Claude Code Acaba de Mejorar Brutalmente — Te Explico Por Qué
Casi borré de golpe tres scripts personalizados el martes pasado. No porque estuvieran rotos — sino porque la última actualización de Claude Code los hizo completamente innecesarios de la noche a la mañana.
Había pasado semanas ajustando alias de shell, construyendo funciones envolventes sobre llamadas a API, armando un pipeline de notificaciones en Slack para mi flujo de despliegue. Buen trabajo. Ingeniería sólida. Entonces Anthropic lanzó esta actualización, y me quedé ahí sentado viendo cómo Claude Code hacía todo lo que mis scripts hacían — más cosas en las que ni siquiera había pensado — directamente desde la terminal.
Es una sensación extraña. Mitad "esto es increíble" y mitad "¿qué acaba de pasar con mi proyecto del fin de semana?"
Esto es lo que sé después de pasar una semana completa probando cada nueva función al límite: esto no es un parche menor. Anthropic cambió fundamentalmente lo que Claude Code puede hacer, y si estás construyendo algo con agentes de IA ahora mismo, necesitas entender qué cambió. Algunas de estas funciones cambiarán cómo trabajas a diario. Una de ellas — y ya llegaré a eso — podría cambiar cómo piensas sobre las habilidades de la IA en general.
Pero primero, la que me impactó más.
El Creador de Skills Convirtió Mis Agentes en Sistemas que se Auto-Mejoran
He estado creando skills personalizados para Claude Code desde sus inicios. El proceso siempre era el mismo: escribir una definición de skill, probarla manualmente, ajustar el prompt, probar de nuevo, subirla, descubrir que rompió algo más, y repetir durante días. ¿Funcional? Claro. ¿Eficiente? Ni de cerca.
El creador de skills actualizado cambia este ciclo por completo. Y no me refiero a que tenga una interfaz más bonita — me refiero a que introdujo generación evolutiva integrada con benchmarking y pruebas multi-agente. Esas palabras pueden sonar a texto de marketing, pero quédate conmigo porque esto es genuinamente diferente.
Esto es lo que significa en la práctica. Escribes un skill, y en lugar de probarlo manualmente contra varios escenarios, ahora puedes generar lo que Anthropic llama "evol tests" — benchmarks automatizados que miden tasas de aprobación, tiempo de ejecución y uso de tokens en múltiples escenarios de prueba. El creador de skills lanza múltiples agentes, somete tu skill a diferentes casos límite y te da números concretos sobre su rendimiento.
Probé esto con un skill de llenado de formularios PDF con el que había estado luchando durante semanas. La versión original extraía texto de los campos del formulario y los llenaba, pero seguía desalineando datos — poniendo direcciones en campos de número de teléfono, ese tipo de caos. La depuración manual no avanzaba porque las fallas eran inconsistentes.
Con el nuevo creador de skills, ejecuté un evol test y vi el problema de inmediato: mi extracción de texto no estaba anclada a coordenadas precisas. El skill adivinaba posiciones de campos basándose en etiquetas, y la posición de las etiquetas variaba entre diferentes plantillas PDF. Los datos del benchmark mostraron una tasa de aprobación del 62% — mucho peor de lo que había asumido con mi puñado de pruebas manuales.
La solución fue directa una vez que pude ver los datos. Anclé la extracción a coordenadas exactas en lugar de coincidencia difusa de etiquetas. La tasa de aprobación saltó al 94% en la siguiente ejecución evolutiva. Lo que me habría tomado otra semana de depuración manual tomó unos cuarenta minutos con métricas reales guiándome.
Pero aquí está la parte que realmente captó mi atención — y esto conecta con algo que te mostraré en la sección de implementación. Los skills ahora pueden evolucionar automáticamente cuando se lanzan nuevos modelos. Así que cuando Anthropic lanza una actualización de modelo, tus skills no solo siguen funcionando al mismo nivel. Pueden adaptarse y potencialmente mejorar sin que los toques. Antes temía las actualizaciones de modelos porque la mitad de mis prompts necesitaban reescritura. Esa fricción prácticamente desapareció.
