Communitygithub.com

yezhwi/framework-distillation

Convierte frameworks de código abierto en manuales de arquitectura para humanos e IA.

¿Qué es framework-distillation?

Framework Distillation es una habilidad especializada para agentes de IA (compatible con Claude Code, Cursor, Codex y otros) que se enfoca en extraer la arquitectura subyacente de frameworks de código abierto, yendo más allá del README y la API pública. Su propósito es ayudar a ingenieros y equipos a comprender el modelo de ejecución (runtime), el ciclo de vida, las máquinas de estado, los mecanismos de extensión y las compensaciones (tradeoffs) de diseño, de modo que puedan reproducir una arquitectura similar en otro lenguaje o dominio. La habilidad guía al agente a través de un flujo de trabajo estructurado: primero verifica la pertinencia de la solicitud, elige la profundidad del análisis (mini, estándar o profunda), escanea la documentación y el código, y finalmente destila reglas reutilizables. Es especialmente útil para estudiar runtimes de agentes, motores de flujo de trabajo, frameworks de máquinas de estado, sistemas de plugins y plataformas de orquestación. La salida puede ser un resumen rápido (mini), una extracción completa (standard) o un análisis exhaustivo para reproducción (deep), y siempre prioriza la arquitectura sobre las listas de características, la razón sobre la sintaxis y el diseño sobre la API.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add yezhwi/framework-distillation

Preguntar en tu IA favorita

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

Documentación

Destilación de Frameworks

Resumen

Extrae arquitectura, no código.

Usa esta habilidad para realizar ingeniería inversa de la forma del framework, modelo de ejecución, puntos de extensión y compensaciones de ingeniería, de modo que otra IA o equipo pueda reproducir una arquitectura similar en otro lenguaje o dominio.

Cuándo Usarlo

  • Ingeniería inversa de la arquitectura de un framework más allá del README y la API pública
  • Estudio del runtime, ciclo de vida, máquina de estados o mecanismo de extensión
  • Reproducción de un framework similar en otro lenguaje o dominio
  • Creación de paquetes de conocimiento de arquitectura legibles por IA
  • Comparación de frameworks por arquitectura y compensaciones

Objetivos típicos: runtimes de agentes, motores de flujo de trabajo, frameworks de máquinas de estado, sistemas de plugins, plataformas de orquestación.

Cuándo No Usarlo

  • Solo resumen del README
  • Tutorial de API o guía de uso
  • Recorrido línea por línea del código
  • Reimplementación por copia y pega
  • Inventario de características sin análisis de compensaciones

Si la solicitud es cercana pero no es precisa, redirige el alcance primero.

Entradas Requeridas

Mínimo:

  • URL del repositorio o ruta local del código fuente

Recomendado:

  • Nombre del framework
  • Objetivo del análisis
  • Lenguaje o dominio de implementación objetivo
  • Profundidad: mini, standard o deep
  • Áreas de enfoque

Principio Central

Arquitectura > Código
Razón > Sintaxis
Diseño > API
Compensación > Característica
Principios > Implementación

Flujo de Trabajo

  1. Verifica la adecuación; rechaza o redirige solicitudes de tutorial/API/archivo por archivo.
  2. Elige la profundidad según el objetivo. Por defecto standard; usa mini para un primer paso rápido, deep para una reproducción exhaustiva.
  3. Escanea la documentación, pruebas, ejemplos y la estructura del repositorio antes de una lectura profunda del código fuente.
  4. Extrae arquitectura, runtime, estado, modelo de datos, puntos de extensión, decisiones y compensaciones.
  5. Destila reglas reutilizables y produce la salida acorde al modo elegido y al objetivo de reproducción.

Reglas de Ejecución

  • Comienza con la arquitectura, no con listas de características.
  • No te desvíes hacia tutoriales, inventarios de API o recorridos archivo por archivo.
  • Fundamenta las afirmaciones con evidencia del código, documentación, pruebas, ejemplos o historial de commits cuando esté disponible.
  • Distingue los hechos observados de las inferencias; usa Observado, Inferencia fuerte, Inferencia tentativa cuando la evidencia sea escasa.
  • Indica explícitamente el acceso incompleto al repositorio o la evidencia débil.
  • Adapta el análisis al lenguaje, dominio, áreas de enfoque y criterios de comparación objetivo.

Modos de Salida

  • mini — resumen rápido de arquitectura en un primer paso
  • standard — extracción completa de arquitectura para la mayoría de los estudios
  • deep — ingeniería inversa exhaustiva para reproducción del framework

Detalles en:

  • references/output-modes.md
  • references/analysis-checklist.md
  • references/deliverables.md

Anti-patrones

Evita:

  • Resumir solo el README
  • Listar APIs sin arquitectura
  • Explicar ejemplos sin extraer el diseño
  • Describir código sin preguntar por qué existe
  • Ignorar compensaciones, caminos de fallo o puntos de extensión
  • Copiar la implementación en lugar de destilar principios
  • Declarar filosofía o fundamentos como un hecho cuando la evidencia es débil
  • Comparar frameworks solo por una lista de características

Referencias de Apoyo

  • references/output-modes.md — formatos de salida, plantillas, diagramas
  • references/analysis-checklist.md — lista de verificación de análisis y puerta de calidad
  • references/deliverables.md — estructura de entregables y prompt de simulación para IA
  • references/self-test.md — revisión de lagunas y correcciones aplicadas
  • references/simulated-dialogue-tests.md — prompts de presión y tarjeta de puntuación

Skills relacionados