Habilidades cc-skill-project-guidelines-example
📦

cc-skill-project-guidelines-example

Seguro

Construir Aplicaciones de IA de Pila Completa con Guías de Proyecto

Los desarrolladores luchan por mantener patrones consistentes en proyectos de pila completa. Esta habilidad proporciona diagramas de arquitectura listos para usar, patrones de código y flujos de trabajo de implementación para aplicaciones Next.js y FastAPI con integración de IA de Claude.

Soporta: Claude Codex Code(CC)
📊 71 Adecuado
1

Descargar el ZIP de la skill

2

Subir en Claude

Ve a Configuración → Capacidades → Skills → Subir skill

3

Activa y empieza a usar

Pruébalo

Usando "cc-skill-project-guidelines-example". ¿Cómo debo estructurar las respuestas de API en nuestro backend FastAPI?

Resultado esperado:

Usa el patrón genérico ApiResponse con campos de éxito, datos y error. Crea un modelo Pydantic con métodos de clase ok() para respuestas de éxito y fail() para respuestas de error. Esto asegura un manejo consistente de respuestas en todos los endpoints.

Usando "cc-skill-project-guidelines-example". ¿Qué enfoque de pruebas debo usar para componentes React?

Resultado esperado:

Sigue los patrones de React Testing Library: renderiza componentes, consulta elementos por rol, y prueba interacciones de usuario con fireEvent. Envuelve pruebas de estado asíncronas con await screen.findBy patterns. Mantén una cobertura mínima del 80%.

Auditoría de seguridad

Seguro
v1 • 2/25/2026

This skill is a documentation-only resource containing project guidelines and code examples. All 47 static analyzer findings are false positives resulting from Markdown code fences being misinterpreted as shell commands. The file contains no executable code, no actual network calls, and no credential access - only documentation of best practices for a full-stack application.

1
Archivos escaneados
355
Líneas analizadas
0
hallazgos
1
Auditorías totales
No se encontraron problemas de seguridad
Auditado por: claude

Puntuación de calidad

38
Arquitectura
100
Mantenibilidad
87
Contenido
32
Comunidad
100
Seguridad
91
Cumplimiento de la especificación

Lo que puedes crear

Incorporar Nuevos Miembros del Equipo

Usa esta habilidad para incorporar rápidamente a los desarrolladores sobre la arquitectura del proyecto, patrones de código y flujos de trabajo de implementación.

Estandarizar Revisiones de Código

Referencia los patrones documentados y reglas críticas durante las revisiones de código para asegurar consistencia en toda la base de código.

Configurar Nuevas Instancias de Proyecto

Clona la estructura y patrones documentados al crear nuevos proyectos con arquitectura de pila completa similar.

Prueba estos prompts

Revisar Arquitectura del Proyecto
Basado en las guías del proyecto, explica la arquitectura para nuestra aplicación Next.js y FastAPI. Incluye el diagrama de servicios y cómo Claude AI se integra con el backend.
Generar Patrón de Respuesta de API
Usando el formato de respuesta de API documentado de las guías, crea un modelo Pydantic para un endpoint de perfil de usuario que devuelve campos de éxito, datos y error.
Configurar Estructura de Pruebas
Siguiendo los requisitos de pruebas de las guías, genera fixtures de prueba pytest y una prueba de ejemplo para el endpoint de verificación de salud en nuestro backend FastAPI.
Preparar Lista de Verificación de Implementación
Revisa las guías de flujo de trabajo de implementación y genera una lista de verificación previa a la implementación para nuestro próximo lanzamiento de Cloud Run. Incluye todas las variables de entorno requeridas y pasos de construcción.

Mejores prácticas

  • Escribe pruebas antes de la implementación siguiendo la metodología TDD con cobertura mínima del 80%
  • Mantén inmutabilidad - nunca mutas objetos o arrays directamente en código TypeScript o Python
  • Mantén archivos pequeños con 200-400 líneas típicamente y máximo 800 líneas para mantenibilidad

Evitar

  • Usar console.log en código de producción - usa frameworks de logging apropiados en su lugar
  • Hardcodear secretos o credenciales en archivos de código fuente - siempre usa variables de entorno
  • Omitir validación de entrada - siempre valida con Pydantic para Python o Zod para TypeScript

Preguntas frecuentes

¿Qué stack tecnológico usa este proyecto?
Frontend: Next.js 15 con App Router, TypeScript y TailwindCSS. Backend: FastAPI con Python 3.11 y Pydantic. Base de datos: Supabase PostgreSQL. IA: Claude API con tool calling. Implementación: Google Cloud Run.
¿Cómo ejecuto las pruebas para este proyecto?
Backend: usa 'poetry run pytest tests/' con flags de cobertura opcionales. Frontend: usa 'npm run test' para pruebas unitarias y 'npm run test:e2e' para pruebas end-to-end de Playwright.
¿Cuáles son las reglas de codificación críticas que debo seguir?
Sin emojis en código, mantiene inmutabilidad, sigue TDD con cobertura mínima del 80%, mantiene archivos bajo 800 líneas, sin console.log en producción, usa try/catch para manejo de errores, y valida todas las entradas con Pydantic o Zod.
¿Cómo implemento esta aplicación?
Construye el frontend con 'npm run build' luego implementa con 'gcloud run deploy frontend --source'. Construye e implementa el backend con 'gcloud run deploy backend --source'. Asegúrate de que todas las pruebas pasen y no existan secretos hardcodeados antes de implementar.
¿Qué variables de entorno se requieren?
Frontend necesita NEXT_PUBLIC_API_URL, NEXT_PUBLIC_SUPABASE_URL y NEXT_PUBLIC_SUPABASE_ANON_KEY. Backend necesita DATABASE_URL, ANTHROPIC_API_KEY, SUPABASE_URL y SUPABASE_KEY. Nunca commitees estos valores al control de versiones.
¿Cómo está integrado Claude AI en el backend?
El backend usa el SDK de Python de Anthropic con salida estructurada vía tool calling. Define modelos Pydantic para esquemas de salida esperados, luego usa client.messages.create con tool_choice para forzar respuestas estructuradas que pueden ser parseadas directamente.

Detalles del desarrollador

Estructura de archivos

📄 SKILL.md