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 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 establecer diferentes configuraciones. 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 te preocupes, 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 estos 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 gran conjunto de documentación 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 una plantilla, y deberíamos reutilizarla en diferentes proyectos. Hay muchas maneras de compartir estos componentes. Y hoy, voy a mostrarte la forma en que Anthropic y la comunidad de Cloud Code han estado construyendo una biblioteca de plugins o una biblioteca de componentes con 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 se trata de establecer un alcance de trabajo para que Cloud Code 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 mejorando los procesos con los que estamos trabajando. Una vez que un agente ha completado una tarea, necesitamos revisar los registros usando OpenTelemetry 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 mostrarte una de las más básicas.

Y es el que uso todo el tiempo en mis proyectos. Antes de llegar al punto donde 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 ruta de nuestro proyecto. También tenemos la configuración a nivel de proyecto, que básicamente significa agregar las 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 previo a la herramienta y un uso posterior a la herramienta. 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 inesperado o errores. 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 settings.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. Al revisar y leer cada palabra que aparece aquí. Este archivo está en markdown para que podamos 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 que lo configures 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 actualizan con nuevos modelos, este archivo es clave. Si lo tienes, ya tienes un gran porcentaje de la configuración de tu proyecto hecho, ya que cloud es el archivo principal que siempre se leerá.

Y ahora pasemos a las habilidades. Este archivo, skill.md está dividido 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 se inyecta 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 hace una solicitud directa que está específicamente relacionada con esta habilidad particular.

En este ejemplo, podemos ver que todas las habilidades se inyectan 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. Y también es muy importante que cloud pueda llamar a archivos de referencia que están dentro de la habilidad.

Ahora déjame contarte un poco más sobre cómo funciona este mecanismo. Pero para comenzar con una 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 de pie. Y de esta manera, cuando el usuario solicita crear una reunión de pie 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 una reunión de pie 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 qué está haciendo cloud. Así que el formato markdown es muy fácil de entender y captar tanto para humanos como para agentes.

La configuración más fundamental del front matter que necesitas establecer dentro de una skill 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 añadir 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 skill específica. También tenemos los argumentos. Siempre que inicies una skill específica usando el comando de barra diagonal, puedes proporcionar argumentos y parámetros adicionales a este archivo que cloud luego inyectará automáticamente directamente en la skill utilizando el argumento. Por lo tanto, característica. 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 skills. Te voy a mostrar cómo funciona ese tipo de instrucción. También tenemos la desactivación de la invocación del modelo. Al utilizar este campo de configuración específico, se te da la capacidad de desactivar el modelo para que no invoque la skill, lo que significa efectivamente que puedes desarrollar e implementar skills que solo sean invocadas por el usuario usando el campo de invocación por el usuario, o puedes elegir desactivar manual y directamente el modelo para que nunca invoque esta skill 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 skills para tu equipo, es importante pensar cuidadosamente si necesitas hacer que esa skill sea auto invocable por el modelo mismo o si 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 añadir varias herramientas específicas que Claude puede usar dentro del contexto de esa skill. Este campo es muy importante porque si no lo añades, Claude usará todas las herramientas que tiene disponibles para ejecutar la skill.

Eso significa que si tienes MCPs, es posible que una herramienta de uno de estos MCPs podría ser inyectada en el flujo que creaste y que no formaba parte de tu plan o proceso original para la skill. Así que siempre recomiendo añadir las herramientas específicas que están permitidas para ejecutar las skills que estás creando. También podemos añadir el modelo, esfuerzo y contexto. Cuando se trata de añadir 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 skill resuelve un problema importante, recomiendo añadir el modelo Opus. Si necesitas un modelo que simplemente ejecute una tarea muy bien categorizada y diseñada dentro de la skill, pero que también explore y realmente entienda lo que estás haciendo, recomiendo añadir el modelo Sonnet. Y si ya tienes un flujo de trabajo muy básico y fácil de ejecutar, por ejemplo, añadir un mensaje a un commit o añadir mensajes a tus PRs, recomiendo usar el modelo Haiku. Es mucho más barato, mucho más simple y básico de usar. Además de eso, es muy rápido. Así que piensa cuidadosamente cuando estés creando tus skills sobre qué modelos deberían usarse en este proceso. También puedes añadir el campo de esfuerzo. Este campo permite un razonamiento mucho más avanzado. Por ejemplo, si combinas el modelo Opus 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 Haiku con esfuerzo configurado en bajo. De esta manera puedes mezclar y combinar diferentes formas de ejecutar una skill. Es muy importante que cuando estés creándola, sepas exactamente qué campos necesitas añadir a estos front matter 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 varias pistas o indicios. Aquí están las pistas reales y verás que estas pistas se autocompletarán automáticamente cada vez que el modelo necesite invocar esta skill en particular. Ahora voy a darte una demostración completa para mostrarte exactamente cómo funciona ese proceso en la práctica. En esta skill, te voy a mostrar cómo funcionan estos campos. Por ejemplo, tenemos esta skill con este nombre y tenemos esta descripción. Si queremos usarla sin los otros campos, simplemente tenemos que eliminarlos y tendremos una descripción y nombre limpios. Si queremos invocar la skill, tenemos que entrar en cloud gold y comenzar a escribir el nombre de la skill Aquí podemos ver que la skill no muestra ningún campo extra. Ahora vamos a añadir el campo de pista de argumento. 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 añadir dentro de la skill. Además, cloud code renderiza automáticamente cada una de las configuraciones que añadimos manualmente dentro de la interfaz de la skill. Ahora necesitamos añadir 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 del signo 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 skill, necesitas añadir las pistas y luego el argumento. Si vas a usarlo dentro de las pistas, descripciones.

