Those who take context budget seriously will have a better AI-assisted experience than those who mindlessly stack Skill.

Autor del artículo, fuente: 0x9999in1, ME News

TL;DR

• El ecosistema de habilidades/plug-ins de los asistentes de programación de IA más populares actualmente está experimentando "indigestión tras un crecimiento salvaje": acumulación de habilidades repetitivas, redundantes y zombis que erosionan gravemente los valiosos recursos de la ventana de contexto.
• Lobster Dad ha abierto el código de un meta-skill diseñado específicamente para realizar un "examen completo" a Skill, que cubre cinco funciones principales: auditoría de presupuesto, detección de duplicados, criba de inactividad, auditoría de directorio raíz y simplificación de descripciones.
• La ventana de contexto es uno de los recursos más escasos en los grandes modelos de IA; cada habilidad redundante consume tokens innecesarios que ocupan el espacio de razonamiento que realmente necesitas.
• El valor central de esta herramienta no es "otra habilidad más", sino gestionar todas las habilidades con una sola habilidad: es de nivel de infraestructura.
• El caos en el ecosistema Skill no es un fenómeno aislado, sino un problema estructural. Un sistema de plugins sin mecanismos de auditoría terminará inevitablemente en aumento de entropía.
• Open source means the community can iterate on this, which could be the starting point for standardizing Skill governance.

Primero, la situación actual: tu repositorio de Skill probablemente ya sea un vertedero.

Esto suena mal. Pero abre tu configuración de asistente de IA, cuenta cuántas habilidades tienes instaladas y piensa en cuáles usaste la última vez.

La respuesta probablemente dejará a la gente en silencio.

A partir del segundo semestre de 2025, herramientas de programación con IA como Cursor, Windsurf, Codex y Claude Code entraron colectivamente en una "carrera de armamentos de habilidades". Los contribuyentes de la comunidad generan contenido frenéticamente, las bibliotecas integradas oficiales siguen creciendo y las configuraciones personales se apilan capa tras capa.

What's the result?

Un usuario típico de alto nivel tiene fácilmente más de 50 habilidades. De ellas, quizás menos de 10 se activan diariamente. Los otros 40 permanecen tranquilos, cargándose en el contexto cada vez que se inicia una conversación, consumiendo silenciosamente el presupuesto de tokens, y luego... no hacen nada.

This is not a waste. This is a crime.

¿Por qué digo esto? Porque la ventana de contexto no es infinita. Incluso para 2026, la longitud efectiva del contexto de los modelos principales estará entre 128K y 200K tokens, ¿suena mucho, verdad? Pero haz el cálculo: la instrucción del sistema, el historial de la conversación, fragmentos de código, contenido de archivos, definiciones de herramientas, descripciones de habilidades... el espacio real disponible para "pensar" es mucho menos del que imaginas.

Cada descripción adicional de una habilidad innecesaria ocupa 200 tokens; 50 son 10,000 tokens. Diez mil tokens son suficientes para que el modelo lea 400 líneas adicionales de código.

Esto no es una especulación teórica. Es algo que sucede todos los días.

¿Por qué nadie lo controla? Porque "añadir" es diez mil veces más fácil que "quitar".

Los humanos tienen un sesgo psicológico profundamente arraigado: la preferencia por agregar (Addition Bias).

Cuando enfrentamos problemas, instintivamente queremos "añadir algo" para resolverlos, en lugar de "eliminar algo". Un estudio publicado en Nature en 2021 reveló claramente que los humanos sistemáticamente ignoran las soluciones de "sustracción" al mejorar las cosas, incluso cuando la sustracción es más efectiva.

Skill replicó perfectamente este sesgo.

Un contribuyente de la comunidad escribió una nueva Skill y la publicó. Los usuarios la instalaron pensando que "podría ser útil". La oficial consideró que "tiene un alcance funcional amplio" y la integró.

¿Quién elimina? ¿Quién audita? ¿Quién dice “esta habilidad es repetitiva con esa otra, elimina una”?

Nadie.

Porque eliminar no tiene incentivo. Escribe una nueva Skill que te permita ganar estrellas, ser reconocido por la comunidad y incluirla en tu currículum. ¿Limpiar una Skill antigua? No obtienes nada.

Este es un dilema estructural. No es un problema técnico, es un problema de mecanismos de incentivos.

Hasta que alguien decida: No me importa el incentivo, yo me encargaré de esto.

