Persona skills en Claude Code: por qué nombrar a un experto supera al role prompting
El role prompting trata a la persona como un disfraz de una línea. Esta guía muestra por qué nombrar a un experto solo rinde dentro de una skill de Claude Code, con referencias destiladas y un mapa de carga que lleva al modelo a su cluster más denso.
El role prompting trata a la persona como un disfraz. Una persona skill la trata como una coordenada: un puntero hacia lo más denso que el modelo ya sabe sobre tu problema.
Este es el segundo texto de una serie.
El primero cubre SKILL.md, las referencias, el mapa de carga y cuándo vale la pena construir una skill. Si todavía no pusiste una skill en uso, empieza por la guía completa para crear skills en Claude Code.
Este trata sobre una sola decisión dentro de esa arquitectura: si ponerle a tu skill el nombre de una persona. Hecho a la ligera, es teatro. Bien hecho, es la jugada de mayor apalancamiento de todo el diseño. La razón es mecánica, no estética.
El role prompting tiene mala fama, y la investigación lo respalda
Busca “role prompting” y caes en un debate que los propios investigadores prácticamente zanjaron al cambiar de opinión a mitad del estudio.
El paper más citado sobre el tema es Zheng et al. (arXiv:2311.10054), aceptado después en Findings of EMNLP 2024. Mira lo que le pasó a su propia conclusión entre versiones.
La primera versión, de noviembre de 2023:
Mediante un análisis extenso de 3 LLMs populares y 2457 preguntas, mostramos que agregar roles interpersonales en los prompts mejora consistentemente el desempeño de los modelos en una variedad de preguntas.
(“Is ‘A Helpful Assistant’ the Best Role for Large Language Models?”, v1)
La versión final, de octubre de 2024, después de ampliar la prueba de tres modelos a cuatro familias completas de modelos:
Mediante un análisis extenso de 4 familias populares de LLMs y 2.410 preguntas factuales, demostramos que agregar personas en los system prompts no mejora el desempeño de los modelos en una variedad de preguntas, en comparación con el escenario de control sin persona.
(“When ‘A Helpful Assistant’ Is Not Really Helpful”, v3)
Mismos autores, mismas 162 personas, mismo dataset. Dieron vuelta el resultado de “mejora consistentemente” a “no mejora” y reescribieron el título, de una pregunta esperanzada a un veredicto seco. Su propio análisis remata: ni siquiera la mejor persona para cada pregunta se puede elegir automáticamente mejor que con una “selección aleatoria”.
Así que los escépticos tienen razón, y estoy de acuerdo con ellos. Como etiqueta de una línea, el role prompting es un disfraz. Cambia el tono, no el conocimiento. El modelo se disfraza de “experto en marketing” y te da lo que diría cualquier post de LinkedIn.
Pero fíjate en lo que ese estudio, y todos los parecidos, realmente probaron: una etiqueta de rol, sola, en el system prompt, sin nada detrás. Ninguno probó una etiqueta conectada a referencias destiladas, frameworks de decisión y un mapa de ruteo. Porque eso no es un prompt. Eso es una skill.
Una persona dentro de una skill es otra máquina.
Una persona es un mecanismo de activación, no un disfraz
Nombrar a un experto hace tres cosas que una línea de rol no hace. Cada una es disciplina, no pose:
- Te obliga a estudiar. Para personificar a Hormozi, tienes que extraer su método. El disfraz no requiere tarea; la skill sí.
- Apunta a un cluster más denso del modelo. “Alex Hormozi” apunta a un corpus específico en los pesos: libros, charlas, transcripciones, frases. “Un experto en marketing” apunta a un promedio.
- Sube la densidad de cada respuesta, porque la skill enruta hacia ese cluster en lugar de esperar que el modelo llegue solo.
El resto del artículo son esas tres, en orden. El ejemplo que recorre el texto es una skill de Alex Hormozi que uso para evaluar ofertas, funnels, precios, garantías y retención.
Fuerza 1: personificar te obliga a estudiar
Esta es la parte que nadie vende, porque suena a trabajo.
Para personificar bien a alguien, tienes que aprender su método lo suficiente como para codificarlo. Una línea de rol te deja saltarte ese paso. “Actúa como Hormozi” no cuesta nada y no enseña nada. Una persona skill no te deja hacer trampa: las referencias están vacías hasta que las llenas, y solo puedes llenarlas leyendo, mirando y destilando hasta poder enunciar cada regla de decisión con tus propias palabras.
Esa restricción es la gracia. La skill viene después de tu estudio. Construirla es la forma de estudiar.
Destila, no pegues
El corpus no es la skill. Volcar tres libros y cuarenta transcripciones en references/ te da un disfraz más grande, no un método.
