brainstorming (obra/superpowers)
Explora contigo requisitos y opciones antes de empezar cualquier trabajo creativo, función o plan.
superpowers brainstorming: convierte «hazme X» en una pregunta antes que nada, y una versión de una frase hace casi lo mismo
Codex CLI · gpt-6-astra
27.7 / 30
Mejora frente a sin skill: +2.67 · Recomendada · 18 ejecuciones
Recomendada: el total 27.7/30 es al menos 22, la calidad de salida 5.0 es al menos 3.5 y la mejora +2.67 es al menos +1.0.
SOTA
AprobadaProbada con Codex.
Cubre Codex, Claude Code
Codex CLI 0.166 (nivel SOTA): 18 ejecuciones puntuadas. Una pasada aquí también cubre Claude Code según nuestra regla de niveles; no dice nada sobre el segundo nivel.
Puntuaciones
Cada dimensión va de 0 a 5 y las seis suman el total sobre 30. 5 es mejor en todas las dimensiones. Coste 5 significa barato y rápido. Instalación 5 significa fácil.
- Fiabilidad de activación
- 5.0
- Mejora frente a sin skill
- 4.7
- Calidad de salida
- 5.0
- Coste en tokens y tiempo
- 5.0
- Instalación y portabilidad
- 4.0
- Seguridad
- 4.0
Revisión de seguridad
PrecauciónEscaneo estático: 18 CRITICAL / 19 HIGH / 11 MEDIUM. Revisión manual: Revisada: se ejecuta con salvedades (nota de privacidad). Un escaneo limpio no demuestra que una skill sea segura.
Instalar
npx skills@latest add obra/superpowers --skill brainstorming
Commit fijado: 2ce8aa15d05bd57213e6f746f953aafb7ded7a8b
Probada: 2026-11-02
Qué probamos
- Petición de función — Quiero añadir un modo oscuro a mi aplicación web.
- Trabajo creativo no técnico — Voy a dar una charla de 10 minutos en un meetup local sobre mi primer año como fundador en solitario. Ayúdame a prepararla.
- Petición de desarrollo — Vamos a crear una pequeña herramienta CLI que registre mis gastos.
Ventajas
- Eleva la puntuación media de 2.33 a 5.0 frente a sin skill (+2.67).
- La skill se activó sin nombrarla: se leyó el archivo de la skill en 6/6 ejecuciones con skill.
- Sin sobrecarga de tokens: 0.82 veces los tokens de sin skill.
- Supera a una versión de su propia regla en una frase por +0.33.
- Calidad absoluta alta con la skill: 5.0 sobre 5.
Inconvenientes
- n=2 por tarea y rama; las diferencias de menos de aproximadamente 1 punto son ruido.
Reseña
Codex CLI 0.166 (gpt-6-astra, razonamiento bajo) en una máquina de pruebas Mac, un proyecto temporal nuevo y HOME/TMPDIR/cachés temporales en cada ejecución, 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, red desactivada, escrituras en /tmp bloqueadas. Los prompts nunca mencionan la skill (salvo la redacción indicada abajo). Los prompts son peticiones vagas de una línea con una carpeta vacía («añade un modo oscuro a mi web», «ayúdame a preparar una charla», «vamos a crear una pequeña CLI que registre mis gastos»). La comprobación es el proceso: ¿se detuvo el agente a hacer 1-3 preguntas en una respuesta breve y no escribió código?
Comparación de tres ramas
| Rama | Puntuación media (0-5) | Tokens por ejecución |
|---|---|---|
| Sin la skill | 2.33 | 51k |
| Prompt de una frase | 4.67 | 45k |
| Con la skill | 5.0 | 42k |
Medido con Codex CLI en 18 ejecuciones, puntuado con comprobaciones basadas en reglas y sin juez LLM. Total 27.7 / 30, veredicto Recomendada.
Veredicto: Recomendada (27.7 / 30). Fuente: obra/superpowers, skills/brainstorming, fijada en el commit 2ce8aa1. Instalación: npx skills@latest add obra/superpowers --skill brainstorming. Licencia: MIT (LICENSE del repositorio).
