Changelog Generator (Grade A)Habilidad de desarrollo probada para seguridad para Claude AI. Grado A. Genera un CHANGELOG.md a partir de la historia de commits convencionales con secciones agrupadas y encabezados de versión. Utilice cuando el usuario solicite crear o actualizar

Why You Should Use This?

| Audiencia | Beneficios clave | | -------------------- | ------------------------------------------------------------------------------------------------- | | Individual | Ahorro de más del 30 % en tokens, deja de repetir normas, barreras de seguridad, scaffolding instantáneo | | Teams | Comportamiento de IA consistente, incorporación desde el primer día, patrones codificados, ahorro de costes acumulado | | Organizations | Cumplimiento siempre activo, mismas normas en 1 000 proyectos, gobernanza central, ROI medible |

Asked by Yaw Owusu · Jun 11, 2026

¿Qué puedes personalizar?

| Sección | Qué controla | Ejemplo | | ------------- | -------------------------- | ---------------------------------------------- | | proyecto | Identidad del proyecto | Nombre, descripción, URL del repositorio | | pilaTecnológica | Lenguaje, framework, herramientas | TypeScript + Express o Python + FastAPI | | rutas | Estructura de directorios | Dónde viven los handlers, services y código común | | dominio | Entidades de negocio | Order, Product, Customer + estados del ciclo de vida | | patrones | Patrones de código | Flujo de handler de 7 pasos, estrategia de manejo de errores | | pruebas | Puertas de calidad | 90% de cobertura, comandos de test/lint/type‑check | | baseDeDatos | Convenciones de BD | Campo de borrado suave, columnas de timestamps, nomenclatura | | paquetes | Paquetes internos | Scope @your‑org, URL del registro | | convenciones | Git y flujo de trabajo | Prefijos de ramas, formato de commit, plantillas de PR |

Asked by Zofia Kaczmarek · May 23, 2026

¿Qué detecta?

| Categoría | Señales | | ------------------ | ------------------------------------------------------------------------------------------ | | Lenguaje | tsconfig.json, go.mod, Cargo.toml, requirements.txt, pom.xml, extensiones de archivo | | Framework | Dependencias en package.json / requirements.txt (React, Express, Django, Spring, etc.) | | Base de datos | Configuraciones ORM (prisma/, sequelize, typeorm), archivos .sql, carpetas de migraciones | | Pruebas | jest.config., vitest, pytest, cypress/, playwright.config. | | Infraestructura | Dockerfile, terraform/, cdk.json, serverless.yml, dependencias del cloud SDK | | CI/CD | .github/workflows/, .gitlab-ci.yml, Jenkinsfile |

Asked by Yara Mansour · May 17, 2026

¿Qué incluye?

| Capa | Cantidad | Qué hace | Cómo se activa | | ----- | -------- | -------- | --------------- | | Reglas | 47 | Aplica estándares de codificación en cada interacción con la IA | Automáticamente — siempre activo | | Agentes | 62 | Asistentes especializados para tareas complejas | Bajo demanda — /nombre‑agente | | Skills | 50 | Flujos de trabajo guiados paso a paso con listas de verificación | Contextualmente — cuando coinciden patrones | | Comandos | 37 | Acciones rápidas, ligeras y eficientes en tokens | Bajo demanda — /comando | | Hooks | 12 | Scripts de automatización dentro del bucle de la IA | Basados en eventos — antes/después de acciones | | Plantillas | 9 | Estructuras base para handlers, componentes, pruebas, etc. | Referenciadas por skills y agentes |

Asked by Margaret Whitfield · Apr 5, 2026

¿Cómo funciona?

Capa 1 — Preprocesamiento: Los hooks inyectan el contexto del proyecto y bloquean comandos peligrosos antes de que tu prompt llegue a la IA. Capa 2 — Motor de reglas: 47 reglas siempre activas garantizan eficiencia de tokens, seguridad, arquitectura, estándares de código, convenciones de bases de datos y umbrales de pruebas. Capa 3 — Procesamiento especializado: El componente correcto se activa — un agente, skill o comando — según tu prompt. Capa 4 — Posprocesamiento: Los hooks validan la salida, la formatean automáticamente, escanean en busca de secretos y verifican la cobertura.

Asked by Hasan Demir · Mar 8, 2026