🔎 Cómo leer las señales de calidad
El número de instalaciones, la fuente, la descripción, el alcance y el mantenimiento: las señales que distinguen una skill madura de un repo abandonado. Además, una lista de verificación práctica.
El número de instalaciones que skills.sh muestra junto a cada skill. Es la señal de popularidad más visible — find-skills tiene 1.802.925, frontend-design 488.299.
Un número alto de instalaciones se correlaciona con la calidad, pero no es una prueba. Hay un sesgo a favor de quienes llegaron temprano y un efecto de marca. Saber interpretar esto evita instalar basura popular.
ley de potencia · sesgo del early mover · efecto de marca · 0,3% tienen 100k+
El repositorio owner/repo que aloja la skill. vercel-labs, anthropics y microsoft tienen reputación institucional; un repo cualquiera con 3 estrellas, no.
La fuente es la segunda mejor señal después de la description. Las fuentes oficiales mantienen viva la skill, siguen la spec y responden a los issues.
respaldada por un proveedor · anthropics/skills · vercel-labs · microsoft/azure-skills · repositorio aleatorio
El campo description del frontmatter. Una buena descripción dice QUÉ hace la skill Y CUÁNDO usarla. Es el activador que el agente lee para decidir si debe ejecutarla.
Una Description clara revela que el autor entendió el problema. Una Description vaga = una skill que se activa cuando no debe o nunca se activa. Es el mejor predictor de calidad.
activador · QUÉ + CUÁNDO · trigger preciso · activación secundaria
Cuánto intenta abarcar la skill. Una skill atómica resuelve bien un problema; una «todo sobre X» intenta resolver diez y no resuelve bien ninguno.
Las skills enfocadas se asimilan mejor en el contexto, se activan con precisión y se combinan con otras. Un tamaño compacto (cuerpo <500 líneas) es señal de disciplina.
atomicidad · una responsabilidad · composición · <500 líneas
Frecuencia de commits, issues respondidas y releases. Como las skills se instalan mediante symlink, npx skills update obtiene automáticamente las mejoras de la fuente.
Una skill activa se mantiene al día con los cambios del framework y de la propia spec. Una abandonada queda obsoleta y empieza a darle instrucciones incorrectas al agente.
último commit · issues abiertas · npx skills update · symlink vs. copia
Una guía de 7 preguntas que reúne todas las señales — instalaciones, fuente, description, alcance, mantenimiento, licencia y compatibilidad — en una decisión de 2 minutos.
Transforma la intuición en un proceso repetible. Dejas de instalar por hype y empiezas a instalar con base en evidencia.
evaluación en 2 min · evidencia > hype · compatibilidad con tu stack · leer el SKILL.md
🏆 Escaparate: las mejores por grupo
Seis grupos del catálogo, sus skills de referencia y por qué son buenas, usando installs y fuentes reales de skills.sh.
Skills de UI, React, CSS y diseño. Referencias: frontend-design (488k, anthropics), vercel-react-best-practices (443k) y web-design-guidelines (358k).
Es el grupo más maduro para quienes programan en front. Fuentes oficiales + installs altísimos = bajo riesgo al instalar.
frontend-design · vercel-react-best-practices · web-design-guidelines
El grupo más grande por volumen. Referencias: agent-browser (332k, vercel-labs), skill-creator (246k, anthropics) y vercel-composition-patterns (195k).
Es el corazón del ecosistema. skill-creator es la propia herramienta canónica para crear skills: meta y esencial.
agent-browser · skill-creator · vercel-composition-patterns
Skills de SQL, Postgres y modelado. Referencias: supabase-postgres-best-practices (203k, supabase), supabase (99k) y neon-postgres (38k).
Aquí la fuente cuenta con respaldo del proveedor (supabase, neondatabase): la empresa que desarrolla la base de datos escribe las buenas prácticas. Confianza máxima.
supabase-postgres-best-practices · supabase · neon-postgres
La suite microsoft/azure-skills: foundry, ai, deploy, diagnostics y prepare, todas con entre ~358k y 360k installs.
