La Skill Grill Me: Cómo Extraigo Mi Propio Cerebro

La Skill Grill Me: Cómo Extraigo Mi Propio Cerebro

La skill que más me enseñó sobre construir un AI Operating System tiene seis frases de largo.

No seiscientas líneas. No una toolchain de Python con una docena de documentos de referencia. Seis frases en un archivo markdown. La abrí esperando encontrar algo ingenioso y casi cerré la pestaña cuando vi lo corta que era. Luego la ejecuté, y me interrogó durante cincuenta y un minutos sobre un flujo de empaquetado — y al final sabía más sobre cómo realmente manejo esa parte de mi negocio que cualquier documento que hubiera escrito al respecto.

Esa es la skill Grill Me para Claude Code, y resuelve el problema más difícil de todo este espacio: meter lo que está en tu cabeza dentro de la máquina. No "qué es una skill." No "diez skills que deberías instalar." El cuello de botella sin glamour del que nadie quiere hablar — tu conocimiento está encerrado en tu cráneo, y un modelo base no puede leer mentes.

Aquí está la parte que me tomó un tiempo aceptar. Tú, yo y cualquier otra persona leyendo esto estamos apuntando el mismo modelo a nuestros problemas. Claude Opus 4.8. Los mismos pesos, el mismo entrenamiento, el mismo razonamiento. El modelo no es tu ventaja. Lo que hace que tus outputs de IA sean diferentes de la papilla genérica que todos los demás generan viene de un solo lugar: el contexto, la voz y las decisiones duramente ganadas que tú le alimentas. Quita eso y cada output regresa al promedio insípido. Así que el verdadero juego nunca fue "encontrar un mejor modelo." Es "extraer tu conocimiento y darle forma para que una máquina pueda consumirlo." Grill Me es la mejor herramienta que he encontrado para hacer exactamente eso.

Por qué tu volcado mental produce output de IA genérico

Déjame empezar con lo que hice mal durante meses.

Cuando quería construir una skill, me sentaba y escribía todo lo que sabía sobre el proceso en un archivo markdown. Un volcado mental. Pensaba que estaba siendo minucioso — trescientas líneas, encabezados, viñetas, todo el paquete. Luego la skill construida sobre eso producía trabajo que era aceptable. Competente. Olvidable. El tipo de output que te hace pensar "sí, eso está más o menos bien" y luego silenciosamente reescribes la mitad.

El problema no es que sea un mal escritor. El problema es que un volcado mental solo captura lo que ya sabes que sabes. No puede capturar lo que no piensas mencionar — las excepciones, el "oh espera, excepto cuando el cliente está en la UE," la razón por la que dejaste de hacerlo de la otra forma hace tres años. Ese conocimiento tácito es precisamente la diferenciación que hace que tu AIOS sea tuyo en lugar de ser el de todos los demás. Y nunca lo escribirás voluntariamente, porque por definición has olvidado que es siquiera una decisión.

Aprendí esto observando cómo delimito proyectos de clientes. Los proyectos que salen bien no son aquellos donde dejo hablar al cliente. Son aquellos donde hago preguntas incómodas, casi irritantes. "¿Qué pasa con el pedido si el pago se procesa pero la verificación de inventario falla?" El cliente se detiene. No lo habían pensado. Esa pausa es todo el valor. Es la diferencia entre un sistema que es 80% confiable y uno que es 95% confiable. Las preguntas que se sienten como excesivas son las que encuentran los huecos.

Grill Me toma exactamente esa dinámica — la entrevista de descubrimiento implacable — y la apunta hacia ti. La IA se convierte en el consultor irritante, y tú te conviertes en el cliente que no había pensado en el caso límite. Esa inversión de roles es todo el truco. Si has dedicado tiempo a por qué el contexto de agente IA supera la configuración, esta es la versión más concentrada de esa idea que conozco.

Pero antes de mostrarte el prompt, necesitas ver lo poco que realmente contiene. Te va a sorprender.