El padre de la langosta actúa: utiliza una Skill para gestionar todas las Skill

¿Quién es el padre del cangrejo? Si te mueves en la comunidad de herramientas de programación con IA, este nombre no te será extraño. Jugador profundo activo durante mucho tiempo en los ecosistemas de Codex y Claude, conocido por su pensamiento sistemático y su obsesión por la limpieza ingenieril. El propio apodo "padre del cangrejo" lleva el reconocimiento de la comunidad: ser llamado "padre" significa que, en un ámbito específico, es la persona inevitable.

Lo que abrió en esta ocasión es, en esencia, una metahabilidad (Meta-Skill).

¿Qué es una metahabilidad? Es la "habilidad de gestionar habilidades". No te ayuda a escribir código, no te ayuda a llamar API, no te ayuda a generar documentación. Solo hace una cosa: realizar un examen exhaustivo, cuantificable y ejecutable de todas tus habilidades actuales.

Cinco funciones, desglosadas una por una.

Este es el más hardcore.

Lo que hace es directo: calcula el espacio de tokens de contexto que ocupa cada Skill, determina el porcentaje que representa respecto al presupuesto total y ofrece recomendaciones de optimización.

¿Por qué es importante esto? Porque la gran mayoría de los usuarios no tienen ninguna percepción de cuántos recursos ha consumido "Skill".

Crees que instalar una Skill solo añade una función adicional. En realidad, todo el texto descriptivo de cada Skill, las definiciones de parámetros, el código de ejemplo y las reglas de activación deben incluirse en el prompt del sistema. Cada vez que el modelo realice una inferencia, debe "leer" primero todo este contenido para decidir si llamarlo.

Es como si llevaras una mochila de montaña con 50 herramientas. Piensas que "llevarlas no te hace daño", pero cada kilogramo adicional consume más de tu energía. Cuando realmente necesites acelerar, ya no tendrás fuerzas.

Lo que hace la auditoría de presupuesto es abrir la mochila y decirte: "Este cuchillo suizo pesa 3 kg pero nunca lo has usado, tíralo."

El problema que resuelve esta función puede ser más grave de lo que imaginas.

Su rango de escaneo cubre cuatro niveles:

• Biblioteca incorporada de Codex
• Plugin cache
• Repositorio de código
• Raíz de las habilidades personales

Escanear a través de niveles habilidades con el mismo nombre, descripciones similares y funciones superpuestas, marcando los elementos redundantes.

¿Por qué hay duplicados? Hay muchas razones.

La plataforma oficial incluye una habilidad de "formateo de código" que tú no conocías, y además instalaste otra desde la comunidad con funciones casi idénticas. Dos habilidades realizan la misma tarea y consumen dos presupuestos.

O incluso más sutil: hace seis meses escribiste un Skill personalizado para procesar JSON, luego la plataforma actualizó y añadió una mejor opción en la biblioteca incorporada. Tu versión antigua sigue ahí, y nadie te dijo que la eliminaras.

La detección de duplicados no solo revisa los nombres. También se señalan aquellos con nombres diferentes pero descripciones altamente similares. Esta es la parte verdaderamente técnica: realiza una comparación de similitud semántica, no simplemente una coincidencia de cadenas.

Identificar habilidades "zombi" que no se han utilizado durante mucho tiempo según el historial histórico.

Este lógica es clara: si una Skill no se ha activado en los últimos 30, 60 o 90 días, es muy probable que se trate de uno de dos escenarios: o bien tu flujo de trabajo no la necesita, o bien sus condiciones de activación están mal diseñadas, lo que hace que el modelo nunca la elija.

En cualquier caso, la conclusión es la misma: está consumiendo el presupuesto sin motivo.

Esta función genera una "lista de candidatos para limpieza". Tenga en cuenta que son "candidatos", no eliminación directa. La decisión final está en manos del usuario. Este diseño es muy moderado e inteligente: conoce sus límites.

Algunas habilidades son realmente infrecuentes pero cruciales. Por ejemplo, "asistencia en migración de bases de datos", es posible que las uses solo una vez cada tres meses, pero cuando las necesites, serán una salvación. Por lo tanto, los resultados del cribado son una referencia, no una sentencia.

Esta función tiene un carácter más "operativo", pero es extremadamente útil.

Lo que hace: recopilar todos los directorios de origen de las habilidades, marcar su estado de habilitación/deshabilitación y mapear la cadena de carga.

¿Por qué se necesita esto? Porque las fuentes de Skill son diversas: algunas provienen de la configuración global, otras de la configuración a nivel de proyecto, algunas se inyectan automáticamente mediante plugins y otras se crean manualmente por el usuario.

