Communitygithub.com

modo-de-flujo-de-trabajo-dinámico

Diseña arneses locales de tarea, compuertas de evaluación y extracción de habilidades reutilizables para el modo de flujo de trabajo dinámico de Claude y otros arneses adaptativos de agentes. Úsalo al construir un arnés local de tarea, agregar compuertas de evaluación o extraer una habilidad reutilizable de trabajo ad-hoc.

¿Qué es modo-de-flujo-de-trabajo-dinámico?

Este skill define un sistema disciplinado para cuando un agente de codificación puede generar o adaptar un arnés local de tarea en lugar de seguir únicamente un flujo de comandos estático. Es útil para tareas que requieren bucles personalizados, evaluadores, rastreadores, generadores de fixtures, vigilantes o paneles de control locales. El skill proporciona un árbol de decisión para determinar cuándo crear un arnés local, extraerlo como habilidad compartida o mantenerlo en línea, junto con una plantilla de arnés, pautas de extracción de habilidades compartidas, puntos de control del panel de control y compuertas de evaluación específicas por tipo de trabajo. Está diseñado para plataformas como Claude Code y otros entornos de agentes adaptativos, y enfatiza la seguridad mediante compuertas de evaluación y aprobación humana, así como la observabilidad a través de artefactos de handoff y puntos de control del panel de control.

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

Preguntar en tu IA favorita

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

Documentación

Modo de Flujo de Trabajo Dinámico

Usa este skill cuando un agente de codificación pueda generar o adaptar un arnés local de tarea en lugar de solo seguir un flujo de comandos estático. El objetivo es convertir el modo de flujo de trabajo dinámico en un sistema disciplinado: arneses temporales para trabajo único, extracción de habilidades compartidas para trabajo repetido y puntos de control observables del panel de control para equipos.

Cuándo Activar

  • El usuario menciona flujos de trabajo dinámicos, arneses personalizados, arnés-por-tarea, flujos de trabajo adaptativos o el modo de flujo de trabajo dinámico de Claude Code.
  • Una tarea necesita un bucle personalizado, evaluador, rastreador, generador de fixtures, vigilante o panel de control local.
  • Múltiples agentes necesitan el mismo proceso repetible pero el proceso aún no está capturado como un skill compartido.
  • Un flujo de trabajo necesita artefactos de entrega duraderos, evidencia de evaluación o aprobación del operador antes de fusionar.

Contrato Principal

El modo de flujo de trabajo dinámico debe producir un arnés local de tarea solo cuando el arnés sea más barato y seguro que ejecutar manualmente los mismos pasos. El arnés debe tener:

  • Objetivo: el resultado que posee y el resultado que explícitamente no posee.
  • Entradas: archivos, URLs, indicaciones, fuentes de datos, política de credenciales y restricciones proporcionadas por el usuario.
  • Salidas: commits, informes, capturas de pantalla, archivos de estado o instantáneas del panel de control.
  • Evaluación: al menos una verificación de aprobado/rechazado vinculada a la tarea, no solo "se ejecutó".
  • Handoff: un artefacto corto que le dice al próximo operador qué sucedió, qué está bloqueado y cómo reanudar.

Árbol de Decisión de Arneses Dinámicos

  1. Tarea única: mantenlo en línea. No inventes un arnés.
  2. Tarea repetida con entradas cambiantes: crea un arnés local de tarea y mantenlo bajo un área de trabajo temporal o local del proyecto.
  3. Tarea repetida entre compañeros de equipo o repositorios: extrae el patrón en un skill compartido.
  4. Tarea con estado externo, colas o aprobaciones: agrega visibilidad del panel de control antes de agregar más automatización.
  5. Tarea con riesgo de seguridad: agrega una compuerta de evaluación y una compuerta de fusión humana antes de la ejecución autónoma.