Pocas skills, pero instalaciones gigantes (8,3M). Muestra cómo una suite coherente de un proveedor domina un nicho de infraestructura.
microsoft-foundry · azure-ai · azure-deploy · azure-diagnostics · azure-prepare
Skills de pruebas y calidad. Referencias: test-driven-development (107k, obra/superpowers) y playwright-best-practices (45k).
Las skills de proceso (como TDD) muestran que las skills no se limitan al stack: también codifican disciplina de ingeniería.
test-driven-development · playwright-best-practices · skill de proceso
Skills de negocios: marketing-psychology (84k, coreyhaines31), lark-slides (139k, larksuite) y stripe-best-practices (stripe/ai).
Demuestra que el ecosistema va mucho más allá de los desarrolladores. Hay grupos enteros (Marketing 2,3M, Office, Finance) para trabajo no técnico.
marketing-psychology · lark-slides · stripe-best-practices
⭐ Las mejores por señal de calidad
Para cada señal de calidad, la skill real que la representa a la perfección: description, alcance atómico, fuente sólida y descubrimiento claro, con las descriptions reales del catálogo.
frontend-design (488k, anthropics) dice qué hacer, cuándo y da ejemplos: "Use this skill when the user asks to build web components, pages...". supabase (99k) es "pushy" con "Triggers:...".
La description es el activador de enrutamiento. Ver el modelo perfecto te da el patrón que puedes copiar al escribir la tuya.
qué + cuándo + ejemplos · "insistente" · Disparadores: · combate al subdisparo
vercel-react-best-practices (443k) y test-driven-development (107k, obra/superpowers): una sola responsabilidad, muy bien resuelta.
Un alcance atómico se activa con precisión y se combina con otras skills. Es la señal que distingue una skill madura de una "todo-sobre-X".
una responsabilidad · prueba de la frase sin "y" · composición · skill de proceso
La suite microsoft/azure-skills (~358k cada una) y vercel-labs: proveedor oficial, suite coherente, mantenimiento activo mediante symlink.
El respaldo del proveedor representa el máximo nivel de confianza: quienes desarrollan el producto conocen los edge cases que nadie documenta.
respaldada por un proveedor · conjunto coherente · npx skills update · mantenimiento activo
find-skills (1.802.925, vercel-labs), la más instalada del catálogo: su nombre y propósito son instantáneamente obvios.
Si el nombre necesita explicación, el descubrimiento falló. Un name + description autoexplicativo se convierte en la puerta de entrada.
nombre autoexplicativo · puerta de entrada · top 100 = 43,7% · 0,3% tienen 100k+
skill-creator (246k, anthropics) combina una description clara + un alcance enfocado + una fuente oficial + un descubrimiento evidente.
Acertar varias señales no suma: multiplica. Por eso estas skills lideran el catálogo.
efecto compuesto · meta-skill · refuerzo mutuo de las señales
El marco de referencia: cada señal de calidad con su skill de ejemplo, fuente e instalaciones reales.
Se convierte en una plantilla de referencia: al evaluar o crear una skill, compárala con la que lidera en la señal que más te importa.
modelo · campeón por señal · copia el patrón, no lo inventes
🛠️ Cómo crear una skill que parece (y es) de alta calidad
La parte práctica: una description que active la skill correctamente, alcance atómico, lista de pulido, antes y después de una skill débil que se vuelve sólida y una plantilla de description lista.
Escribe la description en tres partes: el resultado que ofrece, cuándo usarla (disparadores concretos) y un tono "insistente" para evitar que se active menos de lo necesario.
Es el disparador de enrutamiento que siempre está en el contexto. Si te equivocas aquí, la skill se activa mal o nunca se activa.
resultado, no actividad · «Use when...» · «Triggers:» · regla de las 100 palabras
Mantén la skill con una sola responsabilidad, como vercel-react-best-practices y la suite azure-skills. Divide lo que sea grande.
Una skill atómica se asimila en el contexto, se activa con precisión, es comprobable y se combina. «Todo sobre X» falla en todo.
prueba de la frase única · <500 líneas · sin "y"/"también" · composición
Una lista de 7 puntos — description, alcance, <500 líneas, explicar el porqué, test prompts, scripts, nombre obvio — antes de publicar.
