Communitygithub.com

optimizador-de-prompt

Analiza, critica y optimiza prompts para Claude Code y ECC, generando versiones listas para copiar y pegar.

¿Qué es optimizador-de-prompt?

Este skill analiza y optimiza prompts para agentes de IA como Claude Code, Cursor y Codex, con un enfoque especial en el ecosistema ECC (Engineering Code Companion). El proceso consta de seis fases: detección del proyecto (identifica el stack tecnológico si hay un proyecto presente), detección de la intención (clasifica la tarea en categorías como nueva funcionalidad, corrección de errores, refactorización, etc.), evaluación del alcance (estima la complejidad), emparejamiento con componentes ECC (sugiere comandos, skills y agentes relevantes), detección de contexto faltante (identifica información crítica que el usuario debe proporcionar) y recomendación de flujo de trabajo y modelo (sugiere el modelo de IA óptimo y la estrategia de partición del prompt para tareas grandes). El skill no ejecuta tareas, solo produce análisis y prompts optimizados. Es especialmente útil para usuarios que quieren mejorar cómo piden tareas a sus asistentes de IA, asegurando que los prompts sean claros, estén bien estructurados y utilicen los componentes adecuados del ecosistema ECC.

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

Preguntar en tu IA favorita

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

Documentación

Optimizador de Prompt

Analiza un borrador de prompt, lo critica, lo empareja con componentes del ecosistema ECC y genera un prompt optimizado listo para copiar y pegar.

Cuándo Usarlo

  • El usuario dice "optimiza este prompt", "mejora mi prompt", "reescribe este prompt"
  • El usuario dice "ayúdame a escribir un mejor prompt para..."
  • El usuario dice "cuál es la mejor forma de pedirle a Claude Code que..."
  • El usuario dice "优化prompt", "改进prompt", "怎么写prompt", "帮我优化这个指令"
  • El usuario pega un borrador de prompt y pide retroalimentación o mejora
  • El usuario dice "no sé cómo pedir esto"
  • El usuario dice "cómo debería usar ECC para..."
  • El usuario invoca explícitamente /prompt-optimize

No Usar Cuando

  • El usuario quiere que la tarea se haga directamente (solo ejecútala)
  • El usuario dice "优化代码", "优化性能", "optimiza este código", "optimiza rendimiento" — son tareas de refactorización, no de optimización de prompt
  • El usuario pregunta sobre configuración de ECC (usa configure-ecc en su lugar)
  • El usuario quiere un inventario de skills (usa skill-stocktake en su lugar)
  • El usuario dice "solo hazlo" o "直接做"

Cómo Funciona

Solo asesoría — no ejecutes la tarea del usuario.

NO escribas código, crees archivos, ejecutes comandos ni realices ninguna acción de implementación. Tu ÚNICA salida es un análisis más un prompt optimizado.

Si el usuario dice "solo hazlo", "直接做" o "no optimices, solo ejecuta", no cambies al modo de implementación dentro de este skill. Dile al usuario que este skill solo produce prompts optimizados, e instrúyele a que haga una solicitud de tarea normal si quiere ejecución.

Ejecuta este pipeline de 6 fases secuencialmente. Presenta los resultados usando el Formato de Salida a continuación.

Pipeline de Análisis

Fase 0: Detección del Proyecto

Antes de analizar el prompt, detecta el contexto del proyecto actual:

  1. Verifica si existe un archivo CLAUDE.md en el directorio de trabajo — léelo para conocer las convenciones del proyecto
  2. Detecta el stack tecnológico a partir de los archivos del proyecto:
    • package.json → Node.js / TypeScript / React / Next.js
    • go.mod → Go
    • pyproject.toml / requirements.txt → Python
    • Cargo.toml → Rust
    • build.gradle / pom.xml → Java / Kotlin (luego verifica si contiene quarkus → Quarkus, o spring-boot → Spring Boot)
    • Package.swift → Swift
    • Gemfile → Ruby
    • composer.json → PHP
    • *.csproj / *.sln → .NET
    • Makefile / CMakeLists.txt → C / C++
    • cpanfile / Makefile.PL → Perl
  3. Anota el stack tecnológico detectado para usar en las Fases 3 y 4

Si no se encuentran archivos de proyecto (por ejemplo, el prompt es abstracto o para un proyecto nuevo), omite la detección y marca "stack tecnológico desconocido" en la Fase 4.