Ultra Mode y Por Qué Dejé de Preocuparme por Codebases Complejos
Seré honesto — cuando Ultra Mode apareció por primera vez hace meses, pensé que era mayormente publicidad exagerada. Mayor presupuesto de razonamiento, más tiempo de pensamiento, claro. Pero ¿realmente producía resultados significativamente mejores?
Después de esta actualización: sí. Sin ambigüedad, sí.
Ultra Mode ahora soporta Opus 4.6 y Sonnet 4.6, y la diferencia no es sutil. El presupuesto de razonamiento extendido significa que Claude Code puede mantener porciones más grandes de tu codebase en su memoria de trabajo mientras resuelve problemas. Para scripts pequeños y ediciones de un solo archivo, no notarás mucho. Para cualquier cosa que toque múltiples archivos, manejo de estado complejo o depuración de múltiples pasos — es una experiencia completamente diferente.
Lo sometí a la prueba más exigente que pude imaginar: construir una aplicación de calendario full-stack desde cero. Frontend en React, TypeScript en todo, arquitectura de componentes apropiada, gestión de estado, integración con API. No una demo de juguete — una aplicación real con eventos recurrentes, manejo de zonas horarias, reprogramación con arrastrar y soltar.
Con el modo estándar, Claude Code ocasionalmente perdía contexto entre componentes. Generaba un hermoso componente EventCard, luego creaba un CalendarGrid que esperaba props ligeramente diferentes. Pequeñas discrepancias que yo detectaba en la revisión y corregía manualmente. Experiencia normal de programación con IA.
Con Ultra Mode activo (lo activas escribiendo ultrathink en Claude Code), esas discrepancias esencialmente desaparecieron. Los componentes generados encajaban limpiamente porque el modelo tenía suficiente espacio de razonamiento para mantener todo el árbol de componentes en mente simultáneamente. La aplicación de calendario salió con interfaces de props consistentes, tipos TypeScript apropiados fluyendo por toda la pila, e incluso límites de error sensatos que no pedí explícitamente.
¿Usa más tokens? Absolutamente. ¿Es más lento? Ligeramente. ¿Vale la pena para trabajo complejo? Sin duda. He empezado a usar Ultra Mode por defecto para cualquier cosa más allá de ediciones de un solo archivo, y mis ciclos de revisión-y-corrección se redujeron dramáticamente.
Hay una compensación práctica que debo mencionar. Ultra Mode consume tu presupuesto de API más rápido. Para una sesión compleja construyendo esa aplicación de calendario, usé aproximadamente 3x los tokens en comparación con el modo estándar. Si tienes un presupuesto ajustado, reserva Ultra Mode para el trabajo que genuinamente lo necesite — refactorizaciones multi-archivo, depuración compleja, decisiones arquitectónicas. Usa el modo estándar para ediciones rápidas y generaciones simples.
Esa consideración de presupuesto lleva naturalmente a la siguiente función, porque Anthropic claramente pensó en cómo la gente realmente usa Claude Code a lo largo del día — no solo cuando están sentados en un escritorio.
Control Remoto: Mi Teléfono se Convirtió en un Dashboard de Build
Esta me sorprendió más que cualquier otra cosa en la actualización. El control remoto te permite iniciar, monitorear e interactuar con sesiones de Claude Code desde tu teléfono o cualquier dispositivo secundario. Disponible en todos los planes pagos de Anthropic, sin configuración adicional más allá de lo esperado.
Mi primer pensamiento fue "eso es un truco." Mi segundo pensamiento, después de usarlo durante tres días, fue "¿cómo vivía sin esto?"
Este es mi caso de uso real. Inicié una tarea grande de refactorización antes de salir a una reunión — reorganizando las utilidades compartidas de un monorepo en paquetes apropiados. El tipo de tarea donde Claude Code necesita hacer cientos de cambios de archivos en docenas de directorios. Antes, o esperaba en mi escritorio hasta que terminara o volvía para encontrar que había encontrado un error hace cuarenta minutos y se detuvo.
