Communitygithub.com

trace

Carril de rastreo basado en evidencia que orquesta hipótesis competidoras en el modo de equipo incorporado de Claude.

¿Qué es trace?

La habilidad `trace` transforma el agente `tracer` incorporado de Claude en un carril de operación OMC reutilizable para preguntas causales y con alta carga de evidencia, donde el objetivo es explicar **por qué** ocurrió un resultado observado. Soporta el modo de equipo incorporado de Claude y está diseñada para problemas ambiguos como fallos en tiempo de ejecución, regresiones, cuellos de botella de rendimiento o análisis post-mortem de arquitectura. La habilidad sigue un contrato claro de siete pasos: observación, generación de hipótesis competidoras, recolección paralela de evidencia a favor y en contra, clasificación por fuerza de evidencia, ronda de refutación, detección de convergencia y propuesta de la sonda discriminatoria de mayor valor. Incluye reglas de falsación sólidas, lentes de verificación obligatorias (sistemas, premortem, ciencia), y tres carriles predeterminados: causa de ruta de código/implementación, causa de configuración/entorno/orquestación, y discrepancia de medición/artefacto/suposición. El resultado final es una síntesis clasificada con clasificación explícita, evidencia faltante y el siguiente paso óptimo para colapsar la incertidumbre.

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

Preguntar en tu IA favorita

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

Documentación

Habilidad Trace

Usa esta habilidad para preguntas ambiguas, causales y con mucha evidencia donde el objetivo es explicar por qué ocurrió un resultado observado, no saltar directamente a arreglar o reescribir código.

Esta es la capa de orquestación sobre el agente tracer incorporado. El objetivo es hacer que el rastreo se sienta como un carril de operación OMC reutilizable: reformular la observación, generar explicaciones competidoras, recopilar evidencia en paralelo, clasificar las explicaciones y proponer la siguiente sonda que colapsaría la incertidumbre más rápido.

Casos de entrada adecuados

Usa /oh-my-claudecode:trace cuando el problema sea:

  • ambiguo
  • causal
  • con mucha evidencia
  • mejor respondido explorando explicaciones competidoras en paralelo

Ejemplos:

  • errores y regresiones en tiempo de ejecución
  • comportamiento de rendimiento / latencia / recursos
  • análisis de arquitectura / premortem / postmortem
  • rastreo de resultados científicos o experimentales
  • explicación de comportamiento de configuración / enrutamiento / orquestación
  • "dado este resultado, rastrea hacia atrás las causas probables"

Contrato central de rastreo

Siempre preserva estas distinciones:

  1. Observación -- lo que realmente se observó
  2. Hipótesis -- explicaciones competidoras
  3. Evidencia a Favor -- lo que respalda cada explicación
  4. Evidencia en Contra / Vacíos -- lo que la contradice o aún falta
  5. Mejor Explicación Actual -- la explicación principal en este momento
  6. Desconocido Crítico -- el hecho faltante que mantiene separadas las mejores explicaciones
  7. Sonda Discriminatoria -- el siguiente paso de mayor valor para colapsar la incertidumbre

No colapses en:

  • un bucle genérico de arreglar código
  • un resumen genérico de depuración
  • un volcado bruto de la salida del trabajador
  • certeza falsa cuando la evidencia está incompleta

Jerarquía de fuerza de evidencia

Trata la evidencia como clasificada, no plana.

De más fuerte a más débil:

  1. Reproducciones controladas / experimentos directos / artefactos únicamente discriminadores
  2. Artefactos de fuente primaria con procedencia ajustada (eventos de rastreo, registros, métricas, salidas de referencia, configuraciones, historial de git, comportamiento archivo:línea)
  3. Múltiples fuentes independientes convergiendo en la misma explicación
  4. Inferencia de ruta de código o comportamiento de una sola fuente
  5. Pistas circunstanciales débiles (tiempo, nombres, orden de pila, similitud con errores anteriores)
  6. Intuición / analogía / especulación

Degrada explícitamente las hipótesis que dependen principalmente de niveles inferiores cuando existe evidencia contradictoria más fuerte.

Reglas sólidas de falsación / refutación

Cada ejecución seria de /trace debe intentar falsificar su propia explicación favorita.