Destilar es extraer, con tus propias palabras:
- principios: las creencias que sostienen todo
- frameworks: las estructuras repetibles (Value Equation, Grand Slam Offer, RAISE)
- criterios de decisión: qué hace que una oferta pase o falle
- ejemplos y antipatrones: cómo se ve lo bueno y lo malo, en concreto
- frases de calibración: las líneas que delatan la deriva (más sobre ellas adelante)
Destilar es completar, no solo comprimir.
El modelo ya conoce al Hormozi público por sus datos de entrenamiento: entrevistas, libros, videos. Lo que no conoce es tu versión organizada: el Delivery Cube que separaste, las reglas de decisión que afilaste, los ejemplos internos que usas para juzgar una oferta real. Lees mucho y te quedas solo con lo que sirve para decidir.
Anatomía de la skill
- 1
- router SKILL.md
- 13
- references/un archivo por dominio de decisión
- 80KB
- método destiladolibros, videos, playbooks
- 0
- prompts que repetirel estudio vive en la skill
Divide esas referencias por decisión, no por fuente. La pregunta del usuario nunca llega como “Libro 2, capítulo 4”. Llega como un problema:
Referencias divididas por decisión
| Archivo | Decisión que respalda |
|---|---|
| 00-canon.md | Principios centrales de oferta |
| 01-value-equation.md | Valor percibido y precio |
| 02-grand-slam-offer.md | Construcción de una oferta irresistible |
| 04-pricing-and-guarantees.md | Precio, garantía y reversión de riesgo |
| 07-closing-and-sales.md | Objeciones y cierre |
| 08-retention-and-ltv.md | Retención y LTV |
| 11-decision-checklist.md | Veredicto sobre una oferta concreta |
Dividir por fuente (book-1.md, podcast-3.md) sirve para archivar y es malo para ejecutar. Divide según la decisión que el archivo tiene que tomar.
Fuerza 2: el nombre apunta a un cluster más denso
El conocimiento de un LLM no está distribuido de forma pareja.
Alrededor de un experto con nombre y una obra pública real, es denso: libros, charlas, transcripciones, las frases que repite, los ejemplos a los que siempre recurre. Alrededor de una categoría abstracta como “un experto en marketing”, es el promedio de todo y de nadie.
Nombrar es la forma de elegir en qué región busca primero el modelo. Tómalo como un modelo de trabajo, no como un interruptor documentado. Predice el comportamiento con confiabilidad: un nombre específico trae un método específico, uno genérico trae el promedio.
Nombrar es activar
| Nombre débil | Nombre más afilado |
|---|---|
| marketing | alex-hormozi-offer-design |
| writing | arthur-miller-script-review |
| seo | neil-patel-seo-strategy |
| teaching | feynman-explanation-review |
| funnels | russell-brunson-funnel-architecture |
El nombre más afilado trae frameworks específicos y una voz específica. El nombre genérico trae el promedio.
Pero el nombre solo abre la puerta. Si entras con las manos vacías, caes en la trampa.
Por eso existe la Fuerza 1.
El nombre activa el cluster. Tus referencias hacen que el modelo use tu versión en lugar de la pública. Persona no es densidad. Activar es el trabajo de la persona. Las referencias cargan el método. Sáltatelas y la skill es cosplay: una voz segura sin nada debajo.
ExpertPrompting llega a la misma conclusión: “imagina que eres un experto” no te da casi nada. Lo que rinde son las referencias que destilaste.
Fuerza 3: el ruteo convierte el cluster en densidad
La activación te lleva a una buena región de los pesos. No garantiza que el modelo lea tus referencias. Librado a sí mismo, el agente toma el atajo y responde con lo que le resulte más fácil desde los pesos.
El mapa de carga cierra esa brecha. Es el puente explícito entre la intención del usuario y la referencia que debe responderla.
Mapa de carga de SKILL.md
| Referencia | Cuándo cargarla |
|---|---|
| references/00-canon.md | Cualquier decisión de oferta |
| references/01-value-equation.md | Preguntas sobre valor, precio o conversión |
| references/02-grand-slam-offer.md | Construir una oferta nueva |
| references/04-pricing-and-guarantees.md | Precio, garantía o reversión de riesgo |
| references/07-closing-and-sales.md | Llamadas de venta, objeciones, tasa de cierre |
Anthropic llama a esto progressive disclosure: los metadatos (name y description) están siempre en el contexto, el cuerpo de SKILL.md se carga cuando la skill se activa, y los archivos de references/ se cargan solo cuando se le indica al modelo que los busque. Ahí está el detalle. Nada carga la referencia correcta de forma automática. Decide el modelo, a partir de las instrucciones que escribiste. El mapa de carga es cómo haces que esa decisión no sea opcional.
