Plantillas y Componentes para Claude Code: El Futuro de los Flujos de Trabajo de Codificación de IA

Hola a todos. Mi nombre es Daniel Avila y hoy voy a hablar sobre plantillas y componentes para cloud code, el futuro del flujo de trabajo de codificación de IA. Antes de comenzar, voy a compartir mis cuentas de redes sociales para que puedan seguirme y ver todo el contenido que comparto. Algunos de ellos están en español. Otros están en inglés. Pero básicamente estoy compartiendo todo lo que he aprendido a lo largo de los años trabajando con diferentes modelos de lenguaje en el desarrollo de código.

Un poco sobre mí. He estado trabajando en tecnología por más de 15 años y he fundado dos startups. También he aprendido cómo implementar inteligencia artificial en el desarrollo de software. Y he dado muchas charlas en diferentes países sobre agentes de IA y cómo aplicarlos a lo largo de todo el ciclo de desarrollo de software. Esta vez, voy a hablarles sobre cloud code, los ajustes que necesitan configurar para aplicar esta tecnología de una manera controlada y adecuada. Y además, vamos a hablar bastante sobre las habilidades que al juntar todas estas partes te permiten construir una plantilla completa que luego puedes aplicar a diferentes equipos y también a diferentes proyectos.

Cuando comienzas con esta tecnología, lo primero que debes hacer es agregar una instrucción inicial a cloud code. Todos comenzamos de esta manera, pero nos damos cuenta de que después de pasar muchas instrucciones, cloud code, comienza a perder un poco el enfoque y empieza a hacer cosas que no debería estar haciendo dentro de nuestra base de código. Y es por eso que también comenzamos a agregar diferentes componentes. En este caso, podemos agregar MCPs, que son básicamente conexiones con aplicaciones o con texto externo dentro de nuestro proyecto. Y de esta manera, podemos ejecutar algunas acciones que están fuera o incluso extraer información de diferentes APIs, diferentes bibliotecas, e inyectarlas en la ventana de contexto de cloud code usando varios MCPs.

Además de todo esto, también tenemos que agregar que podemos configurar diferentes ajustes. Eso significa que podemos controlar los permisos que cloud tiene para ejecutarse dentro de nuestra base de código. Y además, podemos darle permisos para ejecutar algunas herramientas de ciertos MCPs, o incluso podemos configurar cloud code para tener diferentes modos de trabajo dentro de nuestro proyecto, habilitando el modo automático o habilitando el modo plan. Esto hace que el archivo settings.json sea extremadamente importante, y necesitamos usarlo en diferentes proyectos.

Además de eso, hay algunos comandos que son repetitivos y que básicamente tomamos y ponemos en ciertos archivos para que el equipo pueda implementarlos. Y así no tenemos que repetir la misma instrucción una y otra vez. Creamos estos comandos y de esta manera podemos llamarlos y ejecutarlos cuando los necesitemos durante el ciclo de desarrollo. Hasta ahora, ya hemos incluido bastantes componentes en todo este proceso. Pero no se preocupen, porque todavía hay algunos más por venir. A esto, tenemos que agregar los sub agentes, que son básicamente una forma de dividir el contexto principal en diferentes procesos, donde los sub agentes explorarán la base de código, realizarán ciertas tareas y luego regresarán al contexto principal.

Son extremadamente útiles y efectivos para trabajar con bases de código masivas y complejas. Estos sub agentes especializados son utilizados constantemente y de manera consistente por cloud code, que es el agente principal, para explorar, analizar y ejecutar varios comandos en segundo plano. Y finalmente, llegamos a las habilidades, que son una forma de inyectar grandes cantidades de contexto en el contexto principal. Pensemos en ellas como una especie de diccionario o documentación para los agentes de IA. Pueden ir y buscar diferentes documentos dentro de estas habilidades.

Y eso es bastante poderoso porque podemos cargar un conjunto de documentación enorme de diferentes bibliotecas. O incluso podemos darle algunos procesos para que los agentes los ejecuten. Y de esta manera, tenemos una plantilla de desarrollo completa que cloud code debería usar. Tenemos instrucciones iniciales, MCPs, configuraciones, comandos, sub agentes y habilidades. Todo esto junto forma la plantilla, y deberíamos reutilizarla en diferentes proyectos.

