Comparativa del Top 5 de habilidades de agentes: trampas del ranking y criterios de elección

Las habilidades de agente son paquetes de trabajo reutilizables que permiten a un agente de IA realizar tareas específicas de forma coherente. Tienen un alcance mayor que un simple prompt y pueden incluir no solo instrucciones, sino también scripts, plantillas, ejemplos y materiales de referencia.

Este artículo analiza cinco candidatos populares según la información disponible a fecha del 10 de agosto de 2026. Sin embargo, como no se dispone de los datos sin procesar ni de registros históricos por fecha que permitan reproducir de forma independiente las cifras exactas del material proporcionado, no debe interpretarse como una clasificación definitiva del «uso mundial».

Qué son las habilidades de agente

El concepto central de Agent Skills, según explica Anthropic, es la divulgación progresiva. En lugar de leer desde el principio todas las instrucciones de trabajo, el agente examina primero el nombre y la descripción de las habilidades, descubre solo las relacionadas con la tarea actual y carga entonces su contenido y los materiales complementarios.

Una carpeta de habilidades habitual puede incluir los siguientes elementos:

• SKILL.md: propósito de la habilidad, condiciones de aplicación y procedimiento de trabajo
• Scripts: tareas que deben ejecutarse de forma determinista, como comprobaciones, conversiones o generación
• Materiales de referencia: especificaciones de API, políticas de la organización, estructuras de datos y conocimiento del dominio
• Plantillas y ejemplos: formato y criterios de calidad de los resultados deseados
• Materiales de evaluación: casos de prueba para comparar los resultados antes y después de usar la habilidad

Las habilidades no son un entrenamiento del modelo para enseñarle nuevas capacidades básicas al agente. Se parecen más a activos de contexto que proporcionan conocimiento y procedimientos de trabajo en el momento de la ejecución.

Diferencias respecto a los prompts, las reglas y MCP

Si MCP se ocupa principalmente de «a qué se puede conectar», las habilidades explican «con qué procedimientos y criterios deben utilizarse» las herramientas y los materiales conectados. Más que competir entre sí, ambas tecnologías son complementarias y pueden utilizarse conjuntamente.

Cómo debe interpretarse la clasificación Top 5

El material proporcionado ordenó los siguientes cinco candidatos según el número de estrellas de sus repositorios de GitHub. Sin embargo, las estrellas de GitHub son un indicador más próximo al interés y a los marcadores, y no miden directamente las descargas, los usuarios activos ni la tasa de éxito de las tareas.

El material proporcionado indica que cada repositorio tiene entre 160.000 y 260.000 estrellas aproximadamente. Para comprobar si estas cifras corresponden a estrellas de GitHub o a un recuento de instalaciones de un registro concreto, sería necesaria una respuesta de la API de GitHub obtenida en el mismo momento o una captura archivada. Por ello, este artículo no vuelve a publicar esas cifras como valores actuales verificados.

Información necesaria para una clasificación de popularidad reproducible

Para elaborar una clasificación fiable, deben publicarse conjuntamente, como mínimo, los siguientes elementos:

1. Fecha, hora y zona horaria de la medición
2. Propietario y nombre exactos del repositorio, además del SHA del commit
3. Respuesta original de los indicadores, como estrellas, forks y número de colaboradores de GitHub
4. Si se utilizó el número de instalaciones, método de tratamiento de las instalaciones duplicadas y del tráfico automatizado
5. Unidad de recuento que distinga entre el repositorio completo y cada habilidad individual
6. Reglas para tratar repositorios eliminados o cuyo nombre haya cambiado

En particular, si un repositorio contiene decenas de habilidades, sus estrellas no permiten saber cuáles son populares. «Repositorio popular» y «habilidad individual más utilizada» son preguntas diferentes.

Filosofía de diseño de los cinco candidatos populares

1. obra/superpowers: impone un procedimiento antes de la implementación

superpowers tiene un marcado carácter de flujo de trabajo diseñado para impedir que el agente escriba código inmediatamente después de recibir una solicitud y hacer que primero defina el problema y elabore un plan. Se centra en etapas como la lluvia de ideas, la planificación, el desarrollo guiado por pruebas, la depuración y la verificación.

