Cómo multiplicar por 10 tus habilidades con Claude (usando el método de auto-investigación de Karpathy)

Tus habilidades con Claude probablemente fallan el 30% de las veces y ni siquiera te das cuenta.

Desarrollé un método que mejora automáticamente cualquier habilidad en piloto automático, y en este artículo te voy a mostrar exactamente cómo ejecutarlo tú mismo.

Lo inicias, y el agente prueba y refina la habilidad una y otra vez sin que toques nada.

Mi habilidad de redacción para páginas de aterrizaje pasó de aprobar sus controles de calidad el 56% de las veces al 92%. Con cero trabajo manual.

El agente simplemente seguía probando y ajustando el prompt por sí solo.

Aquí está el método y la habilidad exacta que construí para que puedas aplicarlo en tus propias cosas:

P.D. Si quieres recibir más flujos de trabajo de IA como este en tu bandeja de entrada cada semana, únete a 34,000 lectores que los obtienen gratis: aisolo.beehiiv.com/subscribe

De dónde viene esto

Andrej Karpathy (cofundador de OpenAI, exdirector de IA en Tesla, el tipo que acuñó "vibe coding") publicó un método llamado autoresearch.

La idea es simple: en lugar de que tú mejores algo manualmente, dejas que un agente de IA lo haga por ti en un bucle.

Prueba un pequeño cambio. Verifica si el resultado mejoró. Lo conserva si fue así, lo descarta si no.

Luego lo hace otra vez. Y otra.

Él lo usó para código de aprendizaje automático. Pero el método funciona en cualquier cosa que puedas medir y mejorar.

Incluyendo las habilidades que has creado en Claude.

Tomé su método y lo convertí en una habilidad que funciona tanto en Claude Code como en Cowork. Simplemente la ejecuto sobre cualquier otra habilidad en mi configuración.

Digo "ejecuta autoresearch en mi habilidad de landing page" y ella maneja todo el proceso.

Cómo un bucle mejora automáticamente tus habilidades

Piénsalo así.

Tienes una receta que sale genial 7 de cada 10 veces. Las otras 3 veces, algo falla. Tal vez la salsa está insípida, tal vez la sazón está mal.

En lugar de reescribir toda la receta desde cero, cambias un ingrediente. Cocinas esa receta 10 veces con ese cambio.

• ¿Mejoró? Conservas el cambio.
• ¿Empeoró? Devuelves el ingrediente original.

Luego cambias lo siguiente. Cocinas 10 veces más. ¿Mejor o peor? Lo conservas o lo reviertes.

Después de 50 rondas de esto, tu receta funciona 9.5 de cada 10 veces.

Eso es exactamente lo que hace autoresearch con tus habilidades.

• La "receta" es tu prompt de habilidad.
• "Cocinar" es ejecutar la habilidad.
• "Probar" es calificar el resultado.

Lo único que necesitas proporcionar son los criterios de calificación.

La lista de verificación que le dice al agente exactamente qué significa "bueno"

Le das al agente una lista de verificación simple de lo que significa "bueno". Esa es tu única tarea en todo este proceso.

Lo haces con una lista simple de preguntas de sí/no.

Cada pregunta verifica una cosa específica sobre el resultado. Aprueba o reprobado. Eso es todo.

El agente usa esta lista para calificar cada resultado, y esas calificaciones le indican si sus cambios están ayudando o perjudicando.

Piénsalo como un maestro calificando un trabajo con una lista de verificación.

Pero en lugar de "califica la calidad de la redacción del 1 al 10" (que es vago y diferente cada vez), cada elemento de la lista es un sí o no claro:

• ¿El estudiante incluyó una tesis? Sí o no.
• ¿Cada fuente está citada? Sí o no.
• ¿Tiene menos de 5 páginas? Sí o no.

Puedes calificar 100 trabajos con esa lista y obtener resultados consistentes cada vez.

Misma idea aquí. Para una habilidad de redacción de landing page, tu lista de verificación podría verse así:

• "¿El titular incluye un número o resultado específico?" (detecta titulares vagos como "Haz Crecer Tu Negocio")
• "¿El texto está libre de palabras de moda como 'revolucionario', 'sinergia', 'punta de lanza', 'siguiente nivel'?"
• "¿El CTA usa una frase verbal específica?" (detecta CTAs débiles como "Aprende Más" o "Haz Clic Aquí")
• "¿La primera línea menciona un punto de dolor específico?" (detecta aperturas genéricas como "En el mundo acelerado de hoy...")
• "¿El texto total tiene menos de 150 palabras?" (detecta páginas infladas que pierden al lector)

No necesitas descubrir esto por tu cuenta. Cuando inicias autoresearch, el agente te guía a través del proceso.

Pregunta qué significa "bueno", te ayuda a convertir tus sensaciones en preguntas de sí/no específicas, e incluso ofrece tomar guías de estilo existentes si las tienes.

De 3 a 6 preguntas es el punto óptimo. Más que eso y la habilidad empieza a jugar con la lista (como un estudiante que memoriza las respuestas sin entender el material).