Cuando la cantidad de Skill es pequeña, lo tienes claro. Cuando crece hasta decenas, ya no sabes de dónde viene "este Skill", si puedes eliminarlo con seguridad o si eliminarlo afectará a otras cosas.

La auditoría del directorio raíz te da un mapa. Te dice dónde vive cada Skill, quién lo cargó y si está activo o inactivo.

Con este mapa, puedes operar con seguridad.

La última función, que parece la más "pequeña", en realidad tiene una palanca enorme.

Lo que hace: identificar las habilidades con descripciones demasiado largas y recomendar soluciones para simplificarlas.

¿Por qué es tan importante la longitud de la descripción? Volviendo a lo mencionado anteriormente: la descripción de Skill debe incluirse en el prompt del sistema. Cada palabra es un token. Si la descripción de un Skill se puede reducir de 200 tokens a 80 tokens, el espacio ahorrado multiplicado por la cantidad de Skills es muy significativo.

Muchas habilidades contribuidas por la comunidad tienen descripciones que parecen resúmenes de artículos académicos: antecedentes, motivación, escenarios de aplicación, advertencias y ejemplos de entrada y salida, extensas y detalladas. Quienes las escriben lo hacen con gran dedicación, pero desde una perspectiva de ingeniería, esto es un exceso de diseño.

La descripción que necesita el modelo es: precisa, única, distinguible. Con las palabras mínimas necesarias para que el modelo entienda "qué hace esta habilidad y cuándo llamarla". Cada palabra adicional es un desperdicio del presupuesto de contexto.

Describa brevemente esta función: en esencia, se trata de una "optimización inversa de prompt engineering": no se trata de escribir mejores prompts, sino de acortar los prompts existentes sin perder información.

¿Dónde está el valor real? No es la funcionalidad, es la forma de pensar

Se han desglosado cinco funciones. Vistas por separado, ninguna parece "revolucionaria". Pero juntas, representan un cambio de paradigma de pensamiento:

De "crear más Skill" a "gobernar los Skill existentes".

El valor de este asunto no está en la cantidad de código ni en la complejidad del algoritmo, sino en que finalmente alguien trata este problema como una "ciudadana de primera clase".

Durante los últimos dos años, la atención en el ecosistema de herramientas de IA se centró completamente en "hacer sumas": más modelos, más funciones, más plugins, más habilidades. Corrían rápido y con fuerza, sin mirar atrás.

Pero cualquier persona con experiencia en ingeniería sabe que, cuando la complejidad de un sistema crece hasta cierto punto, sin un mecanismo de gobernanza adecuado, colapsará.

No es posible. Es seguro.

En ingeniería de software existe un concepto llamado "deuda técnica". Cada solución temporal, cada "déjalo así por ahora", y cada redundancia no eliminada es una forma de endeudamiento. Cuanto más prestas, más altos son los intereses, hasta que un día te das cuenta de que toda tu energía se dedica a pagar la deuda y no queda capacidad para hacer cosas nuevas.

La deuda técnica del ecosistema Skill ha llegado al momento de enfrentarla.

Esta herramienta, el Padre del Langosta, es esencialmente un auditor de deudas. No te ayuda a pagar tus deudas, pero te indica: cuánto debes, dónde debes y cuáles debes pagar primero.

This is worth much more than "wrote another useful Skill."

El significado del código abierto: de herramienta personal a estándar comunitario

El padre de la langosta eligió hacerlo de código abierto; esta decisión en sí misma merece ser discutida.

Él perfectamente podría haber convertido esta herramienta en un complemento de pago. La demanda del mercado es clara, el dolor real existe y no faltarán usuarios dispuestos a pagar. Pero él eligió hacerla de código abierto.

¿Por qué?

Supongo que hay dos consideraciones.

Capa uno: Para que esta herramienta alcance su verdadero valor, se necesita la colaboración de la comunidad. Los mecanismos de carga de habilidades, los formatos de registro y las estructuras de directorios varían entre diferentes plataformas de IA. Una sola persona no puede adaptarse a todos, pero cien contribuyentes sí pueden.

Segunda capa: Es posible que quiera impulsar no solo una herramienta, sino un estándar. ¿Cómo debería funcionar la gobernanza de Skill? ¿Cuáles son las dimensiones de la auditoría? ¿Cuáles son las mejores prácticas para la asignación de presupuesto? Estas preguntas requieren consenso comunitario para llegar a respuestas.

