Communitygithub.com

Constructor de biblioteca de habilidades de marca

Construye una biblioteca de habilidades de marca para cualquier empresa a partir de su manual de marca: una habilidad de voz, habilidades de formato que crean archivos según la marca (PDF, Word, PowerPoint, imágenes para redes sociales, HTML, animaciones) y una habilidad de auditoría que verifica activos contra la marca. Convierte el manual de marca en fundamentos estructurados (paleta, tipografía, sistema estructural, accesibilidad, voz), prepara cada habilidad con un resumen de contexto verificado por digest, una verificación previa, pruebas multiplataforma y un empaquetador, y guía la construcción desde la recepción hasta el control de calidad y la publicación, de modo que un solo zip funcione en Claude y ChatGPT.

¿Qué es Constructor de biblioteca de habilidades de marca?

Este skill, **Brand Skill Builder**, es una herramienta meta que permite construir y mantener una biblioteca completa de habilidades de marca para cualquier empresa, partiendo desde su manual de marca. Está diseñada para agentes de IA como Claude y ChatGPT, garantizando que los skills generados sean multiplataforma. El proceso comienza con la recopilación de fuentes (manual de marca, guías de voz, plantillas de diseño, logos, etc.) y la extracción de fundamentos de marca estructurados: paleta de colores, tipografía, sistema estructural, accesibilidad y voz. A partir de ahí, construye una habilidad de voz, habilidades de formato específicas (PDF, Word, PowerPoint, imágenes sociales, HTML, animación) y una habilidad de auditoría. Cada skill generado incluye un contexto verificado (snapshot con digest), una verificación previa, pruebas de plataforma y un empaquetador, todo siguiendo un flujo de trabajo de decisiones, revisiones y control de calidad. Una regla fundamental es que nunca inventa valores de marca a partir de conocimiento general; cualquier valor proviene exclusivamente de las fuentes del usuario, y las decisiones se registran con su alcance, estado y responsable. El resultado es un zip que funciona tanto en Claude como en ChatGPT, listo para producir trabajo siguiendo la identidad visual y verbal de la marca.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/yuckier/brand-skill-builder/tree/HEAD/skills/brand-skill-builder

Preguntar en tu IA favorita

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

Documentación

¿Qué hace Constructor de biblioteca de habilidades de marca?

Este skill te ayuda a construir y mantener una biblioteca de habilidades de marca: un conjunto de pequeños skills que permiten a cualquier modelo producir trabajo según la marca de una empresa. Contiene la arquitectura, plantillas, scripts y lecciones de una biblioteca de producción; no contiene ninguna marca propia. Cada valor de marca proviene de las fuentes del usuario.

Lee references/architecture.md antes de comenzar cualquier modo. Lee las demás referencias cuando el paso correspondiente las nombre.

Carpetas. En cada comando, SKILL_DIR es la carpeta que contiene este archivo y LIB es la carpeta de la biblioteca que el usuario elija. Escribe ambas completas en cada comando; no las establezcas como variables de shell (en algunas plataformas, una variable establecida en un comando desaparece en el siguiente).

Elegir el modo

El usuario quiereModo
Skills de marca para una marca que aún no tiene ningunoA. Nueva biblioteca
Un skill adicional en una biblioteca existenteB. Añadir un skill
Una revisión de un skill de marca o biblioteca existenteC. Revisión
Entender el enfoque antes de construirExplicar desde references/architecture.md y detenerse

Pregunta qué modo solo si la solicitud no lo indica.