Distingue una skill que parece de calidad de una que realmente lo es. Inspirado en el flujo canónico de skill-creator.
lista de verificación de 7 · pulir = eliminar · imperativo · recursos agrupados
La misma intención ("ayudar con SQL"), dos ejecuciones una al lado de la otra: la "sql-helper and more" que nadie instala frente al patrón postgres-best-practices.
Muestra que el salto de calidad viene del enrutamiento y el enfoque, no del contenido técnico.
recuadro de código ✗/✓ · "y más" = alcance infinito · enrutamiento y enfoque
Una plantilla de frontmatter que combina los patrones de frontend-design y supabase, con un ejemplo completo para una skill de migrations.
Elimina la «página en blanco». Rellena los corchetes y calibra los triggers frente a casos similares que no deberían activarlos.
template · verbo de resultado · ejemplos + Triggers · calibrar near-misses
Capturar la intención → borrador → 2-3 prompts de prueba vs. baseline → generalizar y simplificar → optimizar description → empaquetar.
Crear una buena skill es un proceso iterativo, no una apuesta. El ciclo garantiza que realmente ayude antes de publicarla.
con skill vs. baseline · should-trigger/should-not · iterar · empaquetar
🚀 Consejos avanzados: señales que solo los expertos ven
Las señales sutiles: precisión del triggering, ahorro de contexto, lectura de transcripts, pass-rate de evals y assertions discriminantes, variabilidad y por qué una skill popular aún puede ser mala.
La skill se activa en los casos adecuados (should-trigger) y permanece en silencio en los parecidos, pero incorrectos (near-misses). Un falso positivo es peor que no activarse.
Es la señal invisible: una skill que se activa incorrectamente inyecta contexto irrelevante y degrada la respuesta.
should-trigger · should-NOT-trigger · falsos positivos/negativos · precisión vs. cobertura
Los 3 niveles del progressive disclosure: description siempre en el contexto, cuerpo al activarse, bundled bajo demanda. Una skill que consume muchos tokens quita espacio.
30 descriptions infladas gastan miles de tokens antes de cualquier tarea. Una description densa y corta es parte del presupuesto.
3 niveles · costo de las que siempre están activas · llevar los detalles al nivel 3
Vuelve a leer sesiones reales buscando repeticiones, falta de activación (skill que debería haberse activado) y activación incorrecta (near-miss).
El transcript es el mejor eval gratis. Cada patrón encontrado es un ajuste concreto de skill o de description.
repetición → script · no se activa → trigger débil · activación incorrecta → near-miss
Una assertion que permite distinguir los resultados falla sin la skill y pasa con ella. El número que importa es la diferencia entre con-skill y baseline.
Un pass-rate del 100% que no distingue entre el baseline y el resultado con skill da una falsa sensación de seguridad: no mide la contribución de la skill.
afirmación discriminante · diferencia respecto de la línea base · ejecuta siempre la línea base
El modelo es estocástico: la misma skill pasa en una ejecución y falla en otra. Ejecuta el eval varias veces y observa la media ± desviación.
90% flaky es peor que 80% estable. La estabilidad es calidad; una sola ejecución engaña.
estocástico · media ± σ · el imperativo reduce la varianza · explicar el porqué
Ley de potencia: el top 100 representa el 43,7% de los installs; solo el 0,3% (131 skills) supera los 100k. Hay sesgo de pionero y de marca.
Una skill popular puede estar abandonada, ser de otro stack o estar inflada. Install es el punto de partida de la investigación, no el final.
sesgo de early-mover · compatibilidad con el stack · mantenimiento · evidencia > hype
Mapa de la ruta
Las instalaciones engañan; la descripción no. Aprende a separar el hype de la evidencia.
Seis grupos, las skills de referencia y por qué, con cifras reales.
Cada señal tiene una campeona. find-skills, frontend-design, azure: imita los modelos.
Description que se activa, alcance atómico y la plantilla lista. De débil a sólida.
Triggering preciso, costo de contexto, evals honestos. La popularidad no es una prueba.