Super Skills en Claude Code: mi build log real
Tenía 47 habilidades instaladas en ~/.claude/skills/ el viernes pasado. Eliminé 39 de ellos el domingo por la mañana.
No porque estuvieran rotos. Trabajaron exactamente como la documentación decía que lo harían. Una habilidad denominada meeting-summary produjo un resumen de la reunión. Una habilidad llamada seo-audit produjo una auditoría SEO. Una habilidad denominada linkedin-post produjo una publicación LinkedIn. Se portaron bien. Devolvieron la forma correcta de producción. Nunca arrojaron errores.
Tampoco mejoraron nunca.
Todos los lunes escribía las mismas notas de corrección en la misma sesión Claude Code. "No utilices la palabra apalancamiento. Deja de abrir cada párrafo con una pregunta. Corta los guiones a la mitad". El martes por la mañana, la habilidad volvería a hacer las tres cosas, exactamente como lo hizo la semana anterior. La habilidad no tenía idea de que había ocurrido el lunes.
Esa es la brecha que Jack Roberts señalaba en el resumen en video que llegó a mi bandeja de entrada la semana pasada. Él lo llama la diferencia entre una habilidad de utilidad y una súper habilidad, y enmarca todo a través de los modelos mentales de Andrej Karpathy para trabajar con agentes de codificación. Lo vi dos veces y luego pasé cuatro días reconstruyendo todo mi directorio de habilidades en torno a la idea. Este es el build log.
Si ha leído mis notas de instalación de Karpathy CLAUDE.md, ya sabe que tomo en serio los principios del agente de codificación de Karpathy. Esta publicación es la siguiente capa: qué sucede cuando dejas de aplicar esos principios a tu código y comienzas a aplicarlos a las habilidades mismas.
Por qué el 99% de las skills de Claude son estáticas, olvidadizas y silenciosamente inútiles
Abra ~/.claude/skills/ en la máquina de cualquier usuario de Claude Code ahora mismo y encontrará aproximadamente la misma imagen. Una carpeta por habilidad. Un archivo SKILL.md dentro de cada uno. YAML frontmatter en la parte superior con un nombre y una descripción. Unos cientos de palabras de instrucciones debajo. Quizás un directorio templates/ con algún texto repetitivo.
Ese es el formato oficial. La documentación de habilidades Claude Code lo describe exactamente de esa manera: un SKILL.md con frontmatter que le indica a Claude cuándo cargar la habilidad, además de contenido de rebajas que Claude lee cuando se invoca la habilidad. La herramienta Habilidad aparece. El arnés carga el archivo. El modelo lee las instrucciones. La habilidad corre.
Funciona. También es donde el 99% de los usuarios de Claude Code dejan de construir.
Esto es lo que una habilidad estática no puede hacer. No puede recordar lo que le dijiste en la última sesión. No puede extraer datos actuales de un hilo Gmail o un archivo Figma o de la investigación web de la semana pasada. No puede calificar su propio resultado y reescribirse a sí mismo cuando el resultado sigue siendo incorrecto. Es un mensaje congelado con un nombre inteligente. El modelo que se encuentra debajo se vuelve más inteligente cada seis meses. La habilidad sigue siendo exactamente tan tonta como el día en que la escribiste.
El encuadre de Roberts fue lo que finalmente hizo que encajara para mí. Una habilidad estática es una utilidad: resuelve una tarea, de la misma manera, siempre, como un acortador de URL de Bitly que toma una URL larga y escupe una corta. Útil. Previsible. Olvidable. Una súper habilidad es algo diferente. Tiene memoria que puede recordar. Utiliza las herramientas adecuadas y las fuentes de datos adecuadas para la tarea específica que tiene por delante. Además, califica su propio resultado y se perfecciona en función de sus comentarios.
Tres propiedades. Memoria. Estampación. Superación personal. Sin ellos, estás escribiendo indicaciones con pasos adicionales.
La mayoría de mis 47 habilidades no tenían ninguna de las tres.
El marco de Karpathy que cambió cómo escribo cada SKILL.md
Antes de tocar un solo archivo de habilidad, tenía que arreglar la escritura en sí. Porque el segundo error que había estado cometiendo (el que subyace al problema de la memoria y las herramientas) fue que mis instrucciones de habilidades parecían pasantes demasiado ansiosos tratando de impresionar a un gerente. Largo. Especulativo. Lleno de ramas de "considere también" y sugerencias de "es posible que desee". Cada habilidad consistía en 800 palabras de orientación limitada.
