Los equipos de Angular necesitan decisiones claras sobre el estado a medida que las aplicaciones crecen. Esta habilidad proporciona patrones prácticos para Signals, NgRx, SignalStore, ComponentStore y la migración de RxJS.

Las aplicaciones heredadas de AngularJS son difíciles de modernizar sin interrumpir las entregas. Esta skill proporciona pasos de migración estructurados para la configuración híbrida, la reescritura de componentes y la validación.

Las aplicaciones de Angular suelen perder velocidad por una detección de cambios costosa, bundles sobredimensionados y trabajo de hidratación evitable. Esta skill ofrece orientación de revisión priorizada para componentes, rutas y SSR más rápidos.

Los proyectos modernos de Angular requieren muchos patrones nuevos en Signals, routing, SSR e hydration. Esta skill ofrece orientación práctica para crear y migrar aplicaciones Angular con arquitectura actual.

Los equipos modernos de Android necesitan orientación sobre Compose que evite patrones frágiles de estado y navegación. Esta skill proporciona patrones prácticos para estado, navegación, rendimiento y Material 3.

Los equipos suelen necesitar patrones de búsqueda con Algolia sin revisar documentación dispersa. Esta skill ofrece orientación concisa para React InstantSearch, SSR en Next.js, indexación y ajuste de relevancia.

Los equipos suelen lanzar herramientas de IA genéricas que son costosas y difíciles de defender. Esta skill guía productos de IA enfocados con prompts, controles, precios y fiabilidad.

Las funcionalidades de IA suelen fallar cuando los prompts, la recuperación, los costos y la seguridad se tratan como elementos secundarios. Esta skill guía patrones de producción para funcionalidades LLM confiables.

Los equipos de IA necesitan un camino claro desde la idea hasta producción. Esta habilidad organiza aplicaciones LLM, sistemas RAG, agentes, pipelines de ML, observabilidad y seguridad en un solo flujo de trabajo.

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.

Los agentes autónomos pueden fallar por un mal diseño de herramientas, reglas de memoria débiles y rutas de escalamiento poco claras. Esta habilidad guía las decisiones de arquitectura para agentes controlables.

Los proyectos de agentes de IA suelen necesitar pasos estructurados para el diseño, las herramientas, la memoria, la orquestación y la evaluación. Esta skill guía a Claude, Codex y Claude Code a través de un flujo de trabajo por fases para el desarrollo práctico de agentes.

Las herramientas de agente suelen fallar cuando los esquemas, las descripciones y los errores no son claros. Esta skill ayuda a los equipos a diseñar interfaces de herramientas que los agentes LLM puedan llamar correctamente y de las que puedan recuperarse de forma segura.

Los agentes basados en contenedores necesitan configuraciones precisas del SDK de Azure, el registro y el protocolo. Esta skill ofrece un flujo de trabajo enfocado en Python para crear agentes hospedados con imágenes personalizadas en Azure AI Foundry.

Los sistemas multiagente pueden desperdiciar tokens, tiempo y cómputo cuando el trabajo está mal coordinado. Esta skill guía la generación de perfiles, la distribución de cargas de trabajo y los controles de costos para flujos de trabajo de agentes fiables.

La calidad de los agentes puede desviarse cuando los equipos cambian prompts sin mediciones claras. Esta habilidad proporciona un flujo de trabajo estructurado para métricas de referencia, mejoras de prompts, pruebas, despliegue y monitoreo.

Los agentes pierden coherencia cuando no pueden recuperar el contexto previo adecuado. Esta habilidad guía las decisiones sobre arquitectura de memoria, fragmentación, recuperación y decaimiento para un comportamiento fiable del agente a largo plazo.

Los desarrolladores necesitan patrones fiables para crear agentes persistentes de Azure AI Foundry con Python. Esta skill proporciona ejemplos enfocados para agentes, herramientas alojadas, MCP, threads, streaming y salidas estructuradas.

Los agentes LLM pueden superar comprobaciones simples mientras fallan en flujos de trabajo reales. Esta skill ayuda a crear pruebas de comportamiento, benchmarks y monitoreo para una evaluación más sólida en producción.

Los comentarios de revisión pueden estar dispersos en hilos de GitHub y ser fáciles de pasar por alto. Esta skill guía a Claude, Codex o Claude Code a través de la inspección, la planificación, las correcciones y las respuestas.