Qué contiene realmente la skill Grill Me

Aquí está la skill completa. Esta es la verdadera SKILL.md de mi directorio .claude/skills/grill-me/, originalmente escrita por Matt Pocock y publicada en su repositorio público de skills bajo skills/productivity/grill-me/:

---
name: grill-me
description: Interview the user relentlessly about a plan or design until
  reaching shared understanding, resolving each branch of the decision tree.
  Use when user wants to stress-test a plan, get grilled on their design,
  or mentions "grill me".
---

Interview me relentlessly about every aspect of this plan until we reach a
shared understanding. Walk down each branch of the design tree, resolving
dependencies between decisions one-by-one. For each question, provide your
recommended answer.

Ask the questions one at a time.

If a question can be answered by exploring the codebase, explore the codebase
instead.

Eso es todo. Eso es la cosa entera. El frontmatter es cableado — un nombre y una descripción que le dice a Claude cuándo activar la skill. El cuerpo contiene cuatro instrucciones:

1. Entrevista implacablemente hasta el entendimiento compartido. No "haz un par de preguntas." Implacablemente. La palabra hace trabajo real — le da al modelo permiso para continuar más allá del punto donde un asistente educado se detendría.
2. Recorre el árbol de diseño, resolviendo dependencias una a una. Cada decisión tiene decisiones hijas. "¿Búsqueda avanzada o caja simple?" Si avanzada — ¿qué filtros? ¿Qué órdenes de clasificación? Cada respuesta abre nuevas ramas. Recorres hasta que cada hoja es concreta.
3. Para cada pregunta, da tu respuesta recomendada. Esta es la parte que la mayoría no ve. No es un interrogatorio en blanco. El modelo propone un valor por defecto, así que estás reaccionando a una recomendación, no generando respuestas desde cero. Reaccionar es diez veces más rápido que redactar.
4. Si la codebase puede responderlo, mira ahí en vez de preguntar. No desperdicies mi atención en preguntas que un grep podría resolver.

Esa cuarta línea es por la que confío en ella. Una skill peor me haría cuarenta preguntas incluyendo cinco que podría haber respondido por sí misma leyendo mi código. Esta resuelve las preguntas baratas por sí misma y reserva mi cerebro para las caras.

¿Cuántas preguntas hace realmente una sesión de Grill Me? En mis sesiones reales, entre aproximadamente 16 y 50, dependiendo de lo difuso que sea el tema — lo cual coincide con lo que reportan otros practicantes. Una feature bien definida aterriza en el extremo inferior. Una operación empresarial completa aterriza en el extremo superior, y algo más.

La lección que sigo reaprendiendo: las skills efectivas no son automatizaciones complejas. Lo más útil en toda mi configuración es un prompt de seis frases. Escribo sobre esta tensión en cómo pruebo skills de Claude antes de que rompan mi flujo de trabajo — la complejidad suele ser una señal de alarma, no una feature. Grill Me es la prueba.

Entonces, si el original es tan bueno, ¿por qué lo modifiqué? Por un modo de fallo específico que aparece en el momento en que tus sesiones se alargan.

La solución que hizo usables las sesiones largas: checkpointing

El Grill Me original tiene un problema que no puede ver por sí mismo, y solo lo encuentras cuando tus sesiones se alargan.

Mi sesión de empaquetado duró cincuenta y un minutos. Alrededor del minuto cuarenta, la conversación había crecido enormemente — docenas de preguntas, docenas de respuestas, ramas dentro de ramas. Y el modelo comenzó a derivar. Una decisión que había fijado en el minuto ocho silenciosamente dejó de aparecer en su razonamiento en el minuto cuarenta. No porque el modelo sea tonto, sino porque a medida que la conversación activa crece, los turnos anteriores reciben menos atención. El detalle que resolviste hace una hora compite con todo lo que vino después por el mismo foco finito. (Si has sentido esto en sesiones largas, desglosé la mecánica en higiene de contexto y límites de tokens de Claude Code.)

