Anthropic obre el manual dels superusuaris: així és la guia de 33 pàgines per convertir Claude en una màquina de fluxos de treball.
La nova guia d’Anthropic no presenta les skills com un truc per personalitzar Claude, sinó com una capa operativa per empaquetar processos, instruccions i coneixement reutilitzable a Claude.ai, Claude Code i l’API.
Anthropic ha publicat un document que, llegit amb calma, diu força més sobre cap a on vol portar Claude que moltes notes de producte. The Complete Guide to Building Skills for Claude, un PDF de 33 pàgines distribuït des dels recursos oficials de la companyia, no és només una xuleta per a usuaris avançats: és, en realitat, una declaració d’intencions sobre com Anthropic imagina la següent fase d’ús dels models. Ja no es tracta únicament de conversar amb una IA generalista ni de demanar-li tasques soltes. L’aposta és una altra: encapsular procediments, estil, criteris de qualitat i seqüències de treball en “skills” reutilitzables, capaces d’activar-se quan el context ho requereix i de convertir Claude en un sistema més consistent, menys dependent del prompting improvisat i més proper a una eina operativa de debò.
La idea de skill, tal com la defineix Anthropic, és aparentment simple. Una skill és una carpeta que conté un fitxer principal, SKILL.md, i opcionalment scripts executables, referències documentals i actius com plantilles, icones o recursos de sortida. Però aquesta simplicitat formal amaga una ambició més gran: ensenyar a Claude una manera estable d’abordar tasques o fluxos específics sense haver-ho de reexplicar en cada conversa. La companyia ho planteja amb exemples molt concrets: generar dissenys frontend a partir d’especificacions, fer recerca amb una metodologia consistent, produir documents alineats amb una guia d’estil o coordinar processos de diversos passos. En altres paraules, Anthropic vol que Claude deixi de dependre tant del talent puntual de l’usuari per redactar prompts i comenci a treballar amb “receptes” reutilitzables.
Aquest matís importa perquè desplaça el valor des del model pur cap a l’organització del treball al voltant del model. El document insisteix que les skills són especialment potents quan hi ha processos repetibles. I aquesta paraula, repetibles, és la clau. Durant molt de temps, la IA generativa s’ha venut per la seva flexibilitat gairebé il·limitada. El problema d’aquesta flexibilitat és la inconsistència. Dos usuaris poden demanar el mateix de maneres diferents i obtenir resultats estructuralment diferents. Fins i tot el mateix usuari pot haver d’anar corregint l’eina en cada sessió. La guia d’Anthropic intenta resoldre justament aquest coll d’ampolla: convertir experiència tàcita, preferències i coneixement de domini en una estructura que Claude pugui carregar i aplicar de manera recurrent.
La part més interessant del document no és, tanmateix, la definició bàsica, sinó el model de disseny que proposa. Anthropic articula les skills a partir d’un sistema de “progressive disclosure” en tres nivells. El primer és el frontmatter YAML, sempre carregat en el prompt de sistema de Claude i destinat a dir-li, amb el mínim cost de context possible, quan una skill és rellevant. El segon és el cos complet de SKILL.md, que es carrega quan Claude considera que la skill pot servir per a la tasca en qüestió. El tercer són els fitxers enllaçats dins de la carpeta, que Claude pot consultar només si els necessita. Aquesta arquitectura no és un detall tècnic menor: respon a una de les obsessions estructurals del treball amb models, la gestió del context. Anthropic està dient, a la pràctica, que personalitzar bé no consisteix a posar tot el coneixement dins del prompt, sinó a dosificar-lo amb precisió.
Aquesta lògica de càrrega progressiva connecta, a més, amb una altra idea de fons: la composabilitat. La guia insisteix que Claude pot carregar diverses skills simultàniament i que, per tant, cadascuna s’ha de dissenyar per conviure amb les altres, no per comportar-se com si fos l’única capa d’especialització disponible. És un senyal rellevant perquè revela que Anthropic no concep les skills com macros aïllades, sinó com mòduls de comportament que es poden combinar. En termes de producte, això apropa Claude a una plataforma de capacitats ensamblables. En termes d’ús professional, apropa el model a alguna cosa més robusta que un xatbot: una superfície de treball on l’experiència s’empaqueta, s’activa i es coordina.
La guia també deixa clar que Anthropic no està pensant només en usuaris individuals. El document s’adreça expressament a desenvolupadors, usuaris avançats i equips que volen estandarditzar com Claude treballa dins d’una organització. Aquesta vocació empresarial travessa tot el PDF. Quan la companyia explica per a qui és la guia, quan parla de documents amb estil d’equip, quan planteja processos multi-step o quan recomana mètriques d’èxit per comprovar si la skill s’activa en el 90% de les consultes rellevants, està dibuixant una eina per a la normalització operativa. El missatge implícit és nítid: l’avantatge competitiu no vindrà només d’utilitzar IA, sinó d’institucionalitzar la manera com aquesta IA treballa.
