eso puede significar añadir el lenguaje objetivo, la estructura del repo o el tipo exacto de scaffold que quieres reutilizar.