Una entrevista brillante de una hora es inútil si el modelo olvida la primera mitad al final.

Así que la mejora que uso es extremadamente simple: checkpoint después de cada pregunta individual. En el momento en que una pregunta es respondida, la skill añade ese intercambio a un archivo markdown en disco — antes de pasar a la siguiente pregunta. La conversación en la ventana de contexto puede derivar todo lo que quiera. El registro es inmutable, está en un archivo, completo desde la pregunta uno.

Los guardo en una carpeta brainstorms/ en la raíz del proyecto. Cada sesión produce un log, y cada log lleva tres cosas:

• Decisiones clave — las hojas resueltas del árbol de diseño, formuladas como compromisos. "Las devoluciones son manejadas por X, no Y, porque Z."
• El log completo de P&R — cada pregunta y mi respuesta exacta, en orden, para poder reconstruir el razonamiento después.
• Un resumen destacado — un breve resumen al inicio del archivo que puedo escanear en treinta segundos, seis semanas después, sin releer todo el transcripto.

your-project/
├── brainstorms/
│   ├── 2026-06-05-packaging-process.md
│   ├── 2026-06-04-ai-safety-rollout.md
│   └── 2026-06-01-client-onboarding-flow.md
├── .claude/
│   └── skills/
│       └── grill-me/
│           └── SKILL.md
└── ...

Hay un primo real y publicado de esta idea que vale la pena conocer. La skill grill-with-docs toma la misma entrevista implacable y escribe términos resueltos en un glosario CONTEXT.md y trade-offs difíciles y sorprendentes en archivos ADR (docs/adr/) a medida que cristalizan, inline, en lugar de agruparlos al final. El mismo instinto que mi carpeta brainstorms/ — captura el momento en que se toma una decisión, no después de la sesión cuando estás cansado y el matiz se ha evaporado. Dos caminos al mismo destino: la conversación en vivo es frágil, el archivo en disco no lo es.

Y una vez que el archivo existe, algo útil sucede después de que la sesión termina.

Qué sucede después de que termina la entrevista

La captura no es la meta. Es la materia prima.

Cuando una sesión termina, tengo un log brainstorms/ estructurado lleno de decisiones y casos límite que el modelo acaba de extraer de mi cabeza. El siguiente paso es retroalimentar eso al sistema: pedirle a Claude que sugiera actualizaciones para la skill relacionada y su documentación basándose en los matices que acaba de capturar. La sesión de empaquetado no solo produjo notas — produjo una mejor skill de empaquetado, porque cada "oh, excepto cuando..." que había olvidado ahora estaba escrito y podía incorporarse a las instrucciones sobre las que opera la skill.

Aquí es también donde Grill Me hace algo que no esperaba: señala lo que no sabes. A mitad de la sesión de seguridad de IA, llegó a una rama que no podía responder — algo sobre un límite de retención de datos que genuinamente no era mi decisión. En lugar de adivinar o dejarme hacer el fanfarrón, lo marcó. "Esto necesita input de quien sea responsable de tu postura de compliance." Esa sola marca valió más que diez respuestas, porque me dijo exactamente dónde ir a preguntarle a un humano real antes de construir algo sobre una suposición incorrecta.

Así que el bucle es: grillar → capturar en markdown → actualizar la skill → marcar los huecos → llenar los huecos con el stakeholder correcto → grillar de nuevo el próximo trimestre cuando el proceso haya cambiado. Cada pasada te deja con una skill más probada en batalla y un AIOS que sabe más de tu negocio real. Este es el flujo de trabajo de soporte bajo el AI Operating System que construí con Claude Code — el pilar cubre la arquitectura; Grill Me es cómo lo llenas con conocimiento que genuinamente es tuyo.

Si quieres que este tipo de extracción de conocimiento estructurada funcione a través de todo un negocio — no solo un proceso — ese es el tipo de cosa que Ramlit construye para equipos: convertir la experiencia encerrada en las cabezas de tu gente senior en sistemas que el resto de la empresa (y su IA) realmente puede usar.