Así es como se ejecuta

Paso 1: Descarga la habilidad. Consíguela aquí. Colócala en tu carpeta de habilidades en Claude Code o Cowork.

Paso 2: Elige una habilidad para mejorar. Di "ejecuta autoresearch en mi habilidad [nombre de la habilidad]". Elige la que más te moleste. Aquella en la que obtienes un gran resultado la mitad de las veces y basura la otra mitad.

Paso 3: El agente te pregunta 3 cosas. Qué habilidad optimizar. Qué entradas de prueba usar (por ejemplo, "escribe texto de landing page para una herramienta de productividad con IA"). Y cuáles son tus preguntas de la lista de verificación.

Paso 4: Ejecuta tu habilidad y te muestra tu puntuación inicial. Esta es la línea base. Mi habilidad de landing page comenzó en 56%. Titulares vagos, sopa de palabras de moda, CTAs débiles. Más de la mitad de las verificaciones estaban fallando.

Paso 5: Abre un panel en vivo en tu navegador. Gráfico de puntuación que sube con el tiempo. Desglose de aprobado/reprobado para cada pregunta de la lista. Un registro de cada cambio que intentó. Se actualiza automáticamente cada 10 segundos.

Paso 6: Aléjate. El agente entra en el bucle. Analiza lo que está fallando. Hace un pequeño cambio en el prompt de la habilidad. Prueba de nuevo. Conserva el cambio si la puntuación sube, lo deshace si baja.

Luego lo hace otra vez. Y otra. Sigue autónomamente hasta que lo detengas o alcance un 95%+ tres veces seguidas.

Puedes mirar el panel o alejarte por completo. Funciona sin ti. Y guarda la versión mejorada como un archivo separado, así que tu habilidad original permanece intacta.

Lo que pasó con mi habilidad de landing page

La ejecuté en mi habilidad de redacción para landing pages. Esto es lo que obtuve:

56% → 92%. 4 rondas de cambios. 3 conservados, 1 revertido.

Esto es lo que el agente realmente cambió en mi prompt de habilidad:

• Añadió una regla específica para el fallo más común: "Tu titular debe incluir un número o resultado específico. Nunca uses promesas vagas como 'Transforma Tu Negocio'."
• Añadió una lista de palabras de moda prohibidas: "NUNCA uses: revolucionario, punta de lanza, sinergia, siguiente nivel, innovador, apalancar, desbloquear, transformar."
• Añadió un ejemplo trabajado de una sección sólida de landing page con el punto de dolor de apertura y el CTA resaltados, para que la habilidad pudiera ver cómo se ve lo bueno en lugar de adivinar.
• Intentó un límite de palabras más estricto, lo deshizo porque el texto se volvió demasiado escaso y el CTA se resintió. (El sistema detecta cambios que parecen mejoras aisladas pero perjudican el resultado general.)

Cuando terminó, obtuve:

• La habilidad mejorada, guardada por separado (la original permanece intacta por si quieres revertir)
• Un registro de resultados que muestra la puntuación de cada ronda
• Un registro de cambios que explica cada cambio que se intentó, por qué el agente lo intentó y si ayudó
• Una copia de seguridad de mi habilidad original por si alguna vez quiero volver atrás

Ese registro de cambios es probablemente la pieza más valiosa. Es un registro completo de lo que funciona y lo que no para esa habilidad específica.

Cuando salgan modelos más inteligentes en el futuro, les entregas ese registro de cambios y retoman justo donde lo dejó el último agente.

Esto funciona en mucho más que habilidades

El método funciona en cualquier cosa que puedas calificar.

• Velocidad del sitio web: Una persona ejecutó esto en el tiempo de carga de página. Cambió una cosa, midió la velocidad, conservó o revirtió. Pasó de 1100ms a 67ms en 67 rondas.
• Prospección en frío: Define tu lista de verificación: "¿Menciona la empresa del prospecto? ¿Tiene menos de 75 palabras? ¿Termina con una pregunta específica?" Deja que el agente ejecute 50 variaciones.
• Introducciones de newsletters: "¿La apertura incluye un detalle personal?" y "¿Está libre de frases cliché?" Deja que el agente ajuste tu escritura en piloto automático.
• Cualquier prompt que uses repetidamente

Si puedes calificarlo, puedes aplicarle autoresearch.

Ve a ejecutarlo

Elige tu habilidad de peor rendimiento. Inicia el autoresearch. Vuelve a algo que realmente funcione.

Descarga la habilidad aquí (subida a dropbox)

O revisa mi github [aquí](https://github.com/olelehmann100kMRR/autoresearch-skill)

P.D. Si quieres más flujos de trabajo de IA que te ayuden a conseguir más clientes, más atención y hacer más (sin trabajar más horas), los envío a 34,000 lectores cada semana de forma gratuita.

Además, obtienes una masterclass gratuita de Claude Cowork cuando te unes: aisolo.beehiiv.com/subscribe