Las observaciones públicas de Karpathy sobre los agentes de codificación LLM han estado dando vueltas en X durante más de un año, y el repositorio andrej-karpathy-skills de Forrest Chang las resumió en cuatro principios que 60.000 desarrolladores ahora han marcado como favoritos, según el artículo de Robonuggets. Los cuatro principios:
- Piense antes de codificar. Aclare las suposiciones. Indique el objetivo. Nombra las restricciones. No empiece a escribir hasta que pueda articular cómo se ve el éxito.
- La simplicidad primero. Código mínimo que soluciona el problema. Nada especulativo. No hay características más allá de lo solicitado.
- Ediciones quirúrgicas. Toca solo lo que debes. No "mejore" el código, los comentarios ni el formato adyacentes. Cada línea modificada se remonta a la solicitud.
- Ejecución basada en objetivos. Defina los criterios de éxito desde el principio. Haga un bucle hasta que se verifique. Deténgase cuando haya terminado.
Las había estado tratando como reglas para las escrituras del código Claude. El encuadre de Roberts cambió eso. También son reglas para la habilidad misma.
Cada SKILL.md que reescribí se hizo más corto. La habilidad "meeting-summary" pasó de 612 palabras a 184. La habilidad "seo-audit" pasó de 891 palabras a 240. Corté ramas especulativas. Corté "por si tú también quieres". Mencioné los criterios de éxito explícitamente en la parte superior de cada archivo. Los propios archivos de habilidades ahora siguen la disciplina de edición quirúrgica: dicen lo que necesitan decir y nada más.
La producción mejoró considerablemente esa misma semana. No porque el modelo se volviera más inteligente. Porque el modelo finalmente tenía instrucciones de análisis menos ambiguas.
Esa fue la base. Ahora podríamos construir las tres propiedades de súper habilidades encima.
Propiedad uno: memoria que realmente recuerda
Una habilidad sin memoria es un pez dorado en una pecera. Todos los lunes te encuentra por primera vez. Todos los martes te hace las mismas preguntas de contexto. Todos los miércoles comete los mismos errores que corregiste el lunes.
El sistema operativo de memoria Roberts es la arquitectura que reconstruí y es el cambio que más se agravó. Tres cubos. Cada depósito tiene un trabajo claro, un ciclo de vida claro y una regla clara sobre lo que entra.
Grupo uno: Memoria de sesión
Este es el registro de conversación en sí, archivado al final de cada sesión de trabajo. El mecanismo es una habilidad simple (Roberts la llama habilidad de "conclusión") que se ejecuta al final de cada sesión de Claude Code y hace tres cosas. Escribe el resumen de la conversación en un archivo de rebajas con fecha. Extrae las correcciones que le dio al modelo y las guarda como ejemplos etiquetados. Actualiza el recuento de sesiones en ejecución.
Conecté el mío para que disparara /wrap al final de cada bloque de trabajo. La salida va a ~/Documents/claude-memory/sessions/2026-04-28-skills-rebuild.md. Todo dura unos 40 segundos. A la mañana siguiente, cuando comienzo una nueva sesión, mi habilidad de perfil (más sobre esto a continuación) lee el archivo de sesión más reciente antes de hacer cualquier otra cosa. La modelo entra sabiendo lo que hicimos ayer.
Este es el cubo que había perdido por completo durante un año. Todos los demás experimentos de memoria que había realizado (bóvedas de obsidiana, bases de datos de Notion, el sistema de memoria ilimitada Pinecone que construí hace tres semanas) resolvieron la recuperación a largo plazo. Ninguno resolvió "recuerda de lo que acabamos de hablar". La memoria de sesión cierra esa brecha con una habilidad de resumen y una carpeta.
Grupo dos: base de conocimientos
Este es el cubo inmutable. De forma larga, duradera, no cambia. Mi base de conocimientos incluye: mis propios escritos (cada publicación de blog en este sitio, cada boletín), transcripciones de cada video y podcast que he publicado, los libros que he anotado y algunos cientos de referencias técnicas a las que sigo volviendo. No contiene notas borrador. No tiene pensamientos a medias. Si va a la base de conocimientos, permanece allí.
