Communitygithub.com

skillify

Convierte un flujo de trabajo repetible de la sesión actual en un borrador de skill OMC reutilizable.

¿Qué es skillify?

Skillify es una habilidad diseñada para que agentes de IA (como Claude Code o Cursor) capturen flujos de trabajo repetitivos descubiertos durante una sesión y los conviertan en borradores de skills OMC (Open Model Context) reutilizables. La habilidad garantiza que solo se extraigan workflows que impliquen esfuerzo real de depuración, diseño u operaciones, evitando fragmentos genéricos o ejemplos de bibliotecas. El proceso incluye identificar la tarea repetible, extraer entradas, pasos ordenados, criterios de éxito, restricciones y evidencia de verificación, así como decidir la ubicación óptima del skill (repositorio, proyecto/usuario o solo documentación). Al redactar un skill aprendido, Skillify exige un archivo completo con frontmatter YAML y lo escribe en rutas planas como `${CLAUDE_CONFIG_DIR:-~/.claude}/skills/omc-learned/<skill-name>.md` o `.omc/skills/<skill-name>.md`. La habilidad es útil para cualquier desarrollador que trabaje con flujos de trabajo complejos y quiera evitar rediscovery manual, promoviendo la creación de skills prácticos y bien definidos con criterios explícitos de éxito y verificación.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Yeachan-Heo/oh-my-claudecode/tree/main/skills/skillify

Preguntar en tu IA favorita

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

Documentación

¿Qué hace skillify?

Usa esta habilidad cuando la sesión actual haya descubierto un flujo de trabajo repetible que debería convertirse en un borrador de skill OMC reutilizable.

Objetivo

Capturar un flujo de trabajo exitoso de múltiples pasos como un borrador de skill concreto, en lugar de redescubrirlo más tarde.

Control de calidad

Antes de extraer un skill, las tres condiciones deben ser verdaderas:

  • "¿Podría alguien buscar esto en Google en 5 minutos?" → No.
  • "¿Es esto específico de este código base, proyecto o flujo de trabajo?" → Sí.
  • "¿Requirió esto un esfuerzo real de depuración, diseño u operación para descubrirlo?" → Sí.

Prefiere skills que codifiquen heurísticas de toma de decisiones, restricciones, dificultades y pasos de verificación. Evita fragmentos genéricos, plantillas o ejemplos de uso de bibliotecas que pertenezcan a la documentación normal.

Flujo de trabajo

  1. Identifica la tarea repetible que la sesión logró.
  2. Extrae:
    • entradas
    • pasos ordenados
    • criterios de éxito
    • restricciones / dificultades
    • evidencia de verificación
    • mejor ubicación objetivo para el skill
  3. Decide si el flujo de trabajo pertenece como:
    • un skill incorporado del repositorio
    • un skill aprendido de usuario/proyecto
    • solo documentación
  4. Al redactar un archivo de skill aprendido, genera un archivo de skill completo que comience con frontmatter YAML.
    • Nunca emitas archivos de skill solo en markdown.
    • No escribas markdown plano sin frontmatter.
    • Frontmatter mínimo:
      ---
      name: <nombre-del-skill>
      description: <descripción de una línea>
      triggers:
        - <trigger-1>
        - <trigger-2>
      ---
      
    • Escribe skills aprendidos/de usuario/proyecto en rutas planas respaldadas por archivos:
      • ${CLAUDE_CONFIG_DIR:-~/.claude}/skills/omc-learned/<nombre-del-skill>.md
      • .omc/skills/<nombre-del-skill>.md
    • Recuerda que los skills no confirmados (sin commit) son locales al árbol de trabajo hasta que se confirmen o copien a un directorio de nivel de usuario.
  5. Redacta el resto del archivo del skill con triggers claros, pasos, criterios de éxito y dificultades.
  6. Señala cualquier cosa que aún sea demasiado imprecisa para codificarla de manera segura.

Reglas

  • Solo captura flujos de trabajo que sean realmente repetibles.
  • Mantén el skill práctico y acotado.
  • Prefiere criterios de éxito explícitos sobre prosa vaga.
  • Si el flujo de trabajo aún tiene decisiones de ramificación sin resolver, menciónalas antes de redactar.
  • Mantén omc-learned como el nombre del directorio de almacenamiento por compatibilidad; no lo presentes como el nombre público de invocación.

Salida

  • Nombre propuesto del skill
  • Ubicación objetivo
  • Estructura del borrador del flujo de trabajo o archivo de skill completo
  • Notas de verificación o control de calidad
  • Preguntas abiertas, si las hay

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

agent-doc-discipline

Writing-time discipline for documents agents consume (the five surfaces, specs, tickets, .omc/skills/) — every rule checkable and carrying a why, steps before reference, one meaning in one home, no restating what the environment already says. Mandatory at drydock seed generation and the launch C5 sediment pass; opt-in for any other agent-facing doc edit. The companion of minimal-code-discipline: that one disciplines code, this one disciplines papers.

ai-slop-cleaner

Clean AI-generated code slop with a regression-safe, deletion-first workflow and optional reviewer-only mode

ask

Process-first advisor routing for Claude, Codex, Gemini, Antigravity, Grok, or Cursor via `omc ask`, with artifact capture and no raw CLI assembly

ask-navigator

Shipyard

autopilot

Full autonomous execution from idea to working code

autoresearch

Stateful single-mission improvement loop with strict evaluator contract, markdown decision logs, and max-runtime stop behavior

cancel

Cancel any active OMC mode (autopilot, ralph, ultragoal, swarm, ultrapilot, pipeline, team) and clean up retired legacy state

configure-notifications

Configure notification integrations (Telegram, Discord, Slack) via natural language

debug

Diagnose the current OMC session or repo state using logs, traces, state, and focused reproduction

deepinit

Deep codebase initialization with hierarchical AGENTS.md documentation

deep-interview

Socratic deep interview with mathematical ambiguity gating before explicit execution approval

drydock

Lay the keel of the shipyard harness in any repo — the 4-pillar shared environment (Context, Rules, Tools, Standards) across 5 surfaces (CLAUDE.md, skills, design-system, mcp/cli, shared context) so that every human and agent inherits the same design language and anyone can ship. Run once per repo; re-run with --check to audit drift.

execute

Carry an approved task through to working, verified code

external-context

Invoke parallel document-specialist agents for external web searches and documentation lookup

graph

Deterministic orchestration graph runtime - declarative DAG pipelines with journal-based crash recovery

harbor

Harbor intake for external work — the captain only handles unresolved decisions. Sweeps incoming issues and PRs, verifies every claim before disposition, reuses every decision already made, and hands the maintainer a docket whose pending items each carry one question with options, recommendation, impact and evidence. Agent-autonomous for facts and for actions covered by standing authorization; signed for every new judgment. Never merges.

hud

Configure HUD display options (layout, presets, display elements)

launch

Shipyard

loft

Loft the shape before cutting steel — answer a design question that prose cannot settle by building a throwaway artifact: a pure logic module in a clickable shell, or structurally different UI variants behind one route. The captain reacts to the artifact; the answer folds into the decision; the artifact never docks. Use when a design question stalls in words, when a navigator map carries a loft ticket, or when a spec discussion reaches

minimal-code-discipline

YAGNI-ladder coding discipline for writing changes — existence-first, reuse before writing, dependency ladder, shortest correct diff, with non-negotiables that must never be minimized away

Skills relacionados