CommunityProgramación y desarrollogithub.com

sk-python

Escribe y depura Python prestando atención a las trampas que producen un comportamiento incorrecto silencioso — valores predeterminados mutables, cierres de enlace tardío, copias superficiales, excepciones tragadas — además de tipado, entorno y empaquetado con uv o venv, y estructura de pytest. Úsalo al escribir un script, servicio o biblioteca en Python, al configurar un proyecto Python o al depurar un comportamiento que parece imposible.

¿Qué es sk-python?

sk-python es una habilidad diseñada para ayudar a desarrolladores y agentes de IA a escribir y depurar código Python de forma robusta, evitando las trampas más comunes que fallan silenciosamente. Cubre aspectos esenciales como el manejo correcto de argumentos mutables, cierres de enlace tardío, copias superficiales, comparación de tipos y el uso de is versus ==. También guía en la configuración del entorno de desarrollo, recomendando el uso de entornos virtuales y herramientas modernas como uv o venv, con dependencias declaradas en pyproject.toml y un archivo de bloqueo para garantizar la reproducibilidad. La habilidad enfatiza el tipado estático con anotaciones en las firmas de funciones, la verificación con un comprobador de tipos en CI, y el uso de estructuras de datos como dataclasses o modelos de validación en los límites del sistema. Finalmente, incluye buenas prácticas para pruebas con pytest, rendimiento (medir antes de optimizar, usar asyncio para E/S, procesos para CPU) y modismos como comprehensions correctas, pathlib y generadores. Es compatible con cualquier proyecto Python y se integra de manera natural en flujos de trabajo con Claude Code, Cursor, Codex, o cualquier agente de IA que lea markdown.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/vanhuydotcom/sk-skills/tree/HEAD/skills/sk-python

Installed? Explore more Programación y desarrollo skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Preguntar en tu IA favorita

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

Documentación

Python

Python es fácil de escribir y fácil de equivocarse de forma sutil. Esto cubre las trampas que fallan silenciosamente y la configuración del proyecto que evita un entorno roto.

Trampas que fallan silenciosamente

Los argumentos predeterminados mutables se evalúan una vez, en la definición, y son compartidos por cada llamada:

def add(item, bucket=[]):   # mal: bucket persiste entre llamadas
def add(item, bucket=None): # bien
    bucket = [] if bucket is None else bucket

Los cierres (closures) se vinculan tarde. Una lambda creada en un bucle captura la variable, no su valor, por lo que cada una de ellas ve el valor final. Vincúlala explícitamente con un argumento predeterminado, o usa functools.partial.

is es identidad, no igualdad. Funciona para None, True y False, y para nada más. Parece funcionar para enteros pequeños y cadenas cortas porque están internados, que es exactamente lo que hace que el error sobreviva a las pruebas.

Las copias son superficiales. list(xs), xs[:] y dict(d) copian el contenedor y comparten los elementos. Las estructuras anidadas necesitan copy.deepcopy.

Un except: sin más captura todo, incluyendo KeyboardInterrupt y SystemExit. Captura la excepción específica, y nunca escribas except Exception: pass — si es realmente ignorable, regístrala y di por qué.

División de enteros y comparación de flotantes. / siempre produce un flotante; // redondea hacia menos infinito, así que -7 // 2 es -4. Nunca compares flotantes con ==; usa math.isclose, o Decimal para dinero.

Iterar una colección mientras se muta salta elementos. Construye una nueva lista, o itera una copia.

Los generadores se consumen una vez. Un segundo pase sobre el mismo generador no produce nada, lo que se lee como un resultado vacío en lugar de un error.

Entorno y empaquetado

Nunca instales en el intérprete del sistema. Crea un entorno virtual por proyecto y actívalo, o deja que uv lo gestione:

uv venv && uv pip install -e ".[dev]"     # o: python -m venv .venv

Declara las dependencias en pyproject.toml, y confirma un archivo de bloqueo para que el entorno sea reproducible. Un requirements.txt con versiones no fijadas no es reproducible y se romperá en una máquina futura.

Fija la versión de Python que soporta el proyecto y declárala en pyproject.toml. El comportamiento difiere entre versiones menores más de lo que la gente espera.