Con el control remoto, seguí el progreso en mi teléfono durante la reunión. Cuando Claude Code encontró una ruta de importación ambigua y pidió aclaración, respondí desde mi teléfono en unos quince segundos. La refactorización continuó. Para cuando volví a mi escritorio, toda la reorganización estaba hecha y pasando pruebas.
También lo usé para algo más simple pero igualmente útil: monitorear suites de pruebas de larga duración. Iniciar las pruebas desde Claude Code, irte, recibir una notificación en tu teléfono cuando terminen o fallen. Convierte a Claude Code de una herramienta de "sentarse en el escritorio" en algo que funciona alrededor de tu horario.
Una limitación que vale conocer: las interacciones complejas — como revisar diffs grandes o escribir prompts detallados — siguen siendo mejor en un teclado completo. La interfaz del teléfono funciona muy bien para aprobaciones, respuestas cortas y monitoreo. No esperes hacer sesiones de programación profundas desde tu teléfono. Ese no es el objetivo, y honestamente, no debería serlo.
Ahora, hablando de interactuar con Claude Code de formas que no esperaba — hay una función que se está desplegando ahora mismo que cambia completamente el modelo de entrada.
El Modo de Voz Cambió Cómo Pienso Sobre Prompting
Solo alrededor del 5% de los usuarios tienen acceso al modo de voz ahora mismo, y resulta que estoy en ese grupo. Se activa escribiendo /voice en tu sesión de Claude Code, y enciende la transcripción de voz a texto en tiempo real para tus comandos.
Mi reacción inicial fue escepticismo. Escribo rápido. ¿Por qué hablaría con mi terminal?
Tres días después, lo entiendo. El valor no es la velocidad — es la expresividad.
Cuando escribo un prompt, tiendo a ser conciso. "Refactoriza el middleware de autenticación para manejar el refresco de tokens." Limpio, preciso, eficiente. Pero también omite contexto que ayudaría a Claude Code a tomar mejores decisiones.
Cuando hablo, naturalmente agrego ese contexto: "Oye, el middleware de autenticación se está volviendo desordenado porque agregamos el refresco de tokens en el último sprint pero está enredado con la lógica de validación de sesión. Quiero separar el flujo de refresco en su propio middleware que se ejecute antes de la verificación de sesión, y asegurarme de que no estamos llamando al endpoint de tokens más de una vez por ciclo de solicitud."
La misma solicitud. Mucho más contexto. Resultados dramáticamente mejores de Claude Code porque entendió no solo lo que quería, sino por qué.
He empezado a usar el modo de voz específicamente para solicitudes arquitectónicas complejas donde el contexto importa, y teclear para ediciones rápidas y precisas. El enfoque híbrido funciona mejor que cualquiera de los dos métodos solo.
La precisión de la transcripción es sólida — maneja términos técnicos como "middleware," "TypeScript," y nombres de paquetes específicos mejor de lo esperado. No es perfecto, pero lo suficientemente bueno para que rara vez necesite corregirlo. Noté que ocasionalmente tiene problemas con nombres de variables que suenan como palabras comunes (handler vs handler está bien, pero una variable llamada reed se transcribe como "read" a veces). Fricción menor.
Si aún no tienes acceso, vale la pena solicitarlo. Y mientras esperas, hay una función disponible ahora mismo que impacta directamente en qué tan rápido puedes construir con APIs externas.
El Skill de Claude API Eliminó Mi Problema de Pestañas de Documentación
Solía mantener tres pestañas del navegador abiertas todo el tiempo: una para la documentación de la API de Anthropic, una para la referencia del SDK que necesitara, y una para Stack Overflow. El skill de Claude API hace que al menos dos de esas pestañas sean innecesarias.
Esto es lo que hace. Cuando estás escribiendo código que interactúa con la API de Claude — o realmente cualquier API soportada — el skill detecta automáticamente tu lenguaje de programación y selecciona la mejor interfaz (API directa, uso de herramientas o SDK). Luego carga la documentación relevante directamente en tu sesión de programación.
