Un skill es básicamente un “preset” de toda la vida, un paquete de instrucciones reutilizables que tu agente puede cargar para seguir buenas prácticas o un flujo de trabajo concreto. Así no tienes que re-explicarle todo desde cero en cada conversación (mega coñazo).

Lo que NO soluciona

Aquí viene la parte menos hablada:

  • No es un estándar real (todavía). Hay intentos, pero hoy es más marketing que interoperabilidad seria.
  • Se degradan con el tiempo. Una skill puede envejecer en meses. Tienes que versionar y mantiener (a no ser que lo hagan por ti)
  • Riesgo de “supply chain” (importante). Si instalas skills de terceros que traen scripts/ejecutables, estás metiendo código en tu flujo. Mínimo revisa contenido, fija versiones y desconfía.

Si alguien te vende skills como lo mejor del mundo, probablemente te está vendiendo el titular.

Lo que SI soluciona

Los LLM tienen una ventana de contexto limitada. Si en cada petición metes documentación, estándares, reglas internas y ejemplos, pasan dos cosas:

  • Gasto de tokens y tiempo.
  • Resultado irregular: hoy lo clava, mañana se lo inventa.

La gracia de las Skills es simple: el asistente carga lo que necesita cuando lo necesita, en vez de arrastrar siempre un prompt gigante. Menos paja, más consistencia.

Ecosistema abierto (matices)

Anthropic fue de los primeros en empujar la idea, pero esto se está moviendo hacia algo más reutilizable: directorios comunitarios, compatibilidad entre herramientas e integraciones (o intentos serios) en proyectos tipo Supabase, Remotion y compañía.

Que funcione en varios entornos es el objetivo… pero hoy no está garantizado la verdad. Cambia el soporte de herramientas, cambian los nombres, cambia cómo se cargan, cambia cómo se ejecutan scripts. Hay mucho “sirve si justo usas X con Y”.

Dos webs que actúan como directorios de skills para LLMs:

Cómo suelen ser por dentro

Normalmente vive en carpeta con un archivo de instrucciones (tipo SKILL.md) y, si hace falta, algo de código o utilidades.

Rutas típicas según editor/entorno:

  • Cursor: .cursor/skills/<skill-name>/SKILL.md
  • Windsurf: .windsurf/skills/<skill-name>/SKILL.md
  • Claude Code: .claude/skills/<skill-name>/SKILL.md
  • OpenAI Codex (CLI): .codex/skills/skills/<name>/SKILL.md
  • GitHub Copilot: .github/skills/skills/<name>/SKILL.md
  • OpenCode: .opencode/skills/<name>/SKILL.md

Y aquí está el truco: en vez de meter TODO en contexto, el agente puede usar herramientas cuando conviene (por ejemplo, sacar tablas de un PDF) y trabajar con el resultado. Es como tener chuletas listas para el examen.

Instalación y uso (npx)

Si quieres usar skills hechas por otros (que puedes sacar de las páginas que te he recomendado anteriormente), puedes tirar del paquete de Vercel skill add o del “genérico” add-skill.

  • Instalar una skill específica:

    npx skill add <usuario>/<repositorio>

    Ejemplo:

    npx add-skill vercel-labs/agents-skills

  • ¿Qué hace esto?

    1. Descarga los archivos de la skill.
    2. Crea automáticamente el symlink en la carpeta de configuración del agente (por ejemplo .cursor/skills/).
    3. La registra para que el agente la reconozca al momento.

Desarrollo de tus propias Skills

Estructura mínima:

skill-nueva/
├── SKILL.md       <-- Instrucciones
├── scripts/       <-- Opcional: scripts ejecutables
└── references/    <-- Opcional: documentación o ejemplos

El archivo más importante: SKILL.md

Suele ser Markdown con un bloque YAML al inicio, por ejemplo:

---
name: mi-megamierdon-skill
description: Ayuda a optimizar procesos xd
---

# Instrucciones
- Tio no uses ANY porfavor.
- Evita los SELECT * a toda costa.

Buenos ejemplos de Skills

  • Buenas prácticas por framework (React, Next, etc.)
  • Guías de diseño y tono (copy, UX writing, branding)
  • Automatización (reviews, refactors, checks, tests)
  • Documentos: extraer tablas, remaquetar, resumir, transformar
  • Incluso skills para ayudarte a crear skills (XD)

Si es un flujo repetible o muy específico, seguramente tenga sentido encapsularlo como Skill.

Conclusión

Las Agent Skills convierten un asistente generalista en uno especialista: reduces repetición, ahorras tokens y, sobre todo, ganas consistencia.

Cuanto más crezca el ecosistema, más fácil será que tu asistente se adapte a tu stack y a tu forma real de trabajar. Si te quedas con una idea práctica: instala las skills que te quiten fricción diaria. Lo vas a notar en productividad rápido.