Probé dos backends de almacenamiento cara a cara. Obsidian a través de la configuración de memoria persistente Obsidian-Claude Code y Pinecone sin servidor. El veredicto fue el que la mayoría de la gente no quiere escuchar: Obsidian es excelente cuando tu base de conocimientos cabe en una pantalla. Una vez que cruza un par de cientos de archivos de rebajas largos, el costo simbólico de permitir que Claude escanee el contenido de la bóveda en cada consulta relevante se vuelve feo rápidamente. Ejecuté una semana de registro dual y la ruta Obsidian me estaba costando aproximadamente 4 veces los tokens de la ruta Pinecone en las mismas preguntas, porque la recuperación de Obsidian termina cargando archivos completos donde Pinecone devuelve fragmentos clasificados.
La piña gana por escala. La [página pública de precios] de Pinecone (https://www.pinecone.io/pricing/) enumera el nivel Inicial como gratuito con 5 índices, 2 GB de almacenamiento, 2 millones de unidades de escritura y 1 millón de unidades de lectura por mes, y el nivel Estándar a $50 /month con características de producción y multinube. Estoy corriendo en Estándar. Para obtener una base de conocimientos de menos de 500 documentos, puede permanecer en Starter. El modelo sin servidor significa que no hay cargos por computación inactiva, lo cual es importante porque la mayor parte de mi tráfico de recuperación está en ráfagas: una avalancha de consultas el martes por la mañana, casi cero el sábado por la tarde.
Si tiene menos de 200 archivos largos y no le importa gastar más tokens, quédese en Obsidian. Más allá de 200, Pinecone serverless ahorra dinero real.
Grupo tres: perfil y estrategia
Este es el cubo mutable, y es el que subestimé. Un archivo de rebajas. Vive en ~/.claude/profile.md. Actualizado al final de cada sesión. Contiene: mi enfoque actual (el proyecto en el que estoy trabajando esta semana), los objetivos activos (lo que estoy tratando de lograr), las limitaciones (lo que me bloquea) y las decisiones recientes (lo que decidimos ayer para no volver a litigarlo hoy).
Este archivo es lo que mis súper habilidades leen primero. Antes de cualquier tarea, la habilidad verifica el perfil, sabe en qué estoy trabajando y se salta las preguntas de "¿qué estás tratando de hacer?". La transformación en el ritmo es enorme. Una habilidad de publicación LinkedIn que solía hacer tres preguntas de preparación ahora produce un borrador en el primer turno porque ya sabe que estoy escribiendo sobre las habilidades Claude Code esta semana.
La vista del panel de todo esto (Roberts lo muestra en su video) es lo que hace que Memory OS se sienta como un sistema operativo en lugar de un montón de carpetas. La sesión cuenta. Información del cliente agregada desde la memoria de la sesión. Notas de crecimiento de suscriptores. Mapas de calor de los temas en los que trabajo más. Creé una versión simplificada usando una habilidad dashboard que simplemente lee los tres depósitos y genera un resumen de rebajas. No es bonito, pero sí lo suficiente como para ver la forma de mi propia semana laboral.
Propiedad dos: las herramientas y fuentes de datos correctas para cada tarea
La memoria es la mitad de la ecuación. La otra mitad es la habilidad de saber qué hacer para la tarea específica que se tiene por delante.
Una habilidad estática opera sobre cualquier cosa que pegues en el mensaje. Una súper habilidad lo sabe: esta tarea necesita Gmail, esta tarea necesita el archivo Figma, esta tarea necesita la página de precios más reciente del sitio de un competidor. Él mismo saca esas cosas.
Los conectores integrados de la aplicación de escritorio Claude manejan la mayoría de los casos fáciles. Gmail, Google Calendar, Google Drive, Notion, Slack, Figma: todos disponibles como herramientas estilo MCP que la habilidad puede declarar que necesita. Cuando el conector existe, le conecta la habilidad directamente y los datos se muestran en tiempo de ejecución.
