Communitygithub.com

jihkyuo/skills

Biblioteca personal de habilidades para agentes (especificación Agent Skills · plugin para Claude Code · se instala en Codex, Cursor, Gemini CLI…) — design-variant-rounds, socratic, orchestration-loop, orca-handoff

¿Qué es skills?

Esta habilidad implementa un método de aprendizaje interactivo llamado Socrático (socratic) diseñado para que un agente de IA guíe a un usuario a través de preguntas, respuestas y evaluación estructurada, transformando material ambiguo en comprensión organizada y una lista de lagunas de conocimiento. Es útil para desarrolladores y usuarios que necesitan analizar documentación técnica, código o conceptos complejos de manera profunda y metódica, sin asumir conocimientos previos. La habilidad es compatible con plataformas como Claude Code, Codex, Cursor y Gemini CLI, y se instala como un plugin siguiendo la especificación Agent Skills. El proceso se divide en rondas que incluyen: absorción previa del material (verificada con una tabla), creación de un mapa de comprensión con nodos etiquetados, una pregunta tipo quiz por ronda con evaluación explícita, registro de hallazgos, y transiciones opcionales a rondas de decisión o rúbrica para implementación. El asistente debe seguir reglas estrictas de auto-desambiguación, uso de tablas, y no omitir términos no conocidos, garantizando así un aprendizaje sólido y verificable.

Compatible con✓Claude Code✓Codex CLI✓Cursor✓Gemini CLI
npx skills add jihkyuo/skills

Preguntar en tu IA favorita

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

Documentación

Socrático — Enseñar, preguntar, evaluar y aprender

Transforma material ambiguo en comprensión estructurada y una lista de lagunas mediante un diálogo bidireccional de: explicación → pregunta → respuesta → evaluación → repregunta. La comprensión no se queda solo en la mente, sino que se consolida en productos como un mapa y una tabla de hallazgos. Todo ocurre dentro de la conversación — la redacción de documentos, commits, PRs y manipulación de ramas están fuera de esta habilidad; si es necesario, el usuario lo indicará por separado.

Preparación — antes de la primera pregunta

  1. Absorción previa del material — no se hace la primera pregunta hasta que se muestre la tabla de declaración de absorción.

    "Leer todo" es una afirmación imposible de verificar, por lo que si se deja así, inevitablemente no se cumplirá. Se hace visible con una tabla si se ha cumplido o no. Al inicio de la primera ronda se muestra esta tabla, y no se realiza ninguna explicación ni evaluación hasta que el Estado esté todo ✅.

    ArchivoTotal de líneasRango leídoEstado
    Material objetivo2801–280✅
    Documento de referencia6801–276❌ Incompleto
    • Si la herramienta trunca el contenido por límite de longitud, se debe continuar leyendo. El error más frecuente de esta habilidad es empezar con la ilusión de haber leído todo cuando en realidad estaba truncado. Por eso se escriben juntos el número total de líneas y el rango leído.
    • Extraer fragmentos con grep no es absorción. Los fragmentos generan explicaciones contradictorias, y esas contradicciones las descubrirá el usuario, no yo.
    • Si el alcance de los documentos relacionados es ambiguo, se confirma antes de la primera pregunta. Si el usuario decide que "ese no es necesario leerlo", se anota así en la tabla.
  2. Panorama general — antes de entrar en conceptos individuales, se proporciona primero un esqueleto general.

  3. Mapa de comprensión inicial — se descompone el esqueleto en una lista de nodos y se les asigna un estado: ⬜Sin empezar 🟡Explorando 🟩Comprensión aproximada ✅Claro 🟠Provisional. La tabla de hallazgos (N-número) se abre vacía.

Ronda — iteración

Formato fijo para cada ronda: Estado del mapa y tabla de hallazgos → Explicación y referencias → 1 pregunta tipo quiz → Evaluación → Registro y actualización del mapa.

