PTENES
RUTA 4

⚙️ Skills de Automatización y datos

Aquí las skills dejan de solo conversar y pasan a operar: revisan automatizaciones n8n como un ingeniero sénior, coordinan un pipeline multiagente que encuentra y enriquece leads locales, y puntúan cada lead en tres dimensiones para que sepas a quién contactar primero. Tres skills que se convierten en procesos repetibles.

Orquestador SKILL.md scraping enriquecimiento scoring website outreach … Lista puntuable por prioridad
3
Módulos
18
Temas
~2h30
Duración
Inter.
Nivel

Mapa de la ruta

Contenido detallado

4.1 ~50 min

🔍 n8n Workflow Reviewer

Una skill que hace que Claude revise tus automatizaciones de n8n como un arquitecto sénior: cinco categorías, hallazgos identificados nodo por nodo y una lista priorizada de correcciones.

Qué es:

Trata un workflow de n8n como código: tiene bugs, deuda técnica y puntos de falla. El reviewer hace la auditoría que harías en un pull request.

Por qué aprender:

Las automatizaciones fallan en producción justo donde nadie miró. Una revisión estructurada lo detecta antes de que lo haga el cliente.

Conceptos clave:

Auditoría estructurada · hallazgo accionable · perfil de ingeniero sénior · «sin rodeos».

Qué es:

La skill acepta JSON completo, JSON parcial, una descripción en texto, un mensaje de error o una captura del canvas, y adapta lo que puede revisar en cada formato.

Por qué aprender:

Aceptar una entrada imperfecta es lo que hace que la skill sea realmente usable: nadie tiene siempre el JSON limpio a mano.

Conceptos clave:

Entrada flexible · degradación honesta · "di qué no se puede evaluar".

Qué es:

El framework fijo: 🔴 errores que rompen, 🟡 error silencioso, 🔵 rendimiento, 🟢 mantenibilidad y ✅ lista de prioridades.

Por qué aprender:

Ejecutar siempre las mismas cinco categorías elimina el sesgo del revisor y garantiza una cobertura completa.

Conceptos clave:

Lista de verificación fija · severidad por color · «no omitas ninguna categoría».

Qué es:

Sin Error Trigger, sin retry, sin timeout, sin alerta cuando falla: el workflow «se ejecuta», pero pierde datos sin que nadie lo note.

Por qué aprender:

Es la categoría más valiosa: el error que aparece es fácil de detectar; lo que desaparece es lo que destruye la confianza en el sistema.

Conceptos clave:

Error Trigger · retry/timeout · alerta ante fallas · "qué dato va a desaparecer".

Qué es:

Llamadas innecesarias a la API, falta de paginación, bucles donde bastaría un batch, nodos con nombres predeterminados y lógica enterrada en expresiones.

Por qué aprender:

El costo oculto reduce el margen; los nombres malos hacen que el "yo de dentro de 6 meses" pierda horas. Ambos tienen una solución concreta.

Conceptos clave:

Batch > loop · paginación · nombres descriptivos · notas adhesivas.

Qué es:

Las reglas de tono (sé directo, nombra el node, indica el fix exacto), el formato de salida por categoría y el veredicto final con una nota del 0 al 10.

Por qué aprender:

Es la plantilla que adaptas para revisar cualquier artefacto técnico — no solo n8n.

Conceptos clave:

Tono directo · formato de hallazgo · puntuación honesta · SKILL.md de autoría propia.

Ver completo
4.2 ~55 min

🔥 Local Leads Abundance System

Un pipeline de skills que encuentra negocios locales en directorios, enriquece los contactos, crea un sitio web de regalo e inicia una conversación mediante el formulario: todo encadenado.

Qué es:

La visión general: cada paso es una skill y la salida de una es la entrada de la siguiente: un pipeline, no una skill gigante.

Por qué aprender:

Es el ejemplo canónico de combinar varias skills pequeñas en un sistema que entrega un resultado de principio a fin.

Conceptos clave:

Pipeline · contrato entre etapas · una skill por etapa.

Qué es:

Usar automatización del navegador para abrir cada tarjeta de un directorio, leer el perfil y estructurar los datos en una hoja de cálculo.

Por qué aprender:

La fuente de leads define la calidad de todo el embudo: los directorios preseleccionan negocios ya establecidos.

Conceptos clave:

Browser automation · fuente precalificada · dato estructurado.

