Ablación del prompt del sistema: cómo comprimí la configuración de Claude Code de 19.736 a 3.585 líneas sin perder calidad

• Volumen original de habilidades: 19.736 líneas en 29 módulos
• Volumen tras la revisión: 3.585 líneas en 2 módulos básicos
• Configuración en producción: 361 habilidades, 84 comandos, 39 agentes y 35 plugins
• Control de fugas: 179 detectores con canario forzado

En año y medio de trabajo diario, mi configuración de Claude Code creció hasta convertirse en un monolito. Habilidad tras habilidad, regla tras regla, hasta que una noche abrí el directorio raíz y entendí que la mitad de esa montaña ya le estaba atando las manos al modelo.

Hace poco vi una charla de treinta y seis minutos de Boris Cherny, creador de Claude Code, sobre cómo trabajan los ingenieros dentro de Anthropic. Cuatro de sus principios coincidieron exactamente con las conclusiones a las que yo había llegado a base de mis propios tropiezos.

¿Por qué borrar el prompt del sistema y las habilidades cada seis meses?

En los equipos de Anthropic, con cada lanzamiento de un nuevo modelo base aplican el método de ablación: borran por completo el prompt del sistema y lo reconstruyen línea por línea, midiendo el aporte real de cada regla. Las instrucciones que hace un año salvaban al modelo de errores tontos ya están incorporadas en los pesos de Opus 5.5 y Fable 5.1. Si las dejamos en `CLAUDE.md`, pagamos dos veces: gastamos ventana de atención en obviedades y encerramos al modelo en un corredor estrecho de heurísticas antiguas.

Antes incluso de ver el video, yo había hecho esta misma limpieza en todo mi stack. Revisé cada archivo con una sola pregunta: ¿el modelo actual resuelve la tarea sin esa indicación? Si la respuesta era sí, la regla iba al hacha. Los cuerpos de las habilidades se redujeron de 19.736 líneas a 3.585, y de veintinueve módulos pesados quedaron dos. La calidad de las respuestas mejoró de inmediato. La disciplina es simple: devuelve una línea al prompt solo cuando el modelo se tropieza con lo mismo tres veces seguidas.

¿Por qué las instrucciones paso a paso funcionan peor que describir

los límites de la tarea?

Un error típico al trabajar con un agente es describirle un algoritmo paso a paso: abre este archivo, cambia esta función, ejecuta este script. Para los modelos de razonamiento, esa microgestión es contraproducente. Es mucho mejor subir un nivel: definir el objetivo, los límites y un criterio de finalización verificable.

Dentro de Anthropic, el equipo de Bun reescribió el runtime de Zig a otro lenguaje con un solo prompt, mediante un pipeline dinámico de subagentes: once días de trabajo y cien mil líneas de código que ahora corren en producción en Claude Code. El propio Boris migró una aplicación de escritorio de Electron a Swift con una sola tarea: el agente ejecutaba el original en una máquina virtual, tomaba una captura de pantalla, la comparaba píxel a píxel con la compilación en Swift y enviaba los informes a un canal de Slack.

Siguiendo esa misma lógica, yo armé una integración entre una plataforma educativa, un CRM, un gestor de tareas y una flota de agentes. En lugar de pasar un mes dibujando especificaciones, definía el contrato final y luego ajustaba solo los puntos donde el agente realmente se atascaba.

¿Cómo organizar la verificación para que el script de control no

mienta sobre una ejecución en verde?

Darle al modelo una tarea compleja solo funciona junto con una segunda regla: en cada paso, el agente debe contar con un oráculo externo de autoverificación. Y hay que poner a prueba también las propias herramientas de aceptación.

En un solo día detecté seis defectos silenciosos en mis propios scripts de seguridad, que de puertas afuera mostraban alegremente un estado en verde. El escáner de fugas, con el flag de análisis semántico activado, imprimía un encabezado y salía con código cero sin haber ejecutado un solo detector. En otro lugar, un parámetro vacío apagaba el escáner por completo, y la palabra «Anthropic» en una línea escondía una clave real justo al lado.

Esto se resuelve con un solo recurso: la verificación debe poder fallar. Ahora mi escáner, antes de cada ejecución, se inyecta a sí mismo un «canario» de control con un secreto sintético y exige que las 179 reglas detecten su objetivo. Si aunque sea una se queda en silencio, se descarta todo el informe.

¿Cómo aprovechar una arquitectura ya hecha de 361 habilidades sin

armarla desde cero?

Los modelos actuales ya son capaces de muchísimo más de lo que permiten las interfaces de chat estándar. Cuando retiramos la capa de producto de más y le damos al modelo acceso directo a la terminal, al navegador con una sesión de trabajo real, a un armador de diapositivas, a edición de video y a un catálogo local de 2061 escenarios de n8n, la velocidad de trabajo cambia en un orden de magnitud.

Toda la configuración rearmada, con 361 habilidades y 39 agentes, la publiqué en acceso abierto en el canal [@jemal_hamidun](https://t.me/jemal_hamidun). Para quienes quieran desplegar ese stack de forma local con control total sobre la privacidad, desarrollamos el entorno [Nomad AI](https://nomadnet.ai). Una práctica paso a paso de orquestación con prueba gratuita de 72 horas está disponible en [Hamidun Academy](https://academy.hamidun.com), y los masterminds regulares junto con la biblioteca completa de más de 370 skills están disponibles en [Vibe Club](https://hamidun.com/club).