Ahora al número que me hizo reorganizar cómo empiezo cada skill.

La matemática de iteración: empezar en 90% en lugar de 70%

Este es el argumento para pasar una hora siendo grillado antes de escribir una sola línea de instrucciones de skill.

Construye una skill de la manera normal — volcado mental, escríbela, ejecútala — y en el primer intento aterriza en algún lugar alrededor del 70% de efectividad. Suficientemente buena para ser útil, suficientemente incorrecta para necesitar supervisión. Luego iteras. Cada uso real descubre un hueco, lo parcheas, y a lo largo de muchos ciclos se arrastra hacia el 95%. La trayectoria funciona. Solo es lenta, porque cada hueco te cuesta un ciclo completo de construir-ejecutar-descubrir para encontrarlo.

Grill Me adelanta ese descubrimiento. Porque la entrevista caza casos límite antes de que construyas, la misma skill comienza su vida alrededor del 90% en lugar del 70%. No encuentras la excepción de la UE en el día cuarenta cuando un cliente recibe un output incorrecto. La encuentras en el minuto doce de la entrevista, cuando el modelo pregunta "¿qué cambia para clientes de la UE?" y tú dices "oh — cierto."

El viejo dicho del carpintero encaja exactamente: dedica cuatro horas a afilar el hacha antes de dos horas cortando el árbol. El trabajo previo se siente como un retraso. No lo es. Un hacha afilada a través de un árbol en dos horas supera a una desafilada que corta durante ocho. Una hora de grilleo que te lleva del 70% al 90% en la iteración uno te ahorra una docena de ciclos de parchear-y-volver-a-ejecutar río abajo. Nunca me he arrepentido de la hora. Sí me he arrepentido de cada skill que envié sin ella.

Para ser justo sobre el trade-off: esto es trabajo cognitivo real, no una herramienta pasiva que disparas y olvidas. Una sesión de Grill Me de cincuenta minutos es cincuenta minutos de pensar duro sobre decisiones que manejabas en piloto automático. Si estás cansado, es agotador. Y para una skill genuinamente trivial, el grilleo completo es excesivo — a veces un volcado mental realmente es suficiente. Ajusta la profundidad de la entrevista a lo que está en juego con la skill. El punto no es grillar todo. Es grillar las cosas que duelen si las haces mal.

Entonces, ¿cómo ejecutas una?

Cómo usar la skill Grill Me en Claude Code

Dos formas de activarla, y se comportan un poco diferente.

Lenguaje natural. Escribe algo como "Oye, gríllenme sobre cómo hacemos el onboarding de clientes" o "gríllenme sobre este plan de despliegue." La descripción de la skill coincide con la frase y Claude la activa. Así es como inicio la mayoría de las sesiones — es conversacional y puedes apuntarla de forma amplia.

Comando slash. Ejecuta /grill-me directamente. Más deliberado, bueno cuando sabes exactamente el tema y quieres saltar el calentamiento.

De cualquier forma, aquí está el flujo que sigo:

1. Nombra el objetivo con precisión. No "gríllenme sobre mi negocio." Demasiado amplio — obtendrás un repaso superficial de todo. Elige un proceso: "gríllenme sobre cómo aplico IA de forma segura dentro del negocio." Objetivo estrecho, entrevista profunda.
2. Responde honestamente, incluyendo 'no sé.' Las respuestas "no sé" son lo más valioso que producirás, porque son los huecos que la señalización capturará. No fanfarronees para parecer competente frente a un modelo que intenta ayudarte.
3. Reacciona a sus respuestas recomendadas. Recuerda, propone un valor por defecto para cada pregunta. A menudo el movimiento más rápido es "sí, eso, pero cambia una cosa." Estás editando, no redactando.
4. Déjala correr largo. Resiste la urgencia de terminar en la pregunta diez porque estás aburrido. El oro suele estar en la segunda mitad, en las ramas que no sabías que existían. Sesiones de más de una hora son normales y buenas.
5. Cosecha el output. Cuando termina, tienes notas de descubrimiento, un resumen de decisiones clave, logs de P&R estructurados, y una lista de marcas señalando dónde necesitas otro humano. Lee el resumen destacado. Luego pide a Claude que incorpore los nuevos matices en la skill relevante.