Fase 1: Detección de Intención

Clasifica la tarea del usuario en una o más categorías:

CategoríaPalabras ClaveEjemplo
Nueva Funcionalidadcrear, añadir, implementar, 创建, 实现, 添加"Crear una página de inicio de sesión"
Corrección de Erroresarreglar, roto, no funciona, error, 修复, 报错"Arreglar el flujo de autenticación"
Refactorizaciónrefactorizar, limpiar, reestructurar, 重构, 整理"Refactorizar la capa de API"
Investigacióncómo, qué es, explorar, investigar, 怎么, 如何"Cómo añadir SSO"
Pruebasprobar, cobertura, verificar, 测试, 覆盖率"Añadir pruebas para el carrito"
Revisiónrevisar, auditar, verificar, 审查, 检查"Revisar mi PR"
Documentacióndocumentar, actualizar docs, 文档"Actualizar la documentación de la API"
Infraestructuradesplegar, CI, docker, base de datos, 部署, 数据库"Configurar pipeline de CI/CD"
Diseñodiseñar, arquitectura, planificar, 设计, 架构"Diseñar el modelo de datos"

Fase 2: Evaluación del Alcance

Si la Fase 0 detectó un proyecto, usa el tamaño del código como señal. Si no, estima solo a partir de la descripción del prompt y marca la estimación como incierta.

AlcanceHeurísticaOrquestación
TRIVIALArchivo único, < 50 líneasEjecución directa
BAJOComponente o módulo únicoComando o skill único
MEDIOMúltiples componentes, mismo dominioCadena de comandos + /verify
ALTOMulti-dominio, 5+ archivos/plan primero, luego ejecución por fases
ÉPICOMultisesión, multi-PR, cambio arquitectónicoUsar skill de blueprint para plan multisesión

Fase 3: Emparejamiento con Componentes ECC

Mapea intención + alcance + stack tecnológico (de la Fase 0) a componentes ECC específicos.

Por Tipo de Intención

IntenciónComandosSkillsAgentes
Nueva Funcionalidad/plan, /tdd, /code-review, /verifytdd-workflow, verification-loopplanner, tdd-guide, code-reviewer
Corrección de Errores/tdd, /build-fix, /verifytdd-workflowtdd-guide, build-error-resolver
Refactorización/refactor-clean, /code-review, /verifyverification-looprefactor-cleaner, code-reviewer
Investigación/plansearch-first, iterative-retrieval—
Pruebas/tdd, /e2e, /test-coveragetdd-workflow, e2e-testingtdd-guide, e2e-runner
Revisión/code-reviewsecurity-reviewcode-reviewer, security-reviewer
Documentación/update-docs, /update-codemaps—doc-updater
Infraestructura/plan, /verifydocker-patterns, deployment-patterns, database-migrationsarchitect
Diseño (MEDIO-ALTO)/plan—planner, architect
Diseño (ÉPICO)—blueprint (invocar como skill)planner, architect

Por Stack Tecnológico

Stack TecnológicoSkills a AñadirAgente
Python / Djangodjango-patterns, django-tdd, django-security, django-verification, python-patterns, python-testingpython-reviewer
Gogolang-patterns, golang-testinggo-reviewer, go-build-resolver
Spring Boot / Javaspringboot-patterns, springboot-tdd, springboot-security, springboot-verification, java-coding-standards, jpa-patternsjava-reviewer
Quarkus / Javaquarkus-patterns, quarkus-tdd, quarkus-security, quarkus-verification, java-coding-standards, jpa-patternsjava-reviewer
Kotlin / Androidkotlin-coroutines-flows, compose-multiplatform-patterns, android-clean-architecturekotlin-reviewer
TypeScript / Reactfrontend-patterns, backend-patterns, coding-standardscode-reviewer
Swift / iOSswiftui-patterns, swift-concurrency-6-2, swift-actor-persistence, swift-protocol-di-testingcode-reviewer
PostgreSQLpostgres-patterns, database-migrationsdatabase-reviewer
Perlperl-patterns, perl-testing, perl-securitycode-reviewer
C++cpp-coding-standards, cpp-testingcode-reviewer
Otro / No listadocoding-standards (universal)code-reviewer

Fase 4: Detección de Contexto Faltante

Escanea el prompt en busca de información crítica faltante. Revisa cada elemento y marca si la Fase 0 lo detectó automáticamente o si el usuario debe proporcionarlo:

  • Stack tecnológico — ¿Detectado en la Fase 0, o debe especificarlo el usuario?
  • Alcance objetivo — ¿Se mencionan archivos, directorios o módulos?
  • Criterios de aceptación — ¿Cómo saber que la tarea está completa?
  • Manejo de errores — ¿Se abordan casos límite y modos de fallo?
  • Requisitos de seguridad — ¿Autenticación, validación de entrada, secretos?
  • Expectativas de pruebas — ¿Unitarias, integración, E2E?
  • Restricciones de rendimiento — ¿Carga, latencia, límites de recursos?
  • Requisitos de UI/UX — ¿Especificaciones de diseño, responsive, accesibilidad? (si es frontend)
  • Cambios en base de datos — ¿Esquema, migraciones, índices? (si es capa de datos)
  • Patrones existentes — ¿Archivos de referencia o convenciones a seguir?
  • Límites del alcance — ¿Qué NO hacer?

