Communitygithub.com

Onboarding de Código Base

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

¿Qué es Onboarding de Código Base?

El skill 'Onboarding de Código Base' está diseñado para desarrolladores que se enfrentan por primera vez a un proyecto nuevo o que quieren configurar Claude Code con un CLAUDE.md inicial. Funciona en cuatro fases: reconocimiento (lectura de manifiestos, frameworks, puntos de entrada, estructura de directorios y herramientas), mapeo de arquitectura (tecnologías, patrón arquitectónico, estructura de directorios clave y flujo de datos), detección de convenciones (nombres, patrones de código y convenciones Git), y generación de artefactos de onboarding (una guía completa de onboarding y un CLAUDE.md de inicio). Está pensado para usarse en proyectos reales con Claude Code, Cursor o Codex, y recomienda no leer todos los archivos, sino usar Glob y Grep para un análisis eficiente. Además, incluye prácticas para respetar un CLAUDE.md existente, evitando reemplazarlo sin motivo, y mantiene la guía concisa para ser escaneada en dos minutos.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/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 Código Base?

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

Cuándo Usarlo

  • Al abrir un proyecto con Claude Code por primera vez
  • Al unirse a un nuevo equipo o repositorio
  • El usuario pide "ayúdame a entender este código base"
  • El usuario pide generar un CLAUDE.md para un proyecto
  • El usuario dice "onboarding" o "guíame por este repositorio"

Cómo Funciona

Fase 1: Reconocimiento

Recopila señales sin procesar del 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. Localización del punto de entrada
   → main.*, index.*, app.*, server.*, cmd/, src/main/

4. Instantánea de la estructura de directorios
   → Los primeros 2 niveles 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 bibliotecas principales
  • Base(s) de datos y ORMs
  • Herramientas de compilación y bundlers
  • Plataforma CI/CD

Patrón Arquitectónico

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

Directorios Clave Mapea los directorios de primer nivel a su propósito:

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

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

  • ¿Dónde entra una solicitud? (enrutador, manejador, controlador)
  • ¿Cómo se valida? (middleware, esquemas, guards)
  • ¿Dónde está la lógica de negocio? (servicios, modelos, casos de uso)
  • ¿Cómo llega a la base de datos? (ORM, consultas sin procesar, repositorios)

Fase 3: Detección de Convenciones

Identifica patrones que el código base ya sigue:

Convenciones de Nomenclatura

  • Nomenclatura de archivos: kebab-case, camelCase, PascalCase, snake_case
  • Patrones de nomenclatura de componentes/clases
  • Nomenclatura 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 imports directos
  • Enfoque de gestión de estado
  • Patrones asíncronos: callbacks, promesas, async/await, channels

Convenciones de Git

  • Nomenclatura de ramas a partir de ramas recientes
  • Estilo de mensajes de commit a partir de commits recientes
  • Flujo de trabajo de PR (squash, merge, rebase)
  • Si el repositorio no tiene commits aún o solo tiene un historial superficial (ej. 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 Onboarding

Genera dos salidas:

Salida 1: Guía de Onboarding

# Guía de Onboarding: [Nombre del Proyecto]

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

## Stack Tecnológico
<!-- Ejemplo para un proyecto Next.js — reemplázalo 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 — reemplázalo con las rutas detectadas -->
- **Rutas de API**: `src/app/api/` — manejadores de rutas de Next.js
- **Páginas de 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 compilación y ejecución

## Mapa de Directorios
[Directorio de primer nivel → propósito]

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

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

## Tareas Comunes
<!-- Ejemplo para un proyecto Node.js — reemplázalo 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`
- **Compilar para producción**: `npm run build`

## Dónde Mirar
<!-- Ejemplo para un proyecto Next.js — reemplázalo con las rutas detectadas -->
| Quiero... | Mirar en... |
|-----------|-----------|
| Añadir un endpoint de API | `src/app/api/` |
| Añadir una página de UI | `src/app/(dashboard)/` |
| Añadir una tabla de base de datos | `prisma/schema.prisma` |
| Añadir una prueba | `tests/` coindicente con la ruta fuente |
| Cambiar 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 ya existe CLAUDE.md, léelo primero y mejóralo — conserva las instrucciones existentes específicas del proyecto y señala claramente lo que se añadió o cambió.

# Instrucciones del Proyecto

## Stack Tecnológico
[Resumen del stack detectado]

## Estilo de Código
- [Convenciones de nomenclatura detectadas]
- [Patrones detectados a seguir]

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

## Compilación y Ejecución
- Dev: `[comando de desarrollo detectado]`
- Compilar: `[comando de compilación detectado]`
- Lint: `[comando de lint detectado]`

## Estructura del Proyecto
[Directorio clave → 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 Read 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 vs. existente.
  4. Mantén la concisión — la guía de onboarding debe poder escanearse en 2 minutos. Los detalles pertenecen al código, no a la guía.
  5. Señala lo desconocido — si no se puede detectar con certeza una convención, 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 las que dan forma a cómo escribes código
  • Describir nombres de directorios obvios — src/ no necesita explicación
  • Copiar el README — la guía de onboarding aporta información estructural de la que carece el README

Ejemplos

Ejemplo 1: Primera vez en un nuevo repositorio

Usuario: "Onboarding en este código base" Acción: Ejecutar el flujo de trabajo completo de 4 fases → generar Guía de Onboarding + CLAUDE.md Inicial Salida: Guía de Onboarding 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: Ejecutar Fases 1-3, omitir Guía de Onboarding, generar solo CLAUDE.md Salida: CLAUDE.md específico del proyecto con convenciones detectadas

Ejemplo 3: Mejorar CLAUDE.md existente

Usuario: "Actualiza el CLAUDE.md con las convenciones actuales del proyecto" Acción: Leer CLAUDE.md existente, ejecutar Fases 1-3, fusionar nuevos hallazgos Salida: CLAUDE.md actualizado con 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/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

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

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

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