Por último, vamos a añadir los otros campos. Ahora te voy a mostrar cómo diferenciar entre cuando el modelo está invocando la skill y cuando lo está haciendo el desarrollador. Si navegas de regreso a la interfaz de cloud y ejecutas el comando de skills específico dentro del terminal, podrás ver una lista completa de cada skill actualmente en tu proyecto así como las varias skills que se han puesto a disposición globalmente. En este caso, las etiquetadas como usuario son globales y las etiquetadas como proyecto están dentro de tu proyecto. También puedes ver los tokens que se usarán.

En este caso, son solo los tokens de descripción y puedes ver todas las descripciones y todos los tokens que ya se están usando porque están siendo inyectados en la ventana de contexto de club. En esta sección específica de la interfaz, podemos observar claramente si la skill 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 la skill. Ahora que hemos guardado y añadido este campo, veamos qué cambió. Skills 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 skill. Si eliminamos este campo, veremos que esto cambiará. Ejecutamos la skill de nuevo, y ahora podemos ver que solo usuario no aparece a diferencia de en esta skill aquí. {{^}}En este caso, no aparece, y eso significa que puede ser invocada por el usuario o el modelo. El modelo también puede invocarla. Y finalmente, esta skill solo tiene permitido usar las herramientas batch, y también está ejecutando el modelo Haiku con poco esfuerzo.

Ahora te estarás preguntando por qué es así. Como mencioné anteriormente, esta skill en particular está específicamente diseñada con el propósito de elaborar un mensaje dentro de un commit. Eso significa que no necesitamos necesariamente el uso de un modelo de razonamiento poderoso y de alto nivel como Opus, y tampoco tenemos necesidad de un modelo muy especializado para estos ciertos tipos de tareas. Un poco más enfocado en la programación y el desarrollo dentro del código base. Ten esto en cuenta, puede ahorrarte muchos tokens.

Ahora que ya tenemos una idea general de cómo construir skills de una 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 skills. En este caso, Clod, gestiona el prompt del sistema, el cloud.md, el historial de conversaciones, y los términos que están dentro de la sesión, iterando con Clod y todos los agentes, además de las herramientas que están ejecutándose, y el output de cada una de estas herramientas. Y también los archivos que Clod lee para inyectar contexto en toda esta ventana.

Y finalmente, tenemos un espacio donde podemos agregar contexto, ya sea manualmente o con skills o sub-agentes, o diferentes maneras de proporcionar más contexto dentro de la sesión. Aquí, podemos ver un flujo típico de una skill llamando a diferentes archivos. La skill no es solo un asunto de formato y el markdown. La skill también tiene referencias que puede llamar si necesita usar otras fuentes de información que estarán dentro de la carpeta. En este caso, la skill pdf está llamando a esta referencia de archivo .md e 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 de acuerdo con la solicitud del usuario. Las skills 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 skill. Y solo Clod leerá el output de estos scripts. Esto significa que podemos ejecutar muchos procesos internos y Clod podrá obtener el resultado de todas estas ejecuciones. También podemos tener referencias a muchos archivos markdown, o cualquier otro tipo de archivo. Clod 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 consciente de toda la información que estás inyectando en el proceso de skills.

Y finalmente, podemos agregar assets adicionales. En este caso, pueden ser archivos TXT o cualquier tipo de archivos que necesites agregar dentro de los procesos de skills. Aquí, podemos ver un ejemplo donde estamos ejecutando este archivo en Python para poder leer el output. No leerá absolutamente toda la información del script en este archivo. Y aquí podemos ver que Clod 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 skill fue inyectada al inicio de la sesión, ahora lo entendemos y sabemos cuándo sucede. El modelo llamará a cada skill ya sea automáticamente o manualmente. ¿Y cómo navegarán a través de todas las referencias y los scripts que esta skill tiene que acabas de juntar? ¿Y que es un proceso interno que tienes que gestionar para ejecutar?

Aquí estoy compartiendo contigo algunas skills que están increíblemente bien hechas. Matt creó esta skill. 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 skill.

Él 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 la habilidad?

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. ya sea Cloud Code, Codex, Anti-Gravity, Cursor, GitHub Copilot, u Open Code. 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. También podrás ver cuántas descargas tiene cada habilidad. Y también están divididas en habilidades, agentes, comandos, configuraciones, hooks, y MCPs.