Hay muchas maneras de compartir estos componentes. Y hoy voy a mostrarles la forma en que anthropic y la comunidad de cloud code han estado construyendo una biblioteca de plugins o una biblioteca de componentes con las mejores prácticas para que los desarrolladores puedan tomar estos procesos y ejecutarlos en sus propios proyectos. Esto se llama harness engineering. Cuando ya tenemos tantos enfoques de desarrollo centrados en agentes, en realidad se convierte en una disciplina de ingeniería en sí misma. Todos estos conceptos son parte de este harness, que básicamente trata de establecer un alcance de trabajo para que cloud good o todos los agentes de IA que trabajan dentro de la base de código puedan tener control y rieles específicos para ejecutar sus tareas.

Y todo esto va de la mano con la observabilidad, y luego mejorar los procesos con los que estamos trabajando. Una vez que un agente ha completado una tarea, necesitamos revisar los registros usando open telemetry, y luego ver cómo podemos mejorar el proceso que este agente acaba de llevar a cabo. Hay muchas maneras de hacer este proceso. Y hoy voy a mostrarles una de las más básicas. Y es la que uso todo el tiempo en mis proyectos. Antes del punto en el que realmente podemos comenzar a configurar estos diversos procesos y controles para los agentes, necesitamos ser excepcionalmente claros y precisos sobre los diferentes niveles de configuración que estamos implementando y aplicando directamente a los agentes dentro de nuestro entorno organizacional específico.

Tenemos el nivel de usuario, que se aplicará a todos los proyectos en nuestra computadora. Es simplemente cuestión de agregar todas estas configuraciones a la raíz de nuestro proyecto. También tenemos la configuración a nivel de proyecto, lo que básicamente significa agregar estas mismas configuraciones dentro de nuestro repositorio, para que de esta manera, se compartan con todo nuestro equipo. Y finalmente, tenemos el nivel de empresa u organizacional, que básicamente significa dar toda la configuración a un administrador. Y luego este administrador a nivel organizacional comienza a agregar estas configuraciones, para que se apliquen dentro de nuestros proyectos y dentro de nuestras configuraciones locales.

El primer archivo, y uno de los más importantes que debes tener en cuenta en Cloud Code, es settings.json. Este archivo te permitirá guardar variables de entorno, atributos, permisos, todas las configuraciones de MCP. Incluso puedes configurar diferentes procesos, por ejemplo, con hooks. Aquí, podemos ver que los hooks tienen un uso pretool y un uso posttool. Eso significa que cada vez que Cloud Code ejecuta una herramienta dentro del proceso de su ventana de contexto, podremos ejecutar código, ya sea en batch o Python, para que este código se ejecute antes o después de que se ejecute esa herramienta. Y eso ya nos da una amplia variedad de opciones poderosas para ejecutar varios procesos esenciales de limpieza y optimización para nuestro proyecto.

E incluso podemos realizar una verificación exhaustiva del código específico que Cloud Code acaba de escribir para ver si realmente lo hizo correctamente o si introdujo algún error o equivocación inesperada. Aquí es donde los proyectos pueden volverse deterministas, porque los agentes de inteligencia artificial simplemente no lo son. Y muchas veces, van a cometer errores. Debemos tener en cuenta que podemos ejecutar hooks para que estos errores se minimicen tanto como sea posible. Y aquí es donde podemos crear algunas plantillas y configuraciones para que todo el equipo pueda ejecutarlas dentro de los procesos de ejecución de agentes que están limpiando o trabajando dentro de nuestra base de código.

También tenemos líneas de estado, que son básicamente el área en la parte inferior de la entrada que se muestra dentro de Cloud Code. Y hay muchas otras configuraciones, por ejemplo, estilos de salida, spinners. Estas son cosas que puedes compartir con el equipo o no. Pero recomiendo que leas cada campo disponible en el setting.json, para que sepas cuáles deberías compartir con el equipo y cuáles puedes configurar tú mismo.