  • El siguiente nodo lo determina la IA, que avanza. Solo cuando la prioridad es realmente dudosa, se ofrecen opciones con recomendaciones, y la decisión la toma el usuario. Como el mapa se muestra en cada ronda, el usuario puede cambiar la ruta en cualquier momento.
  • La pregunta no presupone que el usuario ya sepa algo. Todo lo necesario para responder se coloca justo encima de la pregunta. Aquello que se repite como referencia se presenta en una tabla que se muestra íntegramente en cada ronda. No se permite comprimir ni omitir.
  • Invariante de autodesambiguación — se evalúa por ronda. Todas las referencias (números, símbolos, términos internos) que aparecen en esa ronda deben tener su significado confirmado dentro de la misma respuesta. Se aplica tanto dentro de la pregunta como en la explicación, evaluación o tabla de hallazgos. "Estaba en la ronda anterior" o "aparece al abrir el material" no son válidos como justificación. Si hay una sola cita no incluida en la tabla, esa ronda es defectuosa, y la IA debe detectarlo por sí misma antes de que el usuario lo señale. Reducir la tabla de términos y reglas a “solo lo que se usa esta vez” y luego traer nuevas referencias en la evaluación o tabla de hallazgos es una ruta típica de omisión.
  • Lo que se define en una tabla debe mostrarse como tabla. El mapa y la tabla de hallazgos solo tienen valor si se renderizan como tablas reales en pantalla. Si las celdas son largas, el renderizador abandonará la tabla y mostrará el texto sin formato, por lo que las celdas deben mantenerse en una sola línea corta — si se alargan, se divide la columna o se saca el detalle al texto principal, dejando solo el resumen en la tabla. Si el usuario señala que no se ve la tabla, no se cambia a una lista, sino que se acortan las celdas para restaurar la tabla.
  • El quiz es de un concepto a la vez, una sola pregunta. Las preguntas abstractas llaman respuestas abstractas, por lo que se plantean con escenarios concretos. Se incluyen casos límite y trampas, y se anuncia "hay trampa" — está bien equivocarse, y el lugar donde se falla es precisamente una laguna.
  • La evaluación se hace explícitamente — se distingue entre correcto/parcial/laguna, y se separa hasta dónde llegó el acierto (por ejemplo, "intuición correcta, ejecución incorrecta"). El lugar donde no se respondió no es un fracaso, sino un resultado de diagnóstico. Ese lugar se convierte en el siguiente nodo.
  • Los nuevos hallazgos, lagunas y autocorrecciones se registran inmediatamente en la tabla de hallazgos con un N-número.
  • A medida que se profundiza, los nodos se dividen. Se permite que el mapa crezca siguiendo la comprensión.
  • No se detiene ni se ignora una inmersión profunda del usuario; se sigue. Pero se asegura de que esa respuesta se promueva a nodo o se registre en la tabla de hallazgos, y una vez terminada, se regresa al nodo pendiente.

Ronda de decisión

Cuando se agotan los nodos de comprensión y solo quedan lagunas de carácter decisorio, se anuncia explícitamente "de aquí en adelante no es aprendizaje, sino decisión" y se hace la transición. Se detiene la evaluación y se recogen opiniones. Se añaden recomendaciones a las opciones, pero la decisión final la toma el usuario.

Ronda de rúbrica (opcional — solo cuando se conecta con la implementación)

Cuando el usuario da una señal de que quiere conectar esta comprensión con una especificación o implementación (mencionar rúbrica, "hagamos esto con esto") — si es explícita, de inmediato; si es un matiz, se confirma una vez — se anuncia explícitamente "de aquí en adelante no es comprensión, sino concreción de rúbrica" y se hace la transición.

  • Usando el mapa, la tabla de hallazgos y las decisiones tomadas como base, se establece primero un borrador de rúbrica (filas de criterios + condiciones de cumplimiento), y los espacios en blanco y filas ambiguas se llenan mediante entrevista.
  • Cada fila se redacta de manera que la implementación pueda verificarla — no se incluyen criterios no verificables en la rúbrica.
  • Si durante la entrevista surge una laguna de comprensión, se explora ese nodo y se regresa (siguiendo las reglas de inmersión profunda).
  • Cuando la rúbrica cubre el objetivo del usuario, se propone finalizar. La decisión de finalización la toma el usuario; a partir de ahí (documentación de la especificación, implementación) está fuera de esta habilidad.

Finalización

Cuando se agotan las decisiones, se muestra un resumen del mapa final y de toda la tabla de hallazgos, y se propone finalizar. El usuario decide si terminar o seguir explorando. El usuario puede detenerse en cualquier momento intermedio.

Reglas permanentes

  • Si el usuario parece no conocer un término, se descifra en el acto — si se pasa por alto, todo lo que sigue se derrumba.
  • Si se usa una metáfora, se aterriza con un ejemplo real (ejemplo concreto, pantalla, datos).
  • Antes de afirmar algo, se presenta primero "por qué no puede ser de otra manera". No se usan estados temporales ("ahora no está disponible") como justificación, ni se asume el comportamiento de componentes no diseñados.
  • Las reglas existentes no se mencionan solo por su nombre; se abre la fuente y se confirma su aplicación.
  • Si se está equivocado, se retira explícitamente con un número — la retirada aumenta la confianza.
  • No se traslada la decisión al usuario con una tabla comparativa de opciones. Se da una respuesta y una razón.

Skills relacionados