Lo interesante son los casos que los conectores no cubren. La investigación web es la más importante. Si su habilidad necesita la página de precios actual de una herramienta, o las notas de la versión del mes pasado de un proveedor, o las 5 principales publicaciones de blog de la competencia sobre un tema, está descartando. Y el scraping con recuperación sin procesar consume tokens: cada página regresa como 30 KB de HTML, navegación, pies de página y scripts en línea. El modelo tiene que atravesar un 80% de ruido para encontrar un 20% de señal.
Firecrawl es el raspador optimizado para AI al que cambié. Devuelve una rebaja limpia. Elimina la navegación y los anuncios. El scrape que solía ser un blob HTML de 30 KB regresa como 4 KB de contenido real, lo que significa aproximadamente 7 veces menos tokens por página en tareas de investigación web. Su precio público a partir de abril de 2026 incluye Gratis a 500 créditos únicos, Hobby a $16/month por 3000 créditos, Estándar a $83/month por 100,000 créditos y Crecimiento a $333/month por 500,000 créditos. El scraping estándar es de 1 crédito por página. La búsqueda es de 1 crédito por resultado. La extracción JSON agrega 4 créditos por página en la parte superior.
Estoy en Hobby. 3000 créditos al mes son suficientes para un flujo de trabajo de investigación personal con algunas habilidades diarias de extracción de Internet. Si dirige el equipo de contenido de una agencia, Estándar es el piso realista.
Para los conectores que no existen directamente, Zapier es el puente universal. Cualquier cosa que puedas conectar a un Zap, puedes conectarlo a una habilidad Claude a través de un webhook. Tengo una habilidad de "publicar en X con imagen" que usa Zapier como puente porque todavía no existe ningún conector X nativo que valga la pena usar. Configuración en dos pasos. Obras.
El creador de habilidades integrado en Claude es la forma más rápida de crear una nueva: lo guía a través de la declaración de intención, el resultado esperado, las herramientas requeridas, las fuentes de datos y el formato de salida. Cubrí el lado de las pruebas de esto en mi tutorial de habilidades de prueba, y la misma disciplina de prueba es aún más importante para las súper habilidades, porque una vez que le das memoria y herramientas a una habilidad, el área de superficie para el comportamiento sorpresa se triplica.
Propiedad tres: el ciclo de refinamiento que se compone
Esta es la propiedad que convierte una habilidad en algo que realmente mejora con el tiempo. Y es el que la mayoría de la gente omite porque se siente como un exceso de ingeniería hasta que uno vive sin él.
El circuito de refinamiento es simple en concepto. Una vez que la habilidad produce resultados, se califica a sí misma según los criterios de éxito que usted definió en SKILL.md. Si la calificación está por debajo del umbral, le solicita la corrección específica. La corrección se registra. Periódicamente (lo que ejecuto semanalmente) la habilidad lee su propio registro de corrección y reescribe las secciones relevantes de su SKILL.md para codificar la lección.
En la práctica, mi versión es una habilidad refine que activo explícitamente los viernes por la tarde. Lee las correcciones de la memoria de la sesión de la semana pasada, las agrupa según la habilidad a la que se aplicaron y propone una diferencia para cada SKILL.md afectado. Reviso las diferencias. Acepto los que coinciden con lo que realmente quiero. La habilidad se reescribe a sí misma. El próximo lunes, la habilidad camina al recordar la corrección.
Esta es la parte del sistema donde aparece la capitalización. Después de tres semanas de refinamiento, mi habilidad de publicación LinkedIn dejó de abrir cada publicación con una pregunta. Después de dos semanas, mi habilidad de auditoría SEO dejó de rellenar el informe con secciones de resumen que nunca leí. Después de una semana, mi habilidad meeting-summary dejó de colocar elementos de acción en la parte superior porque le dije que los leí al final y que los quería al final. Ninguno de esos cambios requirió que tocara SKILL.md directamente. Di la corrección una vez en una conversación. La habilidad de resumir lo captó. La habilidad de refinar lo codificó. La habilidad se comportó de manera diferente en la siguiente sesión.
Eso es lo que quiere decir Roberts cuando dice compuesto de súper habilidades. La habilidad estática es la misma el día 1 y el día 90. La súper habilidad del día 90 es significativamente mejor que la misma habilidad del día 1, no porque el modelo se haya vuelto más inteligente, sino porque la habilidad consumió tres meses de tus correcciones.
