PodcastsHear the voice. See the shape of the thought.

Este tutorial de la serie Claude Code de Anthropic cubre cuatro patrones concretos que separan a los subagentes confiables de los que se desvían, se detienen o modifican archivos que no deberían tocar. El narrador recorre cada patrón usando un subagente de revisión de código y uno de búsqueda web como ejemplos continuos, mostrando exactamente qué parámetros ajustar y por qué. ## [00:03] Controlar el comportamiento del subagente con nombre y descripción Cada mensaje enviado al agente principal del contexto incluye el nombre y la descripción de cada subagente registrado en el prompt del sistema. Esto significa que la descripción cumple una doble función: indica al orquestador *cuándo* lanzar el subagente y proporciona la plantilla que usa al escribir el prompt de entrada. El tutorial lo demuestra con un subagente de revisión de código. En la configuración original, el orquestador escribe un prompt genérico que le dice al subagente que llame él mismo a `git diff`. Cambiar la descripción a "debes indicarle al agente exactamente qué archivos quieres que revise" transfiere la responsabilidad de seleccionar los archivos al orquestador; la siguiente ejecución produce un prompt de entrada notablemente más específico. El mismo mecanismo funciona con subagentes de búsqueda web: añadir "devuelve fuentes que se puedan citar" a la descripción hace que el hilo principal incluya esa instrucción automáticamente al delegar. > *"If you want to better control when the main agent launches a sub agent automatically, you should modify the name and description."* ## [01:41] Definir formatos de salida El narrador identifica el formato de salida como la mejora individual con mayor impacto. Sin uno, el subagente no tiene una señal clara de cuándo ha hecho suficiente: sigue ejecutándose, acumula contexto y consume tokens. Un formato de salida estructurado crea un punto de parada natural. El subagente sabe que ha terminado cuando los campos obligatorios están completos. En la práctica, esto significa añadir un esquema explícito —un bloque de resumen, una lista de hallazgos, un campo de estado— directamente al prompt del sistema del subagente. > *"Without a defined output format, sub agents struggle to decide when enough research has been done and they tend to run much much longer than sub agents that are given an output format."* ## [02:04] Reportar obstáculos en el resumen Cuando un subagente resuelve un problema —un conflicto de dependencias, un comando que necesita flags inesperados, una peculiaridad del entorno— el hilo principal necesita esa información o chocará con la misma pared en el siguiente paso. La solución es exigir el reporte de obstáculos dentro del propio formato de salida. El narrador enumera las categorías que siempre deben incluirse: obstáculos encontrados, problemas de configuración, soluciones alternativas descubiertas, comandos que requirieron flags o configuración especial, e importaciones o dependencias que causaron problemas. Incluir estas categorías en el esquema de salida obligatorio garantiza que el hilo principal herede los descubrimientos del subagente en lugar de redescubrirlos desde cero. > *"Otherwise, the main thread has to rediscover the same solutions, obstacles encountered, any setup issues, workarounds discovered or environment quirks, commands that needed special flags or configuration, dependencies or imports that cause problems."* ## [02:42] Limitar el acceso a herramientas por rol El acceso a herramientas no es solo un control de seguridad: es también una herramienta de claridad. Un subagente de solo lectura con únicamente `glob`, `grep` y `read` no puede modificar archivos por accidente, lo que hace que su rol sea inequívoco para cualquiera que lea la configuración. El narrador asigna tres niveles de acceso a tres roles de subagente: el subagente de investigación recibe acceso de solo lectura porque explorar el código base no requiere escritura; el revisor obtiene `bash` para `git diff` pero sin herramientas de edición de archivos; solo los subagentes encargados explícitamente de modificar código —como uno que aplica actualizaciones de CSS— reciben `edit` y `write`. Con varios subagentes en juego, la lista de herramientas se convierte en un resumen legible por máquina de lo que se supone que hace cada uno. > *"Only give edit and write to sub agents that should actually change your code, like a styling agent applying CSS updates."* ## [03:27] Los cuatro patrones de un subagente efectivo El tutorial cierra con un resumen en una sola oración de los cuatro patrones: salida estructurada, reporte de obstáculos, descripciones específicas y acceso restringido a herramientas. Cada patrón refuerza a los demás: las descripciones precisas reducen la ambigüedad en los prompts de entrada, los formatos de salida crean puntos de parada, el reporte de obstáculos preserva el contexto entre límites de agentes, y el acceso mínimo a herramientas evita efectos secundarios que agudizarían cualquier ambigüedad restante. > *"So effective sub agents use structured output report obstacles have specific descriptions and limit tool access."* ## Entidades - **Anthropic Tutorial Narrator** (Persona): presentador de la serie de tutoriales de subagentes de Claude Code, en representación de Anthropic - **Claude Code** (Software): herramienta de codificación agéntica de Anthropic que orquesta subagentes para completar tareas de ingeniería en múltiples pasos - **Subagent** (Concepto): instancia especializada de Claude lanzada por un agente orquestador, con su propio prompt de sistema, acceso a herramientas y prompt de entrada - **Formato de salida** (Concepto): esquema obligatorio definido en el prompt del sistema de un subagente que crea una condición de parada y estructura la información devuelta al hilo principal - **Reporte de obstáculos** (Concepto): patrón que requiere que los subagentes informen de soluciones alternativas, problemas de dependencias y particularidades del entorno en su salida, para que el orquestador no tenga que redescubrirlos - **Restricción del acceso a herramientas** (Concepto): limitar cada subagente a únicamente las herramientas que requiere su rol — solo lectura para investigación, bash para revisión, edit/write solo para agentes que deben modificar archivos - **Anthropic** (Organización): creador de Claude y de la plataforma de codificación agéntica Claude Code