Sin el mapa, el agente adivina, y adivinar favorece a los pesos por sobre tus archivos. Con él, una pregunta de precio carga pricing, una de retención carga retention, y el cluster de la persona llega ya acotado a la decisión en cuestión.
De ahí viene la densidad. No del nombre. Del ruteo.
Forzar el método dentro de la respuesta
“Por favor, consulta las referencias” es una sugerencia, y el modelo la trata como tal. La densidad se fuerza de forma estructural, en capas que se suman, y cada una le quita al agente una manera de responder desde los pesos en lugar de desde tus referencias.
Cuatro capas que fuerzan densidad
- L1
Ruteo explícito
La skill dice qué referencias cargar para cada tipo de pregunta. No dejes que el agente decida todo solo. Va a intentar ahorrar esfuerzo.
- L2
Salida dependiente de un framework
Si la respuesta tiene que aplicar la Value Equation, RAISE o la Grand Slam Offer, el modelo tiene menos margen para responder de forma genérica. El framework se vuelve un candado: para cumplir con el formato de salida, el agente tiene que usar la referencia correcta.
Every recommendation must map to the relevant framework. If pricing is discussed, use RAISE. If offer value is discussed, use the Value Equation.
- L3
Checklist de decisión
Una referencia como decision-checklist.md obliga al modelo a cruzar criterios antes de dar un veredicto. Un consejo abierto se vuelve un sermón; un checklist se vuelve una decisión.
- L4
Frases canónicas como calibración
Anclan el comportamiento y delatan la deriva. Si la respuesta suena a algo que cualquier asistente de IA podría haber escrito, la persona no ancló. Las frases son la señal.
"Simple scales. Fancy fails." "Volume negates luck." "Revenue is vanity. Profit is sanity. Cash is reality."
¿Persona o función? El límite de la técnica
No toda skill debería tener cara.
Usa una persona cuando hay un corpus fuerte detrás: libros, charlas, entrevistas, frameworks publicados, playbooks, casos de estudio. Alex Hormozi para ofertas, Russell Brunson para funnels, Neil Patel para SEO, Richard Feynman para claridad.
Para trabajo técnico interno, una función suele ser mejor:
security-reviewerdatabase-migration-plannerapi-contract-auditorreact-performance-reviewertechnical-seo-auditor
La regla es simple. Si hay una persona con un método público fuerte, una persona puede ayudar. Si el trabajo depende más de un checklist técnico que de un estilo de pensamiento, usa una función. Forzar una persona donde no corresponde vuelve teatral a la skill y trae de vuelta el disfraz del que querías escapar.
Las persona skills se pueden componer
No corro una persona. Corro varias, cada una un módulo independiente con su propio contrato, sus referencias y su salida esperada.
Personas que corro como skills separadas
| Skill | Dominio |
|---|---|
| Alex Hormozi | Ofertas, precios, garantías, value stack |
| Russell Brunson | Funnels, escalera de valor, conversión |
| Gary Vaynerchuk | Contenido, distribución, redes sociales |
| Neil Patel | SEO, keywords, contenido orgánico |
| Arthur Miller | Guion y narrativa |
| Richard Feynman | Claridad didáctica |
No intento que dos personas discutan dentro de una misma llamada. Si necesito a Hormozi y a Brunson en la misma estrategia, corro uno, tomo la salida y se la paso al otro. La composición ocurre en la orquestación, no dentro de la skill.
Piensa en microservicios. Cada uno tiene un límite claro, hace una cosa bien y devuelve algo que el siguiente puede consumir. Una buena persona skill tiene la misma propiedad. No intenta resolver el mundo.
Cómo construyo la primera versión de una persona skill
El proceso empieza por el trabajo a resolver. Una oración. Si no entra en una oración, la persona es demasiado amplia.
Construir la primera versión
Entrada
El trabajo en una oración. Si no entra en una oración, la persona es demasiado amplia.
- 01Nombra el corpus
Elige a una persona sobre la que el modelo tenga material real: libros, charlas, playbooks. Sin corpus, no hay persona.
- 02Destila, no pegues
Extrae principios, frameworks, criterios de decisión, ejemplos, antipatrones y frases de calibración con tus propias palabras.
- 03Divide por decisión
pricing-and-guarantees.md, closing-and-sales.md, no book-1.md, video-2.md.
- 04Escribe el mapa de carga
Una pregunta de precio carga pricing. Retención carga retention. Obvio, y casi nadie lo hace.
- 05Pruébala en un caso real
Una oferta, un funnel, un precio, una objeción, un competidor reales. Una persona que solo funciona con un ejemplo de juguete no está lista para producción.
Salida
Una persona skill que puedes versionar, probar y reutilizar: infraestructura, no disfraz
En el ejemplo de Hormozi, el corpus es concreto: $100M Offers, $100M Leads, $100M Money Models, los playbooks de Acquisition.com, videos, entrevistas y las frases canónicas. En una skill interna, el corpus pueden ser ADRs, pull requests viejos, runbooks, postmortems o specs aprobadas. La misma destilación, otra cara.
