✍️ Description impecable — frontend-design
La señal n.º 1. Una descripción de ejemplo dice qué hace la skill, cuándo usarla y enumera activadores concretos. frontend-design (488.299 instalaciones, anthropics/skills) es el caso de manual: enumera ejemplos de tareas y el efecto deseado, sin dejar que el agente tenga que adivinar.
description real (frontend-design · anthropics/skills · 488k):
Create distinctive, production-grade frontend interfaces with high design quality. Use this skill when the user asks to build web components, pages, artifacts, posters, or applications (examples include websites, landing pages, dashboards, React components, HTML/CSS layouts, or when styling/beautifying any web UI). Generates creative, polished code and UI design that avoids generic AI aesthetics.
✓ Qué la hace ejemplar
- ✓Empieza con el resultado: "interfaces frontend de calidad de producción".
- ✓"Usa esta skill cuando..." — el cuándo explícito.
- ✓Paréntesis con ejemplos: sitios web, dashboards, React, HTML/CSS.
- ✓Diferencial declarado: "evita la estética genérica de la IA".
✗ Lo que haría una débil
- ✗"Ayuda con frontend." — sin cuándo ni ejemplos.
- ✗Sin palabras clave que el agente reconozca en la tarea.
- ✗Sin diferenciador: ¿por qué esta y no otra?
Variante «pushy»: supabase
supabase (99k) prácticamente fuerza la activación: "Úsala para CUALQUIER tarea relacionada con Supabase. Triggers:..." — declara explícitamente los activadores e impulsa al agente a activarse. Esto combate la falta de activación (Claude tiende a no activarla lo suficiente).
Lección: la description no es un resumen cortés; es una instrucción de enrutamiento. Sé específico en el cuándo y enumera activadores.
🎯 Alcance atómico perfecto — vercel-react-best-practices
Una responsabilidad, muy bien resuelta. vercel-react-best-practices (443.261, vercel-labs/agent-skills) no intenta ser "todo sobre web": cubre solo buenas prácticas de React. Al ser atómica, se activa con precisión y se combina con web-design-guidelines y frontend-design sin superposición.
| Skill atómica | Hace UNA cosa | Instalaciones |
|---|---|---|
| vercel-react-best-practices | patrones de React | 443k |
| test-driven-development | prueba antes del código | 107k |
| web-design-guidelines | diseño y accesibilidad | 358k |
test-driven-development: alcance del proceso
test-driven-development (107k, obra/superpowers) es el ejemplo más puro de atomicidad: una sola regla — "escribe la prueba antes que el código". No habla de frameworks ni de lenguajes. Una responsabilidad, un disparador ("al implementar una funcionalidad o corregir un error").
Por ser tan específica, ella nunca se activa de forma incorrecta y siempre se combina con la skill del stack que esté activa.
💡 Prueba del alcance atómico
¿Puedes describir en una frase lo que hace la skill sin usar "y"/"también"? Si sí, es atómica. Si la frase tiene tres cláusulas, probablemente sean tres skills.
🏛️ Fuente sólida y bien mantenida — suite microsoft/azure
Quién publica y mantiene importa tanto como el contenido. La suite microsoft/azure-skills — foundry, ai, deploy, diagnostics, prepare, todas ~358–360k instalaciones — es el retrato de una fuente sólida: proveedor oficial, conjunto coherente y mantenimiento continuo que acompaña a la propia plataforma.
Proveedor oficial
Microsoft escribe sobre Azure. Quien opera la plataforma conoce los edge cases que nadie documenta.
Suite coherente, no un monolito
Cinco skills atómicas que se complementan: señal de que la fuente entiende el diseño de skills, no solo el producto.
Mantenimiento continuo
Como se instalan mediante symlink, npx skills update obtiene las mejoras de la fuente. Un proveedor activo = una skill siempre actualizada.
Otras fuentes de modelos
vercel-labs sustenta find-skills (1,8M), vercel-react-best-practices (443k) y web-design-guidelines (358k) — todo un portafolio de skills de referencia.
supabase e neondatabase escriben las prácticas de los propios bancos; stripe/ai, las de pago. Tener respaldo del proveedor es el máximo nivel de confianza.
