Communitygithub.com

evemcgivern/agent-skills

Reevalúa un proyecto o idea archivada frente a las capacidades actuales, propone tres resultados ambiciosos y diseña un experimento para la incertidumbre más difícil. Úsalo cuando te pregunten 'qué más es factible ahora', 'vale la pena intentarlo ahora', 'revisa esta idea archivada' o 'piensa más grande sobre este proyecto'.

¿Qué es agent-skills?

Este skill actúa como un asesor estratégico para desarrolladores y equipos de producto que trabajan con asistentes de IA como Claude Code, Cursor o Codex. Su propósito es ayudar al usuario a reevaluar un proyecto, idea o meta archivada considerando las capacidades actuales de las herramientas y los agentes disponibles. En lugar de simplemente generar más código o funciones, el skill guía al usuario a través de un proceso estructurado: primero, identifica las restricciones históricas que hicieron que la idea no fuera atractiva; segundo, propone tres resultados ambiciosos y significativamente diferentes, cada uno con su desafío de incertidumbre; y tercero, diseña un experimento concreto y decisivo para probar la hipótesis más incierta. El skill no autoriza automáticamente la implementación, sino que entrega una recomendación clara y un plan de experimentación que el usuario puede aprobar. Es útil para pensar más grande, validar ideas antes de invertir tiempo o recursos, y tomar decisiones informadas sobre si avanzar o no con un proyecto. Funciona mejor cuando se invoca con preguntas como '¿qué más es factible ahora?' o 'revisa esta idea archivada'.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/evemcgivern/agent-skills/tree/HEAD/plugins/agent-workflow/skills/ambition

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Ambición

Ayuda al usuario a elegir un resultado más valioso. Este es un flujo de trabajo de asesoramiento: invocarlo no autoriza la implementación, un experimento pago, la publicación o una misión. No lo conviertas en una puerta obligatoria antes de un trabajo ya autorizado, no reduzcas una tarea existente a un prototipo ni expandas esa tarea.

Fundamenta las opciones

Usa el proyecto, idea u objetivo nombrado. Lee las instrucciones relevantes del proyecto, el comportamiento actual, la hoja de ruta o la propuesta archivada, y las herramientas disponibles. Inspecciona solo lo suficiente para identificar la restricción que antes hacía la idea poco atractiva. Si no se puede inferir ningún proyecto, pregunta qué proyecto o resultado considerar. Si no hay una restricción histórica documentada, etiquétala como una inferencia del diseño actual. No inventes una decisión previa o un cambio de capacidad.

Separa tres cosas en tus notas y en la salida:

  • Observado: lo que los archivos, la aplicación en funcionamiento o el usuario establecen.
  • Asumido: lo que tendría que ser cierto para que la opción diera frutos.
  • Capacidad no probada: lo que el agente o la herramienta aún no han demostrado aquí.

Verifica las afirmaciones modificables sobre herramientas o modelos externos consultando fuentes primarias actuales. Una demostración impresionante o un benchmark es una razón para probar una hipótesis, no una evidencia de que este proyecto en particular ya sea factible. Nombra la falta de acceso o datos en lugar de asumir que se pueden adquirir.

Propón tres resultados

Ofrece tres opciones significativamente diferentes, cada una con:

  • El resultado concreto y quién se beneficiaría.
  • La restricción anterior que se desafía y la evidencia de que puede haber cambiado.
  • La incertidumbre más difícil que queda, el esfuerzo probable y la desventaja material.
  • Una referencia de fuente para los hechos del proyecto; etiqueta estimaciones e inferencias.

Prefiere opciones que cambien lo que el usuario puede lograr. Más código generado, más agentes o una lista de funciones más grande no es por sí mismo un mejor resultado. Incluye flujos de trabajo espaciales, interactivos, de investigación o de aplicación solo cuando sirvan al proyecto real. Si no se pueden defender menos de tres opciones, dilo en lugar de inflar la lista.

Recomienda una opción y explica por qué es mejor que las alternativas. Es válido recomendar dejar el alcance actual sin cambios cuando no haya una ventaja convincente.

Diseña el experimento decisivo

Para la opción recomendada, especifica:

  1. Hipótesis: la afirmación incierta que resolverá el experimento.
  2. Artefacto convincente más pequeño: algo que el usuario pueda ejecutar, inspeccionar o usar.
  3. Procedimiento: entradas concretas, entorno, herramienta o comando, y salida. Si no existe un script, identifica crearlo como trabajo; no presentes un comando inventado como ejecutable. Indica la comparación o línea base.
  4. Aprobado/fallido: criterios de aceptación observables, incluyendo lo que falsificaría la idea. Distingue la evidencia funcional del juicio subjetivo del usuario.
  5. Recursos: un techo propuesto de tiempo/gasto/tokens y acceso requerido. Respeta cualquier presupuesto proporcionado. Una estimación o techo propuesto no es autorización para gastar, y el uso desconocido debe permanecer desconocido.
  6. Próxima decisión: lo que justificaría un resultado de aprobado, fallido o no concluyente.

No lleves a cabo el experimento en silencio. Cuando el usuario lo autorice, usa las herramientas de ejecución y verificación existentes. Si también solicitan continuidad duradera, entrega el resultado seleccionado, las restricciones, los hitos y los criterios de aceptación al skill de misión, si está instalado; en caso contrario, proporciona una transferencia autónoma.

Entregable

Mantén el resultado fácil de comparar: un párrafo corto de contexto, una tabla de opciones, el experimento recomendado y la decisión necesaria del usuario. Preserva el resultado previsto completo mientras haces que sus suposiciones inciertas sean comprobables. Una decisión de experimento opcional no pausa otro trabajo autorizado.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

evemcgivern/agent-skills

Inspects a project's discovered agent instructions (AGENTS.md, CLAUDE.md, GEMINI.md) and skill definitions for static wiring problems, without loading, changing, or enabling them, and reports which installed skills are rarely or never called in local session logs. Use when asked "why isn't my skill loading", "check my agent setup", "diagnose skill discovery", "audit AGENTS.md and skills", or "which skills do I never use".

evemcgivern/agent-skills

Review an external PDF, image, screenshot, article, or URL against a repository's current issues and code to sort its ideas into new, already tracked, shipped, contradicted, or unverifiable, read-only by default. Use when the user asks to '/check-worth' or '$check-worth' a source, or asks whether an external idea is worth pulling into a repository as an issue or code change.

evemcgivern/agent-skills

Routes each task to a suitable model tier in Claude Code, Codex, or another agent that can start subagents on a chosen model (for example Gemini CLI or Antigravity CLI), following the user's routing preferences. Keeps small tasks local, delegates discovery, routine coding, and testing to cheaper subagents, and sends difficult decisions and risky reviews to a stronger one. Use when deciding whether to delegate, writing subagent handoffs, or setting routing preferences, or when asked to "save tokens", "use cheaper models", "fan out subagents", "stay inside my quota", or "efficient-frontier-routing help".

evemcgivern/agent-skills

Makes the most expensive model in a session the senior decision-maker, keeping its reasoning for intent, architecture, decomposition, tradeoffs, final review, and synthesis while cheaper agents handle discovery, implementation, tests, logs, and verification. Use when the active agent is Fable or another top-tier model, or when asked to "act as chief agent", "delegate the grunt work", or "save the expensive model for decisions".

Skills relacionados