Guía de Claude AI: Consejos y Tutoriales Prácticos

Una guía para principiantes sobre las Claude Skills (Agent Skills), el mecanismo que acaba con la pesadez de volver a explicarle a Claude el mismo procedimiento una y otra vez. Una Skill empaqueta instrucciones, scripts y referencias en una sola carpeta, centrada en un archivo SKILL.md que contiene un nombre, una descripción y los pasos. La mayor parte del tiempo Claude lee solo la breve descripción de cada skill, y despliega el cuerpo únicamente cuando tu petición coincide con ella: un diseño llamado divulgación progresiva que mantiene tu contexto ligero incluso con decenas de skills instaladas. Este artículo cubre qué son las Skills, por qué importan (se acabó volver a pegar prompts), cómo escribir un SKILL.md y una estructura de carpetas mínima, cómo crear una (con la skill-creator oficial o a mano, soltándola en .claude/skills, con la recarga instantánea de enero de 2026), en qué se diferencian del MCP (conectividad) y de los subagentes (aislamiento de contexto), el estándar abierto que ya adoptaron Codex CLI, Cursor, Gemini CLI y GitHub Copilot más allá de las apps de Claude, Claude Code, la API y el Agent SDK, además de usos concretos como la generación de documentos y la aplicación de reglas internas. Anunciado por Anthropic el 16 de octubre de 2025 y calificado de «quizá algo más importante que el MCP» por Simon Willison.

Claude Fable 5, lanzado el 9 de junio de 2026 como el primer modelo clase Mythos disponible públicamente de Anthropic, se examina aquí solo para programación (el lanzamiento completo se cubre aparte). En pocas palabras: Fable 5 se distancia cuanto más difícil se vuelve la programación. Obtiene un 95.0% en SWE-bench Verified y un 80.3% en el más exigente SWE-bench Pro (frente al 69.2% de Opus 4.8 y el 58.6% de GPT-5.5), y un 29.3% en el difícil FrontierCode Diamond (frente al 13.4% de Opus y el 5.7% de GPT-5.5, ~5x GPT), mientras que Terminal-Bench 2.1 es una carrera reñida en 84.3% (GPT-5.5 sigue competitivo vía Codex CLI). El artículo ofrece un resumen para desarrolladores en tres puntos (el más fuerte en problemas difíciles / termina en menos turnos / pero caro y no se detiene), una tabla comparativa de benchmarks y cómo leerla (cuanto más difícil el benchmark, mayor la brecha; el trabajo en terminal está reñido), la propiedad de escalar con effort (de 11.5% bajo a 30.9% máximo, mientras GPT-5.5 se estanca en 5-6%; cuanto más larga y compleja la tarea, mayor la ventaja; cinco agentes en paralelo alcanzaron un 60% de aprobado en pruebas ocultas 3.2x más rápido que uno solo), en qué es realmente bueno (grandes refactorizaciones multiarchivo, ejecuciones agénticas largas, front-end a partir de una captura, diseño de API más pruebas más documentación; Simon Willison valoró el resultado como varios días de trabajo aunque lo llamó lento y caro con más de $110 en 5.5 horas), sus debilidades (~2x el precio de Opus 4.8 a $10/$50, sesiones complejas de 500k-1M tokens, juzga mal cuándo parar y sigue ejecutándose, su precisión de revisión va por detrás de Opus, los clasificadores de seguridad recurren a Opus 4.8 en cerca del 20% de las pruebas de Terminal-Bench, y tiende a reportar probado sin ejecutar), la guía de enrutamiento (Opus 4.8 por defecto, escalar el 10-20% más difícil a Fable 5, el trabajo en terminal a GPT-5.5, conmutable por model ID) y dónde usarlo (Claude Code, GitHub Copilot, AWS Bedrock, Azure Foundry, Databricks, Anthropic API) con precios, contexto de 1M tokens, salida máxima de 128k y la ventana gratuita del 9 al 22 de junio. Fable 5 para el encargo pesado puntual, Opus 4.8 para la mayor parte del día a día. Las cifras se citan de informes de Anthropic y de terceros y son orientativas, dependientes del scaffold.