Este enfoque resulta ventajoso para tareas con requisitos poco claros o un alto riesgo de cambios. Por el contrario, si se aplica estrictamente el mismo procedimiento a una tarea con un alcance claro, como corregir un error tipográfico, las preguntas y la documentación pueden superar a la implementación real.

2. Everything Claude Code: proporciona el entorno de desarrollo como un paquete

Everything Claude Code es un proyecto que reúne en un solo lugar diversos activos de configuración de Claude Code, como comandos, agentes, habilidades, hooks y reglas. Resulta útil para encontrar una amplia variedad de ejemplos que abarcan desde la planificación hasta la implementación, la revisión, las pruebas y el registro.

Sin embargo, «instalarlo todo» no es necesariamente la mejor opción. Las reglas similares pueden duplicarse y distintos métodos de trabajo pueden entrar en conflicto. Para una adopción real, es más seguro seleccionar únicamente los componentes que necesita el equipo actual y comprobar cuándo se activa cada uno.

3. mattpocock/skills: mejora la calidad de las preguntas más que la de las respuestas

Esta colección se caracteriza por ofrecer no solo plantillas de resultados, sino también procedimientos de preguntas que ayudan al usuario a concretar sus ideas. Fomenta que se hagan explícitos los objetivos, los supuestos, las condiciones excepcionales y los criterios de éxito antes de la implementación.

El hecho de que el código fuente sea público no significa que todos los archivos puedan utilizarse libremente con fines comerciales. La licencia del repositorio puede diferir de las condiciones específicas indicadas en determinados directorios o archivos, por lo que debe comprobarse la licencia vigente antes de copiar, modificar o distribuir el contenido.

4. andrej-karpathy-skills: convierte principios breves de desarrollo en reglas de conducta

Según el material proporcionado, este proyecto es una recopilación de terceros que transforma en habilidades los principios de desarrollo mencionados públicamente por Andrej Karpathy. Se centra en pensar antes de programar, elegir soluciones sencillas, modificar con precisión solo el alcance solicitado y establecer objetivos verificables.

Lo importante es distinguir entre la fuente y el respaldo. El uso del nombre de una persona famosa o la reorganización de sus declaraciones públicas no significa que esa persona haya creado directamente el repositorio o garantice sus resultados. El texto original y la interpretación de quien lo reorganizó deben evaluarse por separado.

5. anthropics/skills: muestra la estructura oficial y ejemplos de resultados

El repositorio oficial de Anthropic es un punto de partida para examinar la estructura de los directorios de habilidades y casos de trabajo con resultados como documentos, hojas de cálculo, presentaciones y archivos PDF. Permite comparar cómo se organizan no solo reglas sencillas de conducta, sino también los materiales y scripts necesarios para generar archivos reales.

El número de archivos SKILL.md indicado por el material proporcionado puede variar según se incluyan traducciones, copias, ejemplos y ramas. Para comparar el tamaño, es necesario contar los archivos de un commit específico y publicar también los criterios utilizados para identificar la versión canónica.

Tres principios que se repiten en las habilidades principales

Primero restringen la conducta en lugar de ampliarla

Una buena habilidad no aumenta indiscriminadamente lo que puede hacer el agente, sino que controla las conductas con una alta probabilidad de fracaso. Algunos ejemplos representativos son no implementar antes de llegar a un acuerdo, no afirmar que algo está terminado sin pruebas y no modificar código periférico que no se haya solicitado.

Estas restricciones no pretenden eliminar la autonomía del agente. Su diseño busca reducir el coste de los errores mediante puntos de comprobación antes de realizar tareas difíciles de revertir.

Convierten los criterios de juicio de los expertos en procedimientos

El valor de una habilidad reside más en sus criterios de decisión que en el formato de sus frases. Si se especifican el orden en el que una persona experimentada comprueba los requisitos, la forma en que aborda la incertidumbre y los criterios con los que verifica el resultado, el agente puede repetir un proceso de razonamiento similar.

Sin embargo, imitar el estilo de escritura de una persona concreta no es lo mismo que reproducir un método de trabajo verificado. Deben examinarse los casos de evaluación y las condiciones de fallo, no el nombre o la autoridad.

