Creador interactivo de ganchos para Claude Code. Se activa cuando el usuario menciona la creación de ganchos, PreToolUse, PostToolUse, validación de ganchos, configuración de ganchos, ganchos de settings.json o quiere automatizar flujos de ejecución de herramientas.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Crea al instante una estructura estandarizada de documentos de referencia para nuevos proyectos.
Reestructurar la documentación existente en una jerarquía de referencia organizada.
Proporcionar un marco de documentación coherente para los nuevos miembros del equipo.
Generar documentación de referencia estructurada para guías y manuales de API.
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce el tiempo de creación de la estructura de la documentación de horas a minutos.
Garantizar documentación de referencia uniforme en todos los proyectos y equipos.
Reduce el esfuerzo dedicado a organizar y actualizar la documentación de referencia.
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
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.
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.