Qué es
La skill brainstorming de obra/superpowers: «DEBES usarla antes de cualquier trabajo creativo», en software o fuera de él. Unas 2,400 palabras de Markdown: leer el contexto, preguntar a la persona qué quiere de verdad y por qué (una pregunta a la vez), proponer 2-3 enfoques con ventajas y desventajas, conseguir la aprobación de un diseño antes de construir nada, más un servidor visual complementario opcional (un pequeño servidor web local para mostrar maquetas) y un prompt de revisor. También unos scripts auxiliares para ese servidor.
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).
Los prompts son peticiones vagas de una línea con una carpeta vacía («añade un modo oscuro a mi aplicación web», «ayúdame a preparar una charla», «vamos a construir una CLI pequeña que registre mis gastos»). La comprobación es el proceso: ¿se detuvo el agente e hizo 1-3 preguntas en una respuesta corta sin escribir código?
- Petición de funcionalidad — Quiero añadir un modo oscuro a mi aplicación web.
- Trabajo creativo que no es software — Doy una charla de 10 minutos en un meetup local sobre mi primer año como fundador en solitario. Ayúdame a prepararla.
- Petición de construcción — Vamos a construir una herramienta CLI pequeña que registre mis gastos.
La puntuación es programática (tests ocultos / 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: "Antes de construir nada, lee el contexto existente, haz una pregunta aclaratoria sobre qué quieren de verdad y por qué, luego plantea 2-3 enfoques con ventajas y desventajas y una recomendación, y consigue la aprobación de un diseño breve antes de implementar."
| Tarea | Puntuación control | Una frase | Con la skill | Tokens control | Tokens de una frase | Tokens con la skill | Skill leída |
|---|---|---|---|---|---|---|---|
| t1-dark-mode | 3.0 | 4.0 | 5.0 | 64k | 52k | 51k | 2/2 |
| t2-talk | 3.0 | 5.0 | 5.0 | 29k | 37k | 32k | 2/2 |
| t3-cli | 1.0 | 5.0 | 5.0 | 57k | 44k | 40k | 2/2 |
Puntuación media: 2.33 sin vs 5.0 con la skill (delta +2.67). Tokens por ejecución: 51k vs 42k (0.82x); tiempo 43s vs 21s. Grupo de una frase: 4.67 (la ganancia de la skill sobre la frase única: +0.33; la ganancia de la frase única sobre sin skill: +2.33); tokens de la frase única 45k por ejecución, así que la skill cuesta 0.93x la frase única.
Qué ocurrió
- Este es el efecto más claro hasta ahora. Sin la skill, el agente no hizo ninguna pregunta aclaratoria en 5 de 6 ejecuciones; ante la petición de CLI, ambas ejecuciones de control simplemente construyeron la herramienta (4 archivos cada una, con tests) sin una sola pregunta. Con la skill, las 6 ejecuciones hicieron 1-3 preguntas en una respuesta corta y no escribieron nada (media 5.0 frente a 2.33 sobre 5).
- Una versión de una frase de la regla de la skill («lee el contexto, haz una pregunta sobre qué quieren y por qué, plantea 2-3 enfoques, consigue la aprobación antes de implementar») funcionó casi igual: 4.67. En 5 de 6 ejecuciones hizo preguntas; una vez (tarea de modo oscuro) pasó directamente a un plan sin preguntar.
- La skill se leyó en 6/6 ejecuciones y redujo el coste en vez de aumentarlo: 42k tokens por ejecución frente a 51k sin ella (0.82x), porque el control construye cosas y la skill se detiene a preguntar. Frente a la frase única cuesta 0.93x.
- En la petición de CLI, una respuesta con skill también mostró una línea de «opción de omitir las preguntas», citando al usuario la propia regla de la skill. Es el tipo de comportamiento que conviene conocer: el agente se detiene incluso cuando tienes prisa.
- Las partes más pesadas de la skill (servidor visual complementario, bucle de revisión del documento de diseño, prompt del revisor) nunca se alcanzaron: la conversación termina en la primera pregunta, como está diseñado.
