userlg Analizador de Repositorios de Skills
Especialista en análisis de repositorios externos de skills para AI coding assistants e integración de conocimiento externo en el ecosistema local.
Cuándo Usar Esta Skill
Actívala cuando necesites:
- Analizar un repositorio GitHub de skills/prompts para AI
- Comparar skills externas con las locales
- Identificar mejoras o features faltantes
- Generar plan de integración
- Detectar duplicaciones de funcionalidad
- Actualizar knowledge base con nuevo conocimiento
Capacidades
1. Búsqueda y Análisis Web
- Búsqueda de repositorios en GitHub
- Lectura de README, SKILL.md, y documentación
- Análisis de estructura de directorios
- Extracción de metadatos clave
2. Comparación Estructural
Compara:
- Frontmatter: name, description, triggers
- Contenido: workflows, ejemplos, knowledge base
- Datos: archivos CSV, JSON, YAML
- Scripts: Python, Bash, JavaScript helpers
- Documentación: calidad y completitud
3. Detección de Mejoras
Identifica:
- Features presentes en repo externo pero ausentes localmente
- Versiones más recientes de skills existentes
- Optimizaciones de workflow
- Mejoras en knowledge base (más datos, mejor estructura)
- Anti-patterns o bad practices a evitar
4. Generación de Implementation Plans
Crea planes detallados con:
- Hallazgos clave
- Componentes a actualizar
- Nuevas skills a crear
- Cambios propuestos con diff
- Plan de verificación
- User review checkpoints
Workflow de Análisis
Paso 1: Obtener URL del Repositorio
input:
url: "https://github.com/user/repo"
type: "skill" | "prompt" | "knowledge-base"
Paso 2: Explorar Estructura
# Opción 1: Usar read_url_content (sin JavaScript)
read_url_content(github_url)
# Opción 2: Usar web search para metadata
search_web("github repo_name skill AI")
# Opción 3: Si browser funciona, usar browser_subagent
browser_subagent -> navegar y extraer archivos
Estructura típica a buscar:
repo/
├── SKILL.md # Archivo principal
├── README.md # Documentación
├── data/ # Knowledge base (CSV, JSON)
├── scripts/ # Helpers automatizados
├── examples/ # Casos de uso
└── .cursorrules # Reglas de activación
Paso 3: Comparar con Skill Local
Si existe skill similar localmente:
local_skill_path = f"d:/Projects/AI/Skill Agents/.agent/skills/{skill_name}/SKILL.md"
comparison = {
"frontmatter": compare_yaml_frontmatter(local, external),
"content_length": len(local) vs len(external),
"features": extract_features(local) vs extract_features(external),
"data_files": list_data_files(local) vs list_data_files(external),
"scripts": list_scripts(local) vs list_scripts(external)
}
Paso 4: Identificar Mejoras
improvements:
new_features:
- "Design System Generator con 100 reasoning rules"
- "Multi-domain search architecture"
- "Persistencia con Master + Overrides pattern"
data_expansions:
- "ui-reasoning.csv: 100 reglas (vs 0 local)"
- "styles.csv: 67 estilos (vs 50 local)"
- "colors.csv: 96 paletas (vs 21 local)"
workflow_improvements:
- "CLI con --design-system flag para generación automática"
- "BM25 ranking algorithm para mejor relevancia"
missing_locally:
- "scripts/design_system.py - Reasoning engine"
- "scripts/search.py - CLI principal"
- "scripts/core.py - BM25 search"
Paso 5: Generar Implementation Plan
Crear artifact implementation_plan.md con:
- Executive Summary: Hallazgos principales
- User Review Required: Decisiones críticas, breaking changes
- Proposed Changes: Por componente
- Skills a actualizar
- Skills nuevas a crear
- Skills relacionadas a optimizar
- Verification Plan: Pruebas automatizadas y manuales
- Consideraciones: Versiones, performance, mantenimiento
Paso 6: Solicitar Aprobación del Usuario
notify_user(
paths_to_review=["implementation_plan.md"],
blocked_on_user=True,
message="Plan de integración listo para revisión",
should_auto_proceed=False # Cambios significativos requieren aprobación
)
Patrones de Integración
Patrón 1: Actualización Simple
Cuándo: Skill existe localmente, repo externo tiene mejoras menores
action: UPDATE
target: "local_skill/SKILL.md"
changes:
- "Añadir nueva sección 'What's New in v2.0'"
- "Actualizar frontmatter description"
- "Agregar ejemplos de output"
Patrón 2: Fusión de Knowledge Base
Cuándo: Ambos tienen data/, necesitamos fusionar CSV/JSON
action: MERGE_DATA
target: "local_skill/data/"
strategy:
- "Comparar columnas de CSV"
- "Fusionar filas únicas"
- "Resolver conflictos (priorizar externo si más completo)"
- "Validar integridad post-merge"
Patrón 3: Nueva Skill Derivada
Cuándo: Funcionalidad nueva que merece skill propia
action: CREATE_NEW_SKILL
name: "nueva-skill-derivada"
source: "external_repo"
integration:
- "Referencia a skill base"
- "Comparte data/ si aplica"
- "Workflow orquestador"
Patrón 4: Optimización de Skills Relacionadas
Cuándo: Mejoras impactan múltiples skills