El 9 de junio de 2026, Anthropic lanzó Claude Fable 5, poniendo a disposición por primera vez, en una forma que usuarios y desarrolladores corrientes pueden usar, una capacidad al nivel de "Mythos", el modelo de frontera considerado durante mucho tiempo el más potente de la casa a nivel interno. Anthropic lo posiciona como el modelo más potente que ofrece de forma general, con el lema "creado para trabajos largos y complejos". Este análisis a fondo, escrito para que los principiantes lo sigan, cubre qué es Fable 5 (una forma pública y segura de la capacidad de clase Mythos, optimizada para terminar un maratón más que una sola pregunta; ID del modelo claude-fable-5), en qué se diferencia de su gemelo Mythos 5 (idénticos por dentro, solo difieren las protecciones; el público usa Fable), los benchmarks (SWE-Bench Pro 80.3% vs Opus 4.8 69.2 y GPT-5.5 58.6, primer 90%+ de la historia en el análisis de larga duración de Hex, primer puesto en Cognition FrontierCode y en el benchmark financiero Hebbia, nuevo SOTA en visión jugando a Pokémon sin ayudas), su verdadera fortaleza en autonomía de larga duración (concentración a lo largo de millones de tokens, ejecuciones de 12 horas, Stripe completando una migración de 50 millones de líneas en Ruby en un día frente a más de dos meses a mano, la memoria de archivos impulsando una tarea de juego 3x más que Opus 4.8, GitHub informando de programación de largo alcance con alta autonomía), precio y disponibilidad ($10 entrada / $50 salida por 1M de tokens, 1M de contexto y 128K de salida, gratis dentro de cada plan del 9 al 22 de junio y luego créditos, API claude-fable-5 y GitHub Copilot), una comparación directa con Opus 4.8 (estándar $5/$25 vs $10/$50, +11.1 puntos en SWE-Bench Pro, mismo contexto de 1M, Opus 4.8 Fast Mode a $10/$50; reparte el trabajo pesado a Fable 5 y el día a día a Opus 4.8 estándar), el destacado nuevo diseño de seguridad (clasificadores de ciber, bioquímica y destilación que recurren a Opus 4.8 solo cuando es peligroso, activándose en menos del 5% de las sesiones para que el 95%+ funcione a pleno rendimiento, con retención de 30 días del tráfico de clase Mythos), el contexto de lanzarlo días después de advertir que la IA es demasiado peligrosa (una tercera vía que cierra solo las áreas peligrosas), y cuándo usarlo. Las cifras están citadas del anuncio de Anthropic y de informes, y pueden cambiar.

"Avísame cuando termine la compilación." "Si CI se pone en rojo, arréglalo." "Vigila el despliegue cada 5 minutos." Delegar por completo en la IA estas tareas de estar pendiente es justo lo que hace posible el comando /loop, añadido a Claude Code en 2026. Esta guía para principiantes explica que /loop es un programador con alcance de sesión que ejecuta un prompt o comando slash de forma repetida en un intervalo que tú defines (o que define la IA), y luego cubre las cuatro formas de usarlo (① /loop 5m X = intervalo cron fijo ② /loop X = autorritmo, donde la IA juzga el intervalo ③ /loop 15m = el prompt de mantenimiento integrado ④ /loop = automantenimiento), cómo escribir los intervalos (número + unidad s/m/h/d, mínimo 1 minuto, lenguaje natural como "every 2 hours," y puedes poner en bucle un comando slash: /loop 20m /review-pr 1234), la potencia del autorritmo (esperas más cortas cuando hay actividad, más largas cuando hay calma, entre 1 minuto y 1 hora, y — a diferencia de un cron normal — finaliza el loop solo cuando considera la tarea hecha), recetas prácticas (vigilar CI/despliegues, cuidar PR, comprobar compilaciones largas, recordatorios, mantener ramas automáticamente), cómo detenerlo y las precauciones (Esc para detener, alcance de sesión por lo que una nueva conversación lo borra, cerrar la terminal lo detiene, los intervalos fijos duran hasta 7 días, máximo 50 tareas por sesión, se dispara entre turnos con variación, zona horaria local), cómo elegir entre tres funciones de programación (/loop para monitorización en sesión, Desktop scheduled tasks para trabajo local residente, Routines para operaciones sin supervisión en la nube), y la personalización con loop.md además de la desactivación mediante CLAUDE_CODE_DISABLE_CRON=1 — todo basado en la documentación oficial (a fecha de 2026). Lo que /loop cambia es el eje temporal del trabajo que puedes delegar en la IA.

