Communitygithub.com

Onboarding de Codebase

Analiza una base de código desconocida y genera una guía de incorporación estructurada con un mapa de arquitectura, puntos de entrada clave, convenciones y un CLAUDE.md inicial. Úsalo al unirte a un nuevo proyecto o al configurar Claude Code por primera vez en un repositorio.

¿Qué es Onboarding de Codebase?

Este skill automatiza el proceso de comprensión de una base de código nueva para un desarrollador o para el propio agente de IA. Realiza un reconocimiento inicial (detección de manifiestos, frameworks, puntos de entrada, estructura de directorios, herramientas y tests), mapea la arquitectura (tecnologías, patrón, directorios clave, flujo de datos), identifica convenciones (nombrado, patrones de código, Git) y genera dos artefactos: una guía de incorporación (con resumen, stack tecnológico, diagrama de directorios, ciclo de vida de una solicitud, tareas comunes) y un archivo CLAUDE.md inicial o mejorado. Es útil para cualquier proyecto donde se desee una comprensión rápida y estructurada, permitiendo a Claude Code actuar de manera más informada y consistente con las convenciones del proyecto. Soporta múltiples lenguajes y frameworks, y proporciona salidas markdown directamente en la conversación o como archivos.

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

Preguntar en tu IA favorita

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

Documentación

¿Qué hace Onboarding de Codebase?

Analiza sistemáticamente una base de código desconocida y produce una guía de incorporación estructurada. Diseñado para desarrolladores que se unen a un nuevo proyecto o configuran Claude Code en un repositorio existente por primera vez.

Cuándo usarlo

  • Primera vez que abres un proyecto con Claude Code
  • Unirte a un nuevo equipo o repositorio
  • El usuario pregunta "ayúdame a entender esta base de código"
  • El usuario pide generar un CLAUDE.md para un proyecto
  • El usuario dice "incorpórame" o "guíame a través de este repositorio"

Cómo funciona

Fase 1: Reconocimiento

Recopila señales sin procesar sobre el proyecto sin leer cada archivo. Ejecuta estas comprobaciones en paralelo:

1. Detección de manifiestos de paquetes
   → package.json, go.mod, Cargo.toml, pyproject.toml, pom.xml, build.gradle,
     Gemfile, composer.json, mix.exs, pubspec.yaml

2. Identificación del framework
   → next.config.*, nuxt.config.*, angular.json, vite.config.*,
     django settings, flask app factory, fastapi main, rails config

3. Identificación de puntos de entrada
   → main.*, index.*, app.*, server.*, cmd/, src/main/

4. Instantánea de la estructura de directorios
   → Los 2 niveles superiores del árbol de directorios, ignorando node_modules, vendor,
     .git, dist, build, __pycache__, .next

5. Detección de configuración y herramientas
   → .eslintrc*, .prettierrc*, tsconfig.json, Makefile, Dockerfile,
     docker-compose*, .github/workflows/, .env.example, configuraciones de CI

6. Detección de estructura de pruebas
   → tests/, test/, __tests__/, *_test.go, *.spec.ts, *.test.js,
     pytest.ini, jest.config.*, vitest.config.*

Fase 2: Mapeo de arquitectura

A partir de los datos de reconocimiento, identifica:

Stack tecnológico

  • Lenguaje(s) y restricciones de versión
  • Framework(s) y librerías principales
  • Base(s) de datos y ORMs
  • Herramientas de construcción y bundlers
  • Plataforma de CI/CD

Patrón de arquitectura

  • Monolito, monorepo, microservicios o sin servidor
  • Separación frontend/backend o full-stack
  • Estilo de API: REST, GraphQL, gRPC, tRPC

Directorios clave Mapea los directorios de nivel superior a su propósito:

src/components/  → Componentes de React UI
src/api/         → Manejadores de rutas API
src/lib/         → Utilidades compartidas
src/db/          → Modelos de base de datos y migraciones
tests/           → Suites de pruebas
scripts/         → Scripts de construcción y despliegue

Flujo de datos Traza una solicitud desde la entrada hasta la respuesta:

  • ¿Por dónde entra una solicitud? (router, handler, controller)
  • ¿Cómo se valida? (middleware, schemas, guards)
  • ¿Dónde está la lógica de negocio? (services, models, use cases)
  • ¿Cómo llega a la base de datos? (ORM, consultas directas, repositories)

Fase 3: Detección de convenciones

Identifica patrones que la base de código ya sigue:

Convenciones de nombrado

  • Nombrado de archivos: kebab-case, camelCase, PascalCase, snake_case
  • Patrones de nombrado de componentes/clases
  • Nombrado de archivos de prueba: *.test.ts, *.spec.ts, *_test.go

Patrones de código

  • Estilo de manejo de errores: try/catch, tipos Result, códigos de error
  • Inyección de dependencias o importaciones directas
  • Enfoque de gestión de estado
  • Patrones asíncronos: callbacks, promesas, async/await, channels

Convenciones de Git

  • Nombrado de ramas según ramas recientes
  • Estilo de mensajes de commit según commits recientes
  • Flujo de trabajo de PR (squash, merge, rebase)
  • Si el repositorio no tiene commits o solo tiene un historial superficial (por ejemplo, git clone --depth 1), omite esta sección y anota "Historial de Git no disponible o demasiado superficial para detectar convenciones"

Fase 4: Generar artefactos de incorporación

Produce dos salidas:

Salida 1: Guía de incorporación

# Guía de incorporación: [Nombre del proyecto]

## Resumen
[2-3 frases: qué hace este proyecto y a quién sirve]

## Stack tecnológico
<!-- Ejemplo para un proyecto Next.js — reemplazar con el stack detectado -->
| Capa | Tecnología | Versión |
|------|------------|---------|
| Lenguaje | TypeScript | 5.x |
| Framework | Next.js | 14.x |
| Base de datos | PostgreSQL | 16 |
| ORM | Prisma | 5.x |
| Pruebas | Jest + Playwright | - |

## Arquitectura
[Diagrama o descripción de cómo se conectan los componentes]

## Puntos de entrada clave
<!-- Ejemplo para un proyecto Next.js — reemplazar con las rutas detectadas -->
- **Rutas API**: `src/app/api/` — Manejadores de rutas de Next.js
- **Páginas UI**: `src/app/(dashboard)/` — páginas autenticadas
- **Base de datos**: `prisma/schema.prisma` — fuente de verdad del modelo de datos
- **Configuración**: `next.config.ts` — configuración de construcción y ejecución

## Mapa de directorios
[Directorio de nivel superior → propósito]

## Ciclo de vida de una solicitud
[Traza una solicitud API desde la entrada hasta la respuesta]

## Convenciones
- [Patrón de nombrado de archivos]
- [Enfoque de manejo de errores]
- [Patrones de pruebas]
- [Flujo de trabajo de Git]

## Tareas comunes
<!-- Ejemplo para un proyecto Node.js — reemplazar con los comandos detectados -->
- **Ejecutar servidor de desarrollo**: `npm run dev`
- **Ejecutar pruebas**: `npm test`
- **Ejecutar linter**: `npm run lint`
- **Migraciones de base de datos**: `npx prisma migrate dev`
- **Construir para producción**: `npm run build`

## Dónde buscar
<!-- Ejemplo para un proyecto Next.js — reemplazar con las rutas detectadas -->
| Quiero... | Mirar en... |
|-----------|-------------|
| Agregar un endpoint API | `src/app/api/` |
| Agregar una página UI | `src/app/(dashboard)/` |
| Agregar una tabla en la base de datos | `prisma/schema.prisma` |
| Agregar una prueba | `tests/` coincidiendo con la ruta fuente |
| Cambiar la configuración de compilación | `next.config.ts` |

Salida 2: CLAUDE.md inicial

Genera o actualiza un CLAUDE.md específico del proyecto basado en las convenciones detectadas. Si CLAUDE.md ya existe, léelo primero y mejóralo — preserva las instrucciones existentes específicas del proyecto y señala claramente lo que se agregó o cambió.

# Instrucciones del proyecto

## Stack tecnológico
[Resumen del stack detectado]

## Estilo de código
- [Convenciones de nombrado detectadas]
- [Patrones detectados a seguir]

## Pruebas
- Ejecutar pruebas: `[comando de prueba detectado]`
- Patrón de pruebas: [convención de archivos de prueba detectada]
- Cobertura: [si está configurada, el comando de cobertura]

## Construcción y ejecución
- Desarrollo: `[comando de desarrollo detectado]`
- Construcción: `[comando de construcción detectado]`
- Lint: `[comando de lint detectado]`

## Estructura del proyecto
[Directorio clave → mapa de propósito]

## Convenciones
- [Estilo de commit si es detectable]
- [Flujo de trabajo de PR si es detectable]
- [Patrones de manejo de errores]

Mejores prácticas

  1. No leas todo — el reconocimiento debe usar Glob y Grep, no Leer en cada archivo. Lee selectivamente solo para señales ambiguas.
  2. Verifica, no adivines — si se detecta un framework desde la configuración pero el código real usa algo diferente, confía en el código.
  3. Respeta el CLAUDE.md existente — si ya existe uno, mejóralo en lugar de reemplazarlo. Señala qué es nuevo versus existente.
  4. Mantén la concisión — la guía de incorporación debe poder escanearse en 2 minutos. Los detalles pertenecen al código, no a la guía.
  5. Señala lo desconocido — si una convención no se puede detectar con confianza, dilo en lugar de adivinar. "No se pudo determinar el ejecutor de pruebas" es mejor que una respuesta incorrecta.

Antipatrones a evitar

  • Generar un CLAUDE.md de más de 100 líneas — mantenlo enfocado
  • Listar cada dependencia — destaca solo aquellas que moldean cómo escribes código
  • Describir nombres de directorios obvios — src/ no necesita explicación
  • Copiar el README — la guía de incorporación agrega información estructural de la que el README carece

Ejemplos

Ejemplo 1: Primera vez en un nuevo repositorio

Usuario: "Incorpórame a esta base de código" Acción: Ejecuta el flujo de trabajo completo de 4 fases → produce Guía de incorporación + CLAUDE.md inicial Salida: Guía de incorporación impresa directamente en la conversación, más un CLAUDE.md escrito en la raíz del proyecto

Ejemplo 2: Generar CLAUDE.md para un proyecto existente

Usuario: "Genera un CLAUDE.md para este proyecto" Acción: Ejecuta las Fases 1-3, omite la Guía de incorporación, produce solo CLAUDE.md Salida: CLAUDE.md específico del proyecto con las convenciones detectadas

Ejemplo 3: Mejorar CLAUDE.md existente

Usuario: "Actualiza el CLAUDE.md con las convenciones actuales del proyecto" Acción: Lee el CLAUDE.md existente, ejecuta las Fases 1-3, fusiona nuevos hallazgos Salida: CLAUDE.md actualizado con las adiciones claramente marcadas

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-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

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.

Skills relacionados