Los subagentes son asistentes especializados a los que Claude Code puede delegar tareas — cada uno opera en su propia ventana de contexto aislada, completa el trabajo de forma autónoma y devuelve un resumen concreto mientras se descarta todo el rastro intermedio. Este tutorial de dos minutos de Anthropic explica por qué ese aislamiento es clave para mantener usable la ventana de contexto principal, ilustra el tradeoff con un escenario real de exploración de código y enumera los subagentes integrados que incluye Claude Code hoy. ## [00:03] Qué son los subagentes Un subagente se ejecuta en su propia ventana de contexto de conversación, inicializada con un system prompt personalizado que tú defines. El agente principal (Claude Code en el hilo principal) le pasa al subagente una descripción de la tarea según lo que pediste. El subagente la resuelve de forma autónoma y devuelve un resumen al hilo principal, mientras todo el trabajo intermedio queda aislado. > *"Sub-agents are specialized assistants that Claude can delegate tasks to."* El punto de diseño clave: cuando el subagente termina, su hilo de conversación completo se descarta. Solo el resumen devuelto regresa a la conversación principal. ## [00:24] Gestión de la ventana de contexto Cada llamada a herramientas que Claude hace en el hilo principal — lecturas de archivos, búsquedas, trazas de funciones — se acumula en la ventana de contexto principal. En una sesión larga, eso se llena rápido. Los subagentes existen precisamente para externalizar tareas discretas de investigación o acción sin que ese coste recaiga en la ventana principal. > *"Each sub-agent runs in its own conversation contacts window with a custom system prompt that you define."* El tradeoff es explícito: la ventana principal gana contexto limpio, pero pierde visibilidad sobre cómo llegó el subagente a sus conclusiones y qué descubrió en el camino. Obtienes la respuesta, no la traza de razonamiento. ## [01:13] Un ejemplo concreto: el sistema de pagos Imagina que usas Claude Code para descubrir qué servicio gestiona los reembolsos en un codebase desconocido. Sin subagente, Claude podría leer 15 archivos, ejecutar varias búsquedas y recorrer múltiples llamadas a funciones — y todo eso llena la ventana de contexto principal aunque solo necesitabas un dato. > *"With a sub-agent, you get the answer without the journey."* El subagente explora el codebase, encuentra la respuesta y devuelve un resumen concreto, manteniendo limpio tu contexto principal. La visibilidad perdida es el coste: no verás qué archivos leyó ni qué trazas siguió para llegar ahí. ## [02:00] Los subagentes integrados de Claude Code Claude Code incluye tres subagentes integrados listos para usar de inmediato: - **Subagente de uso general** — para tareas de varios pasos que requieren tanto exploración como acción. - **Subagente de exploración** — búsqueda rápida en codebases sin la sobrecarga de un ciclo de tarea completo. - **Subagente de planificación** — se ejecuta en el modo plan para investigar y analizar el codebase antes de presentarte un plan. > *"And you can also create your own sub-agents with custom system prompts and tool access."* Más allá de estos tres, puedes definir subagentes personalizados con sus propios system prompts y listas de herramientas, adaptados a flujos de trabajo específicos. ## [02:30] Cuándo usar subagentes Los subagentes son rentables cuando tienes una pregunta o tarea discreta y autocontenida que, de otro modo, volcaría mucho contexto intermedio en tu ventana principal. > *"Sub-agents like Claude Code break work into focused pieces, keep your main context window clean, and bring back just what you need, whether you're using the built-in ones or creating your own."* Son más valiosos en sesiones largas de Claude Code donde la presión sobre la ventana de contexto se acumula — delegar una subtarea a un subagente en lugar de dejar que se extienda por el hilo principal prolonga directamente la efectividad de la sesión. ## Entidades - **Anthropic Tutorial Narrator** (Persona): narrador de la serie de tutoriales "Claude Code subagents" producida por Anthropic - **Claude Code** (Software): el asistente de codificación agéntico de Anthropic; el entorno anfitrión en el que operan los subagentes - **Claude** (Software): el modelo de IA subyacente que impulsa Claude Code y sus subagentes - **Sub-agent** (Concepto): un asistente especializado al que Claude Code delega tareas, ejecutándose en una ventana de contexto aislada con su propio system prompt - **Context window** (Concepto): el buffer finito de tokens que contiene todo el historial de conversación, llamadas a herramientas y resultados; los subagentes evitan que se llene con trabajo intermedio - **General-purpose sub-agent** (Software): subagente integrado de Claude Code para tareas de exploración y acción en varios pasos - **Explore sub-agent** (Software): subagente integrado de Claude Code optimizado para búsqueda rápida en codebases - **Plan sub-agent** (Software): subagente integrado de Claude Code que investiga el codebase en el modo plan antes de presentar un plan - **Anthropic** (Organización): creador de Claude y Claude Code; productor de esta serie de tutoriales

