🧰 Qué es una meta-skill
Una meta-skill es una skill cuyo trabajo es ayudarte a trabajar con otras skills: descubrir, crear, probar, optimizar y empaquetar. Mientras una skill común resuelve la tarea del usuario final (editar un xlsx, armar un dashboard), la meta-skill opera un nivel más arriba: es el taller donde nacen las skills. Para quienes crean skills, dominar tres meta-skills cambia las reglas del juego.
Las tres que importan
skill-creator — anthropics · 246k instalaciones
El taller canónico: captura la intención, draft, evals, ciclo de iteración y optimizador de description.
find-skills — vercel-labs · 1.802.925 instalaciones
La skill más instalada de todo el catálogo. Descubre skills existentes antes de que la crees desde cero.
scaffolding / plantillas — un patrón, no un único paquete
Genera el esqueleto inicial (SKILL.md + carpetas) para que no empieces con la hoja en blanco.
💡 Por qué empezar por las herramientas
En el catálogo de 39.366 skills, el 60,2% tiene menos de 100 instalaciones. Mucha gente crea sin comprobar si ya existe algo mejor y sin usar el ciclo de evals. Las meta-skills resuelven exactamente eso: descubrir antes, crear con método y validar con datos.
⭐ skill-creator — el taller canónico
O skill-creator de Anthropic es la meta-skill de referencia. No solo escribe un SKILL.md: orquesta todo el ciclo — borrador → evaluación → iterar — e incluye un optimizador de description independiente. Es la base de todo lo que viste en los módulos 4.1 y 4.2.
Qué hace
Captura la intención (4 preguntas), escribe el borrador, genera prompts de prueba, ejecuta comparaciones con skill vs. baseline en subagents, consolida el benchmark y ejecuta el ciclo de optimización de description.
Cuándo usar
Siempre que vayas a crear una skill nueva, mejorar una existente, ejecutar evals, medir el rendimiento con variancia u optimizar la activación. Es el punto de partida: no improvises un proceso paralelo.
Cómo encaja en el flujo
Es el eje central. find-skills va antes (descubrir) y el scaffolding va dentro de ella (generar la base). skill-creator articula los scripts: aggregate_benchmark, generate_review.py, run_loop.py, package_skill.py.
frontmatter de skill-creator (description es el activador):
name: skill-creator description: Create new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, edit, or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy.
🎯 Presta atención a la description
Enumera contextos concretos ("create from scratch", "run evals", "benchmark", "optimize description") en vez de una frase vaga. La propia meta-skill pone en práctica el consejo que da: la description debe decir qué hace Y cuándo usarla, de forma un poco insistente.
🔭 find-skills — descubrir antes de crear
find-skills (vercel-labs) es la skill más instalada del catálogo: 1.802.925 instalaciones. Tu trabajo es descubrir skills relevantes para una tarea, lo que evita el error más costoso de quien crea: pasar horas escribiendo algo que ya existe y es mejor.
✗ Crear a ciegas
- ✗Lo escribe desde cero sin revisar el catálogo
- ✗Reinventa una skill con 200k instalaciones y años de iteración
- ✗Se convierte en una más del 60,2% con <100 instalaciones
✓ Descubrir primero
- ✓Ejecuta find-skills con la descripción de la tarea
- ✓Encuentra lo que ya existe y lo usa, amplía o toma como inspiración
- ✓Solo crea desde cero cuando el nicho realmente está vacío
concepto del resultado de una búsqueda de skills:
{
"query": "transformar planilha xlsx em relatório",
"matches": [
{ "name": "supabase-postgres-best-practices",
"installs": 203000, "source": "supabase" },
{ "name": "frontend-design",
"installs": 488299, "source": "anthropics" }
],
"decision": "estender existente | criar nova"
}
💡 Discovery es la etapa cero
find-skills va ANTES de skill-creator. El flujo saludable es: describir la tarea → find-skills → decidir (usar / extender / crear) → solo entonces abrir skill-creator. Si te saltas este paso, corres el riesgo de duplicar un trabajo que otro equipo ya hizo mejor.