Para cada hipótesis principal:

  • recopila evidencia a favor de ella
  • recopila evidencia en contra de ella
  • indica qué predicción distintiva hace
  • indica qué observación sería difícil de conciliar con ella
  • identifica la sonda más barata que la discriminaría de la siguiente mejor alternativa

Degrada una hipótesis cuando:

  • la evidencia directa la contradice
  • sobrevive solo añadiendo nuevas suposiciones no verificadas
  • no hace ninguna predicción distintiva en comparación con las rivales
  • una alternativa más fuerte explica los mismos hechos con menos suposiciones
  • su apoyo es principalmente circunstancial mientras que la rival tiene niveles de evidencia más fuertes

Forma de orquestación en modo equipo

Usa el modo de equipo incorporado de Claude para /trace.

El líder debe:

  1. Reformular con precisión el resultado observado o la pregunta "por qué"
  2. Extraer el objetivo de rastreo
  3. Generar múltiples hipótesis candidatas deliberadamente diferentes
  4. Generar 3 carriles de rastreador por defecto en modo equipo
  5. Asignar un trabajador rastreador por carril
  6. Instruir a cada trabajador rastreador para recopilar evidencia a favor y en contra de su carril
  7. Ejecutar una ronda de refutación entre la hipótesis principal y la alternativa más fuerte restante
  8. Detectar si los carriles principales realmente difieren o convergen en la misma causa raíz
  9. Fusionar los hallazgos en una síntesis clasificada con un desconocido crítico explícito y una sonda discriminatoria

Importante: los trabajadores deben perseguir explicaciones deliberadamente diferentes, no la misma explicación en paralelo.

Carriles de hipótesis predeterminados para v1

A menos que el mensaje sugiera fuertemente una mejor partición, usa estos 3 carriles predeterminados:

  1. Causa de ruta de código / implementación
  2. Causa de configuración / entorno / orquestación
  3. Causa de discrepancia de medición / artefacto / suposición — cubre defectos del método de verificación, no solo defectos del sistema. Ejemplos: la consulta de verificación reutiliza una única clave dimensional en entidades, inquilinos, flujos o grupos distintos; la forma del filtro de comparación no coincide con el grano del esquema; o el nombre del catálogo o columna se supuso portable entre tiempos de ejecución sin enumeración. Esto incluye discrepancias entre entidades de premisa/suposición clave.

Para el carril 3, las discrepancias entre entidades necesitan una auditoría de premisa antes de escalar: enumera las dimensiones de la entidad y verifica si un resultado de cero filas o de discrepancia provino de aplicar una clave a través de múltiples entidades en lugar de un defecto del sistema; el resultado puede ser un defecto de metodología de verificación.

Estos valores predeterminados son intencionalmente amplios para que el primer corte funcione en rastreo de errores, rendimiento, arquitectura y experimentos.

Lentes de verificación obligatorias

Después de la primera pasada de evidencia, pon a prueba a los líderes con estos lentes cuando sea relevante:

  • Lente de sistemas -- colas, reintentos, contrapresión, bucles de retroalimentación, dependencias ascendentes/descendentes, fallos en límites, efectos de coordinación
  • Lente premortem -- asume que la mejor explicación actual está incompleta o es incorrecta; ¿qué modo de fallo avergonzaría el rastreo más tarde?
  • Lente científica -- controles, factores de confusión, sesgo de medición, variables alternativas, predicciones falsables

Estos lentes no son relleno. Úsalos cuando puedan sacar a la luz una explicación pasada por alto, una dependencia oculta o una inferencia débil.

Contrato del trabajador

Cada trabajador debe ser un propietario de carril tracer, no un ejecutor genérico.

Cada trabajador debe:

  • ser propietario de exactamente un carril de hipótesis
  • reformular explícitamente su hipótesis de carril
  • recopilar evidencia a favor del carril
  • recopilar evidencia en contra del carril
  • clasificar la fuerza de la evidencia detrás de su caso
  • señalar evidencia faltante, predicciones fallidas e incertidumbre restante
  • nombrar el desconocido crítico para el carril
  • recomendar la mejor sonda discriminatoria específica del carril
  • evitar colapsar en implementación a menos que se le indique explícitamente que lo haga

Las fuentes de evidencia útiles incluyen:

  • código relevante, pruebas, configuraciones, documentación, registros, salidas y artefactos de referencia
  • artefactos de rastreo existentes a través de trace_timeline
  • evidencia de rastreo agregada existente a través de trace_summary

Estructura de retorno recomendada para el trabajador:

  1. Carril
  2. Hipótesis
  3. Evidencia a Favor
  4. Evidencia en Contra / Vacíos
  5. Fuerza de la Evidencia
  6. Desconocido Crítico
  7. Mejor Sonda Discriminatoria
  8. Confianza

Contrato de síntesis del líder

La respuesta final de /trace debe sintetizar, no solo concatenar.

