emails (coreyhaines31/marketingskills)

Reseña

Codex CLI 0.166 (gpt-6-astra, razonamiento bajo) en una Mac de pruebas, un proyecto temporal nuevo y HOME/TMPDIR/cachés temporales por ejecución, skill instalada (tratamiento) o ausente (control) o ausente con el requisito central de la skill condensado en una frase añadida al prompt (grupo del prompt de una frase), 2 ejecuciones por grupo y tarea, red desactivada, escrituras en /tmp bloqueadas. Los prompts nunca mencionan la skill (salvo el texto indicado abajo). Tres tareas de escritura con una ficha de datos (product.md, una suscripción ficticia de snacks de algas): una secuencia de bienvenida de 5 correos, un flujo de carrito abandonado de 3 correos (sin descuentos permitidos) y un correo de recuperación con 5 asuntos alternativos. Cada una tiene límites estrictos (asunto máximo 50 caracteres, cuerpo máximo 100-120 palabras, exactamente un CTA). Puntuadas con reglas: el archivo existe, se respetan los límites, no hay cifras inventadas, descuentos ni urgencia, no hay palabras de moda prohibidas, no hay patrones que suenen a IA (it's-not-X-it's-Y, no-X-no-Y-no-Z, asuntos «Re:» falsos).

Comparación de tres ramas

Medido con Codex CLI en 18 ejecuciones, puntuado con comprobaciones basadas en reglas y sin juez LLM. Total 24.0 / 30, veredicto Según el caso.

Veredicto: Según el caso (24.0 / 30). Fuente: coreyhaines31/marketingskills, skills/emails, fijada en el commit 88c79f6. Instalación: npx skills@latest add coreyhaines31/marketingskills --skill emails. Licencia: MIT (LICENSE del repositorio).

Qué es

La skill emails de coreyhaines31/marketingskills: diseña secuencias de correo (bienvenida, nurturing, carrito abandonado, recuperación): objetivos por correo, asuntos y texto de vista previa, reglas de redacción, tiempos y orden de envío, con tres archivos de referencia (pautas de redacción, tipos de correo, plantillas de secuencia). Unas 1,650 palabras en SKILL.md y 3,200 en las referencias. Solo Markdown, sin scripts.

Cómo lo probamos

Codex CLI 0.166 (gpt-6-astra, razonamiento bajo) en un Mac de pruebas, un proyecto temporal nuevo y HOME/TMPDIR/cachés temporales por ejecución, skill instalada (tratamiento) o ausente (control) o ausente con el requisito central de la skill comprimido en una frase añadida al final del prompt (grupo de una frase), 2 ejecuciones por grupo y tarea, red desactivada, escrituras en /tmp bloqueadas. Los prompts nunca mencionan la skill (salvo la formulación indicada abajo).

Tres tareas de escritura con una ficha de datos (product.md, una suscripción ficticia de aperitivos de algas): una secuencia de bienvenida de 5 correos, un flujo de carrito abandonado de 3 correos (sin descuentos permitidos) y un correo de recuperación con 5 asuntos alternativos. Cada una tiene límites estrictos (asunto de 50 caracteres como máximo, cuerpo de 100-120 palabras como máximo, exactamente una CTA). Se puntúa por reglas: el archivo existe, se respetan los límites, no hay cifras inventadas, descuentos ni urgencia, no hay palabras de moda prohibidas ni patrones que suenen a IA (no-es-X-es-Y, sin-X-sin-Y-sin-Z, asuntos falsos con «Re:»).

1. Secuencia de bienvenida de 5 correos — Escribe una secuencia de bienvenida de 5 correos para los nuevos suscriptores de Tidepool (datos solo en product.md). Para cada correo indica 'Subject:' (máximo 50 caracteres), el texto de 'Preview:', un cuerpo de 120 palabras como máximo y exactamente una CTA. Guarda en welcome.md.
2. Flujo de carrito abandonado de 3 correos — Escribe una secuencia de carrito abandonado de 3 correos para Tidepool (datos solo en product.md; no hay descuentos ni garantías, así que no ofrezcas ninguna). Cada correo: 'Subject:' (máximo 50 caracteres), 'Preview:', cuerpo de 100 palabras como máximo, una CTA. Guarda en cart.md.
3. Correo de recuperación + variantes de asunto — Los suscriptores que se saltaron 3 meses seguidos no han hecho ningún pedido. Escribe un correo de reactivación (Subject:, Preview:, cuerpo de 100 palabras como máximo, una CTA) y 5 asuntos alternativos (cada uno de 50 caracteres como máximo). Usa solo los datos de product.md. Guarda en winback.md.