Otro archivo muy importante es cloud.md. Este archivo será el archivo principal de tu proyecto. Lo primero que hará es verificar este archivo. Y entenderá tu proyecto revisando y leyendo cada palabra que aparece aquí. Este archivo está en Markdown, por lo que podemos revisarlo nosotros mismos como humanos. Y es bastante fácil de leer, y por eso. Recomiendo que siempre leas y actualices el archivo cloud.md.

Puede tener algunos comandos de ejecución, o puede incluir todo el directorio del proyecto. Sugiero configurarlo siguiendo las mejores prácticas compartidas por la comunidad. Y también puedes adoptar todas las mejores prácticas enseñadas por el equipo de Cloud Code. Cada vez que lo actualicen con nuevos modelos, este archivo es clave. Si lo tienes, ya tienes un gran porcentaje de la configuración de tu proyecto hecha, ya que cloud es el archivo principal que siempre será leído. Y ahora pasemos a las habilidades.

Este archivo, skill.md, se divide en dos secciones. La primera es YAML, y la segunda es Markdown. Vamos a repasar cada una de estas secciones en esta charla.

En esta demostración, podemos ver claramente cómo la habilidad específica es inyectada automáticamente en una sesión activa de cloud cada vez que el usuario hace una solicitud detallada que está directamente relacionada con la habilidad única de esta habilidad particular. Justo al inicio de cada nueva sesión, cloud buscará cuidadosamente todas las habilidades disponibles que se encuentran actualmente dentro de la carpeta de habilidades específicas de tu proyecto.

Y de esta manera específica, cloud sabrá claramente que puede usar efectivamente estas habilidades especializadas cada vez que el usuario haga una solicitud directa que esté específicamente relacionada con esta habilidad particular. En este ejemplo, podemos ver que todas las habilidades son inyectadas al inicio de la sesión, y luego cuando el usuario hace una solicitud, por ejemplo, para crear un PDF, cloud llamará a la habilidad de PDF e inyectará todo el contexto del archivo cloud.md para que el PDF que el usuario está pidiendo pueda ser creado.

Ahora, permíteme contarte un poco más sobre cómo funciona este mecanismo. Pero para comenzar con la habilidad, lo primero que necesitas hacer es crear el nombre y la descripción. Estos dos campos se inyectarán en la ventana de contexto y cloud sabrá que hay una habilidad que, por ejemplo, en este caso está configurando una reunión stand-up. Y de esta manera, cuando el usuario solicita crear un stand-up para la semana o el día, cloud llamará a esta habilidad y mirará la descripción.

Es muy importante que la descripción sea perfecta para que cloud sepa cuándo llamar a este tipo de habilidad. En este caso, el detalle clave en la descripción es cuándo usarla. Y le estamos diciendo a cloud directamente que la use cuando el usuario pida configurar un stand-up o el plan o la planificación para el día o la semana. Una vez que hemos creado el YAML inicial, necesitamos escribir las instrucciones y eso se hace en formato markdown. Eso es realmente genial porque podemos leer este formato y de esta manera podemos entender lo que cloud está haciendo.

Así que el formato markdown es muy fácil de entender y captar tanto para humanos como para agentes. La configuración de front matter más fundamental que necesitas establecer dentro de una habilidad se compone esencialmente tanto del nombre específico como de la descripción detallada. Pero si queremos hacer algo un poco más avanzado, hay diferentes campos que podemos agregar a este front matter. Por ejemplo, cuándo usarla. Este campo de descripción específico es absolutamente perfecto para incluir una descripción contextual detallada de exactamente cuándo necesitamos pasar la instrucción a cloud para que sepa precisamente cómo y cuándo ejecutar y llamar efectivamente a esta habilidad específica.