Tao y Dwarkesh usan el descubrimiento del movimiento planetario de Kepler como lente para examinar qué está cambiando realmente la IA en la ciencia. Tao argumenta que la generación de hipótesis ahora es casi gratuita, por lo que el cuello de botella se desplaza hacia la evaluación, la revisión por pares y la prueba del tiempo. Las IA actuales ganan en amplitud (prueban cada técnica estándar en cada problema) mientras los humanos ganan en profundidad (construyen acumulativamente sobre el progreso parcial), así que las configuraciones híbridas dominarán la matemática al menos durante otra década. ## [00:00] Kepler era un LLM de alta temperatura Tao recuenta cómo llegó Kepler a las tres leyes del movimiento planetario. Kepler partió de una teoría errónea pero bella —sólidos platónicos inscritos entre las órbitas de los planetas— y solo la abandonó tras procesar durante años las observaciones a simple vista robadas a Tycho Brahe. Las elipses, la ley de las áreas iguales y la relación cubo-cuadrado surgieron de un análisis de datos que duró una década, con la explicación de Newton un siglo después. La lectura de Dwarkesh: Kepler se parece a un LLM de alta temperatura que recorre relaciones aleatorias contra un conjunto de datos verificable. Tao coincide en la mecánica pero matiza el cuello de botella. La generación de ideas ya era barata: Kepler no carecía de teorías. Lo que necesitaba eran los datos de Brahe, un orden de magnitud mejores, y la paciencia para descartar las ideas que los datos refutaban. > *Pero como tú dices, tiene que ir acompañado de una cantidad igual de verificación, de lo contrario es basura.* ## [11:44] ¿Cómo sabríamos si hay un nuevo concepto unificador entre montones de basura generada por IA? Tao: si la IA ha llevado la generación de ideas a un coste casi nulo, la revisión por pares y la prueba del tiempo se convierten en la nueva restricción. Las revistas ya se ahogan en envíos generados por IA. El valor de cualquier idea depende de lo que la ciencia posterior haga con ella —Copérnico era menos preciso que Ptolomeo hasta que Kepler completó el cuadro—, así que la evaluación es difícil de automatizar desde dentro del momento. Dwarkesh pregunta cómo identificaría la ciencia un concepto unificador al estilo Bell Labs —el bit de Shannon, el transformer— enterrado entre millones de papers mediocres. La respuesta de Tao apunta a la parte que quizás siga siendo humana: los científicos no solo producen teorías, construyen relatos que convencen a otros científicos de invertir años en el seguimiento. La prosa de Darwin hizo el trabajo que las ecuaciones latinas de Newton no hacían. > *La IA ha reducido el coste de la generación de ideas a casi cero, de manera muy similar a como internet redujo el coste de la comunicación a casi cero.* ## [26:10] El excedente deductivo Tao sobre la señal inexplorada en los datos existentes. La astronomía ha sido la disciplina que extrae el máximo de información del mínimo de datos durante siglos, lo que también explica por qué los fondos cuantitativos contratan preferentemente a doctorados en astronomía. Pone un ejemplo favorito: investigadores midieron con qué frecuencia los científicos realmente leían los papers que citaban rastreando qué erratas se propagaban a través de las cadenas de citas. Propone aplicar el mismo enfoque sociológico de la ciencia al propio progreso de la IA: analizar patrones de citas, menciones en conferencias y otras huellas para detectar si un resultado constituyó realmente un avance, en lugar de esperar a que la prueba del tiempo lo haga lentamente. > *Una conclusión fue que el excedente deductivo en muchos campos podría ser mucho mayor de lo que la gente cree.* ## [30:31] El sesgo de selección en los descubrimientos de IA publicados La IA ha resuelto aproximadamente 50 de los ~1.100 problemas de Erdős y luego se ha estancado. Tao explica el efecto de selección: esos 50 tenían literatura casi nula —bastaba con una técnica oscura más un resultado conocido—, y las herramientas de IA son excelentes para "probar cada combinación estándar." Cuando el problema tiene el 80% del trabajo hecho por métodos existentes, la IA lo supera. Cuando necesita una técnica genuinamente nueva, las herramientas se detienen, y la tasa de éxito por problema en los barridos sistemáticos es del 1-2%. La metáfora de Tao: las herramientas de IA son robots saltadores sueltos en una cordillera, en la oscuridad. Pueden superar muros bajos que los humanos no alcanzan, pero no pueden agarrar un saliente, quedarse ahí y ascender desde el progreso parcial. La lectura optimista —una vez que las IA alcanzan un nivel determinado, puedes ejecutar un millón de copias en paralelo sobre un millón de problemas, algo que ninguna comunidad humana puede hacer— es también la razón estructural por la que la ciencia necesita nuevos paradigmas que realmente aprovechen la amplitud. > *Destacan en amplitud, y los humanos destacan en profundidad, al menos los expertos humanos.* ## [46:43] La IA hace los papers más ricos y amplios, pero no más profundos Tao sobre su propio modo de trabajo: los papers ahora incluyen más código, más figuras y revisiones bibliográficas más profundas, porque las tareas auxiliares se han abaratado unas 5 veces. El núcleo real —resolver la parte más difícil de un problema— sigue ocurriendo con papel y bolígrafo. Dudaría en llamarse "2 veces más productivo" porque la métrica no es unidimensional; lo que cambió es el tipo de paper que escribe, no la tasa a la que responde la pregunta con la que comenzó. La distinción entre astucia e inteligencia llega al mismo punto. Cuando dos humanos colaboran en un problema de matemáticas, cada prototipo fallido se convierte en un punto de apoyo para el siguiente. Con las IA actuales, una nueva sesión olvida lo que descubrió la anterior. Falta el paso de elevación acumulativa: solo existe la prueba y error bruta y, eventualmente, la absorción en la siguiente fase de entrenamiento. > *Ha hecho los papers más ricos y amplios, pero no necesariamente más profundos.