Mapa de la ruta
Contenido detallado
💻 Incorporación + informe de auditoría
El par de skills que da inicio a un proyecto de consultoría: genera el paquete completo de onboarding del cliente y convierte tus notas de auditoría en un AI Readiness Report profesional.
Un paquete estandarizado —contrato de alcance, cuestionario, checklist de accesos y cronograma— que todo proyecto nuevo necesita antes de la primera línea de trabajo.
Es el entregable más repetitivo del consultor. Automatizarlo libera horas por cliente y da una primera impresión profesional.
Alcance, partes interesadas, accesos, expectativas, cronograma: los cinco pilares de cualquier kickoff.
Los artefactos que produce la skill: documento de bienvenida, cuestionario de descubrimiento, lista de credenciales que hay que recopilar y plan de la semana 1.
Conocer cada artefacto te permite adaptarlo a tu nicho sin reinventar la estructura.
Template, placeholder, variable del cliente, documento generado.
La segunda skill toma notas de auditoría sin procesar y prepara un informe de preparación para IA con una calificación, hallazgos y una hoja de ruta.
Es el entregable que justifica el valor de la consultoría: convierte la observación en una recomendación práctica.
Readiness score, hallazgo, impacto, esfuerzo, roadmap priorizado.
Los ejes evaluados: datos, procesos, equipo, infraestructura y casos de uso que se pueden priorizar.
Ofrece un framework reutilizable para cualquier empresa, en lugar de una opinión aislada.
Madurez de datos, automatización, apalancamiento, quick win.
El Onboarding inicia el proyecto y recopila el contexto; el Audit Report cierra el diagnóstico. El resultado de uno es la entrada del otro.
Las skills encadenadas forman un producto de consultoría completo, no dos utilidades aisladas.
Encadenamiento, handoff, contexto compartido, productización.
Escribir un SKILL.md que genere el paquete y el informe con tu marca, tus campos y tu tono.
La skill genérica es el punto de partida; lo que la diferencia es su especialización.
Frontmatter, activadores, plantilla versionada, references/.
📊 Auditor de SEO + AI Search
Una skill que audita cualquier sitio para SEO tradicional Y visibilidad en búsquedas de IA (AEO) de una sola vez: robots.txt, llms.txt, schema, Core Web Vitals y un plan de acción priorizado.
El SEO apunta a Google; el AEO (Answer Engine Optimization) apunta a ChatGPT, Perplexity y Gemini. La skill hace ambas cosas al mismo tiempo.
La mayoría de las herramientas ignora uno de los lados. Cubrir ambos es la ventaja competitiva.
SEO, AEO, motores de respuesta, citas de IA.
La verificación de cuáles crawlers de IA (GPTBot, ClaudeBot, PerplexityBot) está bloqueando el sitio sin saberlo.
Una regla incorrecta en robots.txt y nunca aparecerás en las respuestas de IA: es el error más costoso y más común.
User-agent, Disallow, rastreador de IA, prioridad alta.
Un archivo legible por máquina que indica a las IA dónde está el contenido de autoridad. La skill genera llms.txt e llms-full.txt listos.
Es la acción de AEO de mayor impacto que la mayoría de los sitios aún no ha realizado.
llms.txt, llms-full.txt, autoridad, deploy.
JSON-LD (FAQPage, Organization, Article) y el método del bloque de respuesta: pregunta en el H2, respuesta directa justo debajo.
La estructura es lo que permite que la IA extraiga y cite tu contenido con confianza.
JSON-LD, FAQPage, bloque de respuestas, pirámide invertida.
La secuencia que ejecuta la skill: busca archivos centrales, revisa bots, detecta el schema y genera el informe priorizado.
Entender el workflow permite confiar en el resultado y ampliarlo (análisis de competidores en paralelo).
web_fetch, subagentes, quick win, plan priorizado.
La estructura de la skill real: SKILL.md con el playbook, audit.sh, generador de llms.txt y tres guías de referencia.
Muestra la divulgación progresiva en la práctica: el SKILL.md es conciso y delega en los references.
scripts/, references/, árbol de decisiones, divulgación progresiva.
🚀 RAG Architect
La skill que analiza tus datos, elige entre cuatro arquitecturas de RAG y te explica por qué, antes de que escribas una línea. Entrega un plan y código inicial ejecutable, no stubs.
La idea central: tratar todos los datos igual («chunking, embedding, búsqueda») falla cuando los datos se vuelven complejos. La arquitectura depende de los datos.
Elegir la arquitectura incorrecta es la causa n.º 1 de que RAG recupere información equivocada.
RAG, retrieval, chunk, embedding, arquitectura basada en datos.
Es para cualquiera que conecte datos a un LLM — ni siquiera necesitas saber qué significa RAG. Describes los datos; la skill decide.
Posiciona la skill como una herramienta de consultoría: el cliente habla de negocios y ella, de arquitectura.
Señales del dato, cardinalidad, escala, patrón de consulta.
Naive (dato simple), Advanced (búsqueda híbrida + códigos exactos), Modular/Agentic (múltiples fuentes con enrutador) y Graph (relaciones entre entidades).
Conocer las cuatro y sus desencadenantes es el núcleo de la decisión de arquitectura.
Búsqueda híbrida, query router, índices separados, grafo de conocimiento.
Tamaño de chunk justificado, modelo de embedding, elección de base de datos vectorial y método de recuperación por arquitectura.
Los números mágicos (chunk, top-k) solo sirven si sabes por qué y cómo ajustarlos.
Tamaño de los fragmentos, solapamiento, top-k, reranking, pgvector.
La skill genera ingest.ts, query.ts, config.ts con las migraciones SQL completas y un README que sirve como guía de configuración.
El código que funciona a la primera es lo que distingue una skill útil de un generador de boilerplate.
Scaffold, migrations, sin stub, conocimiento del stack.
Escribir un SKILL.md que guíe las 5 fases —entender los datos, recomendar, planificar, scaffold y build— con las cuatro arquitecturas como conocimiento.
Es el ejemplo más avanzado de la ruta: una skill que aplica criterio de ingeniería, no solo genera texto.
Workflow por fases, recomendación justificada, build companion.