Si faltan 3+ elementos críticos, hazle al usuario hasta 3 preguntas de aclaración antes de generar el prompt optimizado. Luego incorpora las respuestas en el prompt optimizado.

Fase 5: Recomendación de Flujo de Trabajo y Modelo

Determina dónde se sitúa este prompt en el ciclo de vida del desarrollo:

Investigación → Planificar → Implementar (TDD) → Revisar → Verificar → Commit

Para tareas MEDIAS+, siempre comienza con /plan. Para tareas ÉPICAS, usa el skill blueprint.

Recomendación de modelo (incluir en la salida):

AlcanceModelo RecomendadoJustificación
TRIVIAL-BAJOSonnet 5Rápido, rentable para tareas simples
MEDIOSonnet 5Mejor modelo de codificación para trabajo estándar
ALTOSonnet 5 (principal) + Opus 5 (planificación)Opus para arquitectura, Sonnet para implementación
ÉPICOOpus 5 (blueprint) + Sonnet 5 (ejecución)Razonamiento profundo para planificación multisesión

División en múltiples prompts (para alcance ALTO/ÉPICO):

Para tareas que exceden una sola sesión, divide en prompts secuenciales:

  • Prompt 1: Investigación + Planificación (usa el skill search-first, luego /plan)
  • Prompt 2-N: Implementa una fase por prompt (cada una termina con /verify)
  • Prompt Final: Prueba de integración + /code-review en todas las fases
  • Usa /save-session y /resume-session para preservar el contexto entre sesiones

Formato de Salida

Presenta tu análisis en esta estructura exacta. Responde en el mismo idioma que la entrada del usuario.

Sección 1: Diagnóstico del Prompt

Fortalezas: Enumera lo que el prompt original hace bien.

Problemas:

ProblemaImpactoSolución Sugerida
(problema)(consecuencia)(cómo solucionarlo)

Necesita Aclaración: Lista numerada de preguntas que el usuario debería responder. Si la Fase 0 detectó automáticamente la respuesta, indícala en lugar de preguntar.

Sección 2: Componentes ECC Recomendados

TipoComponentePropósito
Comando/planPlanificar la arquitectura antes de codificar
Skilltdd-workflowGuía de metodología TDD
Agentecode-reviewerRevisión posterior a la implementación
ModeloSonnet 5Recomendado para este alcance

Sección 3: Prompt Optimizado — Versión Completa

Presenta el prompt optimizado completo dentro de un bloque de código delimitado. El prompt debe ser autónomo y estar listo para copiar y pegar. Incluye:

  • Descripción clara de la tarea con contexto
  • Stack tecnológico (detectado o especificado)
  • Invocaciones de /command en las etapas adecuadas del flujo de trabajo
  • Criterios de aceptación
  • Pasos de verificación
  • Límites del alcance (qué NO hacer)

Para elementos que hacen referencia a blueprint, escribe: "Usa el skill blueprint para..." (no /blueprint, ya que blueprint es un skill, no un comando).

Sección 4: Prompt Optimizado — Versión Rápida

Una versión compacta para usuarios experimentados de ECC. Varía según el tipo de intención:

IntenciónPatrón Rápido
Nueva Funcionalidad/plan [funcionalidad]. /tdd para implementar. /code-review. /verify.
Corrección de Errores/tdd — escribe prueba fallida para [error]. Corrige hasta que pase. /verify.
Refactorización/refactor-clean [alcance]. /code-review. /verify.
InvestigaciónUsa el skill search-first para [tema]. /plan basado en los hallazgos.
Pruebas/tdd [módulo]. /e2e para flujos críticos. /test-coverage.
Revisión/code-review. Luego usa el agente security-reviewer.
Documentación/update-docs. /update-codemaps.
ÉPICOUsa el skill blueprint para "[objetivo]". Ejecuta fases con compuertas /verify.

