Communitygithub.com

Ingeniería Agentica

Opera como un ingeniero agentico utilizando ejecución basada en evaluación primero, descomposición y enrutamiento de modelos consciente de costos. Úsalo al planificar o ejecutar trabajo de ingeniería que los agentes llevarán a cabo de principio a fin.

¿Qué es Ingeniería Agentica?

La habilidad de Ingeniería Agentica está diseñada para flujos de trabajo de ingeniería donde los agentes de IA realizan la mayor parte del trabajo de implementación mientras los humanos mantienen controles de calidad y riesgo. Este enfoque se basa en cuatro principios operativos: definir criterios de finalización antes de la ejecución, descomponer el trabajo en unidades manejables para agentes, enrutar modelos según la complejidad de la tarea, y medir el progreso mediante evaluaciones y comprobaciones de regresión. El núcleo del flujo de trabajo es un bucle de evaluación primero que comienza definiendo evaluaciones de capacidad y regresión, ejecuta una línea base, captura firmas de fallo, implementa cambios y luego compara los resultados de las evaluaciones. La descomposición de tareas sigue la 'regla de la unidad de 15 minutos', lo que significa que cada unidad debe ser verificable de forma independiente, tener un único riesgo dominante y exponer una condición clara de finalización. El enrutamiento de modelos asigna tareas específicas a modelos de diferentes niveles: Haiku para clasificación y transformaciones de plantillas, Sonnet para implementación y refactorización, y Opus para arquitectura y análisis de causa raíz. El skill también incluye estrategias para la gestión de sesiones (continuar para unidades estrechamente acopladas, iniciar nuevas después de transiciones importantes) y un enfoque de revisión que se centra en invariantes, casos extremos, límites de error, seguridad y riesgos de acoplamiento oculto. Se recomienda un seguimiento de costos por tarea, escalando el nivel de modelo solo cuando el nivel inferior falla con una brecha de razonamiento clara.

Compatible con~Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/agentic-engineering

Preguntar en tu IA favorita

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

Documentación

¿Qué hace Ingeniería Agentica?

Usa este skill para flujos de trabajo de ingeniería donde los agentes de IA realizan la mayor parte del trabajo de implementación y los humanos aplican controles de calidad y riesgo.

Principios Operativos

  1. Definir criterios de finalización antes de la ejecución.
  2. Descomponer el trabajo en unidades del tamaño de un agente.
  3. Enrutar niveles de modelo según la complejidad de la tarea.
  4. Medir con evaluaciones y comprobaciones de regresión.

Bucle de Evaluación Primero

  1. Definir evaluación de capacidad y evaluación de regresión.
  2. Ejecutar línea base y capturar firmas de fallo.
  3. Ejecutar implementación.
  4. Re-ejecutar evaluaciones y comparar diferencias.

Descomposición de Tareas

Aplicar la regla de la unidad de 15 minutos:

  • cada unidad debe ser verificable de forma independiente
  • cada unidad debe tener un único riesgo dominante
  • cada unidad debe exponer una condición clara de finalización

Enrutamiento de Modelos

  • Haiku: clasificación, transformaciones de plantillas, ediciones estrechas
  • Sonnet: implementación y refactorizaciones
  • Opus: arquitectura, análisis de causa raíz, invariantes multiarchivo

Estrategia de Sesión

  • Continuar sesión para unidades estrechamente acopladas.
  • Iniciar nueva sesión después de transiciones de fase importantes.
  • Compactar después de la finalización de un hito, no durante la depuración activa.

Enfoque de Revisión para Código Generado por IA

Priorizar:

  • invariantes y casos extremos
  • límites de error
  • suposiciones de seguridad y autenticación
  • acoplamiento oculto y riesgo de implementación

No desperdicies ciclos de revisión en desacuerdos solo de estilo cuando el formateo y lint automatizados ya aplican el estilo.

Disciplina de Costos

Seguimiento por tarea:

  • modelo
  • estimación de tokens
  • reintentos
  • tiempo de reloj
  • éxito/fallo

Escalar nivel de modelo solo cuando el nivel inferior falla con una brecha de razonamiento clara.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

api-connector-builder

Build a new API connector or provider by matching the target repo

Skills relacionados