💡 Heurística de fuente
Pregunta: "¿esta skill trata sobre un producto y quien la escribió es dueño de ese producto?" Si la respuesta es sí, está respaldada por el vendor: la señal de fuente más sólida que existe.
🔍 Descubrimiento claro — find-skills
La skill más instalada de todo el catálogo: find-skills, 1.802.925 instalaciones (vercel-labs/skills). Gana en una señal específica — descubrimiento: su propósito (encontrar y sugerir otras skills) es instantáneamente obvio, y por eso se convierte en la primera que todo el mundo instala.
✓ Por qué se convierte en un modelo de descubrimiento
- ✓Nombre autoexplicativo: find-skills lo dice todo.
- ✓Propósito único: ayudar a encontrar la skill adecuada.
- ✓Puerta de entrada: se instala antes que cualquier otra.
- ✓Una fuente sólida (vercel-labs) refuerza la decisión de adoptarla.
La escala de la señal
find-skills por sí sola (1,8M) supera a grupos enteros. Las top 100 skills = 43,7% de todas las instalaciones; solo 0,3% (131 skills) superan los 100k. Un nombre y propósito claros son lo que lleva una skill a esa élite.
Un descubrimiento claro no es solo marketing: se trata de que el agente pueda encontrar y elegir la skill en el momento adecuado.
descubrimiento claro = nombre + descripción que se explican por sí solos:
find-skills → "encontra a skill certa" (óbvio) skill-creator → "cria skills" (óbvio) xyz-helper-v2-final → "???" (ninguém instala)
💡 Consejo
Si el nombre necesita explicación, el descubrimiento ya falló. find-skills, skill-creator, frontend-design: todos dicen lo que hacen sin abrir el SKILL.md.
🧩 Cuando una skill acierta con varias señales — skill-creator
Los modelos anteriores destacan en un señal. Las referencias verdaderas aciertan varios. skill-creator (246k, anthropics) tiene una descripción clara + alcance enfocado (crear/evaluar skills) + fuente oficial de Anthropic + descubrimiento obvio por el nombre. Es la meta-skill que estudiarás en la Trilha 3.
| Skill | Descr. | Alcance | Fuente | Descub. |
|---|---|---|---|---|
| skill-creator | ✓ | ✓ | ✓ | ✓ |
| frontend-design | ✓ | ✓ | ✓ | ✓ |
| find-skills | ✓ | ✓ | ✓ | ✓ |
| "sql-helper" genérico | ✗ | ✗ | ✗ | ✗ |
El efecto compuesto
Acertar las cuatro señales al mismo tiempo no suma: multiplica. Por eso estas tres están entre las más instaladas del catálogo: el agente las encuentra, las entiende, se activa correctamente y confía en la fuente. Las cuatro señales se refuerzan entre sí.
📋 Tabla de líderes por señal
El marco de referencia del módulo. Para cada señal de calidad, la skill que debes imitar, con instalaciones y fuente reales. Usa esta tabla como modelo al evaluar (o crear) una skill.
| Señal | Skill modelo | Fuente | Instalaciones |
|---|---|---|---|
| Description | frontend-design | anthropics | 488k |
| Description "pushy" | supabase | supabase | 99k |
| Alcance atómico | vercel-react-best-practices | vercel-labs | 443k |
| Alcance del proceso | test-driven-development | obra/superpowers | 107k |
| Fuente sólida/mantenida | azure-skills (suite) | microsoft | ~358k |
| Descubrimiento claro | find-skills | vercel-labs | 1,8M |
| Lo acierta todo | skill-creator | anthropics | 246k |
💡 Cómo usar la tabla
Al evaluar una skill nueva, compárala con la ganadora de la señal más importante para ti. Al crear la tuya (módulo 2.4), copia el patrón de la ganadora; no lo inventes desde cero.
✅ Resumen del módulo
Próximo:
Módulo 2.4 — 🛠️ Cómo crear una skill que parece (y es) de alta calidad. Ahora que viste los modelos, vamos a imitarlos en la práctica: una description que se activa, un alcance atómico y la lista de verificación de pulido.