Si desea ver este patrón en acción sin la capa de memoria, mi [escrito de sistemas Claude Code de mejora automática] anterior (https://www.mejba.me/self-improving-claude-code-systems) recorre una versión más pequeña del mismo bucle. Memory OS lo convierte de un truco de una sola habilidad a una propiedad del sistema.
En qué me equivoqué en el primer build
Tres días después, tuve que derribar la mayor parte y reiniciar. Vale la pena señalar los errores en caso de que te topes con las mismas paredes.
Error uno: hice que la habilidad de resumen fuera demasiado inteligente. La primera versión intentó resumir, extraer correcciones, actualizar el perfil y actualizar el panel en una sola pasada. Tomó 4 minutos por final de sesión y en los resúmenes seguían faltando cosas porque el modelo estaba haciendo malabarismos con cuatro trabajos. Lo dividí en tres habilidades más pequeñas: wrap (solo el archivo de conversaciones), extract-corrections (solo la corrección), update-profile (solo la diferencia de perfil). Cada uno se ejecuta en 30-50 segundos. Ninguno de ellos deja caer información.
Error dos: puse todo en la base de conocimientos. Los primeros dos días estuve indexando notas del bloc de notas del chat, borradores a medio terminar y fragmentos aleatorios de Slack. La extracción de piñas se volvió ruidosa porque las incrustaciones estaban contaminadas con material de baja calidad. Lo eliminé el tercer día y ahora hay una regla estricta: nada ingresa a la base de conocimientos a menos que sea algo con lo que vincularía a un extraño. La calidad de la recuperación mejoró inmediatamente.
Error tres: Intenté saltarme el ciclo de refinamiento porque "Editaré el SKILL.md directamente cuando note problemas". Me dije esto y luego procedí a no editar nunca un SKILL.md directamente durante una semana completa, porque cada vez que notaba un problema estaba a mitad de una tarea y no estaba de humor para cambiar de contexto y editar archivos de mensajes. La habilidad de refinar funciona porque agrupa la edición en una sola sesión del viernes. Sin ese mecanismo de procesamiento por lotes, las habilidades no mejoran. Simplemente recogen quejas.
Error cuatro: subestimé la variación del perfil. El archivo de perfil se vuelve obsoleto rápidamente si no lo actualizas. Después de una semana sin actualizaciones, la modelo empezó a darme consejos para el proyecto de la semana pasada en lugar del de esta semana. Ahora tengo una automatización que me avisa con una notificación si el perfil no ha sido tocado en 48 horas. Sin el empujón, todo el sistema lentamente se degrada nuevamente al territorio de habilidades estáticas.
Si prefiere que alguien construya este tipo de sistema desde cero para su equipo en lugar de hacerlo usted mismo, acepto compromisos de Claude Code a través de mi Fiverr. Habilidades, sistema operativo de memoria, cableado Pinecone, bucle de refinamiento: la misma pila que ejecuto en mi propio trabajo, configurada para el tuyo.
Qué añade el curso de Roberts que el autoaprendizaje no cubre
Contexto rápido sobre de dónde vino todo esto. Roberts ejecuta un curso Claude Code que va desde los conceptos básicos hasta la monetización, y la sección de súper habilidades está aproximadamente en la mitad. No he realizado el curso completo. Tomé el cuadro de súper habilidades de su video público y lo reconstruí desde allí. Lo que yo diría honestamente: el marco es la parte valiosa. Una vez que tenga las tres propiedades nombradas (memoria, herramientas, superación personal) y la arquitectura del sistema operativo de memoria (sesión, base de conocimientos, perfil), el resto es cuestión de hacer el trabajo.
Si eres el tipo de constructor al que le gusta una secuencia guiada con bucles de retroalimentación integrados, un curso pago te ahorrará los cuatro días que pasé trabajando en el diseño de habilidades resumidas. Si prefiere leer un build log, aprender el marco y realizar la implementación usted mismo, esta publicación es más o menos eso.
Cualquiera de los dos caminos te lleva allí. El punto es dejar de ejecutar 47 habilidades de utilidad que todos olvidan que existes entre los lunes.
