Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @Mr_Buzzoni→ original

El ganador del hackathon de Anthropic publica su configuración de Claude Code: 68 subagentes y 286 skills

El ganador de un hackathon de Anthropic ha publicado bajo licencia MIT toda su configuración de Claude Code, llamada ECC. En lugar de un único asistente, obtienes un «departamento de ingeniería»: 68 subagentes, 286 skills y 94 comandos para revisión, pruebas y seguridad. El orden es estricto: primero el plan, después una prueba que falla, luego el código, y los cambios los revisa un reviewer con contexto limpio. No conviene activarlo todo a la vez: empieza con un solo plan y un solo conjunto de reglas.

Procesado por IA desde X: @Mr_Buzzoni; editado por Hamidun News
El ganador del hackathon de Anthropic publica su configuración de Claude Code: 68 subagentes y 286 skills
Fuente: X: @Mr_Buzzoni. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @Mr_Buzzoni ↗
Editor jefe
Licencia MITpuedes hacer un fork del conjunto y recortarlo a tu medida
Dato clave #2Para seguridad incluye una comprobación OWASP y un escáner de vulnerabilidades en la configuración del agente
Lenguajes y frameworksPython, Go, Rust, C++, Django, Laravel, Spring Boot, Next.js

La mayoría de la gente usa Claude Code como a un becario muy rápido: describe la tarea, recibe el código y se pone a averiguar qué ha hecho. El ganador de un hackathon de Anthropic propone otro enfoque y ha publicado su configuración de trabajo completa, llamada ECC. El autor del post en X donde se anunció lo describe como el reemplazo de un asistente solitario por «todo un departamento de ingeniería». El conjunto incluye 68 subagentes, 286 skills y 94 comandos, con licencia MIT.

Una aclaración importante: no es un modelo nuevo ni un lanzamiento de la propia Anthropic. Es una configuración sobre Claude Code, es decir, un conjunto de roles, instrucciones y reglas ya preparados. El texto de origen no aporta mediciones independientes de cuánto acelera el trabajo o reduce el número de bugs. Por ahora es el relato de un entusiasta, no un benchmark.

Cómo funciona el «departamento» de agentes

La idea es repartir el trabajo como se hace en un equipo real. Primero, el plan: das una sola frase y recibes un plan que aprobas antes de que se escriba una sola línea de código. Después, la prueba: primero un test que falla y luego la corrección (el clásico TDD). Por último, la verificación: cada cambio lo lee un revisor que no ha visto cómo se escribió el código. El contexto limpio es clave. Quien escribe el código tiende a no ver sus propios errores, y el modelo tiene el mismo problema cuando en su ventana de contexto está todo el historial de razonamiento.

El resto de los roles se reparten por tareas:

  • Revisión. Un revisor distinto para cada lenguaje analiza tu diff.
  • Reparación de compilaciones. Un «reparador» propio para cada toolchain, incluidos PyTorch y CUDA.
  • Arquitectura. Detecta errores de diseño antes de que se conviertan en migraciones.
  • Trabajo aplicado. Consultas a bases de datos, pipelines de ML, pruebas e2e, documentación.
  • Entrega. Docker, CI/CD, health checks, rollbacks y migraciones.
  • Paquetes por lenguaje. Python, Go, Rust, C++, Django, Laravel, Spring Boot, Next.js.

Para gestionar el contexto hay dos técnicas. Search-first obliga al agente a consultar primero la documentación y escribir código después. Iterative-retrieval evita que el repositorio entero sature la ventana del modelo. Además, el conjunto incluye skills que no tienen que ver con el código: textos con tu estilo, investigación de mercado, pitch decks.

Seguridad: la parte más infravalorada

El autor destaca una pareja de agentes de seguridad: una comprobación según la lista OWASP (las vulnerabilidades típicas de las aplicaciones web) y un escáner que busca puntos de inyección en la propia configuración del agente. Lo segundo es especialmente relevante: los archivos con reglas e instrucciones se convierten en superficie de ataque si el agente lee texto no confiable.

El autor afirma que una auditoría OWASP externa cuesta una cifra de cuatro dígitos y lleva una semana, mientras que aquí la comprobación termina en tu rama «antes de la hora de comer». Es una estimación suya, y no conviene considerar este análisis un sustituto de una auditoría completa. Pero como primer filtro barato antes de un lanzamiento, la idea es razonable.

Qué hacer con esto

El consejo principal del autor suena aburrido, y precisamente por eso merece atención: no actives las 286 skills a la vez. Según él, es la forma más rápida de empeorar el resultado. Cada skill de más ocupa espacio en el contexto y le da al modelo más motivos para distraerse. Empieza con un solo plan y un solo conjunto de reglas para tu stack, y ve añadiendo el resto según haga falta.

El orden práctico es este:

  1. Haz un fork del repositorio y elimina de inmediato todo lo que no corresponda a tu lenguaje y tu toolchain.
  2. Quédate con la combinación «plan, test, revisión con contexto limpio» y pruébala en una tarea pequeña.
  3. Añade los agentes de seguridad antes del primer lanzamiento.
  4. Amplía el conjunto solo donde veas errores recurrentes reales.

Hay también un reverso. Una configuración ajena incorpora hábitos y supuestos ajenos. Puede chocar con tus estilos de código y tus procesos. El enfoque multiagente consume más tokens que una sola petición. Por eso, lee lo que ejecutas, sobre todo los comandos y scripts: un conjunto de cientos de componentes no se puede aceptar a ciegas, como cualquier otra dependencia externa.

Si se asumen estas salvedades, el valor del conjunto está claro. Muestra cómo un usuario experimentado de Claude Code convierte un asistente de chat en una cadena de montaje con controles. Aunque no adoptes ECC por completo, puedes tomar prestada su estructura. El autor resume así la conclusión: quien lo configure en un fin de semana pasará el próximo trimestre revisando trabajo en lugar de teclearlo a mano.

Historia

Preguntas frecuentes sobre la noticia

Cómo funciona el «departamento» de agentes?

La idea es repartir el trabajo como se hace en un equipo real. Primero, el plan: das una sola frase y recibes un plan que aprobas antes de que se escriba una sola línea de código. Después, la prueba: primero un test que falla y luego la corrección (el clásico TDD). Por último, la verificación: cada cambio lo lee un revisor que no ha visto cómo se escribió el código. El contexto limpio es clave.

¿Qué se sabe sobre Seguridad: la parte más infravalorada?

El autor destaca una pareja de agentes de seguridad: una comprobación según la lista OWASP (las vulnerabilidades típicas de las aplicaciones web) y un escáner que busca puntos de inyección en la propia configuración del agente. Lo segundo es especialmente relevante: los archivos con reglas e instrucciones se convierten en superficie de ataque si el agente lee texto no confiable.

¿Qué se sabe sobre Qué hacer con esto?

El consejo principal del autor suena aburrido, y precisamente por eso merece atención: no actives las 286 skills a la vez. Según él, es la forma más rápida de empeorar el resultado. Cada skill de más ocupa espacio en el contexto y le da al modelo más motivos para distraerse. Empieza con un solo plan y un solo conjunto de reglas para tu stack, y ve añadiendo el resto según haga falta.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…