Experto en configuración de settings.json de Claude Code, permisos, sandbox, variables de entorno y jerarquía de configuraciones. Se activa cuando el usuario menciona settings.json, permisos, reglas de allow, reglas de deny, sandbox, configuración de hooks o precedencia de configuraciones.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Genera rápidamente componentes de React reutilizables con TypeScript y Tailwind CSS.
Analizar y optimizar los tamaños de los paquetes, cargar componentes de forma diferida y mejorar el rendimiento en tiempo de ejecución.
Convierte diseños de Figma en componentes web responsivos y accesibles con facilidad.
Revisar el código frontend para detectar mejores prácticas, errores de TypeScript y problemas de rendimiento.
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce el tiempo de desarrollo con plantillas de componentes preconstruidas y automatización.
Mejora los tiempos de carga y la interactividad de la app con técnicas de optimización.
Reducir errores en tiempo de ejecución con seguridad de tipos forzada por TypeScript y revisiones de código.
QUÉ INCLUYE
Archivos, etiquetas y la instalación en tres pasos
Consejo: Lee la documentación y el código antes del primer uso para saber qué hace y qué permisos necesita.
SIGUIENTES GUIONES
Recomendado según etiquetas y categoría
Generar y mantener archivos AGENTS.md siguiendo la convención pública agents.md. Usar cuando se cree documentación para flujos de trabajo de agentes AI, guías de incorporación o cuando se estandaricen patrones de interacción de agentes en proyectos.
Sistema de generación de agentes de código Claude que crea agentes personalizados y subagentes con frontmatter YAML mejorado, patrones de acceso a herramientas y soporte para integración MCP siguiendo patrones de producción probados
Esta habilidad debería usarse para tareas de aprendizaje automático de series temporales que incluyen clasificación, regresión, agrupamiento, pronóstico, detección de anomalías, segmentación y búsqueda de similitud. Usarla al trabajar con datos temporales, patrones secuenciales o observaciones indexadas en el tiempo que requieren algoritmos especializados más allá de los enfoques de ML estándar. Especialmente adecuada para análisis de series temporales univariadas y multivariadas con APIs compatibles con scikit-learn.
Acceda a más de 200 millones de estructuras de proteínas predichas por IA de AlphaFold. Recupere estructuras por ID de UniProt, descargue archivos PDB/mmCIF, analice métricas de confianza (pLDDT, PAE) para la descubrimiento de fármacos y la biología estructural.