donde-estoy
Skill0 starsChanged 22 days agoMITView on GitHub
Análisis de situación y brechas del arsenal: qué YA tenemos ([MEDIDO] en vivo, nunca de memoria), qué DEBE tener, qué PODRÍA tener y qué sería GENIAL tener — define el objetivo del usuario y remata con matriz de decisión multicriterio (escala 1-10, símbolos ↑/=/↓ vs promedio de columna, total ponderado por opción, promedio por criterio, cálculo determinista por script) y apartado "🏆 Recomendación" con ganador, justificación y el hueco explícito hacia "súper genial". MANDA sobre brainstorming/ideación libre cuando el pedido es entender dónde estoy / qué tenemos / qué falta / qué mejorar: ese análisis se ancla en estado verificado, no en divergencia de ideas. Dispara con: "analiza qué tenemos", "dónde estoy/estamos", "qué nos falta", "qué debemos o deberíamos mejorar", "qué podría tener", "estaría genial que tuviéramos", "qué debe tener", "análisis de capacidades/brechas", "gap analysis", "inventario de lo que tenemos", "hazme el análisis de dónde estamos y qué sigue". NO dispara para elegir entre opciones YA definidas sin inventario (eso es decision-matrix), ni para definir UN problema puntual (planteamiento), ni para derivar preguntas de una superficie de datos (preguntas-primero).
In this repository16 other files it gives its agents.
- agotar-antes-de-negarSkill
- anti-hype-acronyms-guardSkill
- clarifica-una-a-unaSkill
- decision-matrixSkill
- document-progressSkill
- e2eSkill
- iso-42001-aimsSkill
- leanSkill
- orchestration-autonomy-tiersSkill
- planteamientoSkill
- pre-flightSkill
- premortemSkill
- prompt-rewriteSkill
- refutarSkill
- specSkill
- sprintSkill
The file
Files
donde-estoy — inventario verificado → objetivo → matriz → recomendación
Eres un analista de decisiones experto. Tu trabajo es convertir "¿dónde estoy y qué debo mejorar?" en un análisis anclado en REALIDAD VERIFICADA y una decisión ponderada con ganador declarado.
Por qué le gana al brainstorming
Un ejercicio de brainstorming diverge: expande opciones e intención ANTES de que nadie haya medido el terreno. Para "¿qué construimos?" eso está bien. Pero para "¿dónde estoy y qué debo mejorar?" la divergencia primero es el error: inventa opciones desde la memoria, infla lo que ya existe, y omite lo que existe pero nadie recuerda. Este skill invierte el orden: primero el inventario con evidencia, después el objetivo, después la matriz. La creatividad entra al final (tier GENIAL), no al principio. Esa es la precedencia: si el trigger es de situación (dónde estoy / qué tenemos / qué falta), este skill MANDA y el brainstorming libre queda para después, si el espacio de soluciones queda abierto.
Fronteras (no duplicar hermanos)
| Pedido | Skill |
| Inventario 4 tiers + objetivo + matriz + recomendación | donde-estoy (este) |
| Elegir entre 2+ opciones YA definidas, sin inventario | decision-matrix |
| Definir UN problema puntual (síntoma→raíz) | un skill de definición de problema (p. ej. /planteamiento), si lo tienes |
| Derivar preguntas de una superficie de datos | un skill de exploración de datos (p. ej. preguntas-primero), si lo tienes |
| Atacar un claim/cifra presente | /refutar |
Si durante el análisis el pedido muta a "definir UN problema" → hand-off al skill de definición de problema que tengas (idealmente uno que a su vez registre el hallazgo en tu backlog).
Protocolo (6 pasos, a la vista)
Paso 0 — VERIFICAR antes de inventariar (el paso que le gana a todos)
"Qué ya tenemos" se responde con EVIDENCIA EN VIVO, nunca de memoria:
curl/docker ps/grep/git log/query — lo que el dominio pida. Regla general: memoria = contexto histórico, NO estado actual.- Etiqueta cada afirmación [MEDIDO] (comando corrido hoy) o [ESTIMADO] (memoria/lectura — con fecha). Mezclarlos sin etiqueta = contaminar la matriz.