Checklist para una persona skill
Antes de dar por lista una persona skill, reviso esto:
Antes de que una persona skill esté lista
- Obligatorio:El nombre apunta a un corpus real y reconocible.
- Obligatorio:La description deja clara la activación.
- Obligatorio:Las referencias están destiladas con tus palabras, no pegadas.
- Obligatorio:Las referencias están divididas por decisión, no por fuente.
- Obligatorio:Hay un mapa de carga explícito.
- Obligatorio:El formato de salida obliga a usar el framework relevante.
- Obligatorio:Las frases canónicas están presentes como calibración.
- Obligatorio:Hay al menos un ejemplo real de entrada y salida.
- Obligatorio:La skill está versionada en git.
- Obligatorio:Puedes probar si consultó las referencias.
El error que engaña a todos: persona como densidad
La falla más común con una persona es confiar en la voz.
Anclas “Alex Hormozi”, el tono sale bien, la energía es la correcta, y asumes que el método vino incluido. No vino. La voz es gratis. El método son los 80KB que tuviste que destilar.
La persona mejora la activación. La densidad viene de las referencias. Sin referencias, la skill es cosplay.
Así que pruébala. Dale la misma entrada real antes y después de la skill y compara: ¿usó el framework, cargó la referencia correcta, dejó las evasivas genéricas y se mantuvo consistente en dos sesiones? Si no mides eso, no estás corriendo una persona skill. Solo estás creyendo en una.
FAQ
¿El role prompting funciona de verdad?
Como prompt, apenas. El estudio más citado sobre el tema (Zheng et al., arXiv:2311.10054, Findings of EMNLP 2024) probó 162 personas en cuatro familias de modelos y encontró que una simple etiqueta de persona no mejora la precisión factual. Cambia el tono, no el conocimiento.
Como skill, sí. La diferencia no es la persona; son las referencias destiladas y el mapa de carga que hay detrás. Nombrar a un experto sin nada debajo es un disfraz. Nombrarlo con un método debajo es activación más recuperación.
¿Qué dice la investigación sobre persona prompting y precisión?
Que la etiqueta sola no alcanza. Zheng et al. no encontraron una mejora confiable de precisión con personas en los system prompts, y ExpertPrompting encontró que 'imagina que eres un experto' rinde más o menos igual que no usar persona.
Este artículo coincide con ese resultado y va más allá: los estudios probaron identidad sin conocimiento. Una persona skill aporta la mitad que falta: las referencias y los frameworks que el experto realmente usaría.
¿Una persona skill es lo mismo que un persona prompt?
No.
Un prompt es una instrucción de sesión que se degrada. Una persona skill es un módulo persistente: nombre, referencias destiladas, mapa de carga, formato de salida. El mismo comportamiento en cada sesión.
¿Toda skill necesita una persona?
No.
Una persona ayuda cuando existe una obra pública reconocible. Para tareas técnicas internas, una función suele ser mejor: revisor, arquitecto, auditor de seguridad, planificador de migraciones.
¿Cuánto tengo que destilar realmente?
Lo suficiente para separar los dominios de decisión y dar un veredicto real.
Mi skill de ofertas tiene 13 referencias y unos 80KB. Una persona más acotada puede empezar con 3 a 5 referencias bien destiladas, siempre que cada una tome una decisión.
¿Claude Code debería cargar todas las referencias automáticamente?
No.
Escribe un mapa de carga en SKILL.md que le diga al agente qué archivos cargar para cada tipo de pregunta. Eso es lo que enruta el cluster de la persona hacia la decisión en cuestión.
¿Puedo usar esto fuera de Claude Code?
Sí.
La arquitectura es portable. SKILL.md es una implementación, pero nombrar un corpus, destilar referencias y enrutar hacia ellas funciona con cualquier agente que soporte contexto persistente y archivos de referencia.
Cierre
El role prompting se ganó su mala fama a pulso. Como disfraz de una línea, cambia el tono, no el conocimiento.
Una persona skill se construye distinto. El nombre es una coordenada, no decoración. Te obliga a estudiar el método, apunta al modelo a su cluster más denso y enruta las respuestas por tus referencias en lugar del promedio de internet.
Un persona prompt dura una sesión.
Una persona skill es el estudio, el corpus y el ruteo. Córrela sobre un problema real. O las referencias se cargaron y la respuesta es distinta, o todavía tienes un disfraz.
La newsletter
Don’t Code, Specify. Cada semana, agentes de IA en producción de verdad. Sin hype: lo que funcionó y lo que se rompió.
Suscríbete en Substack (se abre en una pestaña nueva)