A. Nueva biblioteca

  1. Recopilar fuentes. Solicita el manual de marca y todo lo que norme sobre la marca: las plantillas del equipo de diseño, una guía de voz, un documento de mensajes, reglas de marca registrada, una guía de estilo, los archivos de logotipos, las fuentes y sus licencias, cualquier biblioteca de iconos o fotos. Pregunta quién es el propietario de la marca (las personas que ratificarán las decisiones). Anota lo que falta; no lo completes.
  2. Estructurar. python3 SKILL_DIR/scripts/scaffold.py library LIB --brand "<Marca>" --era <era>. La era es una etiqueta corta para esta versión de la marca (por ejemplo 2027-brand). Coloca las fuentes en LIB/reference/.
  3. Escribir los fundamentos en LIB/shared-context/brand-foundations/context/ a partir de las fuentes, siguiendo references/brand-foundations.md. Completa cada PENDIENTE desde una fuente o regístralo como una brecha. Mide el contraste; cita la redacción del manual donde contenga una regla; asigna a cada archivo su procedencia. Agrega el arte del logotipo en logo/, y logo-policy.md, imagery-policy.md y chart-palette.json cuando las fuentes los cubran.
  4. Revisar con el propietario. Muestra los fundamentos como un breve resumen: el modelo de color, los roles tipográficos, los elementos distintivos, la verificación de calidad, las brechas, y cada decisión doméstica propuesta con una recomendación y su motivo. Espera sus decisiones; registra cada una en la tabla de decisiones domésticas y en el registro de desarrollo.
  5. Construir el skill de voz (modo B con --kind voice). Es pequeño y prueba la ruta de instantánea, verificación previa y empaquetado.
  6. Construir el primer skill de formato (modo B con --kind format), el formato que más necesita la gente. Primero la ruta completa más pequeña, luego bucles piloto.
  7. Añadir formatos uno a la vez, primero resolviendo las decisiones domésticas de cada formato (references/process.md, "Orden de trabajo").
  8. Construir el skill de auditoría (modo B con --kind audit) una vez que haya especificaciones de formato para auditar.

B. Añadir un skill

  1. Nombrarlo <marca>-<formato> (minúsculas, con guiones), o <marca>-voice, <marca>-audit. Confirma un skill, un trabajo: si la solicitud se superpone con un skill existente, díselo y recomienda extender ese skill en su lugar.
  2. Estructurar. python3 SKILL_DIR/scripts/scaffold.py skill LIB <nombre> --kind format|voice|audit --format "<PDF>". Esto escribe la plantilla SKILL.md, agents/openai.yaml, la verificación previa, la prueba de plataforma y la configuración de instantánea LIB/tools/snapshot/<nombre>.json; para un skill de formato también LIB/shared-context/<nombre>/context/format-spec.md y format-map.json.
  3. Resolver las decisiones domésticas del formato antes de escribir código: para cada decisión en structural-system.md cuyo alcance sea "otros deciden al construir", recomienda una respuesta para este formato, obtén la decisión del propietario, regístrala.
  4. Escribir la especificación del formato y el mapa (palabras con etiquetas LIBRO, RATIFICADO y PROPONGO; números con nombres de roles, nunca hexadecimales).
  5. Escribir los scripts de construcción y control de calidad siguiendo references/format-skills.md: el modelo planifica y escribe una especificación JSON, un script construye, un script valida el archivo terminado; los tokens se leen en tiempo de construcción; las desviaciones se registran, nunca negativas. Los skills de voz y auditoría siguen references/voice-and-audit.md en su lugar.
  6. Completar SKILL.md: la descripción (desencadenantes, lo que no hará, menos de 1,024 caracteres), los pasos, la recepción con su tabla de comparación visual, la referencia de especificación, la sección de advertencia-nunca-rechazar, y una línea de entrega por plataforma.
  7. Instantánea y verificar. python3 LIB/tools/snapshot/snapshot.py LIB/tools/snapshot/<nombre>.json, luego --check, luego python3 LIB/skills/<nombre>/scripts/verify_context.py. Añade fuentes, hojas de estilo y arte a bundled_assets en la configuración para que la verificación previa los valide.
  8. Probar (references/qa-and-testing.md): la prueba de plataforma, construcciones de prueba en ambos temas, una prueba de manipulación por verificación de control de calidad, la prueba de intercambio de tokens. Luego bucles piloto con un mensaje realista, reejecutando el mismo mensaje después de cada corrección.
  9. Empaquetar cuando se solicite (references/packaging.md): python3 LIB/tools/package/package_skill.py LIB/skills/<nombre> <nombre> <nueva carpeta vacía>/<nombre>.zip --date AAAA-MM-DD. Descomprime en otra carpeta nueva y ejecuta las pruebas desde allí antes de colocar el zip en LIB/finalized-skills/.
  10. Registrar. Cada paso anterior va en LIB/DEV-LOG.md a medida que ocurre.

