Esta habilidad se debe usar cuando los usuarios necesiten recuperar incidencias de GitHub del repositorio actual, incluyendo obtener la siguiente incidencia en la que trabajar, recuperar campos específicos de la incidencia (cuerpo, número, título, etiquetas, etc.) o consultar incidencias con ordenación y filtrado personalizados. Se activa en solicitudes como "obtener la siguiente incidencia de GitHub", "¿cuál es el número de la siguiente incidencia?", "muéstrame el cuerpo de la incidencia" o "busca incidencias con la etiqueta X".
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Verifica automáticamente la integridad de las historias antes de pasar a Pendientes.
Reformatea las tareas para que coincidan con las plantillas y los estándares de historias del equipo.
Marca tareas sobre-ingeniadas y sugiere simplificaciones para mayor claridad.
Garantiza que las tareas se alineen con los principios SOLID para un código mantenible.
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce el tiempo de revisión manual automatizando la validación y el formateo.
Minimiza el retrabajo haciendo cumplir los estándares antes de la aprobación.
Aumenta la velocidad al optimizar los procesos de refinamiento del backlog.
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
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
Plataforma de laboratorio en la nube para pruebas y validación automáticas de proteínas. Utilícelo al diseñar proteínas y necesitar validación experimental que incluya ensayos de unión, pruebas de expresión, mediciones de termostabilidad, ensayos de actividad enzimática o optimización de secuencias de proteínas. También úselo para enviar experimentos a través de API, rastrear el estado de los experimentos, descargar resultados, optimizar secuencias de proteínas para una mejor expresión utilizando herramientas computacionales (NetSolP, SoluProt, SolubleMPNN, ESM) o gestionar flujos de trabajo de diseño de proteínas con validación en laboratorio húmedo.
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.
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.