Qué es:

Prueba un proveedor; si no lo encuentra, pasa al siguiente. Encadenar varias fuentes encuentra sitios web y LinkedIn con alta precisión.

Por qué aprender:

Ninguna fuente por sí sola cubre todo; la cascada maximiza la tasa de aciertos sin gastar en todas a la vez.

Conceptos clave:

Waterfall · fallback ordenado · costo creciente · precisión.

Qué es:

Para cada lead, crear una versión mejorada de su sitio (clon o rediseño) y enviársela como regalo para iniciar el diálogo.

Por qué aprender:

Es la diferencia entre el cold outreach genérico y un acercamiento en el que ya aportaste valor antes de pedir algo.

Conceptos clave:

Lead magnet · valor anticipado · personalización a escala.

Qué es:

El paso final completa y envía automáticamente el formulario de contacto del propio sitio web del negocio, con el regalo adjunto.

Por qué aprender:

Salir del canal saturado (cold email) cambia la tasa de respuesta, y la captura de pantalla del envío se convierte en prueba de entrega.

Conceptos clave:

Canal alternativo · comprobante de envío · automatización ética.

Qué es:

Cómo una skill orquestadora llama a cada etapa, pasa el CSV y guarda el progreso para retomar donde lo dejaste.

Por qué aprender:

Un pipeline largo necesita checkpoints y un contrato de datos, o un error en el paso 4 te hace repetir los pasos 1 a 3.

Conceptos clave:

Orquestación · checkpoint · contrato de CSV · idempotencia.

Ver completo
4.3 ~50 min

📊 Lead Scoring con Apify

Una skill de calificación que clasifica cada negocio, puntúa las marcas en tres dimensiones con una búsqueda en Google mediante Apify y las ordena por prioridad de contacto.

Qué es:

Asignar una puntuación a cada lead para ordenar la lista de contactos según la probabilidad de conversión, en vez de contactar al azar.

Por qué aprender:

El cuello de botella del outreach es tu tiempo. Priorizar leads es lo que multiplica el retorno del mismo esfuerzo.

Conceptos clave:

Priorización · ICP · scoring repetible y sin sesgos.

Qué es:

Antes de puntuar, la skill lee el sitio y clasifica el negocio: solo quien tiene un producto propio (brand) entra en el scoring.

Por qué aprender:

Evaluar a quien no es el público objetivo es un desperdicio. El filtro de clasificación elimina el ruido antes de consumir llamadas a la API.

Conceptos clave:

Árbol de decisión · señales en el HTML · filtrar antes de gastar.

Qué es:

Cada marca recibe de 0 a 50 por capacidad de desarrollo de productos, de 0 a 30 por madurez de datos y de 0 a 20 por madurez de marca.

Por qué aprender:

Las dimensiones con pesos explícitos hacen que el score sea fácil de entender: sabes por qué un lead obtuvo una puntuación alta, no solo que la obtuvo.

Conceptos clave:

Tres dimensiones · pesos 50/30/20 · score explicable.

Qué es:

La primera pasada solo lee el sitio (gratis); la segunda ejecuta 5 búsquedas en Google mediante Apify por marca para encontrar cargos en LinkedIn, vacantes y premios.

Por qué aprender:

Recopilar primero la señal barata y pagar por la búsqueda solo después es el patrón que mantiene bajo el costo por lead.

Conceptos clave:

Two-pass · señal gratis vs. paga · ~$0,045 por marca.

Qué es:

El score se convierte en un tier (≥70 Tier 1, 50–69 Tier 2, 30–49 Tier 3, <30 Tier 4) y el CSV incluye los sub-scores y la evidencia de cada uno.

Por qué aprender:

Un contrato de salida claro permite que la siguiente skill (outreach) consuma el resultado sin tener que adivinar.

Conceptos clave:

Tiers · evidencia por dimensión · contrato para downstream.

Qué es:

Dos modos (ejecución completa y --phase2-only) y un archivo de checkpoint que guarda después de cada marca para retomar de forma segura.

Por qué aprender:

El scoring de 78 marcas lleva horas; sin checkpoint, una interrupción cuesta tiempo y dinero de API repetidos.

Conceptos clave:

Punto de control · idempotencia · modos de operación · SKILL.md de autoría propia.

Ver completo
← Ruta 3 · Frontend Próxima Ruta · Consultoría →