La puntuación es programática (pruebas ocultas / detección de problemas sembrados / comprobaciones de restricciones / renderizado+OCR cuando corresponde), 0–5 por ejecución. Ningún juez LLM decidió ninguna puntuación.

Resultados

La frase única que recibió el tercer grupo: "Diseña cada correo con un objetivo claro y exactamente una llamada a la acción, un asunto breve y concreto, texto de vista previa, un tono humano y directo sin patrones delatores de IA, y un orden de envío y unos tiempos sensatos a lo largo de la secuencia."

Puntuación media: 5.0 sin vs 5.0 con la skill (delta +0.0). Tokens por ejecución: 69k vs 102k (1.48x); tiempo 38s vs 50s. Grupo de una frase: 5.0 (ganancia de la skill sobre la frase única: +0.0; ganancia de la frase única sobre sin skill: +0.0); tokens de la frase única 94k por ejecución, así que la skill cuesta 1.09x la frase única.

Qué ocurrió

• Ninguna diferencia en las reglas: puntuación media 5.0 para el control, 5.0 para la versión de una frase y 5.0 para la skill. Todos los correos de las 18 ejecuciones respetaron todos los límites. Codex a secas ya sigue una ficha de datos explícita, unos límites de longitud y la instrucción «exactamente una CTA».
• Hizo falta corregir la puntuación: la primera pasada contó los tiempos de envío («Send: 10 days after subscribing», «24 hours after abandonment») como cifras inventadas y dio 4.6 y 4.9 a los grupos de una frase y de la skill. Los tiempos son una recomendación de programación, no una afirmación sobre el producto, así que ahora esas frases se ignoran; las primeras puntuaciones no se usan.
• La única diferencia visible son las indicaciones de tiempos de las que habla la skill. Buscando una etiqueta de envío (una línea 'Send:' o un tiempo en el encabezado del correo), el control la escribió en 0 de 6 secuencias, la versión de una frase en 4 de 6 y la skill en 1 de 6. Así que la skill no añadió tiempos de forma fiable, pero la frase que los menciona sí.
• La skill se leyó en 6/6 ejecuciones y costó 102k tokens por ejecución frente a 69k del control (1.48x) y 94k de la frase única (1.09x).

Puntuaciones por dimensión

Límites de esta prueba

• Un efecto techo: el control ya está en 5.0, así que la prueba no puede mostrar mejora; solo muestra que nada empeoró.
• Las comprobaciones cubren límites, honestidad y señales de estilo, no la calidad persuasiva, la inteligencia de los asuntos ni la entregabilidad; no se hizo una lectura humana de la calidad del copy más allá de revisiones puntuales.
• Solo un brief ficticio de un único producto; no se probó el valor de la skill para secuencias de nurturing y goteo B2B con datos reales de segmentación.
• n = 2 por grupo y tarea: las diferencias de menos de 1 punto son ruido.
• La puntuación basada en reglas mide lo que las comprobaciones pueden ver; no puede juzgar el gusto ni si un resultado es el mejor posible.

Seguridad

Consulta security.md. Escaneo: 0 CRITICAL / 0 HIGH / 0 MEDIUM. Veredicto: seguro para ejecutar (sandbox sin red). Un escaneo limpio no demuestra que una skill sea segura.

En resumen

Codex a secas produce secuencias de correo conformes y basadas en datos sin la skill, y la skill añade tokens (alrededor de 1.5x) sin un cambio medible en estas tareas. Puede ayudar cuando quieres la estructura y las indicaciones de tiempos de la skill en el resultado, algo que aquí logró más a menudo una sola frase en el prompt.