🤖 El modelo es igual para todos
Empieza por la constatación incómoda: si usas Claude Opus 4.8 y tu competidor también, ambos parten exactamente del mismo lugar. El mismo prompt, en el mismo modelo, tiende a producir el mismo tipo de respuesta. El modelo se convirtió en commodity — un insumo idéntico para todos.
¿Eres nuevo aquí? Uno modelo (o LLM) es la IA que funciona detrás de cosas como ChatGPT y Claude. "El mismo modelo" significa que la inteligencia de base es literalmente la misma para cualquiera que lo use.
💡 La idea central
Si el modelo es igual, él no puede ser tu diferencial. Perseguir «el prompt perfecto» es optimizar la parte que todos ya tienen igual. La diferencia está en otro lugar, y los siguientes temas muestran dónde.
El modelo es un insumo igual para todos.
Mismo prompt → misma clase de output.
Afinar el prompt rinde poco por sí solo.
La ventaja está en el contexto.
🎨 Contexto, criterio y voz
Lo que hace que un resultado tu es lo que le agregas al modelo: tu contexto, tu gusto (taste), tu voz y tus decisiones. Eso es lo que hace que el output deje de sonar como "cualquier IA" y empiece a sonar como tú o como tu empresa.
¿Qué es el «contexto»? Es todo el conocimiento que le das al modelo además del pedido en sí: cómo tomas decisiones, ejemplos de tu estilo, reglas de tu negocio. En Claude Code, suele estar en skills e docs. Un skill es un fragmento de instrucciones reutilizable que el modelo carga cuando surge el tema.
✗ Sin tu contexto
- ✗Texto correcto, pero genérico: "suena a IA".
- ✗Decisiones según el promedio del mundo, no el tuyo.
- ✗Reescribes todo al final para que parezca tuyo.
✓ Con tu contexto
- ✓El output ya sale con tu voz y tus reglas.
- ✓Las decisiones reflejan tu forma de trabajar.
- ✓Menos retrabajo: aprueba más, reescribe menos.
Lo que aportas además de lo pedido.
Tu gusto y criterio de calidad.
La forma en que suena como tú.
Tus elecciones, no el promedio.
🧠 El problema es la extracción
Si el contexto es la ventaja, ¿por qué no está en tu sistema? Porque la parte verdaderamente difícil es la extracción: sacar el conocimiento de tu cabeza, donde vive de forma tácita y desorganizada, y ponerla en un formato que la IA pueda usar.
Conocimiento tácito vs. explícito. Tácito es lo que sabes hacer, pero no puedes explicar de inmediato (andar en bicicleta, «sentir» que un precio está mal). Explícito es lo que ya está escrito y organizado. grill-me existe para convertir lo tácito en explícito.
🔍 Por qué cuesta extraer
- • Ya sabes tanto que se salta pasos sin darte cuenta: la «maldición del conocimiento».
- • Muchas cosas solo aparecen cuando alguien pregunta directamente sobre ella.
- • Explicar el propio proceso expone partes que tú mismo no dominas tan bien como pensabas.
Lo sabes, pero no lo escribiste.
Ya está organizado y es legible.
La extracción, no el modelo.
Quien sabe se salta etapas.
💨 Un volcado de ideas no basta
La reacción natural es: «voy a volcar todo en Claude durante 5 minutos y será suficiente». Nunca es lo suficientemente bueno. El volcado libre queda a merced de tus propios puntos ciegos: hablas de lo que recuerdas, generalizas los matices y ni siquiera notas los vacíos.
✗ Volcado de ideas de 5 min
- ✗Tú decides qué es relevante y omites el resto.
- ✗Generaliza los matices («depende») sin dar detalles.
- ✗Los vacíos se vuelven invisibles: nadie los señala.
✓ Entrevista dirigida
- ✓Las preguntas sacan a la luz lo que no aportarías por tu cuenta.
- ✓Se recorre hasta el final cada rama de la decisión.
- ✓Los huecos se convierten en preguntas — y después, en flags.
🎯 Consejo
Cuando te descubras pensando "ya expliqué lo suficiente", es justo ahí cuando el grill-me cobra valor: la siguiente pregunta suele revelar algo que jamás habrías escrito espontáneamente.
No sabes qué omitiste.
Generalizar acaba con los detalles.
La pregunta deja al descubierto el vacío.
Es la señal de que te detuviste demasiado pronto.
🪓 Afilar el hacha
La frase atribuida a Lincoln resume la apuesta de grill-me: "Si tuviera 6 horas para cortar un árbol, dedicaría las primeras 4 a afilar el hacha." Analizar a fondo es la parte de afinar: invertir tiempo al principio para que todo lo demás fluya mucho mejor.
