ai-engineer
Crea aplicaciones LLM y agentes de IA para producción
Los equipos necesitan sistemas LLM confiables que gestionen recuperación, orquestación, seguridad y costos. Esta habilidad guía a Claude, Codex y Claude Code en el diseño y la implementación de IA para producción.
Instalar con mi Agente
Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.
Review the Skillstore skill "ai-engineer" from https://skillstore.io/skills/sickn33-ai-engineer.md and its manifest at https://skillstore.io/api/skills/sickn33-ai-engineer/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.
Recursos legibles por agentes
Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.
Pruébalo
Usando "ai-engineer". Diseña un asistente RAG para documentos internos de políticas.
Resultado esperado:
- Arquitectura que cubre ingesta, fragmentación, almacenamiento vectorial, recuperación híbrida, reranking, generación de respuestas y citación de fuentes.
- Plan de evaluación con preguntas de referencia, métricas de recuperación, comprobaciones de alucinaciones, pruebas de control de acceso y requisitos de monitoreo.
Usando "ai-engineer". Mejora un chatbot que es lento y costoso.
Resultado esperado:
- Plan de optimización usando enrutamiento de modelos, caché de respuestas, streaming, recorte de prompts, límites de tasa y comportamiento de respaldo.
- Comprobaciones operativas para presupuestos de latencia, alertas de costos, seguimiento de errores y despliegue gradual.
Usando "ai-engineer". Añade controles de seguridad a un agente de IA.
Resultado esperado:
- Diseño de seguridad con permisos de herramientas, comprobaciones de inyección de prompts, redacción de PII, registros de auditoría, reglas de escalamiento y pruebas adversariales.
- Lista de verificación de lanzamiento para monitoreo, respuesta a incidentes, revisión de políticas y rutas de intervención humana.
Auditoría de seguridad
SeguroAll four static findings are false positives caused by safety and information-retrieval terminology in SKILL.md. The file contains guidance only and does not direct system reconnaissance, jailbreak behavior, code execution, or data exfiltration. No net-new semantic security risks were found.
Compartir y citar este informe
Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.
Copiar enlace del informe
https://skillstore.io/skills/sickn33-ai-engineer/audits/6?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportInsignia Markdown
[](https://skillstore.io/skills/sickn33-ai-engineer?utm_source=security_passport_badge)Insignia HTML
<a href="https://skillstore.io/skills/sickn33-ai-engineer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-ai-engineer/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Tarjeta para insertar
<iframe src="https://skillstore.io/embed/skills/sickn33-ai-engineer.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citas académicas (APA · BibTeX · CFF)
Cita APA
sickn33. (2026). ai-engineer security audit report (audit version 6) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-ai-engineer/audits/6Cita BibTeX
@techreport{sickn33-sickn33-ai-engineer-2026,
author = {sickn33},
title = {ai-engineer security audit report (audit version 6)},
institution = {Skillstore},
year = {2026},
number = {6},
url = {https://skillstore.io/skills/sickn33-ai-engineer/audits/6},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "ai-engineer security audit report (audit version 6)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/sickn33-ai-engineer/audits/6"
identifiers:
- type: other
value: "skillstore:sickn33-ai-engineer:audit:6"
description: "Skillstore immutable audit report identifier"
Puntuación de Skillstore
Por qué esta puntuación Confianza de la evidencia: AltoLo que puedes crear
Lanzar un asistente RAG empresarial
Planifica ingesta, fragmentación, embeddings, recuperación, reranking, control de acceso y evaluación para un asistente de conocimiento.
Crear un agente de soporte que usa herramientas
Diseña flujos de trabajo de agentes con memoria, herramientas, lógica de escalamiento, monitoreo y controles de seguridad para operaciones de clientes.
Fortalecer una función LLM existente
Revisa prompts, calidad de recuperación, casos de abuso, manejo de PII, latencia, costos y observabilidad en producción.
Prueba estos prompts
Diseña una función LLM simple para mi app. Incluye flujo de datos, elección de modelo, estructura de prompt, pruebas y pasos de despliegue.
Diseña un pipeline RAG para estos documentos y usuarios. Cubre ingesta, fragmentación, embeddings, almacenamiento vectorial, recuperación, reranking y evaluación.
Crea una arquitectura de agente con herramientas, memoria, permisos, rutas de escalamiento, observabilidad, controles de seguridad y manejo de fallos.
Revisa este sistema LLM en cuanto a confiabilidad, seguridad, costo, latencia, monitoreo, riesgo de inyección de prompts, manejo de PII y preparación para el lanzamiento.
Mejores prácticas
- Proporciona fuentes de datos, roles de usuario, objetivos de latencia, límites de costo y necesidades de cumplimiento antes de solicitar una arquitectura.
- Solicita métricas de evaluación y etapas de despliegue con cada implementación de IA para producción.
- Revisa la seguridad, la observabilidad y el comportamiento de respaldo antes de exponer herramientas o datos sensibles.
Evitar
- No lances funciones LLM sin pruebas de calidad de recuperación, inyección de prompts y casos de fallo.
- No expongas agentes a herramientas potentes sin permisos, registros de auditoría y escalamiento humano.
- No elijas modelos solo por puntuaciones de benchmarks sin comprobar latencia, costo, contexto y necesidades de políticas.