No un resumen. No un "aquí hay un enlace." El contexto real de la documentación, disponible mientras el modelo trabaja en tu código.
Estaba construyendo un pipeline de procesamiento por lotes en Python la semana pasada. En lugar de cambiar al navegador para buscar el formato del endpoint de la API de lotes, simplemente describí lo que necesitaba en Claude Code. El skill de API detectó que estaba trabajando con Python, cargó la documentación del SDK de Anthropic para solicitudes por lotes, y generó código funcional que incluía manejo de errores apropiado, lógica de reintentos y limitación de velocidad — todo basado en documentación actual, no en datos de entrenamiento que podrían estar desactualizados.
Maneja respuestas en streaming, salidas estructuradas, configuraciones de uso de herramientas y valores predeterminados específicos del modelo. El beneficio clave es eliminar el cambio de contexto. Cada vez que haces alt-tab a una página de documentación, pierdes unos segundos de enfoque. A lo largo de una sesión completa de programación, eso se acumula en una sobrecarga cognitiva significativa. Tener la documentación embebida en el contexto de programación elimina esa fricción por completo.
Una cosa que aprecio: es inteligente con los valores predeterminados del modelo. Cuando especifiqué Opus 4.6 como mi modelo objetivo, el skill ajustó automáticamente los límites de tokens, estimaciones de precio y funciones disponibles en sus sugerencias. Un detalle pequeño, pero me evitó escribir código que asumiera capacidades que el modelo no tiene.
Bien — si has seguido hasta aquí, ya tienes un entendimiento sólido de las funciones principales. Las próximas dos son más pequeñas pero tienen un impacto superior a su peso en la mejora del flujo de trabajo diario.
El Comando Simplify Detectó Errores que Yo Pasé por Alto
Después de cualquier sesión de cambios de código, ejecutar /simplify activa una revisión automatizada de tu código modificado. Escanea en busca de lógica duplicada, patrones reutilizables, inconsistencias de nomenclatura, complejidad innecesaria y problemas estructurales.
Era escéptico. La revisión de código es trabajo matizado — ¿realmente podría una pasada automatizada detectar problemas significativos?
Detectó algo en mi segunda prueba que habría causado un error en producción.
Había refactorizado un módulo de validación de datos y, en el proceso, creé dos funciones de validación casi idénticas — una en el servicio de usuarios y otra en el servicio de pedidos. Misma lógica, diferentes nombres de variables. El tipo de duplicación que ocurre naturalmente cuando te mueves rápido y estás enfocado en que las pruebas pasen.
El comando simplify marcó ambas funciones, me mostró la superposición y sugirió extraer un validador compartido. Después de que aprobé la corrección, también notó que mis mensajes de error usaban formato inconsistente — algunos tenían códigos de error, otros no. No un bug, pero el tipo de inconsistencia que crea confusión en los logs.
El agente de enrutamiento predeterminado para simplify parece ser Haiku 4.5, lo que significa que se ejecuta rápido y barato. He empezado a usarlo como hábito después de cada sesión significativa de cambios de código. Piénsalo como una primera pasada de revisión de código antes de que tus revisores humanos vean el PR. No detectará problemas arquitectónicos ni cuestionará tus decisiones de diseño, pero es excelente para calidad superficial — lo que es fácil de pasar por alto cuando estás inmerso en el modo de resolución de problemas.
Consejo profesional: ejecuta /simplify antes de hacer commit, no después. Corregir duplicación y problemas de nomenclatura antes de que entren en tu historial de git mantiene tus commits más limpios y a tus revisores más contentos.
Esto combina muy bien con la última función principal — porque código limpio no significa nada si tu equipo no puede comunicarse sobre él de manera efectiva.
La Integración con Slack Hizo de Claude Code un Compañero de Equipo
Dirijo un pequeño equipo distribuido, y nuestra coordinación vive en Slack. Antes, compartir el contexto de Claude Code con compañeros de equipo significaba copiar la salida de la terminal, pegarla en Slack, perder el formato, y luego explicar qué significaba la salida. Tosco en el mejor de los casos.