También tenemos los argumentos. Siempre que inicies una habilidad específica usando el comando de barra diagonal, puedes proporcionar argumentos y parámetros adicionales a este archivo que cloud luego inyectará automáticamente directamente en la habilidad. Al utilizar la función de argumento, podrás aprovechar la funcionalidad de autocompletar siempre que llames a este comando específico. Además, con el campo de argumento, puedes pasar de manera conveniente y directa el nombre del argumento para inyectar sin problemas ese valor específico en el contexto de las habilidades. Te voy a mostrar cómo funciona ese tipo de instrucción.

También tenemos la invocación de modelos deshabilitada. Al utilizar este campo de configuración específico, se te da la capacidad de deshabilitar que el modelo invoque la habilidad, lo que significa efectivamente que puedes desarrollar e implementar habilidades que solo sean invocadas por el usuario usando el campo invocable por el usuario o puedes elegir desactivar manual y directamente que el modelo invoque alguna vez esta habilidad en particular. De esta manera específica, es mucho más fácil configurar flujos de trabajo de agentes complejos porque sabemos claramente que hay algunos flujos específicos que los modelos mismos necesitan invocar durante la conversación. Y luego hay otros flujos distintos que el usuario debe invocar manualmente durante el curso de la conversación. Así que cuando estés en el proceso de usar y crear nuevas habilidades para tu equipo, es importante pensar cuidadosamente si necesitas hacer que esa habilidad sea auto invocable por el modelo mismo o si en su lugar debería ser invocable manualmente por el usuario humano.

Además de eso, también tenemos disponible el campo de herramientas permitidas y este campo específico te permite agregar varias herramientas específicas que Claude puede usar dentro del contexto de esa habilidad. Este campo es muy importante porque si no lo agregas, Claude usará todas las herramientas que tiene disponibles para ejecutar la habilidad. Eso significa que si tienes MCPs, es posible que una herramienta de uno de estos MCPs podría inyectarse en el flujo que creaste y que no formaba parte de tu plan o proceso original para la habilidad. Así que siempre recomiendo agregar las herramientas específicas que están permitidas para ejecutar las habilidades que estás creando. También podemos agregar el modelo, esfuerzo y contexto. Cuando se trata de agregar el modelo, podrías preguntarte, ¿necesito un modelo que pueda razonar? ¿Necesito un modelo que sea realmente bueno ejecutando tareas? ¿O solo necesito un modelo que sea muy estructurado y pueda manejar una tarea muy básica y simple? Si necesitas un modelo que pueda hacer razonamientos profundos porque la habilidad resuelve un problema importante, recomiendo agregar el modelo OPAS. Si necesitas un modelo que simplemente ejecute una tarea muy bien categorizada y diseñada dentro de la habilidad, pero que también explore y realmente entienda lo que estás haciendo, recomiendo agregar el modelo SONET. Y si ya tienes un flujo de trabajo muy básico y fácil de ejecutar, por ejemplo, agregar un mensaje a un commit o agregar mensajes a tus PRs, recomiendo usar el modelo HYCU. Es mucho más barato, mucho más simple y más básico de usar. Y además de eso, es muy rápido. Así que piensa cuidadosamente cuando estés creando tus habilidades sobre qué modelo debería usarse en este proceso. También puedes agregar el campo de esfuerzo. Este campo permite un razonamiento mucho más avanzado. Por ejemplo, si combinas el modelo OPAS con un campo de esfuerzo configurado en alto o máximo, el razonamiento será muy avanzado y muchos agentes serán activados para trabajar dentro de este proceso. Si estás haciendo un proceso muy básico, recomiendo usar HYCU con esfuerzo configurado en bajo. De esta manera, puedes mezclar y combinar diferentes formas de ejecutar una habilidad.

Es muy importante que cuando lo estés creando, sepas exactamente qué campos necesitas agregar a estos desde el asunto dentro del YAML. Por ejemplo, aquí tenemos un YAML muy específico para crear un mensaje en Git. Justo aquí en la pantalla, tenemos el nombre específico, la descripción detallada y las diversas pistas o indicios. Aquí están las pistas reales, y verás que estas pistas se autocompletarán automáticamente cada vez que el modelo necesite invocar esta habilidad en particular.