Cuando algo se importa en un lugar y no en otro, la causa casi siempre es el intérprete en lugar del código. Verifica which python y python -c "import sys; print(sys.executable)" antes de depurar la importación.

Tipos

Anota las firmas de las funciones — parámetros y retorno. El cuerpo rara vez necesita anotación; el límite siempre, porque es de lo que depende el otro código.

Ejecuta un comprobador de tipos en CI. Las anotaciones que nadie verifica se desactualizan y se convierten en documentación engañosa.

Usa X | None en lugar de un opcional por convención sin tipo, y haz que la opcionalidad sea visible en la firma. Prefiere tipos específicos sobre Any; cuando el tipo es genuinamente desconocido, usa el equivalente de unknown — object — y delimítalo, para que el comprobador fuerce la delimitación.

Para datos estructurados prefiere un dataclass, o un modelo de validación en el límite donde los datos llegan desde fuera. Un diccionario de cadenas pasado entre funciones pierde toda garantía en el primer error tipográfico.

Modismos que importan

Usa una comprensión cuando mapea o filtra, y un bucle cuando hace cualquier otra cosa. Una comprensión con un efecto secundario o tres cláusulas es más difícil de leer que el bucle que reemplazó.

Usa pathlib.Path en lugar de rutas de cadena, y un administrador de contexto para cualquier cosa que deba cerrarse — archivos, conexiones, bloqueos, directorios temporales.

Produce de un generador en lugar de construir una lista cuando la entrada es grande o no acotada; esta es la diferencia entre un script que transmite y uno que agota la memoria.

Usa enumerate, zip y dict.get con un valor predeterminado en lugar de aritmética de índices y comprobaciones de pertenencia. Son más rápidos y eliminan una clase de errores de desfase de uno.

Pruebas

pytest, con assert simple. Usa @pytest.mark.parametrize para casos basados en tablas en lugar de un bucle dentro de una prueba, para que cada caso se reporte por separado.

Pon la configuración compartida en un fixture con el ámbito más estrecho que funcione. Un fixture con ámbito de sesión que contiene estado mutable se filtra entre pruebas y produce fallos dependientes del orden.

Afirma la excepción específica con pytest.raises, incluyendo el mensaje cuando sea importante.

Rendimiento, cuando importa

Mide antes de optimizar — time.perf_counter para un número aproximado, cProfile para saber dónde va.

La ganancia habitual es mover el trabajo fuera del intérprete: un built-in, una comprensión, str.join en lugar de concatenación repetida, una búsqueda en set o dict en lugar de escanear una lista, o una llamada a una biblioteca vectorizada para trabajo numérico.

Para concurrencia con limitaciones de E/S usa asyncio o hilos; para trabajo con limitaciones de CPU usa procesos, porque el bloqueo global del intérprete significa que los hilos no ayudarán.

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

sk-api

Design and change API contracts (REST, gRPC, protobuf, events) so existing callers keep working, covering resource and method shape, error models, pagination, versioning and the deploy order a breaking change requires. Use when adding or altering an endpoint, message or event, or when judging whether a proposed change breaks a consumer.

sk-code-review

Shows an agent how to design, debug, or review "sk code review" so the concrete output is a code change with a check. The procedure moves through Code review, Establish the diff first, What to look for, in priority order. Use it when a new assignment calls for this craft.

sk-go-service

Implement, extend or debug a handler, service or repository in a Go backend service, covering context propagation, error wrapping, transaction boundaries, tenancy scoping and table-driven tests. Use when writing or changing Go server code, adding an endpoint or gRPC method, touching a repository query, or diagnosing a panic, leak or flaky test in a Go service.

sk-react

Build and fix React and TypeScript components, covering state placement, effect dependencies, data fetching, list rendering and the re-render traps that cause stale or looping UI. Use when writing or changing a React component or hook, debugging stale data, an infinite render loop or a lost input, or reviewing frontend code.

sk-system-design

Design or evaluate a distributed system from its constraints — service boundaries, synchronous versus event-driven communication, consistency, failure behaviour and capacity — and state the trade-off each choice buys. Use when splitting or merging services, choosing between a call and an event, deciding where data lives, reviewing an architecture proposal, or answering a system design question.

Skills relacionados