Matt Pocock Skills: Haz que la IA programe como un verdadero ingeniero

El proyecto Skills de Matt Pocock es un conjunto de habilidades ingenieriles diseñado para asistentes de programación con IA (como Claude Code). Al modularizar los procesos estándar de desarrollo de software, resuelve el problema central de la calidad inconsistente en la generación de código por IA. Este proyecto, construido con solo unos pocos archivos Markdown, ha obtenido 23,000 estrellas en GitHub, convirtiéndose en una práctica importante en el campo del desarrollo asistido por IA.

Antecedentes del proyecto: cuatro modos de fracaso en la programación con IA

Las herramientas tradicionales de desarrollo con IA tienden a hacer que "un agente inteligente lo maneje todo", pero Matt Pocock adoptó una estrategia completamente opuesta: primero identificar los patrones en los que la IA realmente falla y luego diseñar habilidades correspondientes para cada modo de fallo. El proyecto define cuatro escenarios típicos de fracaso:

1. Agent didn't do what I want (La IA no entendió tu intención) – Existe una brecha cognitiva entre el desarrollador y la IA, lo que provoca que la salida se desvíe de lo esperado.

2. Agent is way too verbose (Salida demasiado verbosa) – La IA genera grandes cantidades de código o documentación inútiles.

3. The code doesn't work (El código no funciona) – Falta retroalimentación de pruebas, calidad de código inestable.

4. We built a ball of mud (La arquitectura se convirtió en una bola de lodo) – Después de iteraciones largas, la base de código pierde una estructura clara.

Esta filosofía de diseño abandona el supuesto optimista de que "si la IA es lo suficientemente inteligente, puede resolverlo todo" y, en cambio, compensa la incertidumbre de la IA mediante procesos estructurados.

Concepto central: estandarización de procesos y modularización de habilidades

El valor del proyecto Skills radica en descomponer la experiencia de "cómo hacer análisis de requisitos, diseño y codificación con IA" en complementos de habilidades reutilizables, permitiendo que la IA trabaje siguiendo rutas fiables y estandarizadas, en lugar de depender de la suerte. Cada habilidad es un guion de trabajo completo que incluye metadatos en formato YAML (nombre, descripción, condiciones de activación) y pasos de ejecución específicos.

La componibilidad es otra gran característica del proyecto: la salida de una habilidad puede servir como entrada para la siguiente. Por ejemplo, write-a-prd genera un documento PRD en un issue de GitHub; luego, prd-to-issues descompone ese PRD en un plan de implementación. Esto permite a los equipos crear flujos de trabajo personalizados encadenando habilidades.

Cinco habilidades clave forman una cadena de trabajo completa

1. grill-me: fase de clarificación de requisitos

Esta habilidad, de solo 11 líneas, hace que la IA actúe como un entrevistador que hace preguntas una por una, asegurando que ambas partes lleguen a un consenso sobre los requisitos. Sus características clave incluyen:

• Solo hace una pregunta a la vez, evitando la sobrecarga de información

• La IA proporciona respuestas sugeridas para confirmar, en lugar de solo hacer preguntas

• No molesta al desarrollador con preguntas cuyas respuestas pueden encontrarse automáticamente en la base de código

Algunos desarrolladores han informado que al usar esta habilidad les hicieron 16 preguntas, y para funciones complejas incluso se realizan entrevistas en profundidad de 30 a 50 preguntas. Esta habilidad resuelve el problema de que Claude Code tiende a generar soluciones prematuramente, forzando una comunicación previa suficiente.

2. to-prd: generar documento de requisitos

Genera un documento formal de requisitos de producto (PRD) basado en el historial de la conversación, que incluye descripción del problema, solución, historias de usuario, decisiones de implementación, decisiones de prueba y lo que no se hará. El documento se guarda como un issue de GitHub creado automáticamente mediante el comando gh.

3. to-issues: descomposición vertical de tareas

Descompone el PRD en pequeñas tareas ejecutables independientes, utilizando la metodología de corte vertical (tracer-bullet) en lugar de la división tradicional frontend/backend o por módulos. Cada corte abarca la ruta completa desde la base de datos hasta la interfaz y las pruebas, y marca explícitamente si se necesita intervención humana. Las tareas se ordenan según dependencias, y las tareas posteriores esperan a que se completen las anteriores.