Plantilla de Arnés Local de Tarea

Usa esta estructura antes de escribir código:

# Arnés de Flujo de Trabajo Dinámico

Objetivo:
- Entregar:
- No entregar:

Entradas:
- Repositorio o espacio de trabajo:
- Sistemas externos:
- Política de credenciales:

Bucle:
1. Descubrir estado actual.
2. Generar o actualizar el artefacto útil más pequeño.
3. Ejecutar verificaciones de evaluación.
4. Registrar estado y handoff.
5. Detenerse en caso de compuerta fallida, propiedad poco clara o acción externa insegura.

Evaluación:
- Comando:
- Señal de aprobación esperada:
- Propietario de fallo:

Handoff:
- Estado:
- Evidencia:
- Próxima acción:

Extracción de Habilidades Compartidas

Promociona un arnés local de tarea a un skill compartido solo si al menos dos de estas son ciertas:

  • El mismo flujo de trabajo aparece en múltiples sesiones, repositorios, equipos o lanzamientos.
  • El flujo de trabajo necesita secuenciación específica de lenguaje, herramienta o seguridad.
  • Los fallos se repiten porque los operadores saltan una compuerta o pierden contexto.
  • El flujo de trabajo tiene un contrato de entrada/salida estable.
  • El flujo de trabajo se beneficia de un panel de control, tablero de estado o handoff de equipo.

Al extraer, escribe primero el skill en skills/<nombre>/SKILL.md. Agrega shims de comando solo si aún se requiere una superficie de entrada de barra diagonal heredada.

Puntos de Control del Panel de Control

El modo de flujo de trabajo dinámico se vuelve utilizable por el equipo cuando expone el estado. Registra estos puntos de control siempre que la tarea abarque más de una sesión:

  • Plan: objetivo, propietario, criterios de aceptación y sistemas externos riesgosos.
  • Cola: elementos de trabajo, rol de agente asignado, rama/árbol de trabajo y bordes de dependencia.
  • Ejecución: arnés activo, paso actual del bucle, resultado de evaluación reciente y señal de token/costo si está disponible.
  • Compuerta: resultados de pruebas, capturas de pantalla del navegador, revisión de seguridad y preparación para fusionar.
  • Handoff: qué está hecho, qué falló, qué necesita una decisión humana.

Si el repositorio tiene el estado ECC2 habilitado, prefiere agregar o leer puntos de control a través del panel de control ECC o scripts respaldados por almacenamiento de estado en lugar de dispersar notas no rastreadas.

Compuertas de Evaluación

Cada arnés dinámico necesita una evaluación específica de la tarea. Elige la compuerta confiable más barata:

Tipo de TrabajoCompuerta de Evaluación
Función de códigoPrueba enfocada, lint, cobertura y una ruta de integración
UI/panel de controlPrueba de humo del navegador con captura de pantalla y verificaciones de desbordamiento/error
Flujo de trabajo de agenteTranscripción de fixture o elemento de trabajo sembrado con enrutamiento esperado
Investigación/contenidoInforme neutral de fuente, lista de verificación de reclamos y esquema listo para publicación
IntegraciónComando de ejecución en seco, validación de configuración y escaneo sin secretos

No afirmes que un flujo de trabajo dinámico es reutilizable hasta que la evaluación pueda ser re-ejecutada por otro compañero de equipo.

Anti-Patrones

  • Generar scripts que ocultan la lógica de decisión real al operador.
  • Tratar el modo de flujo de trabajo dinámico como permiso para saltar pruebas.
  • Crear documentos únicos cuando un skill compartido o artefacto de estado es el producto real.
  • Ejecutar múltiples agentes sin propiedad, compuerta de fusión o política de conflictos.
  • Dejar que datos de investigación privados sin procesar se filtren en documentos públicos.

Estándar de Salida

Finaliza con:

  • La ruta del arnés o skill.
  • Los comandos y resultados de evaluación.
  • La ruta del panel de control o artefacto de handoff.
  • El próximo candidato de extracción reutilizable.

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