Un dels apartats més útils del document és el de planificació i disseny. Anthropic recomana començar no pas pel codi, sinó per dos o tres casos d’ús concrets. La guia proposa descriure el desencadenant, els passos del flux, les eines necessàries i el resultat esperat. Sembla una obvietat, però aquí hi ha una petita correcció a l’entusiasme típic del sector. Moltes implementacions d’IA fracassen perquè parteixen del desig de “fer alguna cosa amb IA” abans de concretar quina tasca es vol resoldre i com s’hauria de veure un bon resultat. Anthropic força el moviment invers: primer el flux, després la skill. I a partir d’aquí classifica els usos més comuns en tres categories: creació de documents i actius, automatització de fluxos de treball i millora d’integracions MCP. Aquesta taxonomia és interessant perquè cobreix gairebé tot el mapa actual d’adopció útil de models generatius.
A la primera categoria, la de documents i actius, la guia posa el focus en crear sortides consistents i d’alta qualitat: documents, presentacions, aplicacions, dissenys o codi. Aquí la skill actua com a contenidor d’estil, estructura i control de qualitat. A la segona, la d’automatització de fluxos, es treballa sobre processos de diversos passos que es beneficien d’una metodologia estable, amb validacions, plantilles i refinament iteratiu. A la tercera, la de millora de MCP, la skill s’entén com la capa de coneixement que ensenya a Claude a utilitzar una integració externa amb criteri i bones pràctiques. Aquesta classificació té una lectura estratègica clara: Anthropic no vol que les skills s’entenguin com una funció marginal, sinó com una interfície per convertir eines, connectors i coneixement intern en treball repetible d’alt valor.
El document resulta especialment revelador quan entra en els requisits tècnics. Anthropic redueix l’estructura mínima a l’essencial: una carpeta amb nom en kebab-case i un SKILL.md anomenat exactament així, amb majúscules i minúscules correctes. No admet variants. També prohibeix incloure un README.md dins de la carpeta de la skill i concentra tota la lògica documental a SKILL.md o a references/. Sembla una norma trivial, però forma part d’una obsessió visible en tota la guia: minimitzar l’ambigüitat i evitar convencions toves. La IA funciona millor quan l’entorn és més determinista, i Anthropic està dissenyant les seves skills amb aquesta filosofia.
Més important encara és el pes que la companyia dona al frontmatter YAML. La guia el qualifica directament com “the most important part”. Té sentit: aquesta petita peça de metadades és la que permet a Claude decidir si ha de carregar o no una skill. Anthropic exigeix dos camps obligatoris, name i description, i subratlla que la descripció ha de contenir tant el que fa la skill com quan s’ha d’utilitzar, incloent-hi frases o tasques que un usuari podria mencionar. També fixa restriccions de seguretat, com la prohibició d’etiquetes XML al frontmatter i el veto a utilitzar “claude” o “anthropic” en el nom de la skill per tractar-se de termes reservats. La raó és explícita: aquest frontmatter apareix al prompt del sistema, de manera que contingut maliciós podria injectar instruccions. Aquesta part del PDF té un valor addicional perquè mostra fins a quin punt Anthropic veu les skills no només com una funció de productivitat, sinó com una nova superfície de seguretat i governança del comportament del model.
La guia insisteix, a més, en la importància d’escriure instruccions específiques i accionables. Davant de fórmules vagues com “valida les dades abans de procedir”, Anthropic proposa instruccions del tipus “executa python scripts/validate.py --input {filename}” i enumera errors comuns, causes i solucions. El missatge de fons és contundent: com més crítica sigui una validació, menys convé deixar-la en mans d’una interpretació purament lingüística. De fet, el document arriba a recomanar que, per a comprovacions importants, s’empaquetin scripts programàtics, perquè el codi és determinista i el llenguatge no. Aquesta recomanació és una de les més reveladores del text. Anthropic reconeix, implícitament, que el llenguatge natural no basta com a capa de control quan el flux requereix fiabilitat real.
Un altre punt fort del PDF és que no es queda en l’escriptura d’instruccions, sinó que dedica un bloc a proves i iteració. La guia proposa mesurar l’èxit amb criteris quantitatius i qualitatius: que la skill s’activi en el 90% de les consultes rellevants, que completi el flux amb menys crides a eines, que no hi hagi errors d’API, que l’usuari no hagi d’indicar contínuament el pas següent o que els resultats siguin consistents entre sessions. Anthropic admet que part d’aquesta avaluació continua sent una mica aproximada, fins i tot “vibes-based”, però el simple fet d’incloure mètriques ja suposa un senyal de maduresa. L’objectiu no és només construir skills; és tractar-les com artefactes que es poden avaluar, comparar i millorar.