* ## [53:00] Si la IA resuelve un problema, ¿pueden los humanos extraer comprensión de eso? ¿Podría una IA demostrar la hipótesis de Riemann en Lean y dejarnos sin comprensión? Tao no está preocupado. Lean tiene la propiedad de que cualquier prueba puede descomponerse de forma atómica: cada lema puede inspeccionarse, ablacionarse y verificarse de forma aislada. Así que incluso una prueba generada de 3.000 líneas se convierte en materia prima: otras IA pueden refactorizarla para ganar elegancia, otros humanos pueden extraer el contenido conceptual, y el artefacto sigue siendo útil aunque la derivación original fuera opaca. Predice toda una profesión de matemáticos cuyo trabajo sea desmontar grandes pruebas generadas por Lean y encontrar las ideas dentro de ellas —una especie de arqueología de pruebas, con juicio humano y herramientas de ablación por IA. > *Sacarás mucho más partido de la interacción de los humanos colaborando con estas herramientas.* ## [59:20] Necesitamos un lenguaje semiformal para la manera en que los científicos realmente se hablan entre sí Dwarkesh pregunta cómo sería un lenguaje semiformal para estrategias matemáticas —en contraposición a pruebas matemáticas—. Tao recorre la pregunta a través del teorema de los números primos de Gauss —la primera conjetura estadística importante de las matemáticas, derivada de datos brutos antes de que existiera ninguna prueba— y de la conjetura de los primos gemelos, en la que los matemáticos creen porque el modelo aleatorio de los primos la predice. Las matemáticas tienen tanto pruebas rigurosas como heurísticas rigurosas; solo el lado de las pruebas se ha formalizado en algo que Lean puede verificar. El motivo por el que el lado heurístico no se ha formalizado: cualquier evaluador comprobable mediante RL se convierte en objetivo de explotación, y la parte subjetiva de "este argumento es convincente" no admite aún un marco que pueda ser atacado. Tao desearía contar con una manera de evaluar la generación de conjeturas y la selección de estrategias a escala, posiblemente ejecutando IA pequeñas en universos matemáticos de juguete y observando qué estrategias emergen. > *Hay algún aspecto subjetivo de la ciencia que no sabemos cómo capturar de una manera que nos permita insertar la IA en él de forma útil.* ## [69:48] Cómo ocupa su tiempo Terry Tao sobre cómo absorbe nuevos subcampos. Se ubica como un zorro en el sentido de Berlin —sabe un poco de todo, y ocasionalmente se vuelve erizo cuando es necesario. El motor es una obsesión completista: si otro matemático puede demostrar un resultado con una técnica que él no conoce, tiene que descubrir cuál es el truco. (Tuvo que dejarse los videojuegos por la misma razón.) La colaboración con otros matemáticos es el vehículo principal, y escribir en su blog es el apoyo de memoria que desarrolló después de perder repetidamente argumentos seis meses después de haberlos derivado. En su agenda, Tao deja espacio deliberado para la serendipia. Detestaria optimizar su tiempo tan exhaustivamente que nunca asistiera a una reunión fuera de su zona de confort. El año que pasó en el Instituto de Estudios Avanzados confirmó la trampa: dos semanas de investigación pura fueron excelentes, luego se le agotó la inspiración. El descubrimiento accidental en el siguiente estante de la biblioteca, la conversación casual en el pasillo y la reunión a la que asistió a regañadientes estaban haciendo más trabajo del que parecía. > *Esas interacciones fortuitas puede que no parezcan óptimas, pero en realidad son muy importantes.* ## [77:05] Los híbridos humano-IA dominarán la matemática por mucho más tiempo ¿Cuándo hará la IA las matemáticas por sí sola? Tao lo reencuadra: la IA ya hace matemáticas que los humanos no pueden hacer, desde las calculadoras, solo en una frontera diferente. En aproximadamente una década espera que gran parte de lo que actualmente hacen los estudiantes de posgrado —aplicar técnicas estándar, revisar la literatura— pase a la IA, pero el campo subirá de nivel como lo hizo cuando los sistemas de álgebra computacional absorbieron la integración simbólica. La genética no terminó cuando la secuenciación se abarató; escaló hasta los ecosistemas. Las matemáticas harán lo mismo. Su consejo a los estudiantes que ingresan hoy en matemáticas: asumir el cambio, pero obtener las credenciales a la manera tradicional, porque por ahora no hay sustituto para trabajar las matemáticas por el camino clásico. Al mismo tiempo, ser lo suficientemente adaptable para utilizar modos de investigación completamente nuevos a medida que aparezcan, incluidos los que aún no existen. El hecho inusual es que con herramientas de IA y Lean, un estudiante de secundaria puede contribuir hoy a la investigación matemática real, algo que no era posible hace cinco años. > *Creo que los híbridos de humanos más IA dominarán las matemáticas por mucho más tiempo.* ## Entidades - **Terence Tao** (Persona): Medallista Fields (2006), matemático de la UCLA, escribe con regularidad sobre el papel de la IA en la investigación matemática. - **Dwarkesh Patel** (Persona): Presentador del Dwarkesh Podcast; entrevistas en profundidad sobre IA, ciencia y tecnología. - **Johannes Kepler** (Persona): Astrónomo (1571-1630) que derivó las tres leyes del movimiento planetario a partir de las observaciones de Tycho Brahe. - **Tycho Brahe** (Persona): Astrónomo danés de observación a simple vista cuyas décadas de observaciones planetarias fueron el conjunto de datos que Kepler necesitaba. - **Lean** (Software): Asistente de pruebas en el que las demostraciones matemáticas se formalizan y pueden verificarse, descomponerse y ablacionarse de forma atómica. - **Erdős problems** (Concepto): Los aproximadamente 1.100 problemas abiertos planteados por Paul Erdős; la IA ha resuelto ~50, casi todos con literatura previa casi nula. - **El excedente deductivo** (Concepto): La idea de que los datos existentes ya codifican mucho más conocimiento derivable del que se ha extraído, con la astronomía como modelo. - **Hipótesis de Riemann** (Concepto): Conjetura no resuelta sobre la distribución de los números primos; el caso de prueba para saber si una demostración por IA avanzaría la comprensión matemática humana.

