Communitygithub.com

bucle-de-optimización-con-evaluación comparativa

Utilice esta habilidad para convertir solicitudes como 'hazlo 20 veces más rápido' o 'prueba 50 optimizaciones recursivas' en un bucle medido y acotado que pueda mejorar realmente un sistema.

¿Qué es bucle-de-optimización-con-evaluación comparativa?

Esta habilidad proporciona un marco estructurado para abordar tareas de optimización del rendimiento, ya sea para reducir la latencia, aumentar el rendimiento o disminuir los costes. Convierte solicitudes vagas como 'hazlo más rápido' en un bucle de evaluación comparativa disciplinado y medible. La habilidad es aplicable a cualquier plataforma de agente de IA, como Claude Code o Cursor, y guía al agente a través de pasos como medir la línea base, identificar cuellos de botella basados en evidencia, generar variantes que prueben una hipótesis cada una, ejecutar variantes con la misma forma de entrada, rechazar las que fallan en corrección o seguridad, promover la variante más rápida y segura, y codificar la ruta ganadora. Incluye directrices para búsquedas recursivas y de hiperparámetros, con un registro persistente, comparaciones con el ganador anterior aceptado y criterios de parada claros. Hace hincapié en términos como 'mejor variante segura medida' en lugar de 'óptimo global', y exige que la variante promovida pase las pruebas de corrección, demuestre una mejora repetible, sea fácil de revertir y esté codificada en el control de versiones.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/benchmark-optimization-loop

Preguntar en tu IA favorita

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

Documentación

Bucle de Optimización con Evaluación Comparativa

Utilice esta habilidad para convertir "hazlo 20 veces más rápido" o "prueba 50 optimizaciones recursivas" en un bucle medido y acotado que pueda mejorar realmente un sistema.

Línea Base Requerida

No optimice hasta que existan estos elementos:

  • la operación que se está optimizando;
  • la puerta de corrección que debe permanecer verde;
  • la métrica: tiempo de ejecución, latencia p95, filas/segundo, costo/ejecución, memoria, tasa de error;
  • la línea base actual;
  • el presupuesto de búsqueda: máximo de variantes, tiempo máximo, gasto máximo, impacto máximo en datos.

Si el usuario solicita un objetivo poco realista, mantenga la ambición pero haga que el bucle sea acotado y medible.

Bucle

  1. Mida la línea base.
  2. Identifique los cuellos de botella a partir de la evidencia.
  3. Genere variantes que prueben una hipótesis cada una.
  4. Ejecute las variantes con la misma forma de entrada.
  5. Rechace las variantes que fallen en corrección, seguridad o reproducibilidad.
  6. Promueva la variante segura más rápida.
  7. Codifique la ruta ganadora en un script, comando, prueba, configuración o documento.
  8. Vuelva a ejecutar la línea base y el ganador para confirmar la diferencia.

Tabla de Variantes

Registre las variantes de esta manera:

Variante | Hipótesis | Comando | Tiempo | ¿Correcto? | Notas
línea base | ruta actual | npm run job | 120s | sí | estable
lote-500 | menos viajes de ida y vuelta | npm run job -- --batch 500 | 42s | sí | ganador
paralelo-8 | más trabajadores | npm run job -- --workers 8 | 31s | no | limitado por tasa

Búsqueda Recursiva

Para trabajo recursivo o de hiperparámetros:

  • persista cada ejecución en un registro;
  • compare contra el ganador anterior aceptado, no solo contra la ejecución anterior;
  • mantenga una verificación de reserva o reproducción;
  • deténgase cuando la mejora esté dentro del ruido, la corrección falle, el costo exceda el presupuesto, o la búsqueda comience a cambiar más variables de las que puede explicar.

Utilice frases como "mejor variante segura medida" en lugar de "óptimo global" a menos que el espacio de búsqueda haya sido realmente exhaustivo.

Puerta de Promoción

Una variante no puede convertirse en el nuevo valor predeterminado hasta que:

  • las pruebas de corrección pasen;
  • la mejora en el rendimiento se repita o explique;
  • la reversión sea obvia;
  • el cambio esté codificado en el control de versiones o en un runbook duradero;
  • el resumen final incluya comandos y mediciones exactas.

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Skills relacionados