improve-animations (emilkowalski/skills)

Reseña

Codex CLI 0.166 (gpt-6-astra, razonamiento bajo) en un PC de pruebas Windows dedicado, con un proyecto temporal nuevo y HOME/TMPDIR/cachés temporales en cada ejecución, la skill instalada (grupo con skill), ausente (control) o ausente con el requisito central de la skill comprimido en una frase añadida al prompt (grupo del prompt de una frase), 2 ejecuciones por grupo y tarea, sin red y con las escrituras en /tmp bloqueadas. Los prompts nunca mencionan la skill (salvo la redacción indicada abajo). Una pequeña app web (am_app) con 8 problemas de movimiento sembrados. Tareas: auditar todo el proyecto, auditar solo el desplegable y el modal, y corregir cinco problemas concretos. Los prompts dicen «animaciones y movimiento» sin nombrar ninguna regla. El prompt de una frase enumera las reglas y pide valores de reemplazo exactos.

Comparación de tres ramas

Medido con Codex CLI en 18 ejecuciones, puntuado con comprobaciones basadas en reglas y sin juez LLM. Total 25.5 / 30, veredicto Recomendada.

Veredicto: Recomendado (25.5 / 30). Fuente: emilkowalski/skills, skills/improve-animations, fijado en el commit a81dbca. Instalación: npx skills@latest add emilkowalski/skills --skill improve-animations. Licencia: MIT (LICENSE del repositorio).

Qué es

El skill improve-animations (emilkowalski/skills): una guía de auditoría de diseño de movimiento: curvas ease-out personalizadas en lugar de ease-in/por defecto, duraciones de 150-300 ms, solo transform y opacity, sin transition: all, sin arranques con scale(0), transform-origin en el disparador, soporte para movimiento reducido y sin animación en acciones de alta frecuencia.

Cómo lo probamos

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

Una pequeña aplicación web (am_app) con 8 problemas de movimiento sembrados. Tareas: auditar todo el proyecto, auditar solo el desplegable y el modal, y corregir cinco problemas concretos. Los prompts dicen «animaciones y movimiento» sin nombrar ninguna regla. La frase enumera las reglas y pide valores de sustitución exactos.

1. Auditar el código de movimiento — Audita las animaciones y el movimiento de este proyecto. Dame una lista priorizada de lo que hay que corregir, cada punto con el archivo y los valores de sustitución exactos. No cambies ningún archivo.
2. Auditar dos componentes — Audita solo las animaciones del desplegable y del modal en styles.css. ¿Qué está mal y en qué deberían convertirse exactamente? No cambies ningún archivo.
3. Mejoras principales para que las implemente otra persona — Voy a pasar las correcciones de movimiento a un colega que no ha visto este proyecto. Enumera las 5 correcciones de animación de mayor impacto con el CSS exacto que debe escribir para cada una, para que pueda implementarlas sin preguntarme nada. No cambies ningún archivo.

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

Resultados

La frase única que recibió el tercer grupo: "Audita el código de movimiento como un ingeniero de diseño sénior: señala las curvas ease-in y por defecto, transition: all, los arranques con scale(0), la animación de propiedades de layout, la falta de movimiento reducido, la animación en acciones de alta frecuencia, el transform-origin incorrecto y las duraciones lentas; para cada una da la sustitución exacta (cubic-bezier ease-out personalizado, 150-300 ms, solo transform/opacity) para que otra persona pueda aplicarla, y no cambies ningún archivo fuente."

Puntuación media: 3.15 sin vs 4.81 con el skill (delta +1.66). Tokens por ejecución: 65k vs 78k (1.20x); tiempo 48s vs 49s. Grupo de una frase: 4.94 (la mejora del skill frente a la frase: -0.13; la mejora de la frase frente a no usar skill: +1.79); la frase usa 65k tokens por ejecución, así que el skill consume 1.19 veces sus tokens.

Qué ocurrió

• Control 3.15, skill 4.81, frase 4.94 (n=6 cada uno). Sin orientación, Codex encontró de 3 a 7 de los 8 problemas sembrados y no dio ninguna curva cubic-bezier ni easing exacto en 5 de 6 ejecuciones.
• El skill cierra esa brecha: 5.0 en ambas ejecuciones centradas, donde el control se perdió el arranque del modal con scale(0) en las dos, y cada auditoría da curvas exactas. La frase llega al mismo resultado.
• En la tarea de las cinco correcciones, el skill quedó ligeramente por detrás de la frase (4.62 vs 5.0): ambas ejecuciones con skill se perdieron el hover de la tarjeta de 700 ms con linear, y cada una se perdió otro problema sembrado (el modal con scale(0), o transition: all).
• Tokens: skill 78k, frase 65k, control 65k (1.2x el control). El skill se leyó en 6/6 ejecuciones con skill sin ser nombrado.

Puntuación por dimensiones

Límites de esta prueba

• Comprobaciones de recuperación sobre el texto de la auditoría y comprobaciones regex sobre el CSS modificado; no se renderizó ni midió nada en un navegador.
• La frase es una paráfrasis muy cercana de la propia lista de comprobación del skill, lo que la convierte en una comparación fuerte.
• Un único fixture; n=2 por celda.
• 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

Véase security.md. Escaneo: 0 CRITICAL / 2 HIGH / 0 MEDIUM. Veredicto: seguro de ejecutar (sandbox sin red). Un escaneo limpio no demuestra que un skill sea seguro.

Conclusión

El skill supera claramente a una auditoría sin prompt, sobre todo porque siempre aporta curvas y duraciones concretas. Una sola frase que enumere las mismas reglas lo hace igual de bien por menos, así que la mejora es frente a la ausencia de orientación, no frente a un buen prompt.