por affaan-m
iterative-retrieval es un patrón de trabajo para refinar progresivamente la recuperación de contexto en tareas agentivas. Ayuda a los subagentes a no quedarse ni con demasiado contexto ni con muy poco, por lo que resulta útil para el uso de iterative-retrieval, las decisiones de instalación y iterative-retrieval para la automatización de flujos de trabajo.
por affaan-m
continuous-agent-loop ayuda a los agentes a ejecutar bucles autónomos repetibles con controles de calidad, evals, pasos de recuperación y reglas claras de parada para completar tareas de forma fiable.
por affaan-m
autonomous-loops es una skill para diseñar flujos de trabajo autónomos con Claude Code, desde canalizaciones secuenciales simples hasta orquestación DAG multiagente con controles de calidad y traspasos.
por affaan-m
autonomous-agent-harness convierte Claude Code en un sistema de agentes persistente y autónomo, con memoria, ejecuciones programadas, despacho de tareas y uso del ordenador. Encaja bien en la orquestación de agentes, las comprobaciones recurrentes y los flujos de trabajo de larga duración cuando necesitas algo más que un prompt puntual.
por affaan-m
Aprende la skill de agentic-engineering para ejecución con enfoque eval-first, descomposición de tareas, enrutamiento de modelos y automatización de flujos más segura con comprobaciones de regresión.
por affaan-m
La skill agent-introspection-debugging ofrece un flujo de trabajo estructurado de auto-depuración para fallos de agentes de IA: capturar el estado del error, diagnosticar causas probables, aplicar un paso de recuperación acotado y generar un informe de introspección legible para humanos. Úsala en ejecuciones en bucle, con muchos reintentos o propensas a la deriva, no para verificación rutinaria.
por affaan-m
agent-harness-construction es una skill práctica para mejorar el diseño de agent harness, incluidos esquemas de herramientas, formatos de observación, recuperación de errores y presupuesto de contexto para lograr mejores tasas de finalización.
por obra
subagent-driven-development es una skill para ejecutar planes de implementación con un subagente nuevo por tarea y revisar luego cada resultado en dos pasadas: primero el cumplimiento de la especificación y después la calidad del código. Incluye plantillas de prompt para el implementador, el revisor de especificación y el revisor de calidad de código.
por obra
dispatching-parallel-agents es una skill de orquestación de agentes pensada para dividir tareas realmente independientes entre agentes separados, con contexto aislado y resultados coordinados.
por wshobson
La skill evaluation-methodology explica la puntuación PluginEval para Model Evaluation, incluidas las capas, las rúbricas, la puntuación compuesta, los umbrales de insignias y la orientación práctica para interpretar resultados y mejorar las dimensiones más débiles.
por wshobson
prompt-engineering-patterns es una skill práctica para diseñar prompts en producción. Cubre el contexto de instalación, plantillas reutilizables, ejemplos few-shot, salidas estructuradas y flujos de optimización de prompts para Context Engineering.
por wshobson
langchain-architecture es una guía de diseño para crear aplicaciones con LangChain 1.x y LangGraph. Úsala para decidir entre cadenas, agentes, retrieval, memoria y patrones de orquestación con estado antes de implementar.
por wshobson
team-composition-patterns es una skill de decisión para diseñar equipos multiagente en Claude Code Agent Teams, con heurísticas de tamaño, selección de subagent_type y orientación sobre modos de visualización. Usa esta guía de team-composition-patterns para aplicar equipos predefinidos de revisión/depuración, elegir roles y estandarizar la configuración del equipo entre tareas.
por wshobson
La skill parallel-feature-development ayuda a los equipos a dividir una funcionalidad en grupos con responsabilidades claras, definir contratos compartidos desde el principio y elegir patrones de merge más seguros para flujos de trabajo de Git con varios agentes. Úsala para planificar la propiedad de archivos, la integración según dependencias y una implementación en paralelo con menos conflictos.
por wshobson
task-coordination-strategies ayuda a los equipos a descomponer trabajo complejo, mapear dependencias, definir criterios de aceptación y coordinar flujos de trabajo paralelos entre agentes o colaboradores, con responsabilidades más claras y menos conflictos de merge.
por wshobson
team-communication-protocols define reglas de mensajería para equipos de agentes, con pautas sobre mensajes directos frente a broadcast, aprobación de planes, procedimientos de cierre y plantillas reutilizables para una Agent Orchestration coordinada.
por github
agentic-eval es una skill de GitHub Copilot que muestra cómo crear bucles de evaluación para salidas de IA mediante reflexión, crítica basada en rúbricas y patrones evaluator-optimizer.
por github
agent-governance es una skill centrada en la documentación para diseñar guardrails de agentes de IA, comprobaciones de políticas, reglas de confianza, restricciones de herramientas y registro de auditoría en sistemas multiagente y con uso de herramientas.
por addyosmani
La skill de context-engineering te ayuda a estructurar el contexto del proyecto para que los agentes sigan las convenciones, reduzcan las alucinaciones y se mantengan enfocados. Úsala al iniciar una sesión, al cambiar de tarea o al crear una guía de context-engineering para una base de código.
por tanweai
Descubre qué hace la skill pua, cómo funciona su uso y qué conviene revisar antes de instalarla. Incluye la lógica de activación, el enrutamiento del flujo de trabajo, los archivos de referencia, las vías de escalado y los límites de configuración para Workflow Automation.
por tanweai
p9 es una skill de estilo tech lead para Agent Orchestration que redacta prompts de tareas, coordina agentes P8 y evita programar directamente. Úsala para dividir los objetivos del proyecto en prompts acotados y ejecutables, con roles, restricciones, dependencias y criterios de aceptación.
por deanpeters
ai-shaped-readiness-advisor ayuda a líderes de producto a evaluar si su organización es AI-first o AI-shaped, detectar brechas de madurez y elegir la siguiente capacidad a desarrollar para mejorar la toma de decisiones.
por microsoft
agent-framework-azure-ai-py es un skill para crear agentes persistentes de Azure AI Foundry con el Microsoft Agent Framework Python SDK. Cubre la instalación y el uso de agent-framework-azure-ai-py, la configuración de AzureAIAgentsProvider, conversaciones con hilos, herramientas alojadas, integración MCP, ejecuciones en streaming y salidas estructuradas para la orquestación de agentes.
por NeoLabHQ
do-in-steps ayuda a un agente a abordar tareas complejas dividiendo el trabajo en subtareas ordenadas, orquestando subagentes y verificando cada paso antes de avanzar. Encaja muy bien para cambios en repositorios, refactors de varios pasos, migraciones y do-in-steps para la orquestación de agentes cuando se necesita una entrega controlada y menos fallos silenciosos.