El único movimiento que lo cambió todo
Si tomas exactamente una cosa de esta publicación, toma esto:
Primero desarrolle la habilidad de resumir. Antes de la integración de Pinecone. Antes del cableado de Firecrawl. Antes del tablero. Antes de reescribir una sola habilidad existente.
La habilidad de resumir es lo más barato de esta lista y también es la base sobre la que se basa todo lo demás. Sin él, tus sesiones no aportan nada. Tus correcciones se evaporan. Tu perfil se vuelve obsoleto. El bucle de refinamiento no tiene nada que refinar desde. El sistema operativo de memoria tiene memoria de sesión porque la habilidad de resumen la escribe.
Son 50 líneas de SKILL.md. Se ejecuta en /wrap. Escribe un archivo de rebajas por sesión en una carpeta. Ese es todo el MVP. Construya eso esta semana. Ejecútelo durante dos semanas. Luego coloque capas en el archivo de perfil. Luego agregue capas a la base de conocimientos. Luego coloque capas en el bucle de refinamiento. Cada capa se vuelve posible porque la capa anterior la está alimentando.
El problema de las 47 habilidades que se olvidan de que existes no se resuelve escribiendo la habilidad n.° 48. Se soluciona dándole a las habilidades que ya tienes una manera de recordar el lunes el martes.
Esa es la diferencia entre una utilidad y una súper habilidad. Y comienza con un archivo de resumen que escribe hoy.
Preguntas frecuentes
¿Dónde se encuentran las habilidades Claude Code en mi máquina?
Las habilidades Claude Code se encuentran en dos ubicaciones: ~/.claude/skills/ para habilidades personales disponibles en cada proyecto, y .claude/skills/ dentro de un repositorio para habilidades con alcance de proyecto comprometidas con git. Cada habilidad es una carpeta que contiene un archivo SKILL.md con YAML frontmatter e instrucciones de rebajas. El arnés Claude Code los carga automáticamente cuando sea relevante.
¿Qué diferencia una súper habilidad de una habilidad Claude normal?
Una súper habilidad tiene tres propiedades de las que carece una habilidad normal: memoria indexada que puede recordar a lo largo de las sesiones, la capacidad de utilizar las herramientas y fuentes de datos adecuadas para cada tarea, y un ciclo de superación personal que califica su propio resultado y refina sus propias instrucciones con el tiempo. Las habilidades regulares son rebajas estáticas que producen el mismo resultado el día 1 y el día 90.
¿Necesito Pinecone o puedo usar Obsidian para la base de conocimientos?
Obsidian funciona bien para bases de conocimiento con aproximadamente 200 archivos de rebajas largos. Más allá de eso, Pinecone sin servidor ahorra un costo significativo de tokens porque devuelve fragmentos clasificados en lugar de cargar archivos completos. Pinecone Starter es gratuito para cargas de trabajo pequeñas; El estándar es $50/month para uso en producción. Para obtener detalles sobre la configuración de Pinecone, consulte mi escritura de memoria ilimitada AI.
¿Cuánto cuesta Firecrawl para un flujo de trabajo personal Claude Code?
Firecrawl Hobby cuesta $ 16/month por 3000 créditos y es suficiente para un flujo de trabajo personal con algunas habilidades diarias de investigación web. El estándar es de $83/month por 100.000 créditos. El scraping estándar es 1 crédito por página, la búsqueda es 1 crédito por resultado, la extracción JSON agrega 4 créditos por página.
¿Cuál es el componente de súper habilidad más importante que se debe desarrollar primero?
La habilidad de resumir. Se ejecuta al final de cada sesión, archiva la conversación, extrae las correcciones y actualiza el archivo del perfil. Sin él, ninguna otra parte del sistema operativo Memory tiene datos con los que trabajar. Constrúyalo antes de Pinecone, Firecrawl o el ciclo de refinamiento.
Trabajemos juntos
¿Quiere crear sistemas AI, automatizar flujos de trabajo o ampliar su infraestructura tecnológica? Me encantaría ayudar.
- Fiverr (compilaciones e integraciones personalizadas): fiverr.com/s/EgxYmWD
- Cartera: mejba.me
- Ramlit Limited (soluciones empresariales): ramlit.com
- ColorPark (diseño y marca): colorpark.io
- xCyberSecurity (servicios de seguridad): xcybersecurity.io