Ahora te voy a dar una demostración completa para mostrarte exactamente cómo funciona ese proceso en la práctica. En esta habilidad, te voy a mostrar cómo funcionan estos campos. Por ejemplo, tenemos esta habilidad con este nombre, y tenemos esta descripción. Si queremos usarla sin los otros campos, simplemente tenemos que eliminarla y tendremos una descripción y un nombre limpios. Si queremos invocar la habilidad, tenemos que ingresar cloud gold y comenzar a escribir el nombre de la habilidad. Aquí, podemos ver que la habilidad no muestra ningún campo adicional.

Ahora vamos a agregar el campo argumento pista. Vamos a eliminar los otros. Y solo vamos a dejar este campo. Cuando ejecutamos la aplicación una vez más, ahora podemos ver claramente que tenemos todos los campos de pista específicos que acabamos de terminar de agregar dentro de la habilidad. Además, Cloud Code renderiza automáticamente cada una de las configuraciones que agregamos manualmente dentro de la interfaz de la habilidad. Ahora necesitamos agregar los siguientes campos. Por ejemplo, el campo de argumento. Y este argumento específico que estamos pasando aquí puede ser fácilmente llamado dentro de la instrucción simplemente usando el símbolo de dólar. Es realmente fácil construir instrucciones cuando estás pasando argumentos dentro del YAML. Así que, ten en cuenta que cada vez que creas una habilidad, necesitas agregar las pistas y luego el argumento si vas a usarlo dentro de las descripciones de las pistas. Por último, agreguemos los otros campos.

Ahora, te voy a mostrar cómo diferenciar entre cuando el modelo está invocando la habilidad y cuando lo está haciendo el desarrollador. Si navegas de regreso a la interfaz de cloud y ejecutas el comando de habilidades específicas dentro del terminal, podrás ver una lista completa de cada habilidad actualmente en tu proyecto, así como las diversas habilidades que se han hecho disponibles globalmente. En este caso, las etiquetadas como user son globales y las etiquetadas como project están dentro de tu proyecto. También puedes ver los tokens que se utilizarán. En este caso, son solo los tokens de descripción, y puedes ver todas las descripciones y todos los tokens que ya se están utilizando porque están siendo inyectados en la ventana de contexto de Club.

En esta sección específica de la interfaz, podemos observar claramente si la habilidad está específicamente vinculada a la cuenta de un individuo a nivel de usuario o si funciona directamente durante el proceso de invocación del modelo en sí para entender mejor el alcance de la aplicación de las habilidades. Ahora que hemos guardado y agregado este campo, veamos qué cambió. Habilidades de nuevo, y ahora podemos ver que solo es invocada por el usuario aquí. Dice solo usuario. En este caso, estamos haciendo que solo el usuario pueda invocar la habilidad. Si eliminamos este campo, veremos que esto cambiará. Ejecutamos la habilidad de nuevo, y ahora podemos ver que solo usuario no aparece, a diferencia de en esta habilidad aquí. En este caso, no aparece, y eso significa que puede ser invocada por el usuario o el modelo.

El modelo también puede invocarla. Finalmente, esta habilidad solo tiene permitido usar las herramientas por lotes, y también está ejecutando el modelo haiku con poco esfuerzo. Ahora, podrías preguntarte por qué es así. Como mencioné anteriormente, esta habilidad en particular está específicamente diseñada con el propósito de crear un mensaje dentro de un commit. Eso significa que no necesariamente requerimos el uso de un modelo de razonamiento de alto nivel poderoso como Opus, y tampoco tenemos necesidad de un modelo muy especializado para estos ciertos tipos de tareas. Un poco más enfocado en programación y desarrollo dentro de la base de código. Ten esto en cuenta.

Puede ahorrarte muchos tokens. Ahora que ya tenemos una idea general de cómo construir habilidades de manera tanto básica como más avanzada, necesitamos tener en cuenta la ventana de contexto. Si gestionamos bien la ventana de contexto en cada una de las sesiones que tenemos con nuestros agentes, podemos entender cuándo y cómo necesitamos inyectar estas habilidades. En este caso, Claude, gestiona el prompt del sistema, el cloud.md, el historial de conversaciones y los términos que están dentro de la sesión iterando con Claude y todos los agentes, además de las herramientas que están ejecutándose, y el resultado de cada una de estas escuelas. Y también los archivos que Claude lee para inyectar contexto en toda esta ventana. Y finalmente, tenemos un espacio donde podemos agregar contexto, ya sea manualmente, o con habilidades, o subagentes, o diferentes maneras de proporcionar más contexto dentro de la sesión.