¿Estarás en el lado al que la IA le quita el trabajo o en el que maneja la IA para hacer el trabajo de diez? En 2026 esa es la bifurcación para los ingenieros. Este artículo plantea convertirse en un "desarrollador AI-native" (construir apps con LLM, agentes y RAG — distinto de investigar los modelos) como una pila de habilidades que se puede construir, no un doctorado, en tres capas: ① la base que no cambia (Python como lenguaje principal del desarrollo de IA, Git, línea de comandos, HTTP/REST/JSON — sigues necesitando los fundamentos en la era del código escrito por IA); ② las 5 habilidades AI-native clave (diseño de prompt/contexto, RAG como columna vertebral de los agentes empresariales, construcción de agentes, MCP como estándar de facto de conexión de herramientas y diseño de evals — más optimización de costos, guardrails, observabilidad); ③ la ventaja que la mayoría pasa por alto — el diseño de evals y la ingeniería de contexto (saber escribir evals es la mayor señal de "haber construido de verdad con LLM", y un AGENTS.md/CLAUDE.md más un pequeño conjunto de evals es el salto de "asistido" a "native"). Añade una hoja de ruta de 8–12 meses (base → API de LLM/prompting → construir RAG sin frameworks → agentes + MCP → evals + despliegue + publicación), una estrategia de portafolio donde el trabajo desplegado supera al título, las trampas (el pantano de tutoriales, acumular herramientas, descuidar los fundamentos) y cifras de mercado/demanda (basadas en EE. UU., con gran variación regional). La frontera es si usas la IA como un sistema.

«¿La factura de la API del mes pasado… 1.800 dólares?» En 2026, usar en serio Claude Code como agente se ha reportado que alcanza los 500–2.000 dólares al mes. Pero con solo cambiar la forma en que lo usas, puedes recortar el costo un 70–85 % sin bajar la calidad del resultado (múltiples informes del mundo real convergen aquí). Esta guía primero desentraña el verdadero rostro del costo elevado (modelo caro, contexto largo, llamadas desperdiciadas; cómo funciona la facturación por tokens; los agentes consumiendo unas 7 veces una sola sesión), luego el punto de equilibrio entre suscripción y API (la API gana aproximadamente solo con menos de 50 sesiones al mes; una estimación sitúa las suscripciones hasta 36 veces más baratas para el uso diario), un panorama de precios (Copilot Pro 10 $ / Cursor Pro 20 $, 60–100 $ cuando es intensivo / Claude Pro 20 $, Max 100 $; Copilot pasó a los AI Credits por uso el 1 de junio de 2026), seis palancas para recortar el costo (① enrutado por modelo para un 40–70 % menos ② caché de prompts a alrededor del 90 % de descuento con una tasa de acierto del 60–80 % ③ gestión del contexto ④ elección entre suscripción y API ⑤ auditoría de suscripciones duplicadas ⑥ funciones de memoria), una lista de ahorro que puedes aplicar hoy, y trampas —falso ahorro, costo oculto de mano de obra, facturación duplicada, sobresalto del contador, confiar en exceso en la caché— además de configuraciones recomendadas por perfil. La optimización no es ser tacaño; es diseñar para pagar la cantidad correcta por la cosa correcta.

Claude Code se detiene de repente con «vuelve a iniciar sesión», «límite de tasa», «el prompt es demasiado largo», «MCP no conecta», y buscar cada uno en Google acaba siendo tedioso. Esta es una referencia práctica que cataloga los errores que verás con más frecuencia, con la causa y el comando que debes ejecutar para cada uno. Empieza con los tres comandos de diagnóstico iniciales (claude doctor para el diagnóstico completo, /status para la autenticación activa, /context para el desglose del contexto), y luego se centra en las cuatro familias comunes (uso/límites de tasa, desbordamiento de contexto, autenticación caducada, fallos de conexión de MCP) con tablas de síntoma→causa→comando de solución sobre autenticación e inicio de sesión, uso/límites de tasa (Claude Code consume entre 10 y 100 veces más tokens que el chat), contexto y tokens (prompt demasiado largo, compactación en bucle), servidor y modelo (500/529/timeout/modelo no encontrado), instalación/PATH/actualización, red y proxy (ECONNREFUSED, TLS), MCP, permisos (denegar gana a bypass) y otros (error 400 de thinking blocks, imagen/PDF, IDE). Termina con una chuleta de error→solución y preguntas frecuentes. Basado en la documentación oficial de Claude Code (a fecha de 2026): cuando te atasques, ejecuta los tres comandos de diagnóstico y, si no se arregla, ejecuta claude update.

En 2026 quedaron definidos los cuatro grandes de las herramientas de programación con IA: Cursor, Claude Code, GitHub Copilot y Codex. Pero ponerlos en fila para coronar a un ganador te despista, porque los cuatro son tipos distintos. Este artículo clava primero la clave —la diferencia de tipo (Cursor = editor con IA, Copilot = complemento integrado en el IDE, Claude Code = agente CLI local, Codex = agente asíncrono en la nube)— y luego cubre qué es realmente cada herramienta, una tabla de especificaciones con los mismos ejes (tipo, precio de entrada y superior, modelos, contexto, fortalezas), cómo leer el giro de 2026 de tarifas planas a "asignación + uso (créditos)", elecciones por tu tipo (facilidad = Copilot $10+, experiencia de editor = Cursor, trabajo pesado multiarchivo = Claude Code, lotes asíncronos = Codex), el clásico de los desarrolladores competentes de combinar "una del lado del IDE + un agente de terminal" y advertencias honestas sobre precios y benchmarks; todo basado en fuentes oficiales y varios medios.