Sección 5: Justificación de Mejoras

MejoraRazón
(lo que se añadió)(por qué es importante)

Pie de Página

¿No es lo que necesitas? Dime qué ajustar, o haz una solicitud de tarea normal si quieres ejecución en lugar de optimización de prompt.


Ejemplos

Ejemplos de Activación

  • "Optimiza este prompt para ECC"
  • "Reescribe este prompt para que Claude Code use los comandos correctos"
  • "帮我优化这个指令"
  • "¿Cómo debería preguntarle a ECC para esta tarea?"

Ejemplo 1: Prompt Vago en Chino (Proyecto Detectado)

Entrada del usuario:

帮我写一个用户登录页面

Fase 0 detecta: package.json con Next.js 15, TypeScript, Tailwind CSS

Prompt Optimizado (Completo):

Usa el stack tecnológico existente del proyecto (Next.js 15 + TypeScript + Tailwind CSS) para implementar una página de inicio de sesión.

Requisitos técnicos:
- Sigue la estructura de componentes y las convenciones de enrutamiento existentes del proyecto
- La validación de formularios debe usar el esquema de validación existente en el proyecto (verifica si ya se usa Zod/Yup/otro)
- Método de autenticación: usa el esquema de autenticación existente del proyecto (si no hay, usa JWT por defecto)
- Incluye: formulario de inicio de sesión con correo/contraseña, validación de formulario, mensajes de error, estado de carga, diseño responsivo

Flujo de trabajo:
1. /plan para planificar la estructura de componentes y el flujo de autenticación, consultando los patrones de las páginas existentes
2. /tdd pruebas primero: escribe pruebas unitarias para el formulario de inicio de sesión y pruebas de integración para el flujo de autenticación
3. Implementa la página de inicio de sesión y la lógica de autenticación
4. /code-review para revisar la implementación
5. /verify para verificar que todas las pruebas pasen y la página se renderice correctamente

Requisitos de seguridad:
- La contraseña no debe transmitirse en texto plano
- Prevenir ataques de fuerza bruta (rate limiting)
- Protección contra XSS
- Token CSRF

Criterios de aceptación:
- Todas las pruebas pasan, cobertura del 80%+
- La página se renderiza correctamente en dispositivos móviles y de escritorio
- Inicio de sesión exitoso redirige al dashboard; fallo muestra mensaje de error

No hacer:
- No implementar la página de registro
- No implementar la funcionalidad de "olvidé mi contraseña"
- No modificar la estructura de enrutamiento existente

Ejemplo 2: Prompt Moderado en Inglés

Entrada del usuario:

Add a REST API endpoint for user profile updates with validation

Fase 0 detecta: go.mod con Go 1.22, enrutador Chi

Prompt Optimizado (Completo):

Add a REST API endpoint for user profile updates (PATCH /api/users/:id).

Tech stack: Go 1.22 + Chi router (detected from project)

Requirements:
- PATCH /api/users/:id — partial update of user profile
- Input validation for fields: name, email, avatar_url, bio
- Auth: require valid token, users can only update own profile
- Return 200 with updated user on success
- Return 400 with validation errors on invalid input
- Return 401/403 for auth failures
- Follow existing API patterns in the codebase

Workflow:
1. /plan the endpoint structure, middleware chain, and validation logic
2. /tdd — write table-driven tests for success, validation failure, auth failure, not-found
3. Implement following existing handler patterns
4. /go-review
5. /verify — run full test suite, confirm no regressions

Do not:
- Modify existing endpoints
- Change the database schema (use existing user table)
- Add new dependencies without checking existing ones first (use search-first skill)

Ejemplo 3: Proyecto ÉPICO

Entrada del usuario:

Migrate our monolith to microservices

Prompt Optimizado (Completo):

Use the blueprint skill to plan: "Migrate monolith to microservices architecture"

Before executing, answer these questions in the blueprint:
1. Which domain boundaries exist in the current monolith?
2. Which service should be extracted first (lowest coupling)?
3. Communication pattern: REST APIs, gRPC, or event-driven (Kafka/RabbitMQ)?
4. Database strategy: shared DB initially or database-per-service from start?
5. Deployment target: Kubernetes, Docker Compose, or serverless?

The blueprint should produce phases like:
- Phase 1: Identify service boundaries and create domain map
- Phase 2: Set up infrastructure (API gateway, service mesh, CI/CD per service)
- Phase 3: Extract first service (strangler fig pattern)
- Phase 4: Verify with integration tests, then extract next service
- Phase N: Decommission monolith

Each phase = 1 PR, with /verify gates between phases.
Use /save-session between phases

...

[truncated for translation]

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