En l’apartat de distribució i ús programàtic, la companyia obre una altra pista estratègica. La guia explica que les skills es poden gestionar a través de l’endpoint /v1/skills, afegir-se a sol·licituds de la Messages API mitjançant container.skills i utilitzar-se amb el Claude Agent SDK. També aclareix que, per a ús via API, les skills requereixen la beta de Code Execution Tool, l’entorn segur on poden executar-se. Aquesta secció és important perquè situa les skills fora del perímetre purament interactiu de Claude.ai o Claude Code. Anthropic no les concep només per a l’usuari que treballa manualment, sinó també per a aplicacions, agents i desplegaments productius a escala. Això les converteix en una peça d’infraestructura més que no pas en una simple drecera per a usuaris avançats.
La recomanació pràctica que acompanya aquesta part també és significativa. Anthropic suggereix allotjar les skills a GitHub amb repositoris públics, README clar per a humans, exemples d’ús i captures, i enllaçar-les des de la documentació del MCP corresponent. Hi ha aquí una intenció clara d’ecosistema. Les skills no es queden dins de Claude: poden convertir-se en objectes distribuïbles, versionables i comunitaris. Aquesta orientació encaixa amb l’estratègia més àmplia d’Anthropic de fomentar capes de coneixement reutilitzable al voltant del model. Si els prompts eren coneixement tàcit i efímer, les skills aspiren a ser coneixement portable, mantenible i compartible.
Allà on el document guanya més profunditat és a la secció de patrons. Anthropic descriu estratègies com el refinament iteratiu, la selecció d’eines segons el context o la incorporació d’intel·ligència específica de domini. El patró de refinament iteratiu, per exemple, proposa generar un primer esborrany, validar-lo amb scripts, detectar errors i repetir el cicle fins a assolir un llindar de qualitat. El de selecció contextual d’eines planteja decidir entre emmagatzematge al núvol, documents col·laboratius, GitHub o emmagatzematge local segons el tipus i la mida del fitxer. El d’intel·ligència de domini mostra com una skill pot incorporar regles de compliment financer abans d’executar un pagament. Aquests exemples revelen una cosa essencial: Anthropic no està ensenyant només a “fer prompts llargs”, sinó a dissenyar comportament procedimental amb criteris de decisió, validació i context.
També mereix atenció l’apartat de troubleshooting, perquè mostra on creu Anthropic que es trencaran aquestes implementacions al món real. La guia enumera problemes de skills que no es carreguen, instruccions que no se segueixen, llenguatge ambigu, noms d’eines MCP incorrectes, excés de context i degradació de rendiment. Entre les recomanacions en destaca una d’especialment pràctica: mantenir SKILL.md per sota de 5.000 paraules, moure el detall a references/ i evitar habilitar massa skills simultàniament, amb una menció explícita a revisar si se supera el rang de 20 a 50 skills actives alhora. És una observació gairebé d’enginyeria de sistemes: la personalització mal dissenyada també pot sobrecarregar el model.
Tot això permet llegir la guia des d’una perspectiva més àmplia. Anthropic està empenyent una transició des de l’ús ad hoc de la IA cap a una lògica d’estandardització operativa. Les skills són, en essència, la institucionalització del prompting. Recullen allò que abans estava dispers en missatges, notes internes o memòria individual i ho converteixen en una estructura reutilitzable. Per a equips, això significa preservació de coneixement. Per a desenvolupadors, significa encapsular fluxos. Per a l’ecosistema, significa començar a construir damunt del model una capa intermèdia de procediments compartits. I per a Anthropic, probablement, significa una cosa encara més gran: fixar Claude com a entorn on no només es conversa, sinó on s’empaqueta i s’executa treball especialitzat.
Aquesta és la veritable importància del PDF. No perquè tingui 33 pàgines ni perquè enumeri regles de nomenclatura, sinó perquè deixa veure una direcció de producte molt clara. Si els models es comodititzen cada vegada més en capacitats bàsiques, la diferenciació comença a desplaçar-se cap a la facilitat per capturar fluxos, distribuir-los i activar-los de manera confiable. Anthropic està intentant que Claude guanyi terreny precisament aquí: en la transformació de coneixement operatiu en components utilitzables. La skill ja no és només una personalització. És una unitat de treball empaquetada. I, en un mercat on la utilitat real val més que l’espectacularitat d’una demo, aquesta capa pot acabar sent molt més decisiva del que sembla.