Los skills de Claude Code son archivos Markdown reutilizables que codifican conocimiento especializado una sola vez. Claude los activa automáticamente cuando una solicitud encaja, sin que el usuario tenga que repetir instrucciones ni escribir un comando slash. Este tutorial de tres minutos explica qué son los skills, dónde viven, en qué se diferencian de los archivos CLAUDE.md y qué señal indica que ya es hora de escribir uno. ## [00:03] El problema de repetición que resuelven los skills Cada vez que explicas los estándares de código de tu equipo, vuelves a describir cómo quieres que se estructure el feedback de una PR o recuerdas a Claude el formato de commit que prefieres, te estás repitiendo. El narrador encadena tres ejemplos para nombrar con precisión el punto de fricción que los skills eliminan. > *"Every time you explain your team's coding standards to Claude, you're repeating yourself."* ## [00:20] Qué es un skill y cómo lo elige Claude Un skill es un archivo Markdown que le enseña a Claude cómo hacer algo, una sola vez. Claude almacena la instrucción y la aplica automáticamente cada vez que la situación lo requiere. En Claude Code, ese archivo se llama SKILL.md. El campo description dentro del archivo es el mecanismo clave: cuando le pides a Claude que revise una PR, compara tu solicitud con todas las descripciones de skills disponibles y activa la que corresponde. > *"Claude reads your request, compares it to all available skill descriptions, and activates the ones that match."* ## [01:05] Dónde guardar los skills: personal o de proyecto Los skills tienen dos ubicaciones según quién los necesite. Los skills personales van en `~/.claude/skills` y te siguen de proyecto en proyecto: estilo de commit, formato de documentación, cómo te gusta que te expliquen el código. Los skills de proyecto van en `.claude/skills` dentro de la raíz del repositorio; cualquiera que clone el repo los obtiene automáticamente. Ahí es donde viven los estándares del equipo: directrices de marca, fuentes y colores preferidos para el diseño web. > *"Anyone who clones the repository gets these skills automatically."* ## [01:42] Skills vs CLAUDE.md: automáticos y eficientes en contexto Claude Code ofrece varias capas de personalización, y los skills ocupan un lugar propio. Los archivos CLAUDE.md se cargan en cada conversación de forma incondicional, lo que los hace ideales para reglas como "usar siempre el modo estricto de TypeScript". Los skills se cargan bajo demanda, solo cuando coinciden con la solicitud actual, y en ese momento solo el nombre y la descripción entran al contexto. El cuerpo completo del skill se carga únicamente al activarse. Así, la checklist de revisión de PR no ocupa el contexto mientras depuras, y solo aparece cuando de verdad pides una revisión. Los comandos slash requieren escribirlos; los skills, no. > *"Skills are unique because they're automatic and task-specific."* ## [02:27] Cuándo escribir un skill Los skills funcionan mejor con conocimiento especializado ligado a tareas concretas: los estándares de revisión de código del equipo, formatos de commit, directrices de marca. La regla final es directa y práctica: si te encuentras explicándole lo mismo a Claude una y otra vez, eso es un skill esperando ser escrito. > *"If you find yourself explaining the same thing to Claude repeatedly, well, that's a skill waiting to be written."* ## Entidades - **Anthropic Tutorial Narrator** (Persona): narrador y presentador de la serie de tutoriales de Claude Code skills - **Claude Code** (Software): asistente de codificación AI de Anthropic; el entorno de ejecución donde los skills se descubren y aplican - **SKILL.md** (Concepto): el archivo Markdown que define un skill — contiene un nombre, una descripción e instrucciones para Claude - **CLAUDE.md** (Concepto): archivo de instrucciones a nivel de proyecto o global que se carga en cada conversación de Claude Code de forma incondicional, en contraste con los skills - **Anthropic** (Organización): creador de Claude y Claude Code

Un skill de revisión de PR que usa un solo ingeniero resulta útil; ese mismo skill desplegado en todo el equipo estandariza la revisión de código y crea una experiencia coherente en toda la organización. Este tutorial recorre cuatro métodos de distribución concretos — commits en el repositorio, plugins, configuración empresarial gestionada y sub-agentes personalizados — y explica con precisión cuándo aplicar cada uno. La sección de sub-agentes tiene un matiz que pasa fácilmente desapercibido: los sub-agentes no heredan los skills del hilo principal de forma automática, y los agentes integrados no pueden acceder a ellos en absoluto. ## [00:01] Por qué compartir multiplica el valor de los skills Un skill que permanece en manos de un solo desarrollador cumple su función. El mismo skill extendido a un equipo consolida estándares, elimina la variación individual y hace que cada revisión tenga el mismo aspecto y la misma calidad. El tutorial abre con un contraste directo entre el uso individual y el uso a escala de equipo, antes de presentar los cuatro mecanismos de distribución. > *"A PR review skill that only you use is helpful. The same skill shared across your team standardizes code review and provides a consistent experience amongst your organization which is much better."* ## [00:18] Añadir skills al repositorio del proyecto El método de menor fricción: colocar los skills en `.claude/skills` dentro del repositorio del proyecto. Quien clone el repositorio los obtiene de inmediato, sin pasos de instalación adicionales ni herramientas extra. Las actualizaciones llegan con el ciclo habitual de `git pull`. Este camino encaja con estándares de codificación de equipo, flujos de trabajo específicos del proyecto y skills que referencian la estructura propia del código. > *"Anyone who clones the repository gets these skills automatically. No extra installation, it's just what you're doing already."* ## [00:45] Distribuir skills mediante plugins Los plugins amplían Claude Code con funcionalidades personalizadas diseñadas para circular más allá de un proyecto concreto. Dentro del proyecto del plugin, un directorio `skills/` replica la estructura de `.claude/` — nombre del skill, `SKILL.md`. Una vez publicado en un marketplace, cualquier usuario de Claude Code puede descargarlo y activarlo. Este canal es el más adecuado para skills lo suficientemente generales como para servir a la comunidad en sentido amplio, en lugar de a las convenciones de un equipo concreto. > *"Think of plugins as ways to extend Claude Code with custom functionality, but designed to be shared across teams and projects."* ## [01:26] Despliegue empresarial a través de la configuración gestionada Los administradores pueden enviar skills a todos los desarrolladores de la organización mediante la configuración gestionada. Los skills empresariales tienen la máxima prioridad: sobrescriben los skills personales, de proyecto y de plugin que compartan el mismo nombre. El uso previsto son los estándares obligatorios — requisitos de seguridad, flujos de cumplimiento normativo, prácticas de codificación que deben ser uniformes. El narrador subraya la palabra "deben": no son sugerencias. > *"This is for mandatory standards, security requirements, compliance workflows, or coding practices that must be consistent across the organization."