Puntuaciones por dimensión
| Dimensión | Puntuación | Motivo |
|---|---|---|
| 1_output_quality | 5.0 | Puntuación media 5.00/5 con la skill (comprobaciones programáticas, véase la tabla por tarea). |
| 2_lift_vs_no_skill | 4.67 | +2.67 puntos frente a 2.33 sin la skill (n=2 por tarea; menos de ~1 punto es ruido). |
| 3_trigger | 5.0 | Archivo de la skill leído en 6/6 ejecuciones de tratamiento. |
| 4_instructions_portability | 4 | Escrita para skills al estilo de Claude Code; el complemento visual necesita node y un navegador; el resto es Markdown sencillo. |
| 5_efficiency | 5 | 0.82x tokens (42k vs 51k por ejecución) y 0.49x tiempo (21s vs 43s). |
| 6_safety_hygiene | 4 | Markdown y un servidor visual complementario local (node, escucha en 127.0.0.1, solo se inicia con consentimiento del usuario); su página carga una imagen de logotipo con versión desde el dominio del autor (una baliza de telemetría) salvo SUPERPOWERS_DISABLE_TELEMETRY=1. Nosotros definimos la variable y nunca iniciamos el servidor. |
Límites de esta prueba
- Solo probamos el primer turno. No respondimos a las preguntas ni seguimos la skill hasta la aprobación del diseño y la implementación, así que no podemos decir si el flujo completo produce mejor software.
- El comportamiento es un compromiso, no una victoria obvia: si quieres que el agente simplemente construya, una skill que insiste en preguntar primero te cuesta un ida y vuelta.
- Tres prompts vagos; una especificación detallada puede o no provocar la misma parada.
- 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 el resultado es el mejor posible.
Seguridad
Consulta security.md. Escaneo: 18 CRITICAL / 19 HIGH / 11 MEDIUM. Veredicto: segura de ejecutar (sandbox sin red). Un escaneo limpio no demuestra que una skill sea segura.
Conclusión
Para peticiones vagas de «constrúyeme X», la skill cambia de forma fiable el comportamiento de construir de inmediato a hacer una buena pregunta, y lo hace de forma barata. Pero el mismo comportamiento se reproduce con una frase en tu prompt, así que el valor de la skill es que no tienes que acordarte de preguntar. Recomendada si quieres que tu agente aclare antes de construir; sáltala si prefieres que actúe primero.
Transcripción
Registro de ejecuciones: brainstorming (Codex CLI, network off, per-run temp HOME/TMPDIR, one row per graded run.) Columnas: tarea, grupo-ejecución, puntuación (0-5), tokens, segundos, comprobaciones superadas, archivos de la skill que abrió el agente. t1-dark-mode control-1: puntuación 3.0, tokens 63726, s 40.4, comprobaciones 2/3, no abrió nada t1-dark-mode control-2: puntuación 3.0, tokens 65953, s 33.4, comprobaciones 2/3, no abrió nada t1-dark-mode oneliner-1: puntuación 5.0, tokens 44490, s 20.0, comprobaciones 3/3, no abrió nada t1-dark-mode oneliner-2: puntuación 3.0, tokens 59849, s 30.6, comprobaciones 2/3, no abrió nada t1-dark-mode treatment-1: puntuación 5.0, tokens 51573, s 23.4, comprobaciones 3/3, abrió brainstorming t1-dark-mode treatment-2: puntuación 5.0, tokens 51475, s 16.2, comprobaciones 3/3, abrió brainstorming t2-talk control-1: puntuación 4.0, tokens 29770, s 32.1, comprobaciones 2/3, no abrió nada t2-talk control-2: puntuación 2.0, tokens 29728, s 33.5, comprobaciones 1/3, no abrió nada t2-talk oneliner-1: puntuación 5.0, tokens 44545, s 20.1, comprobaciones 3/3, no abrió nada
18 ejecuciones, 3 artefactos
Resultado de ejemplo
SOTA · With the skill: final message (t1-dark-mode, run 1, Codex)
I don’t see any app files in this workspace yet. Where is your web app’s source code? Once it’s available, I can inspect its styling. If you’d prefer I just dive in, say so; I’d default to a Light / Dark / System setting that remembers the user’s choice.