🏗️ Estructuras iniciales y plantillas
Scaffolding es el patrón de generar el esqueleto inicial de la skill en vez de escribir todo a mano: el SKILL.md con frontmatter, las carpetas scripts/, references/, assets/ y archivos de plantilla. No es un único paquete famoso: es una técnica que el propio skill-creator aplica internamente cuando empieza un borrador.
esqueleto generado por el scaffolding:
minha-skill/
├── SKILL.md # frontmatter (name + description) + corpo
├── scripts/ # código determinístico/repetitivo
├── references/ # docs carregadas sob demanda
├── assets/ # templates, ícones, fontes
└── evals/
└── evals.json # test prompts (sem assertions ainda)
✓ Buen uso de template
- ✓Genera la estructura estándar y los archivos vacíos correctos
- ✓Completa previamente el frontmatter con name + placeholder de description
- ✓Te permite enfocarte en el contenido, no en la infraestructura
✗ La plantilla se vuelve una muleta
- ✗Crea
scripts/ereferences/vacías «por si acaso» - ✗Deja el boilerplate de la plantilla en el SKILL.md final
- ✗Olvida recortar lo que no aporta (viola "mantenerlo conciso")
💡 Crea solo las carpetas que vayas a usar
El consejo de skill-creator es «no crees todo desde el principio; crea directorios a medida que los necesites». El scaffolding acelera el comienzo, pero las carpetas vacías confunden al modelo y al lector. Genera el esqueleto y luego puedes eliminar lo que sobre de la estructura.
🔗 Dónde encaja cada una en tu flujo
Las tres meta-skills no compiten: se encadenan. La secuencia para evitar retrabajo y crear skills duraderas es simple y tiene un orden.
🔭 find-skills — descubrir
Antes que nada: ¿ya existe algo? ¿Usarlo, ampliarlo o crear? Decisión basada en lo que ofrece el catálogo de 39.366 skills.
🏗️ estructura inicial — generar la base
Esqueleto inicial dentro de skill-creator: SKILL.md + las carpetas correctas. Una hoja que no está en blanco.
⭐ skill-creator — crear e iterar
Borrador → prompts de prueba → evals → benchmark → ciclo de iteración hasta que cumpla los requisitos.
🎚️ Optimizador de description: ajustar la activación
Aún dentro de skill-creator: should-trigger / should-not; elige best_description según el test score.
La regla de oro
Descubre antes de crear. Genera la base antes de iterar. Itera con datos antes de empaquetar. Cada meta-skill cubre una etapa: usarlas fuera de orden es donde nacen las skills con <100 installs.
📋 Tabla de referencia rápida: qué meta-skill usar
Un resumen práctico para pegar en la pared. Ante una situación, qué herramienta usar.
situación → meta-skill:
"acho que preciso de uma skill pra X" → find-skills "o catálogo não tem, vou criar" → skill-creator "não sei nem por onde começar o arquivo" → scaffolding "tenho um draft, quero validar" → skill-creator (evals) "a skill não dispara quando devia" → otimizador de description "a skill está pronta, quero distribuir" → package_skill.py
246k · anthropics. El eje: crear, evaluar, medir, optimizar.
1,8M · vercel-labs. La etapa cero: descubrir antes de crear.
Patrón. El esqueleto: SKILL.md + carpetas, sin empezar desde cero.
💡 Consejo profesional
Instala las tres y déjalas disponibles. Como Claude tiende a activarlas menos de lo debido, menciona explícitamente «usa find-skills para comprobarlo» y «usa skill-creator para crear» las primeras veces; después se vuelve un reflejo del flujo.
✅ Resumen del módulo
Próximo:
Módulo 4.4 — 🛠️ Cómo crear: walkthrough completo con evals — un ejemplo práctico de principio a fin, desde el intent hasta evals.json con assertions verificables.