El nuevo plugin de Slack conecta Claude Code directamente a tu espacio de trabajo en Slack. Puedes buscar mensajes, enviar actualizaciones, crear documentos y traer contexto de Slack a tu sesión de programación sin salir de la terminal.
Aquí es donde realmente me ayudó esta semana. Un compañero publicó un reporte de error en nuestro canal #backend-issues con un stack trace y algo de contexto sobre cuándo empezó a pasar. En lugar de copiar el stack trace en Claude Code manualmente, traje el mensaje de Slack directamente a mi sesión. Claude Code tenía el contexto completo — el stack trace, la descripción del compañero y la discusión del hilo donde otro desarrollador mencionó un cambio de configuración reciente que podría estar relacionado.
Con todo ese contexto cargado, Claude Code identificó el problema en unos dos minutos: una configuración de pool de conexiones que era válida en nuestro entorno de staging pero causaba cascadas de timeout bajo carga de producción. La mención del compañero de "empezó a pasar después del despliegue del martes" fue el contexto clave que dirigió a Claude Code hacia el diff de configuración correcto.
También lo uso para enviar actualizaciones de estado. Cuando una sesión larga de build o refactorización se completa, hago que Claude Code publique un resumen en el canal de Slack relevante. Sin cambio de contexto, sin copiar y pegar, sin olvidar actualizar al equipo.
Un flujo de trabajo que he desarrollado: al inicio de cada sesión de programación, traigo los últimos mensajes del canal de Slack de mi proyecto al contexto de Claude Code. Esto le da a la IA conocimiento de las decisiones recientes del equipo, bloqueos y prioridades. Es como darle a Claude Code una reunión de standup antes de que empiece a trabajar.
El Sub-Agente Cloud Code Guide — Tu Cerebro de Documentación Integrado
Hay una adición más que vale la pena mencionar: el sub-agente Cloud Code guide. Este es un agente interno, no basado en archivos, que responde preguntas sobre el CLI de Claude Code, el Agent SDK y la propia API de Claude.
Piénsalo como un colega conocedor que ha leído cada página de la documentación de Anthropic y puede responder preguntas sin que salgas de la terminal. Usa búsqueda, fetch web y otras herramientas para encontrar respuestas pero — y esto es importante — no edita ni escribe archivos. Es puramente informativo.
Me encuentro usándolo más cuando me topo con casos límite. "¿Puede el Agent SDK manejar respuestas de streaming con uso de herramientas?" En lugar de buscar en la documentación, le pregunto al sub-agente guide y obtengo una respuesta con contexto relevante en segundos. Para desarrolladores que están profundamente en el ecosistema de Anthropic, esto es un ahorro de tiempo significativo.
Configurando Todo: Mi Configuración Recomendada
Así es exactamente cómo configuré mi entorno para usar todas estas funciones efectivamente. Esto requirió algo de prueba y error, así que déjame ahorrarte la depuración.
Paso 1: Actualiza Claude Code a la última versión. Esto suena obvio, pero las funciones requieren la versión más reciente. Verifica que estés en la última build antes de buscar problemas con funciones faltantes.
Paso 2: Instala el plugin del creador de skills. Ve a la pestaña de plugins de Claude Code, busca el creador de skills e instálalo. Reinicia Claude Code después de la instalación — el plugin no se activará hasta que lo hagas. Me perdí esto la primera vez y pasé veinte minutos preguntándome por qué nada funcionaba.
Paso 3: Habilita Ultra Mode selectivamente. Escribe ultrathink en cualquier sesión de Claude Code para activar Ultra Mode. Mi recomendación: úsalo para tareas multi-archivo y depuración compleja. No lo dejes activado permanentemente a menos que tu presupuesto de tokens sea generoso. Establecí una regla mental simple — si la tarea toca tres o más archivos, activo Ultra Mode.
