Las 5 Claude Skills imprescindibles para mejorar la escritura con IA

Introducción

La explosión de agentes basados en modelos generativos hizo aparecer cientos de “skills” para Claude orientadas a tareas diversas. Pero muchas listas mezclan utilidades administrativas con herramientas pensadas específicamente para la escritura. Este artículo reúne solo repositorios cuyo propósito central es redactar o editar texto: lo que importa para que un resultado no suene a “IA-slop”.

Los números de estrellas provienen del repositorio en GitHub y se consultaron el 5 de agosto de 2026. No inventamos métricas: presentamos cada skill según su popularidad y aportes concretos al proceso de escritura.

Cómo evaluamos estas skills

Criterios clave:

• Propósito editorial: el repo debe estar dedicado a creación o mejora de texto.
• Automatización verificable: además de instrucciones, que el skill incluya comprobaciones o pasos iterativos.
• Aplicabilidad práctica: que sirva tanto para borradores como para la revisión final.

Con eso en mente, estas son las cinco skills más destacadas.

1) stop-slop — ★ 15,199

stop-slop se centra en eliminar lo que hace que un texto suene artificial: muletillas, exageraciones, estructuras retóricas gastadas y comodines verborreicos. No pide “sonar más humano”; en cambio, impone reglas concretas y listas de prohibiciones. Entre sus componentes están:

• phrases.md: lista de frases y recursos a evitar (aperturas de throat-clearing, jargon empresarial, adverbios sobrantes).
• structures.md: bloquea patrones como contrastes binarios o fragmentación dramática.
• sentence rules: reglas de puntuación y uso de guiones/em dash, fragmentos y absolutos tipo “siempre”/“nunca”.

Además, puntúa el texto en cinco dimensiones (directidad, ritmo, confianza, autenticidad y densidad) con un umbral de revisión: si baja de 35/50, obliga a reescribir. Esa verificación automática es lo que convierte a stop-slop en una skill y no una simple lista de estilo.

Mejor para: pase final de textos generados con IA, cuando busca limpieza y contundencia.

2) humanizer — ★ 33,700

humanizer plantea 33 patrones numerados, cada uno con ejemplo antes/después; muchos se basan en la guía “Signs of AI Writing” de Wikipedia. Lo que lo distingue:

• Emparejamiento de voz: pueden pegarse dos o tres párrafos propios; el skill analiza ritmo y elección de palabras para reescribir manteniendo la voz del autor en lugar de aplicar un registro neutro uniforme.
• Segunda pasada de auditoría: tras la reescritura inicial ejecuta una auto-evaluación para eliminar rastros obvios de texto generado por IA y vuelve a ajustar.

Resultado: no sólo limpia, sino que preserva matices personales. Es especialmente útil porque el output por defecto de Claude tiende a nivelarse; humanizer devuelve variedad humana.

Mejor para: prácticamente todo tipo de texto donde la voz importa (email, artículos, propuestas).

3) AI-Research-SKILLs — ★ 11,400

Este repositorio es amplio: 98 skills en 23 categorías pensadas para recorrer el ciclo de investigación en IA. Gran parte es infraestructura y herramientas de ingeniería (Megatron, vLLM, optimizaciones). Sin embargo, contiene tres categorías de escritura fuertes:

• Academic Plotting: generación de figuras con estilo según la convocatoria, desde diagramas de arquitectura hasta gráficos en matplotlib.
• Ideation: dos skills para vencer la página en blanco; uno ejecuta diez lentes complementarias sobre un tema y otro aplica técnicas creativas (bisociación, mapeo estructural).
• ARA Rigor Reviewer: audita un borrador según rigor investigativo—falsabilidad, alcance, coherencia argumental y metodológica—y entrega un informe con severidad y una recomendación de aceptación o rechazo.

Mejor para: equipos académicos o técnicos que combinan redacción con validación metódica y generación de material visual para publicaciones.

4) oh-story-claudecode — ★ 5,080

Diseñado originalmente para ficción web en chino, oh-story ofrece un proceso transferible al inglés y otros idiomas. La diferencia clave es que extrae estructura de obras exitosas y hace que la escritura parta de una receta probada:

• Story Teardown Report: evalúa el núcleo de la historia en varias dimensiones y facetados de payoff.
• Plot Beats: extrae puntos de la trama con marcadores emocionales (-9 a +9), generando la curva emocional como dato.
• Craft Techniques: catálogo de técnicas (manejo de POV, diálogo, ganchos de objeto, brechas de información).

Esencialmente crea una biblioteca reutilizable desde la descomposición de textos que funcionaron, y los skills de escritura consumen esa estructura para producir material alineado con lo que ya ha resonado.

Mejor para: narradores, equipos de contenido de entretenimiento y editoriales que trabajan con ficción seriada.

5) claude-blog — ★ 1,579

claude-blog ofrece un conjunto de ~30 sub-skills y agentes que cubren todo el ciclo de un blog: estrategia, briefs, outlines, redacción, reescritura, auditorías de sitio y detección de decadencia de contenido. La aportación más valiosa es su mecanismo de control de calidad:

Cada borrador se evalúa con una rúbrica de 100 puntos repartida en cinco filtros; si baja de 90 se bloquea y se vuelve a ejecutar hasta tres veces antes de llegar al humano. El principio: el usuario nunca es el primer revisor. Esa verificación previa reduce el ruido de calidad cuando se publica en escala.

Mejor para: equipos que publican alto volumen y necesitan un sistema de verificación automatizado antes de la revisión humana.

Instalación en Claude Code

Puede instalar cualquiera copiando el repo en su carpeta de skills. Ejemplos:

• git clone https://github.com/blader/humanizer ~/.claude/skills/humanizer
• git clone https://github.com/hardikpandya/stop-slop ~/.claude/skills/stop-slop
• git clone https://github.com/Orchestra-Research/AI-Research-SKILLs ~/.claude/skills/ai-research
• git clone https://github.com/worldwonderer/oh-story-claudecode ~/.claude/skills/oh-story-claudecode
• git clone https://github.com/AgriciDaniel/claude-blog ~/.claude/skills/claude-blog

Asegúrese de revisar README y las dependencias de cada repositorio; muchas skills requieren configuración adicional o datos de entrenamiento para ajuste fino.

Recomendaciones prácticas para equipos en América Latina

• Definan la función del skill: ideación, primera versión, limpieza o control de calidad final. No todos sirven igual para cada etapa.
• Preserven la voz local: utilicen humanizer para adaptar registros al español latinoamericano y eviten traducciones literales.
• Establezcan una verificación humana: incluso con rúbricas automáticas, la revisión editorial debe validar matices culturales y precisión.
• Prioricen seguridad y privacidad: al integrar repositorios de terceros, revisen qué datos se envían a la nube y ajusten flujos según regulaciones locales.

Conclusión

Estas cinco skills muestran que la escritura asistida por agentes puede ir más allá de correcciones superficiales: permiten mantener voz, rigor y consistencia a escala. Para equipos en América Latina, combinarlas con políticas de revisión local y ajustes de tono es la mejor forma de transformar borradores de IA en comunicaciones efectivas y auténticas.