Communitygithub.com

optimizador-de-ejecucion-paralela

Úsalo cuando el usuario quiera realizar una tarea mucho más rápido mediante trabajo paralelo, agentes concurrentes, llamadas a herramientas por lotes, árboles de trabajo aislados o múltiples carriles de verificación independientes sin perder precisión.

¿Qué es optimizador-de-ejecucion-paralela?

Este skill está diseñado para maximizar la velocidad de ejecución de tareas complejas donde el trabajo puede dividirse en unidades independientes. Transforma la urgencia en un grafo de dependencias antes de actuar, definiendo un objetivo claro y una señal de finalización. Divide el trabajo en carriles (paralelos, secuenciales o con compuerta) y ejecuta simultáneamente tareas de lectura y verificación que no colisionan en superficie de escritura. Es compatible con plataformas como Claude Code, Cursor y Codex, y se basa en un enfoque metódico documentado en `SKILL.md`. La utilidad principal radica en reducir significativamente el tiempo de ciclo en inspecciones de repositorios, comprobaciones de API, pruebas, compilaciones y despliegues, manteniendo la corrección mediante una tabla de verificación final. Incluye reglas estrictas para evitar conflictos de escritura, pausar carriles bloqueados y no sobrepasar la vida de los procesos en segundo plano sin consentimiento explícito del usuario. Los modos de fallo típicos incluyen concurrencia excesiva que genera ediciones conflictivas, confundir la velocidad de la herramienta con la velocidad de la tarea, o considerar una tarea como 'rápida' antes de verificar la corrección.

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

Preguntar en tu IA favorita

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

Documentación

Optimizador de Ejecución Paralela

Usa este skill cuando la velocidad provenga de realizar trabajo independiente al mismo tiempo: inspección de repositorios, lecturas de archivos, comprobaciones de API, comprobaciones de navegador, carriles de compilación/prueba, lecturas posteriores a despliegues o pases de implementación en múltiples árboles de trabajo.

Patrón Central

Convierte la urgencia en un grafo de dependencias antes de actuar.

  1. Define el objetivo y la señal de finalización.
  2. Divide el trabajo en carriles.
  3. Marca cada carril como paralelo, secuencial o con compuerta.
  4. Ejecuta lecturas/comprobaciones independientes juntas.
  5. Mantén las escrituras aisladas por archivo, árbol de trabajo, rama, servicio o conjunto de datos.
  6. Fusiona solo después de que la evidencia muestre que los carriles son compatibles.
  7. Termina con una tabla de verificación, no con una afirmación vaga de velocidad.

Matriz de Carriles

Antes de un gran envío, escribe una matriz compacta:

Carril | ¿Se puede ejecutar en paralelo? | Superficie de escritura | Riesgo | Verificación
Escaneo del repositorio | sí | ninguna | bajo | salidas de rg/git status
Parche del backend | tal vez | src/api | medio | pruebas unitarias
Parche del frontend | tal vez | app/components | medio | captura de pantalla del navegador
Lectura posterior al despliegue | después de la compilación | servicio remoto | alto | URL en vivo + registros

Ejecuta carriles en paralelo solo cuando sus superficies de escritura no colisionen.

Reglas de Ejecución

  • Agrupa lecturas de archivos, búsquedas, comprobaciones de estado y consultas de metadatos.
  • Utiliza árboles de trabajo aislados para carriles de implementación grandes y no relacionados.
  • Inicia pruebas de larga duración, compilaciones, rellenos de datos y despliegues en sesiones separadas, luego encuéstalos deliberadamente.
  • Si un carril descubre un bloqueador que cambia el plan, pausa los carriles dependientes y actualiza la matriz.
  • Nunca permitas que un proceso en segundo plano sobreviva al turno a menos que el usuario haya solicitado explícitamente un servicio continuo.
  • No paralelices comandos destructivos, migraciones, escrituras en la misma tabla, o despliegues en vivo que afecten a clientes sin una compuerta explícita.

Formato de Salida

Utiliza esto al informar:

Resultado de ejecución paralela:
- Carriles ejecutados: 5
- Carriles completados: 4
- Carril bloqueado: lectura posterior al despliegue, esperando propagación de DNS
- Ruta rápida encontrada: escaneo de repositorio por lotes + pruebas enfocadas
- Verificación: paso de lint, paso de pruebas unitarias, smoke test en vivo

Modos de Falla

  • Más concurrencia que crea ediciones conflictivas.
  • Evaluar el rendimiento de la herramienta en lugar de la tarea.
  • Tratar "rápido" como hecho antes de que se demuestre la corrección.
  • Olvidar encuestar sesiones en ejecución.
  • Ocultar comprobaciones omitidas detrás de un resumen de éxito.

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