Paso 4: Configura la integración con Slack. Instala el plugin de Slack desde la pestaña de plugins. Necesitarás autorizarlo con tu espacio de trabajo de Slack. Una vez conectado, prueba con una búsqueda simple de mensajes para verificar que la conexión funciona. Tuve que re-autorizar una vez porque mi token OAuth inicial tenía alcances limitados.
Paso 5: Prueba la disponibilidad del modo de voz. Escribe /voice en tu sesión de Claude Code. Si se activa, estás en el despliegue del 5%. Si no, recibirás un mensaje diciendo que aún no está disponible para tu cuenta. No hay solución alternativa para esto — es una flag del lado del servidor.
Paso 6: Ejecuta tu primer evol test. Elige un skill existente simple y genera un evol test para él. Esto te familiariza con el formato de salida del benchmark — tasa de aprobación, tiempo de ejecución, uso de tokens — antes de que lo necesites para desarrollo serio de skills. Empieza pequeño, entiende las métricas, luego aplícalo a skills complejos.
Paso 7: Integra /simplify en tu flujo de trabajo. Después de cada cambio significativo de código, ejecuta el comando simplify antes de hacer commit. Toma segundos y detecta el tipo de problemas de bajo nivel que saturan las revisiones de código. Agregué una lista de verificación mental: escribir código, ejecutar pruebas, ejecutar /simplify, revisar sugerencias, commit.
Error común: si el plugin de Slack muestra errores de "connection refused", verifica que el administrador de tu espacio de trabajo no haya restringido las integraciones de terceros. Esto me pasó en un proyecto de cliente donde el espacio de trabajo tenía políticas estrictas de aprobación de aplicaciones.
Lo Que Me Equivoqué Sobre Esta Actualización — Y Lo Que La Mayoría Se Perderá
Quiero ser directo sobre algo. Cuando vi la lista de funciones por primera vez, pensé que Anthropic estaba haciendo el movimiento clásico de empresa tech — lanzar un montón de mejoras incrementales y llamarlo una actualización mayor. Estaba equivocado, y aquí está por qué mi lectura inicial falló.
Las funciones individuales son sólidas pero no revolucionarias por sí solas. ¿Modo de voz? Genial pero nicho. ¿Integración con Slack? Útil pero no revolucionario. ¿Control remoto? Conveniente.
El cambio real es lo que pasa cuando las combinas.
Ahora ejecuto sesiones donde inicio una tarea compleja en mi escritorio usando Ultra Mode, la monitoreo desde mi teléfono durante una reunión vía control remoto, respondo preguntas de aclaración usando el modo de voz en mi camino de regreso, y luego hago que Claude Code publique los resultados en Slack para mi equipo — todo sin interrumpir mi flujo ni perder contexto.
Eso no es una mejora incremental. Es una relación fundamentalmente diferente con la herramienta. Claude Code dejó de ser algo en lo que me siento a usar. Se convirtió en algo que trabaja a mi lado a lo largo de mi día, a través de dispositivos, a través de canales de comunicación.
El creador de skills con pruebas evolutivas es la función durmiente que la mayoría subestimará. Ahora mismo, los "skills de IA" se sienten como ingeniería de prompts con pasos extra. Pero ¿skills que se auto-mejoran y que se prueban, hacen benchmark y se adaptan a nuevos modelos? Eso es infraestructura. Eso es el tipo de cosa que genera rendimientos compuestos. En seis meses, los desarrolladores que invirtieron en construir skills robustos y probados tendrán una ventaja significativa sobre los que siguen escribiendo prompts de un solo uso.
Una preocupación honesta: el uso de tokens se acumula. Ejecutar Ultra Mode, evol tests y el skill de API simultáneamente puede quemar tu presupuesto rápido. He tenido sesiones que usaron 10x mi consumo normal de tokens. Anthropic necesita trabajar en hacer esto más transparente — me encantaría un dashboard de presupuesto de tokens en tiempo real en Claude Code. Ahora mismo, te enteras de que gastaste de más después del hecho.