Aquí, podemos ver un flujo típico de una habilidad llamando a diferentes archivos. La habilidad no es solo de matter y el markdown. La habilidad también tiene referencias que puede llamar si necesita usar otras fuentes de información que estarán dentro de la carpeta. En este caso, la habilidad PDF está llamando a este archivo reference.md y inyectando todo el contexto de este archivo. También está llamando a otro archivo, que es form.md, y también lo está inyectando en esta ventana de contexto para obtener más información según la solicitud del usuario. Las habilidades pueden llamar a muchos archivos, pero ten en cuenta que también pueden llamar a archivos que son scripts, y cuando llama, un script puede leer este archivo, o simplemente puede ejecutarlo. Y esto es muy poderoso, porque podemos tener muchos scripts dentro de nuestra habilidad. Y solo cloud leerá el resultado de estos scripts.

Esto significa que podemos ejecutar muchos procesos internos, y cloud podrá obtener el resultado de todas estas ejecuciones. También podemos tener referencias a muchos archivos markdown, o cualquier otro tipo de archivo. Cloud leerá estos archivos y los inyectará directamente en el contexto. Recomiendo que las referencias estén en markdown, porque también tienes que leerlas y necesitas estar al tanto de toda la información que estás inyectando en el proceso de habilidades. Y finalmente, podemos agregar activos adicionales. En este caso, pueden ser archivos TXT o cualquier tipo de archivos que necesites agregar dentro de los procesos de habilidades. Aquí podemos ver un ejemplo donde estamos ejecutando este archivo en Python, poder leer el resultado. No leerá absolutamente toda la información del script en este archivo.

Y aquí podemos ver que cloud leerá el archivo directamente. El verbo es muy importante. Aquí, le estamos diciendo que ejecute este archivo, y aquí le estamos diciendo que lea este archivo. Finalmente, ahora podemos entender cómo funciona todo el flujo, el contexto que vimos al principio. Donde la habilidad fue inyectada al inicio de la sesión, ahora lo entendemos y sabemos cuándo sucede. El modelo llamará a cada habilidad ya sea automáticamente o manualmente. ¿Y cómo navegarán a través de todas las referencias y los scripts que tiene esta habilidad? referencias y los scripts que tiene esta habilidad, que acabas de juntar y que es un proceso interno, tienes que gestionar para ejecutar.

Aquí, estoy compartiendo contigo algunas habilidades que están increíblemente bien hechas. Matt creó esta habilidad, es uno de los ingenieros más influyentes en el campo de JavaScript. Así que te recomiendo que la revises y pruebes ejecutarla. Pero lo más importante, te recomiendo que vayas al GitHub de Matt y leas toda la habilidad. Compartió todos los procesos y todo el flujo de trabajo que está creando con sus habilidades. Esta es otra habilidad muy importante porque está hecha por la misma empresa que creó Cloud Code, que es Anthropic. Y también, ¿cuáles son los procesos que se están aplicando dentro de las instrucciones de las habilidades?

Y finalmente, esta habilidad. La he estado usando ya que funciona muy bien con tus proyectos de JavaScript, y funciona bastante bien con absolutamente todos ellos. Agentes, ya sea Cloud Code, CodeX, AntiGravity, Cursor, GitHub Copilot o OpenCode. Te recomiendo que revises aún más habilidades visitando este sitio web. Hice este sitio web yo mismo, y se llama Cloud Code Templates. Puedes ir a esta dirección y podrás ver una gran cantidad de habilidades. Y la mejor parte es que podrás leer las habilidades para entender cómo la comunidad está construyendo estas habilidades y cómo están funcionando en muchos proyectos.