* ## [01:52] Sub-agentes personalizados y carga explícita de skills Los sub-agentes no heredan los skills de la conversación principal. Los agentes integrados (explorer, planner, verify) no pueden acceder a los skills en absoluto. Solo los sub-agentes personalizados — definidos mediante un archivo `agent.md` en `.claude/agents` — pueden usar skills, y únicamente los que figuren de forma explícita en el campo `skills:` de ese archivo. Los skills se cargan cuando el sub-agente arranca, no bajo demanda, por lo que la lista debe mantenerse ajustada: solo los skills siempre relevantes para el propósito del agente. El tutorial muestra cómo crear un sub-agente con la herramienta de creación de sub-agentes de Claude Code y cómo añadir skills a un `agent.md` existente. > *"Built-in agents like the explorer, planner, and verify can't access skills at all. Only custom sub-agents you define can use them, and only when you explicitly list them."* ## [03:18] Resumen: cómo elegir el método de distribución adecuado El cierre asocia cada método con su escenario: directorios de proyecto para el acceso del equipo, plugins para el uso entre repositorios, despliegue empresarial para los estándares obligatorios a escala de organización, y listas explícitas de skills en sub-agentes para la delegación de tareas aisladas. El aviso sobre los sub-agentes se repite una vez más — incluir solo los skills siempre pertinentes para el propósito de un agente determinado, dado que se cargan al inicio, no de forma diferida. > *"Share skills through project directories for team access, plugins for cross-repository distribution, or enterprise deployment for organization-wide standards."* ## Entidades - **Narrador del tutorial de Anthropic** (Persona): presentador único de la serie de tutoriales de skills de Claude Code - **Claude Code** (Software): asistente de programación con IA de Anthropic; entorno de ejecución donde los skills se crean y despliegan - **Skills** (Concepto): conjuntos de instrucciones reutilizables ubicados en `.claude/skills` que amplían el comportamiento de Claude Code - **Plugins** (Concepto): paquetes distribuibles que agrupan skills para compartirlos entre equipos y usuarios del marketplace - **Managed settings** (Concepto): mecanismo administrativo empresarial para desplegar skills en toda la organización con la máxima prioridad - **Sub-agents** (Concepto): agentes personalizados de Claude Code definidos mediante `agent.md` en `.claude/agents`; el único tipo de agente que puede cargar skills, y solo cuando se listan explícitamente - **Anthropic** (Organización): empresa que desarrolló Claude Code y produce la serie de tutoriales de skills de Claude Code

Tutorial de cuatro minutos de la serie Claude Code skills dedicado a los campos de configuración avanzados que convierten un skill básico en una herramienta fiable y eficiente en contexto. El presentador recorre el conjunto completo de campos de agentskills.io — `name`, `description`, `allowed_tools`, `model` — y explica cómo estructurar skills de gran tamaño mediante divulgación progresiva, de modo que los materiales de referencia y los scripts solo se carguen cuando la solicitud del usuario realmente los requiera. ## [00:02] Panorama de los campos avanzados de un skill El estándar abierto agentskills.io define varios campos más allá de los obligatorios `name` y `description`. `name` debe estar en minúsculas con guiones, con un máximo de 64 caracteres y debe coincidir con el nombre del directorio. `description` admite hasta 1.024 caracteres y es la señal principal que usa Claude para asociar un skill a una solicitud. Dos campos opcionales completan la configuración: `allowed_tools`, que restringe las herramientas que el skill puede invocar, y `model`, que ancla el skill a una versión concreta de Claude. > *"Un skill básico funciona solo con name y description, pero aquí hay algunos consejos avanzados para que tus skills sean realmente efectivos en Claude Code."* ## [00:39] Cómo escribir descripciones efectivas Una descripción vaga — "help with dogs" — deja a Claude adivinando el alcance y los disparadores del skill. Una buena descripción responde exactamente a dos preguntas: ¿qué hace este skill y cuándo debe usarlo Claude? Alinear las palabras clave con la forma natural en que los usuarios expresan sus solicitudes es el mecanismo para corregir skills que no se activan. > *"Una buena descripción responde a dos preguntas: ¿qué hace este skill? ¿Y cuándo debe usarlo Claude?"* ## [01:20] Restricción de herramientas con allowed_tools `allowed_tools` es el mecanismo para limitar un skill a una superficie de operación definida: acceso de solo lectura para flujos de trabajo sensibles desde el punto de vista de la seguridad, por ejemplo. Cuando el campo está configurado, Claude solo puede llamar a esas herramientas sin pedir permiso; queda excluida cualquier acción de edición, escritura o Bash. Omitir el campo deja intacto el modelo de permisos habitual de Claude. > *"Cuando este skill está activo, Claude solo puede usar esas herramientas sin pedir permiso. Ni edición, ni escritura, ni comandos bash."* ## [01:49] Divulgación progresiva para skills de múltiples archivos Los skills comparten la ventana de contexto de Claude con la conversación en curso. Meter todo en un `SKILL.md` de 20.000 líneas infla el contexto en cada invocación y convierte el archivo en una pesadilla de mantenimiento. La solución: colocar las instrucciones esenciales en `SKILL.md` y mover el material de referencia a archivos separados que Claude solo lee cuando la solicitud activa realmente lo requiere. El estándar sugiere tres directorios de apoyo — `scripts/` para código ejecutable, `references/` para documentación y `assets/` para imágenes y plantillas. Un enlace en `SKILL.md` funciona como una entrada de índice; si el tema no surge, el archivo nunca se carga. Los scripts del directorio del skill se ejecutan sin cargar su código fuente en el contexto: solo su salida consume tokens. El presentador recomienda mantener `SKILL.md` por debajo de 500 líneas; superarlo es señal de que el skill debe dividirse. > *"Es como tener un índice en la ventana de contexto en lugar de meter todo el documento ahí dentro."* ## [03:18] Resumen: metadatos del skill y buenas prácticas El tutorial cierra repasando la superficie de configuración completa: `name` y `description` son obligatorios; `allowed_tools` restringe la superficie de herramientas; `model` ancla la versión de Claude. Las descripciones necesitan verbos de acción concretos y frases disparadoras para hacer coincidir de forma fiable. Para skills de mayor tamaño, la divulgación progresiva mantiene `SKILL.md` bajo las 500 líneas y pospone la carga de los archivos de apoyo hasta que realmente se necesiten. Los scripts se ejecutan sin cargar su código fuente, lo que mantiene el contexto ajustado. > *"Los scripts pueden ejecutarse sin cargar su contenido, manteniendo el contexto eficiente."* ## Entidades - **Presentador de Anthropic** (Persona): anfitrión único de esta serie de tutoriales, dedicado a explicar la configuración de skills en Claude Code. - **Claude Code** (Software): herramienta CLI de Anthropic que carga y ejecuta skills según el estándar agentskills.io. - **agentskills.io** (Organización): estándar abierto que define el esquema del manifiesto de skills, incluyendo `name`, `description`, `allowed_tools`, `model` y las convenciones de directorios. - **SKILL.md** (Concepto): archivo de manifiesto principal de un skill de Claude Code; debe mantenerse por debajo de 500 líneas con enlaces a los archivos de apoyo. - **allowed_tools** (Concepto): campo opcional del skill que especifica en lista blanca las herramientas de Claude permitidas, habilitando modos de skill de solo lectura o en entorno aislado. - **Divulgación progresiva** (Concepto): estructuración de un skill de múltiples archivos para que los archivos de referencia y los scripts solo se carguen en el contexto cuando la solicitud activa realmente los requiere. - **Ventana de contexto** (Concepto): presupuesto de tokens compartido entre la conversación y los archivos de skill que Claude carga; el recurso clave que la divulgación progresiva busca preservar.

