Al encargarle a una red neuronal una tarea periódica —por ejemplo, armar una propuesta comercial a partir de notas de una llamada con un cliente—, normalmente ves dos caminos. O cada mañana vuelves a pegar las tarifas en el chat y cazas a mano las invenciones, o llamas a un programador para que escriba un script para cada plantilla.
Ambas opciones agotan: en una conversación larga, hacia la décima petición las instrucciones se diluyen y el modelo inventa descuentos, mientras que escribir código a medida para documentos típicos consume demasiada energía. Analicé la especificación Claude Skills de Anthropic, y pasa con acierto justo por el medio: una carpeta sin programación fija el rol, la validación de datos y el formato de respuesta. Veamos cómo funciona este paquete y cómo blindarlo contra fallos.
Una carpeta en lugar de un prompt infinito: cómo se organiza el paquete SKILL.md
¿Para qué multiplicar carpetas en lugar de usar un solo prompt del sistema? Si cargas en el contexto una decena de reglamentos a la vez, al inicio de cada chat el modelo relee en vacío 20,000+ tokens antes de tu primera pregunta. Y si solo necesitas calcular un presupuesto después de una llamada, las reglas sobrantes queman límite sin sentido y dispersan la atención del algoritmo.
Por eso las habilidades operan mediante revelación progresiva del contexto (progressive disclosure) —como un fichero de escritorio con tarjetas finas de índice, mientras las carpetas pesadas esperan en el estante. En Claude.ai, Claude Code y Claude API en memoria vive solo el índice: nombre y descripción de la habilidad de unos 100 tokens, de modo que 10 habilidades ocupan alrededor de 1,000 tokens. Solo cuando la petición coincide con la descripción, Claude carga el reglamento completo.
El núcleo de la carpeta es el archivo SKILL.md: arriba una cabecera YAML con los campos name y description; abajo los pasos, la validación y el formato de salida. Los catálogos de referencia se guardan en references/, los scripts en Python o Bash en scripts/, y el acceso a API externas como CRM o WordPress se da mediante el protocolo MCP.
Armemos un paquete para presupuestar llamadas: ponemos las tarifas en references/pricelist.md y escribimos sales-proposal/SKILL.md:
---
name: sales-proposal
description: Arma propuestas comerciales a partir de notas de llamada. Úsalo ante solicitudes de cálculo de presupuesto o preparación de propuesta comercial.
---
# Armado de propuesta comercial
1. Extrae de las notas el objetivo del cliente, los servicios y los plazos.
2. Verifica cada tarifa estrictamente contra `references/pricelist.md`.
3. No inventes descuentos fuera de la lista de precios; si faltan datos, detente y pregunta.
4. Entrega un BORRADOR según la lista de verificación: objetivo, presupuesto, plazos, siguiente paso.
Antes el ejecutivo copiaba un chat viejo, olvidaba la nueva tarifa y atrapaba un descuento inventado justo antes de enviar. Ahora pega en la ventana tres párrafos crudos de la reunión: Claude activa sales-proposal, contrasta precios con references/pricelist.md, repregunta si faltan datos y entrega un borrador limpio según la lista de verificación tanto en el navegador como en la terminal.
Prueba en casos borde: cómo proteger la habilidad de confusiones y fallos
Con una sola carpeta todo va sobre ruedas, pero con razón preguntarás: «Y cuando se acumulen diez habilidades, ¿no empezará Claude a confundirlas y a tocar servicios en producción sin permiso?».
El primer fallo se esconde en un campo description vago. Antes de activarla, el modelo solo ve esa cabecera: si escribes un genérico «ayuda con textos», entre habilidades para propuestas, blog y boletines el asistente empezará a activar el reglamento equivocado o a bombardear con aclaraciones. Redacta la descripción como un filtro exacto de entrada y disparador.
La segunda barrera son las prohibiciones dentro de SKILL.md. El especialista SEO Julian Goldie mostró un conjunto de 7 habilidades operativas: las carpetas buscan temas en auge con enlaces, analizan Google Search Console, maquetan artículos en WordPress —reduciendo la publicación de un artículo según guía editorial de 2 horas a 10 minutos— y preparan videos, carruseles, comentarios en LinkedIn y correos a partir de dudas de clientes. De su esquema, yo adoptaría ante todo sus fusibles estrictos: Search Console queda abierto solo para lectura, artículos y correos salen estrictamente como borradores sin sobrescribir páginas publicadas, y el módulo de video espera un «Sí» antes de publicar.
Probar una habilidad resulta cómodo en cuatro pasos: toma una tarea frecuente, pídele a Claude que esboce SKILL.md a partir de un buen ejemplo, pruébalo con notas reales y, ante un tropiezo, añade la regla al archivo en lugar de corregir en el chat. Ten en cuenta únicamente que para scripts/ hace falta Python o Bash en el entorno, y que las habilidades de equipo conviene sincronizarlas vía Git.
Cuando el rol, la lista de precios en references/ y el checklist están reunidos en SKILL.md, el modelo mantiene el estándar sin improvisar. Las plantillas de los creadores del formato están en el repositorio de Anthropic, y para seguir profundizando pásate por nuestros análisis en el sitio: el artículo sobre el paso de archivos estáticos a prompts dinámicos explica por qué acumular documentos diluye la atención del modelo, mientras que la guía sobre habilidades autoaprendientes en Claude Code te enseñará a sumar pruebas automáticas y memoria de errores a la carpeta.