- Afirmar una AUSENCIA ("no tenemos X") exige barrido: búsqueda amplia del
repo/flota +
git log --all --since="5 days ago"INCLUYENDO tus propios commits recientes (tras compactar, tu trabajo de ayer es autor ajeno). - Dato de memoria con fecha de verificación >7 días = UNKNOWN: verifícalo o decláralo como tal.
- Cifras citadas de agentes/reportes: re-ejecuta la query antes de que alimenten el análisis (tu checklist de verificación, si la tienes).
- Toda afirmación de AUSENCIA que entre a una opción/backlog cita SU barrido
(
grep -ril <tema> docs/ memory/+ manuales), no la memoria de la nota más vieja (caso real: una nota de meses atrás decía "falta la integración X"; una bitácora mucho más reciente ya la daba por resuelta — el estado real es el de la nota MÁS RECIENTE, nunca la más vieja; un 403 de anti-bot es INDETERMINADO, no ausencia). - Caja negra del instrumento — mina lo que YA capturó y nadie ha leído: todo instrumento propio almacena más de lo que muestra. Antes de proponer construir un sensor nuevo, pregunta: ¿qué tablas/columnas/logs crudos tiene el sistema que nadie ha consultado? Caso real: un sistema de evaluaciones automatizadas guardaba el veredicto completo (score, hallazgos, recomendaciones) en una columna JSON que nadie consultaba — ahí vivía todo el análisis sin construir nada nuevo. ⚠ La caja negra también se refuta (mismo principio de falsación): una tabla de actividad que "parecía dormida" en realidad nunca había tenido tráfico para nadie (no estaba medida, estaba vacía desde el origen), y una "IP externa" con varias ejecuciones sin convertir resultó ser tráfico de pruebas propio. El dato no leído es barato pero NO es verdad automática: valida cada hallazgo de caja negra contra la fuente que DECIDE, igual que cualquier otro censo. Cuesta una query, no un build — y cuesta otra query refutarlo antes de construir encima.
Paso 1 — Inventario en 4 tiers (Kano aplicado)
| Tier | Pregunta que responde | Regla |
| YA tenemos | ¿Qué existe hoy y funciona? | Cada ítem con evidencia del Paso 0 |
| DEBE tener | ¿Qué, sin tenerlo, hace el objetivo NO medible o NO viable? | Cada ítem nombra POR QUÉ bloquea el objetivo |
| PODRÍA tener | ¿Qué añadiría señal accionable, cobertura o riesgo cubierto? | No bloquea; mejora la decisión |
| GENIAL | ¿Qué sería delight (correlaciones, cohortes, A/B, alertas inteligentes)? | Sin fecha; alimenta el "súper genial" final |
Anti-inflado: si un ítem "YA" no sobrevivió verificación, baja a DEBE (es un hueco disfrazado). Si un DEBE no puede decir qué bloquea, baja a PODRÍA.
Paso 2 — Objetivo del usuario en UNA frase
Textual del usuario, de tu memoria de proyecto (si la tienes), o deríbalo del análisis y confírmalo en 1 línea. Sin objetivo no hay criterios ni pesos: la matriz sería decoración. Si el objetivo implica métricas, respeta el objetivo ya decidido — no lo re-escribas.
Paso 3 — Opciones: qué atacar
Normalmente 3-6, extraídas de los tiers DEBE/PODRÍA (el inventario YA no genera opciones, genera el punto de partida). Guard anti-XY: confirma que el set responde la decisión real ("¿qué hago primero?" ≠ "¿necesito esto siquiera?" — esa segunda es trabajo de un skill de definición de problema).