Este tutorial de 3 minutos muestra cómo construir una habilidad personal de Claude Code desde cero: crear un directorio con un archivo SKILL.md, verificar que la habilidad se carga al arrancar y observar cómo Claude la aplica a una solicitud real. La segunda mitad explica con precisión el pipeline de carga de habilidades — las cuatro ubicaciones de escaneo, el paso de inicio que solo carga nombres, la puerta de confirmación y el orden de prioridad de cuatro niveles que resuelve los conflictos de nombres. ## [00:03] Qué construye este tutorial El narrador abre con el objetivo concreto: una habilidad que enseñe a Claude a explicar código usando diagramas visuales y analogías. Una vez construida, el tutorial también rastrea qué ocurre internamente cuando Claude detecta y ejecuta una habilidad. > *"This skill will teach Claude how we would like it to explain code using visual diagrams and analogies."* ## [00:18] Creación del archivo de habilidad Las habilidades personales viven bajo el directorio personal (no dentro de un proyecto), así que el primer paso es crear un nuevo directorio con el nombre de la habilidad dentro de `~/.claude/skills/`. Dentro de ese directorio va un único archivo SKILL.md. Tres secciones importan: `name` (el identificador que Claude almacena al arrancar), `description` (el criterio que Claude usa para decidir si invocar la habilidad) y todo lo que sigue al segundo delimitador `---` (las instrucciones reales que Claude sigue cuando la habilidad se activa). > *"Take into consideration that we're creating a directory with the skill name inside of the skills directory."* ## [00:52] Carga y prueba de tu habilidad Claude Code escanea las habilidades al arrancar, no bajo demanda, por lo que se necesita reiniciar la sesión después de crear el archivo. Al ejecutar `/skills` debería aparecer el nombre de la habilidad recién creada. Para probarla, se cambia a una rama con cambios y se envía la solicitud en lenguaje natural "Write a PR description for my changes". Claude indica que está invocando la habilidad PR description, lee el diff y escribe una descripción que sigue la plantilla, con el mismo formato cada vez. > *"Claude will then show you that it's using the PR description skill."* ## [01:25] Cómo carga Claude las habilidades internamente Al arrancar, Claude Code escanea cuatro ubicaciones: configuración gestionada por la empresa, `~/.claude/skills/` personal, el directorio `.claude/` del proyecto y los plugins instalados. Solo carga el `name` y la `description`, no el contenido completo. Cuando llega una solicitud, Claude la compara con las descripciones almacenadas; "explain what this function does" coincide con "explain code with visual diagrams", por lo que la habilidad se activa. Claude pide confirmación antes de leer el SKILL.md completo, de modo que el usuario siempre sabe qué contexto se está inyectando. > *"It loads only the name and description of each skill, not the full content. This is important later."* ## [02:02] Reglas de prioridad y conflictos de nombres Clonar un repositorio que incluye sus propias habilidades puede crear colisiones de nombres. Claude las resuelve con una escala de prioridad fija: empresa (mayor) → personal → proyecto → plugins (menor). Una habilidad `code-review` de empresa siempre supera a una habilidad personal con el mismo nombre. La solución práctica es usar nombres descriptivos: `security-review` o `frontend-pr-review` en lugar del genérico `review`, para evitar conflictos desde el principio. > *"If your company has an enterprise code review skill and you create a personal code review skill, the enterprise version of that takes precedence."* ## [02:52] Actualización y eliminación de habilidades Actualizar una habilidad es tan directo como editar el archivo SKILL.md y guardar los cambios. Eliminar una habilidad significa borrar el directorio. Ambas operaciones requieren reiniciar Claude Code para que el cambio surta efecto — la lista de habilidades se construye una sola vez al iniciar la sesión y no se monitorea en tiempo real. > *"Edit the skill.md file to update a skill and restart Claude Code for changes to take effect."* ## Entidades - **Narrador del tutorial de Anthropic** (Persona): presentador único del tutorial de creación de habilidades en la serie Claude Code skills - **Claude Code** (Software): CLI de Anthropic para Claude; escanea habilidades al arrancar y las aplica cuando las solicitudes del usuario coinciden con las descripciones de las habilidades - **SKILL.md** (Concepto): el único archivo que define una habilidad — contiene un frontmatter YAML (name, description) y texto de instrucciones libre tras el segundo delimitador `---` - **Habilidades** (Concepto): conjuntos de instrucciones reutilizables y con nombre que enseñan a Claude un patrón de comportamiento consistente; almacenados como directorios que contienen un archivo SKILL.md - **Habilidades de empresa** (Concepto): habilidades gestionadas por la organización que ocupan el nivel más alto del orden de prioridad de cuatro niveles, por encima de las habilidades personales, de proyecto y de plugin - **Anthropic** (Organización): creador de Claude y Claude Code; publica esta serie de tutoriales en claude.com/resources/courses