4. tdd: desarrollo guiado por pruebas

Impone un estricto proceso de desarrollo guiado por pruebas: no permite escribir código de implementación hasta que existan pruebas fallidas. Esto garantiza la calidad estable del código, adecuado para proyectos que ya tienen cultura de pruebas.

5. improve-codebase-architecture: mejora de la arquitectura

Basándose en el lenguaje del dominio en CONTEXT.md y los registros de decisiones arquitectónicas (ADR) en docs/adr/, busca "oportunidades de profundización" en la base de código. Aplica el principio de "módulos profundos" de John Ousterhout (interfaz pequeña que oculta una implementación grande), mejorando la testabilidad y la navegabilidad para la IA. Esta habilidad identifica módulos superficiales, componentes fuertemente acoplados y límites no probados, y sugiere refactorizaciones.

Instalación y uso

El formato del comando para instalar una habilidad individual es:

npx skills add mattpocock/skills skill=grill-me -y -g

Skills utiliza una estructura estandarizada, admite nombres de paquetes con ámbito (mattpocock/skills) y etiquetas de versión. Una vez instalado, puede ser invocado por asistentes de IA que soporten el protocolo de habilidades.

Otras habilidades útiles

Además del flujo de trabajo principal, el proyecto incluye varias habilidades auxiliares:

• triage: Gestión de máquina de estados de issues, adecuada para asignación de etiquetas y prioridades en escenarios de trabajo en equipo.

• zoom-out: Cuando se está atascado en detalles locales, ayuda a reexaminar la posición del código en la arquitectura general.

• write-a-skill: Guía al usuario a través del proceso completo de creación de una habilidad personalizada, incluyendo condiciones de activación, pasos de ejecución y especificaciones de salida.

• diagnose: Diagnostica código que no funciona, utilizado en conjunto con la habilidad TDD.

Limitaciones y desarrollo

La principal limitación de la versión actual es su fuerte acoplamiento con GitHub: las habilidades que involucran operaciones de issues tienen el comando gh hardcodeado. Los equipos que usan otras herramientas de gestión de proyectos como Linear o Jira necesitan hacer un fork y modificar el código, aunque el equipo oficial ha indicado que el soporte para otras plataformas está en desarrollo (a partir de abril de 2026).

En abril de 2026, Matt Pocock actualizó el conjunto de habilidades, reemplazando /grill-me por /domain-model, integrando conceptos de Diseño Guiado por el Dominio (DDD), generando documentos y ADR de forma sincrónica durante la discusión. Esto muestra que el proyecto está en evolución continua, incorporando gradualmente más mejores prácticas de ingeniería de software.

Escenarios de uso

Este conjunto de habilidades es especialmente adecuado para los siguientes desarrolladores:

• Aquellos que ya usan herramientas de programación con IA como Claude Code o Cursor, pero sienten que "la IA sabe escribir código pero no sabe hacer ingeniería".

• Quienes desean establecer un flujo de desarrollo estable asistido por IA, en lugar de depender de la suerte cada vez.

• Necesitan elevar la calidad del código generado por IA a nivel de producción.

• En trabajo en equipo, necesitan estandarizar la forma de usar la IA.

Como reflexionó un desarrollador después de eliminar la mayoría de las habilidades hinchadas: el conjunto de habilidades de Matt Pocock encarna una filosofía minimalista: primitivas pequeñas y precisas, con nombres claros; menos superficie pero mayor apalancamiento.

Resumen

Matt Pocock Skills no se trata simplemente de "dejar que la IA genere código al azar", sino de acercar la programación con IA a la forma de trabajar de un ingeniero real mediante clarificación de requisitos, TDD, diagnóstico, descomposición de tareas y mejora de arquitectura. Lo que enfatiza es un desarrollo ingenieril con procesos, retroalimentación, descomposición y revisión, no un "Vibe Coding" basado solo en sensaciones. Esto es exactamente lo que más se necesita actualmente en el campo del desarrollo asistido por IA: no una IA más inteligente, sino mejores flujos de trabajo.