Open source is the best way to build consensus.

Al repasar la historia de la ingeniería de software, ESLint para la normativa de código JavaScript, Black para la formatización de Python y Prettier para el estilo de código frontend: estas herramientas se convirtieron en estándares de facto porque el código abierto permitió que la comunidad participara en la definición de las reglas.

¿Podría esta Meta-Habilidad del Padre del Langosta convertirse en un ESLint para la gobernanza de Skill?

Es demasiado pronto para juzgar. Pero la dirección es correcta.

Una pregunta más profunda: ¿debería rediseñarse el sistema Skill en sí mismo?

Las herramientas de auditoría resuelven el "problema del stock". Pero si elevamos un nivel nuestra perspectiva, descubrimos un problema más fundamental:

¿Por qué se sale de control Skill?

La respuesta es: el sistema Skill actual carece de gestión del ciclo de vida.

Una vez que se crea una Skill, permanece para siempre. No hay mecanismo de expiración, no hay obsolescencia de versiones, no hay decaimiento de actividad. Es como un proceso que nunca muere, ocupando recursos hasta que alguien lo mata manualmente.

Compare la gestión de procesos del sistema operativo: hay creación, programación, suspensión y terminación. Ciclo de vida completo y cerrado.

Compare the dependency management of package managers:npm auditchecks for security vulnerabilities,npm outdatedchecks for outdated dependencies,npm prunecleans up unused packages. Governance tools are part of the ecosystem.

¿Qué pasa con el sistema Skill? Crear → Usar → ... y punto. Faltan muchos pasos en el medio.

La herramienta del Padre del Langosta, en esencia, utiliza herramientas externas para compensar la falta de diseño del sistema. Es útil, pero también revela un hecho: la infraestructura de las plataformas de herramientas de IA en materia de gobernanza de habilidades aún se encuentra en una etapa primitiva.

Esto no es una crítica. Es una etapa inevitable del desarrollo. De 2024 a 2025, el objetivo principal de la plataforma es "hacer que el ecosistema funcione", y la gobernanza puede posponerse. Pero a mediados de 2026, el ecosistema ya está funcionando. Es hora de ponerse al día.

Al final

Regresando a la pregunta inicial: ¿cuántas habilidades hay activas en tu asistente de IA?

Si no puedes responder, significa que necesitas hacerte un chequeo médico.

El padre de la langosta dio la herramienta. Gratis. De código abierto. Cinco dimensiones, cobertura total.

Es tu decisión usarlo o no.

Pero una cosa estoy seguro: quienes tomen en serio el presupuesto contextual obtendrán una mejor experiencia asistida por IA que quienes acumulen habilidades sin pensar.

Porque la IA no es omnipotente. Su atención es limitada, su memoria es limitada y sus recursos de razonamiento son limitados. Cuanto más precisa y limpia sea la información que le proporciones, mejor será la salida que te devuelva.

Esto no es magia. Es teoría de la información.

Shannon ya nos lo dijo en 1948: la capacidad del canal es limitada, y cuanto más ruido haya, menor es la tasa de transmisión de información útil.

Las habilidades muertas en tu lista son ruido.

Elimínalos.

Referencia

1. Adams, G. S., Converse, B. A., Hales, A. H., & Klotz, L. E. (2021). People systematically overlook subtractive changes. Nature, 592(7853), 258–261.
2. Shannon, C. E. (1948). A Mathematical Theory of Communication. Bell System Technical Journal, 27(3), 379–423.
3. OpenAI. (2024). Documentación sobre la ventana de contexto y los límites de tokens de GPT-4 Turbo. https://platform.openai.com/docs/models
4. Anthropic. (2025). Tarjeta del modelo Claude: Utilización de la ventana de contexto y sobrecarga del prompt del sistema. https://docs.anthropic.com/en/docs/about-claude/models
5. Cursor Team. (2025). Reglas y habilidades: Cómo se cargan las instrucciones personalizadas en el contexto. Documentación de Cursor.
6. Documentación de npm. (2025). npm-audit, npm-prune: Gestión del ciclo de vida de los paquetes. https://docs.npmjs.com/cli
7. Padre del langostino. (2026). Skill Health Check Meta-Skill [Proyecto de código abierto]. Repositorio de GitHub.
8. Sculley, D., et al. (2015). Hidden Technical Debt in Machine Learning Systems. Advances in Neural Information Processing Systems (NeurIPS), 28.