C. Revisión

Lee el skill (o la biblioteca) y compáralo con el patrón. Informa, en este orden, cada uno con el archivo y la línea:

  1. Estructura: un trabajo, sin llamadas en tiempo de ejecución a otros skills, agents/openai.yaml, sin rutas de una sola plataforma.
  2. Contexto: una instantánea empaquetada con un manifiesto y resúmenes, una verificación previa que advierte en lugar de detenerse, una era de marca.
  3. Constructor: tokens leídos en tiempo de construcción (o valores codificados), una especificación JSON, desviaciones en lugar de negativas.
  4. Control de calidad: una validación en el archivo terminado mapeada a la verificación de calidad, pruebas de manipulación, un modo de cambio de estilo si cambia de estilo.
  5. Flujo de trabajo: recepción con valores predeterminados, plan con afirmación y evidencia, aprobación antes de la construcción, entrega que comienza con advertencias.
  6. Empaquetado: metadatos estrictos, longitud de descripción y desencadenantes, un registro de publicación.

Recomienda las correcciones en orden de impacto. No cambies nada a menos que se te pida.

Reglas para cada modo

  • Nunca inventar valores de marca. Ningún color, fuente, tamaño, regla, afirmación, figura o cliente proviene del conocimiento general. Una brecha se registra y es decidida por el propietario, o el elemento se omite.
  • El manual de marca es la regla de referencia; los archivos de diseño de los propietarios llenan sus silencios; cada desviación es una decisión doméstica con su alcance, las palabras del manual de las que se desvía, su estado y quién la decidió.
  • Advertir, nunca rechazar, dentro de los skills que construyes: reparar e informar, entregar archivos fallidos etiquetados, detenerse solo por una imposibilidad física. El skill de voz sin archivo de voz es esa imposibilidad.
  • Recomendar, luego preguntar en cada elección que pertenezca al propietario. Construir solo después de que ellos decidan.
  • Medir, no adivinar: contraste, anchos de texto, recuentos de líneas, representaciones.
  • Mirar la salida en el renderizador real antes de dar algo por terminado.

Entrega

  • en Claude: resume lo que se creó o cambió con rutas, y comparte cualquier zip empaquetado desde la carpeta de salida.
  • en ChatGPT: resume lo que se creó o cambió con rutas, y enlaza cualquier zip empaquetado como descarga.

Luego enumera lo que aún está por hacer, cada brecha que espera al propietario y cada decisión PROPONGO.

Referencia

ArchivoLéelo para
references/architecture.mdTipos de skills, el espacio de trabajo, la carpeta del skill, contexto basado en instantáneas, neutralidad de plataforma
references/brand-foundations.mdConvertir un manual de marca en datos: archivos, arquitectura de color y tipografía, decisiones domésticas, etiquetas de estado
references/format-skills.mdEl flujo de trabajo dentro de un skill de formato, advertir-nunca-rechazar, la especificación, el constructor, la validación de control de calidad, notas por formato
references/voice-and-audit.mdEl skill de voz y el skill de auditoría
references/qa-and-testing.mdPruebas, representaciones, pilotos, reglas de depuración que interactúan
references/packaging.mdMetadatos estrictos, la descripción, pasos de publicación, fallos de carga
references/process.mdDecisiones, el registro vivo, orden de trabajo, trabajo seguro, lecciones del ecosistema Office

Skills relacionados