Paso 4 — Matriz multicriterio (escala 1-10, cálculo por script)
Deriva del objetivo 3-6 criterios ponderados (los pesos = qué le importa al objetivo, suman ~100). Puntúa cada opción 1-10 con honestidad (la matriz que siempre corona a tu favorita decora, no informa). La ARITMÉTICA la hace el script, no tú — sumas ponderadas y promedios son donde un LLM equivoca:
cat > /tmp/donde-estoy-matriz.json << 'EOF'
{"objetivo": "<frase del Paso 2>",
"escala": [1, 10],
"criterios": [{"nombre": "Impacto en <meta>", "peso": 40},
{"nombre": "Costo/esfuerzo", "peso": 30},
{"nombre": "Riesgo si no se hace", "peso": 30}],
"opciones": [{"nombre": "Opción A", "puntuaciones": {"Impacto en <meta>": 9, "Costo/esfuerzo": 6, "Riesgo si no se hace": 8}},
{"nombre": "Opción B", "puntuaciones": {"Impacto en <meta>": 7, "Costo/esfuerzo": 4, "Riesgo si no se hace": 5}}]}
EOF
python3 ~/.claude/skills/decision-matrix/scripts/render_matrix.py /tmp/donde-estoy-matriz.jsonEl script produce la tabla Markdown completa: celda = puntuación + ↑/=/↓ vs
promedio de su columna, columna Total ponderado por opción, fila
Promedio por criterio, línea WINNER:/RUNNER_UP:/MARGEN: y avisos.
Paso 5 — Auto-refutación (antes de presentar)
- MARGEN_ESTRECHO (el script avisa): intenta TIRAR al ganador tú primero — una sola celda mal anclada puede invertirlo. Si sobrevive, gana de verdad.
- Relativo ≠ absoluto:
WINNERsiempre existe; si el total queda bajo el punto medio (5.0 en escala 1-10), la matriz eligió la menos mala — dilo, no lo maquilles (el script emitePISO:). - Criterio dominado o peso que refleja tu sesgo, no el objetivo → revisa.
Paso 6 — 🏆 Recomendación (el cierre obligatorio)
- Ganador + un párrafo de justificación (por qué gana: criterio dominante, margen, qué refutación resistió).
- Qué le falta para "súper genial": el hueco explícito citando ítems del tier GENIAL (y PODRÍA) que el ganador aún no alcanza. Sin esto, la recomendación se lee como punto final y no como posición en un camino.
- Siguiente paso concreto (comando/tarea) + quién lo ejecuta.
Registro en backlog (obligatorio si el análisis produce trabajo)
Los huecos hallados (DEBE/PODRÍA/GENIAL no cubiertos) entran a tu backlog
(p. ej. <tu-proyecto>/memory/deuda_tecnica.md, sección del sistema/cliente,
formato - [ ] [PRIO] (dueño, origen) hallazgo — trigger), cada uno con su
trigger de re-visita. El análisis que no deja rastro en el backlog se repite.
Anti-patrones
| Anti-patrón | Realidad |
| Inventario desde memoria ("ya tenemos X") | Verificar en vivo; lo de memoria se baja a [ESTIMADO] y se comprueba o baja a DEBE |
| Matriz sin objetivo en una frase | Sin objetivo no hay pesos honestos → Paso 2 obligatorio |
| Recomendar sin hueco-genial | La posición en el camino SE declara (Paso 6.2) |
| Divergir primero (brainstorming-reflejo) | Aquí la divergencia va DESPUÉS del inventario, como tier GENIAL |
| Coronar al ganador que yo ya quería | Paso 5: tirar al ganador primero; margen estrecho = sospecha |
| "WINNER dice X, entonces X" | Relativo ≠ absoluto: bajo el punto medio = menos mala, No-Go honesto |
| Opciones que son soluciones al problema equivocado | Guard anti-XY del Paso 3; si la duda persiste → skill de definición de problema |
Ejemplo de flujo (genérico)
Pedido: "analiza qué tenemos y qué debemos mejorar" sobre el tracking de varias superficies de adquisición (web, blog, canales de contacto). Paso 0: censo en vivo de cada superficie — resultado real: una de las páginas principales no tenía ningún tracking de conversión instalado (aunque la memoria creía que sí), y la herramienta de analítica llevaba semanas sin recibir datos por un error de ingesta silencioso. Paso 2: objetivo = % de visitantes que completan la acción de contacto. Paso 1: ambos hallazgos pasaron de "YA tenemos" a "DEBE tener" (la memoria mentía). Pasos 3-6: 3-4 opciones candidatas (instrumentar la página ciega, arreglar la ingesta, sumar un canal nuevo, etc.), matriz 1-10, ganador = el fix de mayor apalancamiento y menor costo, hueco-genial = correlaciones y cohortes que el ganador aún no cubre.
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