Claude Code ofrece a los desarrolladores cinco mecanismos de personalización distintos — Skills, CLAUDE.md, subagentes, hooks y servidores MCP — cada uno diseñado para un propósito diferente. Este tutorial de tres minutos asigna cada opción a su caso de uso correcto, para que no recurras a Skills cuando CLAUDE.md es suficiente, ni configures un hook cuando lo que necesitas es un subagente. ## [00:02] Cinco opciones de personalización, un problema de elección Claude Code incluye cinco formas de configurar su comportamiento: Skills, CLAUDE.md, subagentes, hooks y servidores MCP. El narrador los enumera rápidamente y enseguida reorienta la pregunta: de "¿qué son?" a "¿cuál corresponde aquí?" > *"Resuelven problemas distintos. Saber cuándo usar cada uno evita que construyas lo que no necesitas."* El resto del tutorial es, en esencia, la respuesta a esa única pregunta. ## [00:18] CLAUDE.md vs Skills: siempre activo vs bajo demanda CLAUDE.md es un archivo que Claude lee al inicio de cada conversación, sin necesidad de activación. Es el lugar adecuado para las restricciones a nivel de proyecto que nunca deben olvidarse — elección de frameworks, estilo de código, reglas de base de datos. Las Skills, en cambio, se cargan bajo demanda: la lista de verificación para revisiones de PR solo entra en el contexto cuando realmente solicitas una revisión, no mientras escribes código nuevo. > *"Use Claude MD for project-wise standards that always apply constraints like never modify the database schema, framework preferences, and coding style."* La distinción está entre permanencia y relevancia. Si la instrucción debe aplicarse a cada prompt del proyecto, va en CLAUDE.md. Si solo es útil en determinados momentos, va en una Skill. ## [01:03] Skills vs subagentes: contexto compartido vs ejecución aislada Las Skills inyectan conocimiento en la conversación actual — sus instrucciones se suman al contexto existente. Los subagentes funcionan de otra manera: reciben una tarea, crean un contexto de ejecución separado, trabajan de forma independiente y devuelven los resultados sin tocar la conversación principal. > *"Use sub agents when you want to delegate a task to a separate execution context. You need different tool access that the main conversation does. You want isolation between delegated work and your main context."* Usa Skills cuando una expertise debe orientar el razonamiento de Claude a lo largo de una conversación en curso. Usa subagentes cuando quieras una frontera clara entre la sesión principal y una unidad de trabajo delegada — herramientas distintas, sin contaminación de contexto. ## [01:42] Hooks vs Skills: orientado a eventos vs orientado a solicitudes Los hooks se ejecutan automáticamente ante eventos — un linter que corre cada vez que Claude guarda un archivo, o una validación de entrada antes de ciertas llamadas a herramientas. No los activa lo que preguntas, sino lo que Claude hace. Las Skills son lo opuesto: orientadas a solicitudes, se activan cuando una consulta coincide con ellas. > *"A hook might run a llinter every time Claude saves a file or validate input before certain tool calls. They're all event driven, while skills, they're request driven. They activate based on what you're asking."* Si el comportamiento debe ocurrir de forma incondicional ante un evento del sistema, es un hook. Si debe influir en cómo piensa Claude cuando se le pregunta algo, es una Skill. ## [02:15] Combinar los cinco para una personalización completa Una configuración de Claude Code bien ajustada asigna a cada herramienta su rol natural: CLAUDE.md para los estándares de proyecto siempre activos, Skills para la expertise específica de tareas que no debe saturar cada prompt, hooks para los efectos secundarios automatizados, subagentes para el trabajo delegado en aislamiento, y servidores MCP para el acceso a herramientas externas. No son alternativas entre sí — se combinan. > *"Don't force everything into skills when another option fits best. You can use multiple at a time."* Las Skills se activan automáticamente cuando el tema es relevante; CLAUDE.md siempre está presente; los subagentes corren en aislamiento; los hooks se disparan ante eventos; MCP proporciona herramientas externas. Elige el nivel adecuado para cada necesidad y combínalos libremente. ## Entidades - **Narrador del tutorial de Anthropic** (Persona): Presentador de esta serie de tutoriales de Claude Code skills, en representación de Anthropic. - **Claude Code** (Software): Asistente de programación con IA de Anthropic; tema central de la serie de tutoriales. - **Skills** (Concepto): Paquetes de conocimiento bajo demanda que se activan cuando Claude detecta una coincidencia con la solicitud del usuario; inyectan instrucciones en el contexto de la conversación actual. - **CLAUDE.md** (Concepto): Archivo de configuración que se carga automáticamente en cada conversación de Claude Code; usado para estándares y restricciones permanentes a nivel de proyecto. - **Subagentes** (Concepto): Contextos de ejecución independientes que se crean para gestionar tareas delegadas en aislamiento de la conversación principal. - **Hooks** (Concepto): Automatización orientada a eventos que se dispara ante acciones específicas de Claude — como guardar un archivo o realizar una llamada a herramienta — con independencia de las solicitudes del usuario. - **Servidores MCP** (Software): Servidores Model Context Protocol que proporcionan herramientas externas a las sesiones de Claude Code. - **Anthropic** (Organización): Creador de Claude Code y editor de la serie de tutoriales de Claude Code skills.