Una advertencia honesta sobre la configuración: el Grill Me upstream básico no hace checkpoint a una carpeta brainstorms/ por sí solo — esa es la capa de mejora que describí, y tienes que añadirla al cuerpo de la skill (una instrucción para añadir cada pregunta respondida a un archivo markdown con fecha antes de continuar). El original mantiene todo en la conversación en vivo, que es exactamente donde vive el problema de la deriva. Si tus sesiones son cortas, el original está bien. Si son largas, añade la instrucción de checkpoint o perderás la primera mitad.

Ese es todo el flujo de trabajo. Seis frases de prompt, una carpeta, y el hábito de dejar que la máquina te haga las preguntas que nunca te harías a ti mismo.

La próxima vez que te sientes a construir una skill y sientas el impulso de simplemente volcar todo lo que sabes en un archivo — detente. No sabes lo que sabes. Deja que la máquina lo descubra. Abre una sesión, di "gríllenme," y dedica la hora incómoda. La versión de tu AIOS que sale del otro lado sonará como tú en lugar de como todos los demás apuntando el mismo modelo a los mismos problemas. Esa voz — la que ningún modelo base puede darte — es la única ventaja que existe.

Preguntas Frecuentes

¿Qué es la skill Grill Me en Claude Code?

Grill Me es una skill de Claude Code que te entrevista implacablemente sobre un plan, proceso o diseño hasta que tu conocimiento esté completamente capturado. Recorre cada rama del árbol de decisiones una pregunta a la vez, proponiendo una respuesta recomendada para cada una, y resuelve preguntas de la codebase por sí misma en lugar de preguntar. Fue creada por Matt Pocock. Ver qué contiene realmente la skill arriba para el código fuente completo.

¿Cómo activo la skill Grill Me?

Di "gríllenme sobre [tema]" en Claude Code, o ejecuta el comando slash /grill-me directamente. La formulación en lenguaje natural coincide con la descripción de la skill y la activa automáticamente; el comando slash es más deliberado cuando ya conoces exactamente el tema.

¿Cuántas preguntas hace una sesión de Grill Me?

Una sesión típica hace entre 16 y 50 preguntas aproximadamente, dependiendo de lo bien definido que esté el tema. Features bien definidas aterrizan en el extremo inferior; una operación empresarial completa aterriza en el extremo superior y puede durar más de una hora. Ajusta la profundidad de la sesión a lo costoso que sea tener la skill mal.

¿Por qué Grill Me es mejor que simplemente escribir un volcado mental?

Un volcado mental solo captura lo que ya sabes que sabes — se pierde los casos límite tácitos y las decisiones olvidadas que hacen único a tu AIOS. La entrevista implacable de Grill Me saca a la luz esos huecos antes de que construyas, razón por la cual una skill grillada comienza cerca del 90% de efectividad en lugar del ~70% con el que típicamente comienza una skill de volcado mental.

¿Grill Me guarda la conversación en un archivo?

La skill original mantiene todo en la conversación en vivo, que puede derivar en sesiones largas. El flujo de trabajo mejorado añade una instrucción de checkpoint que añade cada pregunta respondida a un archivo markdown con fecha en una carpeta brainstorms/ antes de continuar — preservando cada decisión incluso mientras el contexto del chat crece. Ver la solución de checkpointing arriba.

Trabajemos Juntos

¿Buscas construir sistemas de IA, automatizar flujos de trabajo o escalar tu infraestructura tecnológica? Me encantaría ayudar.

• Fiverr (builds personalizados e integraciones): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (soluciones empresariales): ramlit.com
• ColorPark (diseño y branding): colorpark.io
• xCyberSecurity (servicios de seguridad): xcybersecurity.io