Comprueban el «porqué» antes que el «cómo»

Generar código es cada vez más sencillo, pero no se decide automáticamente qué debe construirse ni qué estado debe considerarse un éxito. Esta es también la razón por la que los principales candidatos se centran en las preguntas, la planificación, el control del alcance y la verificación.

Añadir únicamente un procedimiento de implementación sofisticado sin un objetivo claro puede dar como resultado una resolución más rápida de un problema mal definido.

Hay que examinar la estructura del contexto, no solo el número de tokens

El material proporcionado incluye casos en los que algunos paquetes utilizan aproximadamente entre 17.000 y 22.000 tokens por sesión. Sin embargo, el número de tokens varía según las siguientes condiciones:

• El modelo y el tokenizador utilizados
• El alcance de las habilidades, reglas y hooks activados
• Si el cliente solo lee los metadatos o inyecta todo el contenido
• La longitud del historial de conversación y de las instrucciones del proyecto
• Si se aplican caché y compresión del contexto

Por lo tanto, no se puede generalizar una cifra concreta como coste fijo para todos los entornos de instalación. Al medirlo, debe utilizarse una sesión vacía como línea de base y comparar conjuntamente los tokens de entrada, la latencia de respuesta y la tasa de éxito de las tareas mientras se añaden las habilidades de una en una.

Estos son algunos métodos prácticos para reducir el contexto:

• Separar las políticas de la organización que siempre son necesarias de las habilidades específicas de cada tarea.
• Incluir en la descripción de la habilidad solo la información esencial para el enrutamiento.
• Trasladar las especificaciones y los ejemplos extensos a archivos separados para que solo se lean cuando sean necesarios.
• Integrar las reglas superpuestas en una única habilidad común.
• Desactivar las habilidades poco utilizadas o cuya mejora de rendimiento no se haya confirmado.

Riesgos de seguridad y de la cadena de suministro que omiten las clasificaciones de popularidad

Las habilidades parecen documentos Markdown corrientes, pero pueden incluir comandos de shell, código Python, instalación de paquetes y solicitudes a redes externas. Si el agente los ejecuta, surgen riesgos de la cadena de suministro similares a los de las dependencias de software convencionales.

Antes de adoptar una habilidad externa, deben comprobarse los siguientes puntos:

1. Confirmar el propietario del repositorio y si se trata de un proyecto oficial.
2. Revisar directamente los scripts de instalación y los archivos ejecutables.
3. Comprobar los permisos que solicita para las variables de entorno, los tokens de autenticación, el directorio de inicio y la red.
4. Fijar el commit revisado, en lugar de utilizar el estado más reciente de la rama.
5. Siempre que sea posible, ejecutarlo primero en un contenedor o en un entorno de pruebas restringido.
6. Antes de una actualización automática, volver a revisar los cambios y los nuevos permisos.
7. Comprobar si la licencia permite la copia, la modificación, el uso interno y la distribución comercial.

Aunque un repositorio tenga muchas estrellas de GitHub, no desaparece la posibilidad de cambios maliciosos, secuestro de cuentas o interrupción del mantenimiento. La popularidad no sustituye a una auditoría de seguridad.

Criterios para elegir habilidades adecuadas para mi entorno

Es preferible utilizar los repositorios populares como material de referencia para aprender a escribir habilidades y crear habilidades operativas pequeñas adaptadas al código base, a los procedimientos de revisión y a los permisos de herramientas de la organización. Para empezar, centrarse en una sola tarea repetitiva y conservar únicamente las reglas que superen la evaluación también facilita el mantenimiento.

Conclusión

Aunque los candidatos del Top 5 proporcionado adoptan formas diferentes, todos hacen que el agente compruebe primero los requisitos, el plan, el alcance y la verificación para evitar una implementación precipitada. La clave de su popularidad no reside tanto en incluir muchos comandos como en convertir en procedimientos los puntos de decisión propensos al fracaso.

Sin embargo, las estrellas de un repositorio o el número de instalaciones de un registro no bastan para determinar cuál es la habilidad individual más utilizada del mundo. Al citar una clasificación, deben indicarse el momento de la medición, los indicadores originales y la unidad de recuento; las decisiones de adopción deben basarse en la evaluación de calidad, el coste de contexto, la licencia y la revisión de seguridad.