"Quiero traducir mi documentación a muchos idiomas. ¿Claude Code o Codex?" La pregunta esconde una trampa: ninguno es un motor de traducción, son entornos de trabajo CLI agénticos, y el modelo que corre por debajo produce el texto. Este artículo divide el problema en dos ejes: el entorno de trabajo (elección de herramienta) y la calidad de traducción (elección de modelo). En el lado de la herramienta, Claude Code —con acceso directo a los archivos locales, un contexto de 1M de tokens y una edición consistente de múltiples archivos— encaja en la traducción de repos, mientras que Codex (nube asíncrona, automatización de PR, CLI de código abierto) encaja en lotes desatendidos. En el lado del modelo, usando como dato primario las puntuaciones oficiales de Anthropic por idioma relativas al inglés (español 98.1% hasta japonés 96.9%), expone las tendencias: Claude para la consistencia de tono en documentos largos, la línea GPT-5.5 para la naturalidad y los modismos, y la línea Gemini 3.1 Pro / Flash para la amplitud en idiomas de pocos recursos y dialectos. Añade una tabla por idioma/por caso de uso, cinco reglas de oro para una canalización de traducción (glosario, ejecuciones en paralelo y más), y advertencias honestas como "el benchmark no es la calidad real de traducción", todo actualizado para 2026.

El 28 de mayo de 2026, Anthropic lanzó Claude Opus 4.8 apenas dos meses después del modelo anterior. Esta vez el titular no son las mejoras en benchmarks, sino el hecho de «ser más honesto». A partir del anuncio oficial de Anthropic y de la system card, este artículo cubre las especificaciones clave (claude-opus-4-8, 1M tokens, 128K de salida máxima), una comparativa de benchmarks cara a cara (SWE-bench Pro de 64.3 a 69.2%, USAMO 2026 de 69.3 a 96.7%, GraphWalks 1M de 40.3 a 68.1%, mientras GPQA Diamond baja ligeramente), los precios (estándar sin cambios más un modo rápido ~2.5x más veloz y, en la práctica, un tercio del precio), tres nuevas funciones (el parámetro effort de cuatro niveles y el pensamiento adaptativo, los flujos de trabajo dinámicos que generan de decenas a cientos de subagentes en paralelo en research preview, y las entradas system en la Messages API), el mayor salto de todos — la honestidad (0% de reporte acrítico de resultados defectuosos, 10 veces menos exceso de confianza, alrededor de un cuarto de las omisiones de fallos de código) — además de los retrocesos que conviene contar con honestidad (robustez frente a la inyección de prompts de 6.0 a 9.6%, sin ser el líder en multilingüe), y quién debería actualizar ahora mismo.

Terminas una función en Claude Code y vas a pulsar «Create PR» cuando aparece un banner rojo: «No se pudo comprobar el estado de la pull request. Esta información puede estar desactualizada». No es un defecto del código: Claude Code simplemente contactó con GitHub para obtener el estado más reciente de la PR y esa única petición falló, y normalmente es un retraso de sincronización inofensivo. Este artículo cubre el significado exacto del error, cómo ve Claude Code tu PR (una consulta a través de la CLI gh, con la nota de que la implementación interna no está documentada), las 5 causas raíz (autenticación caducada, aún sin push/PR, red/proxy, permisos insuficientes, transitorio), un orden de diagnóstico de 4 pasos que empieza por gh auth status, una chuleta de comandos (gh auth login/refresh/pr status y más), cómo saber cuándo el «puede estar desactualizada» es seguro de ignorar frente a cuándo actuar, la solución alternativa con gh pr create, una lista de comprobación para evitar reincidencias y unas preguntas frecuentes. La regla: sospecha de la conexión con GitHub antes que del código.

Estabas trabajando en Claude Code y de pronto aparece un error 400 "thinking blocks cannot be modified" y la sesión deja de responder; cada entrada posterior repite el mismo 400. Es un bug conocido con varios issues en el repo oficial de Anthropic: los bloques de extended thinking se corrompen al reenviar el historial y la signature criptográfica deja de coincidir con el contenido byte a byte. Este artículo explica qué dice realmente el error, el mecanismo de la signature, las 5 causas raíz (bug al reanudar sesión, entremezclado de streaming, lógica de reparación descontrolada, proxy de terceros, modificación del historial en tu app), las 3 soluciones inmediatas para usuarios (Esc×2 / rewind, sesión nueva con /clear, reparar el JSONL), las contramedidas para desarrolladores de API/SDK con los tres principios, cómo distinguirlo de errores parecidos y un checklist para evitar que se repita.