Los Números Después de Una Semana
Así se veía mi flujo de trabajo antes y después de la actualización, medido a lo largo de una semana típica de trabajo:
Cambios de contexto a documentación del navegador: bajaron de aproximadamente 40 por día a unos 8. El skill de Claude API y el sub-agente guide manejan la mayoría de lo que solía buscar manualmente.
Iteraciones de revisión de código antes de merge: disminuyeron de un promedio de 3 rondas a 1.5 rondas. El comando simplify detecta problemas superficiales antes de que los revisores humanos vean el código, así que las discusiones de revisión se enfocan en arquitectura y diseño en lugar de formato y duplicación.
Tiempo depurando skills: reducido aproximadamente un 70%. Difícil de medir con precisión, pero las pruebas evolutivas me dan números de confianza en lugar de sensaciones. Sé cuándo un skill funciona y cuándo no, lo que elimina la incertidumbre de "¿está roto o estoy probando mal?"
Sobrecarga de comunicación del equipo: notablemente menor. La integración con Slack significa que comparto contexto y actualizaciones sin salir de la terminal. Menos copiar y pegar, menos mensajes de "déjame explicar qué significa esta salida".
Costos de tokens: subieron aproximadamente un 180% desde mi línea base pre-actualización. Esta es la compensación. Estoy gastando más en uso de API pero recuperando horas de trabajo manual. Para mi flujo de trabajo, las cuentas salen claramente a favor. Tu resultado depende de tus patrones de uso específicos y presupuesto.
El cambio más grande no está en ninguna métrica individual. Es la sensación de continuidad. Antes, usar Claude Code significaba sentarme en mi terminal, enfocado, haciendo una cosa. Ahora está entretejido en toda mi jornada laboral. Ese cambio es difícil de cuantificar pero imposible de ignorar una vez que lo experimentas.
Lo Que Construiría Primero Si Empezara Hoy
Si me hubieras dicho hace seis meses que estaría construyendo skills de IA que se auto-evalúan, controlando sesiones de programación desde mi teléfono y hablando con mi terminal — me habría reído. Pero aquí estoy, y esto es lo que priorizaría si estuviera configurando esto desde cero.
Empieza con el comando simplify. Cero configuración, valor inmediato, construye buenos hábitos. Ejecútalo después de cada sesión durante una semana y nunca dejarás de hacerlo.
Después, invierte tiempo en el creador de skills. Construye un skill real — no un ejemplo de juguete — y ejecuta evol tests sobre él. Entiende la salida del benchmark. Esta inversión paga rendimientos compuestos a medida que construyes más skills.
Luego explora Ultra Mode para tus flujos de trabajo más complejos. No lo uses para todo — úsalo estratégicamente, y verás exactamente cuándo el presupuesto de razonamiento extendido marca la diferencia.
Todo lo demás — modo de voz, control remoto, Slack — ve incorporándolo a medida que se vuelva relevante para tu flujo de trabajo específico. Son adiciones poderosas, pero las ganancias principales de productividad vienen de simplify, el creador de skills y Ultra Mode.
La brecha entre desarrolladores que tratan a Claude Code como un autocompletado elegante y aquellos que lo tratan como un compañero de desarrollo autónomo está a punto de ampliarse significativamente. Esta actualización es Anthropic dejando muy claro para qué lado de esa brecha están construyendo.
Así que esta es mi pregunta para ti: ¿cuál es el primer skill que construirías si tu agente de IA pudiera probarse, evaluarse y mejorarse a sí mismo?
Trabajemos Juntos
¿Buscas construir sistemas de IA, automatizar flujos de trabajo o escalar tu infraestructura tecnológica? Me encantaría ayudar.
- Fiverr (desarrollos personalizados e integraciones): fiverr.com/s/EgxYmWD
- Portafolio: mejba.me
- Ramlit Limited (soluciones empresariales): ramlit.com
- ColorPark (diseño y branding): colorpark.io
- xCyberSecurity (servicios de seguridad): xcybersecurity.io