action: OPTIMIZE_RELATED
targets:
- "frontend-design"
- "tailwind-design-system"
- "react-patterns"
changes:
- "Añadir referencias a diseñador-sistemas-visuales"
- "Integrar anti-patterns del reasoning engine"
- "Usar pre-delivery checklist"
Ejemplo Completo: ui-ux-pro-max v2.0
Input
Usuario: "Analiza https://github.com/nextlevelbuilder/ui-ux-pro-max-skill y actualiza mi conocimiento"
Análisis
repo_analysis:
url: "https://github.com/nextlevelbuilder/ui-ux-pro-max-skill"
version: "v2.0"
structure:
SKILL.md: "✓ Presente"
data/: "✓ 13 archivos CSV"
scripts/: "✓ 3 archivos Python"
README.md: "✓ Bien documentado"
key_features:
- "Design System Generator"
- "100 industry-specific reasoning rules"
- "Multi-domain search (5 parallel)"
- "BM25 ranking algorithm"
- "Master + Overrides persistence"
comparison_with_local:
version_local: "v1.0"
missing_features: [
"Design System Generator",
"Reasoning engine",
"Persistencia de design systems"
]
data_gaps: [
"ui-reasoning.csv (100 rules) - NO EXISTE LOCALMENTE",
"styles.csv - 67 vs 50 localmente",
"colors.csv - 96 vs 21 localmente"
]
scripts_gaps: [
"search.py - CLI principal",
"design_system.py - Reasoning engine",
"core.py - BM25 search"
]
Implementation Plan Generado
# Componente 1: ui-ux-pro-max (ACTUALIZAR)
- Actualizar SKILL.md con v2.0 features
- Añadir sección "What's New in v2.0"
- Modificar workflow para enfatizar --design-system
# Componente 2: diseñador-sistemas-visuales (CREAR)
- Nueva skill orquestadora
- Wrapper sobre ui-ux-pro-max
- Generación de MASTER.md + overrides
# Componente 3: analizador-repos-skills (CREAR)
- Esta misma skill
- Patrón reutilizable para futuros análisis
# Componente 4: Skills relacionadas (OPTIMIZAR)
- frontend-design: integrar anti-patterns
- tailwind-design-system: usar color palettes
- arquitecto-agents-skills: añadir patrón de análisis
Validation
# Test 1: Verificar Design System Generation
python3 .claude/skills/ui-ux-pro-max/scripts/search.py "test" --design-system
# Test 2: Verificar skill activation
# Prompt: "Build a landing page for fintech"
# Expected: ui-ux-pro-max auto-activates y ejecuta --design-system
# Test 3: Test de integración con frontend-design
# Prompt: "Create glassmorphism button"
# Expected: Referencia ui-ux-pro-max para valores
``
## Outputs Generados
### 1. Implementation Plan Artifact
**Ubicación:** `brain/{conversation-id}/implementation_plan.md`
**Contenido:**
- Executive summary
- User review required
- Proposed changes por componente
- Verification plan
- Consideraciones especiales
### 2. Task Breakdown Artifact
**Ubicación:** `brain/{conversation-id}/task.md`
**Fases:**
- [ ] Investigación y Análisis
- [ ] Planificación de Actualizaciones
- [ ] Implementación
- [ ] Validación
### 3. Hallazgos Document (Opcional)
**Ubicación:** `brain/{conversation-id}/findings.md`
**Contenido:**
- Análisis detallado de diferencias
- Tablas comparativas
- Código de ejemplo del repo externo
- Recomendaciones técnicas
## Integración con Otras Skills
### Con arquitecto-agents-skills
```yaml
when: "Después de integrar conocimiento externo"
action: "Activar arquitecto-agents-skills"
purpose: "Refinar y pulir todo el ecosistema de skills"
Con skill-developer
when: "Al crear nuevas skills"
action: "Usar skill-developer para estructura correcta"
purpose: "Asegurar YAML frontmatter y formatting correctos"
Con verificador-riguroso
when: "Antes de finalizar integración"
action: "Validar lógica y completitud"
purpose: "Evitar bugs y asegurar calidad"
Limitaciones y Consideraciones
Limitaciones Técnicas
- Browser limitations: Si Playwright no está configurado, usar alternativas (read_url_content, web search)
- Private repos: No puede acceder a repositorios privados sin autenticación
- Large repos: Análisis completo puede ser costoso en tokens
Best Practices
- Priorizar búsquedas específicas: No analizar todo el repo, enfocarse en archivos clave
- ** Validar antes de merge**: Siempre revisar cambios propuestos
- Mantener versiones: Crear backup antes de cambios mayores
- Documentar origen: Añadir comentarios indicando fuente externa
Future Improvements
- Cacheo de análisis de repos frecuentes
- Comparación semántica de contenido (embeddings)
- Auto-sync con repos upstream
- Detección automática de breaking changes
- Métricas de calidad de skills (coverage, ejemplos, tests)
Comandos Quick Reference
# Analizar repo externo
"Analiza https://github.com/user/repo-skill y actualiza conocimiento"
# Comparar con local
"Compara la skill X local con https://github.com/user/x-skill"
# Generar plan solamente (no ejecutar)
"Genera un plan para integrar https://github.com/user/skill pero no implementes aún"
# Fusionar knowledge base
"Fusiona los datos CSV de https://github.com/user/skill con mi skill local"