¿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 quiere | Modo |
|---|---|
| Skills de marca para una marca que aún no tiene ninguno | A. Nueva biblioteca |
| Un skill adicional en una biblioteca existente | B. Añadir un skill |
| Una revisión de un skill de marca o biblioteca existente | C. Revisión |
| Entender el enfoque antes de construir | Explicar desde references/architecture.md y detenerse |
Pregunta qué modo solo si la solicitud no lo indica.
A. Nueva biblioteca
- 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.
- 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 ejemplo2027-brand). Coloca las fuentes enLIB/reference/. - Escribir los fundamentos en
LIB/shared-context/brand-foundations/context/a partir de las fuentes, siguiendoreferences/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 enlogo/, ylogo-policy.md,imagery-policy.mdychart-palette.jsoncuando las fuentes los cubran. - 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.
- Construir el skill de voz (modo B con
--kind voice). Es pequeño y prueba la ruta de instantánea, verificación previa y empaquetado. - 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. - Añadir formatos uno a la vez, primero resolviendo las decisiones domésticas de cada formato (
references/process.md, "Orden de trabajo"). - Construir el skill de auditoría (modo B con
--kind audit) una vez que haya especificaciones de formato para auditar.
B. Añadir un skill
- 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. - 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 instantáneaLIB/tools/snapshot/<nombre>.json; para un skill de formato tambiénLIB/shared-context/<nombre>/context/format-spec.mdyformat-map.json. - Resolver las decisiones domésticas del formato antes de escribir código: para cada decisión en
structural-system.mdcuyo alcance sea "otros deciden al construir", recomienda una respuesta para este formato, obtén la decisión del propietario, regístrala. - Escribir la especificación del formato y el mapa (palabras con etiquetas LIBRO, RATIFICADO y PROPONGO; números con nombres de roles, nunca hexadecimales).
- 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 siguenreferences/voice-and-audit.mden su lugar. - 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.
- Instantánea y verificar.
python3 LIB/tools/snapshot/snapshot.py LIB/tools/snapshot/<nombre>.json, luego--check, luegopython3 LIB/skills/<nombre>/scripts/verify_context.py. Añade fuentes, hojas de estilo y arte abundled_assetsen la configuración para que la verificación previa los valide. - 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. - 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 enLIB/finalized-skills/. - Registrar. Cada paso anterior va en
LIB/DEV-LOG.mda 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:
- Estructura: un trabajo, sin llamadas en tiempo de ejecución a otros skills,
agents/openai.yaml, sin rutas de una sola plataforma. - Contexto: una instantánea empaquetada con un manifiesto y resúmenes, una verificación previa que advierte en lugar de detenerse, una era de marca.
- Constructor: tokens leídos en tiempo de construcción (o valores codificados), una especificación JSON, desviaciones en lugar de negativas.
- 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.
- Flujo de trabajo: recepción con valores predeterminados, plan con afirmación y evidencia, aprobación antes de la construcción, entrega que comienza con advertencias.
- 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
| Archivo | Léelo para |
|---|---|
references/architecture.md | Tipos de skills, el espacio de trabajo, la carpeta del skill, contexto basado en instantáneas, neutralidad de plataforma |
references/brand-foundations.md | Convertir un manual de marca en datos: archivos, arquitectura de color y tipografía, decisiones domésticas, etiquetas de estado |
references/format-skills.md | El 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.md | El skill de voz y el skill de auditoría |
references/qa-and-testing.md | Pruebas, representaciones, pilotos, reglas de depuración que interactúan |
references/packaging.md | Metadatos estrictos, la descripción, pasos de publicación, fallos de carga |
references/process.md | Decisiones, el registro vivo, orden de trabajo, trabajo seguro, lecciones del ecosistema Office |