Las 4 horas afilando (parece improductivo)
La sesión de grill-me es lenta, repetitiva y a veces incómoda. Te invade la sensación de «esto es una pérdida de tiempo».
Las 2 horas cortando (el trabajo real)
Con el contexto extraído, la skill o el proyecto quedan mucho mejor desde el principio. El corte es rápido porque el hacha estaba afilada.
⏳ Paciencia productiva
El costo de «interrógame» se siente ahora; el retorno aparece después, repartido entre todas las veces que usas el skill o el documento resultante. Es una inversión, no un gasto.
Tiempo tedioso, pero corto.
En cada uso futuro.
No es un gasto, es capital.
La preparación le gana a la fuerza bruta.
📈 La curva de iteración
Ningún skill nace perfecto. Lo iteras. La cuestión es desde qué nivel partes. Sin grill-me, la primera iteración empieza cerca del 70% de acierto y sube despacio. Con grill-me, saltas a cerca del 90% desde la primera versión, y todavía iteras, pero desde mucho más arriba.
Mira los dos puntos de partida a la izquierda: el tiempo dedicado a grillar anticipa ganancias que, sin él, requerirían muchas iteraciones. El techo (~95%) nunca llega al 100% — el skill evoluciona contigo y con el negocio.
70% vs. 90% en la iteración 1.
Llega más rápido a lo «bueno».
Nunca al 100% — y está bien.
El skill cambia contigo.
📄 El archivo de captura
Este es el corazón de la versión práctica de grill-me: el archivo es la fuente de verdad, no la memoria del modelo. Cada respuesta se guarda en un markdown dentro de brainstorms/ — antes de la siguiente pregunta. El archivo, y no el contexto de la conversación, lo guarda todo.
¿Ventana de contexto? Es la «memoria a corto plazo» del modelo en la conversación actual. Tiene un límite: en una entrevista larga, el comienzo puede resumirse u olvidarse. Por eso el checkpoint (guardar en disco después de cada respuesta) es lo que impide que algo se pierda.
# Packaging: Brainstorm / Discovery Notes Date: 2026-06-22 · Goal: extrair o processo de embalagem ## Summary / key decisions (síntese contínua, atualizada a cada resposta) ## Q&A log ### Q1 — fluxo de empacotamento - Asked: como você decide o tamanho da caixa? - Captured: regra "menor caixa que cabe + 2cm"; nas palavras dele - Flags: tabela de custo por caixa -> pedir ao financeiro ## Open flags (pending input) - tabela de custo por caixa -> financeiro
📌 Por qué el disco le gana a la memoria
Si la entrevista dura una hora, el modelo va confundir u olvidar detalles del inicio a medida que el contexto se llena. El archivo no olvida. Si la sesión se cae ahora, ya contiene todo lo que se dijo hasta aquí.
Una casa predecible.
Guarda después de cada respuesta.
Archivo > contexto.
¿Perdiste la sesión? No se pierde nada.
🎯 Cuándo usarlo (y cuándo no)
«Interrógame» es una herramienta de extracción, no un martillo universal. Brilla cuando hay conocimiento denso y desorganizado que extraer de alguien. Para una tarea trivial y bien definida, solo estorba.
✓ Úsalo cuando
- ✓Quieres poner a prueba un plan o diseño antes de ejecutar.
- ✓Está haciendo discovery con un cliente o stakeholder.
- ✓Quieres extraer un proceso del negocio que solo está en tu cabeza.
- ✓Vas a construir o mejorar un skill y quiere empezar desde arriba.
✗ Evítalo cuando
- ✗La tarea es obvia y ya está totalmente especificada.
- ✗No hay conocimiento tácito que extraer: solo ejecución.
- ✗La respuesta está en el codebase/doc (solo hay que leerlo).
- ✗Quieres rapidez en un paso mecánico.
🧭 Regla práctica
Pregunta: "¿hay algo importante que solo está en mi cabeza?" Si sí, grille. Si la respuesta está en un archivo o es trivial, omite el grill-me y ve directo al trabajo.
Encontrar los huecos antes.
Extraer de los stakeholders.
Documentar lo que es tácito.
Una tarea obvia no lo necesita.
🧠 Resumen del módulo
Siguiente ruta:
Ruta 2 · Las técnicas — cómo funciona la entrevista por dentro: una pregunta a la vez, respuesta recomendada, árbol de dependencias, flags y checkpoint.