Devuelve:

  1. Resultado Observado
  2. Hipótesis Clasificadas
  3. Resumen de Evidencia por Hipótesis
  4. Evidencia en Contra / Evidencia Faltante
  5. Ronda de Refutación
  6. Notas de Convergencia / Separación
  7. Explicación Más Probable
  8. Desconocido Crítico
  9. Sonda Discriminatoria Recomendada
  10. Carriles de Rastreo Adicionales (opcional, solo si la incertidumbre sigue siendo alta)

Preserva una lista corta clasificada incluso si una explicación es actualmente dominante.

Ronda de refutación y detección de convergencia

Antes de cerrar el rastreo:

  • deja que el carril no líder más fuerte presente su mejor refutación al líder actual
  • obliga al líder a responder a la refutación con evidencia, no con afirmación
  • si la refutación debilita materialmente al líder, re-clasifica la tabla
  • si dos hipótesis "diferentes" se reducen al mismo mecanismo subyacente, fúndelas y dilo explícitamente
  • si dos hipótesis aún implican diferentes sondas siguientes, mantenlas separadas incluso si suenan similares

No afirmes convergencia solo porque múltiples trabajadores usan lenguaje similar. La convergencia requiere:

  • el mismo mecanismo causal raíz, o
  • flujos de evidencia independientes que apuntan a la misma explicación

Guía explícita de degradación

El líder debe decir explícitamente por qué una hipótesis bajó:

  • contradicha por evidencia más fuerte
  • carece de la observación que predijo
  • requiere suposiciones ad hoc adicionales
  • explica menos hechos que el líder
  • perdió la ronda de refutación
  • convergió en una explicación principal más fuerte

Esto es importante porque /trace debe enseñar al lector por qué una explicación supera a otra, no solo presentar una tabla final.

Esqueleto de mensaje sugerido para el líder

Usa un mensaje de orquestación orientado al equipo como este:

  1. "Reformula la observación exactamente."
  2. "Genera 3 hipótesis deliberadamente diferentes."
  3. "Crea un carril de rastreador por hipótesis usando el modo de equipo incorporado de Claude."
  4. "Para cada carril, recopila evidencia a favor y en contra, clasifica la fuerza de la evidencia y nombra el desconocido crítico más la mejor sonda discriminatoria."
  5. "Aplica los lentes de sistemas, premortem y ciencia a los líderes si es útil."
  6. "Ejecuta una ronda de refutación entre las dos mejores explicaciones."
  7. "Devuelve una tabla de explicaciones clasificadas, notas de convergencia, el desconocido crítico y la mejor sonda discriminatoria única."

Nivel de calidad de salida

La buena salida de /trace es:

  • respaldada por evidencia
  • concisa pero rigurosa
  • escéptica de la certeza prematura
  • explícita sobre la evidencia faltante
  • práctica sobre la siguiente acción
  • explícita sobre por qué las explicaciones más débiles fueron degradadas

Ejemplo de forma de síntesis final

Resultado Observado

[Lo que sucedió]

Hipótesis Clasificadas

RangoHipótesisConfianzaFuerza de EvidenciaPor qué lidera
1...Alta/Media/BajaFuerte/Moderada/Débil...

Resumen de Evidencia por Hipótesis

  • Hipótesis 1: ...
  • Hipótesis 2: ...
  • Hipótesis 3: ...

Evidencia en Contra / Evidencia Faltante

  • Hipótesis 1: ...
  • Hipótesis 2: ...
  • Hipótesis 3: ...

Ronda de Refutación

  • Mejor refutación al líder: ...
  • Por qué el líder se mantuvo / falló: ...

Notas de Convergencia / Separación

  • ...

Explicación Más Probable

[Mejor explicación actual]

Desconocido Crítico

[Único hecho faltante que mantiene abierta la incertidumbre]

Sonda Discriminatoria Recomendada

[Única sonda siguiente]

Carriles de Rastreo Adicionales

[Solo si la incertidumbre sigue siendo alta]

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