Un plugin sin dependencias que reduce el consumo de tokens de los agentes de programación con IA al hacer más concisos sus textos y su código, y acortar las salidas demasiado extensas de las herramientas.
nicobailon/skill-diet
Una skill para agentes que reduce archivos de skill demasiado extensos, corrige discrepancias con la herramienta que documentan y comprueba que las versiones más breves sigan funcionando.
- Estrellas
- 230
- Forks
- 9
- Issues abiertos
- 0
- Último commit
- ayer
¿Qué es?
Los agentes leen todo el archivo SKILL.md de una skill cada vez que la usan, y la mayoría incluye mucho más contenido del que necesita una tarea concreta. skill-diet reescribe otras skills para hacerlas más breves y correctas: sitúa cada dato en el nivel más bajo que todavía permita que llegue a tiempo al agente, elimina lo que el modelo ya sabe y comprueba que las skills que documentan una CLI, API o SDK coincidan con el comportamiento actual de la herramienta.
Una prueba de antes y después ejecuta las mismas tareas con la skill antigua, la nueva y sin ninguna skill, y conserva la versión reducida solo si los agentes obtienen resultados igual de buenos o mejores. El proyecto también establece reglas para futuras ediciones, de modo que las nuevas lecciones no vuelvan a añadir contenido innecesario. Además, incluye una segunda skill, skill-model-gap, que ejecuta las mismas tareas con varios modelos para detectar y corregir por qué una skill falla en uno menos potente.
Funciones clave
- 01Reescribe una skill para reducir los tokens que se cargan por tarea sin empeorar los resultados de las pruebas.
- 02Comprueba si las instrucciones de una skill sobre una herramienta incluyen comandos que ya no funcionan.
- 03Compara la skill antigua, la nueva y la ausencia de skill en las mismas tareas antes de conservar un cambio.
- 04Establece reglas para futuras actualizaciones y mantener las skills concisas.
- 05Incluye skill-model-gap para diagnosticar y corregir fallos en modelos específicos.
Casos de uso
- Reducir una skill interna extensa que ralentiza todas las sesiones de los agentes.
- Comprobar si una skill que documenta una CLI sigue correspondiéndose con la versión instalada.
- Mantener una skill a lo largo del tiempo sin que crezca con cada nueva lección.
- Averiguar por qué una skill funciona con un modelo, pero falla con otro más económico.
Inicio rápido
- 1
Instálalo con Pi (paquete npm)
pi install npm:skill-diet - 2
O instálalo para Codex, Cursor y otros agentes
npx skills add nicobailon/skill-diet -g --skill '*' - 3
En Claude Code, instala el plugin desde el marketplace
/plugin install skill-diet --marketplace nicobailon/skill-diet - 4
Pídele a tu agente que simplifique una skill. Por ejemplo: «simplifica la skill de deploy»
Antes de usarlo
- La prueba antes/después ejecuta sesiones reales del agente, por lo que consume tiempo y tokens.
- Las comprobaciones solo abarcan las tareas de eval y lo que indicaba la skill anterior, así que puede que no se prueben otros casos.
- El registrador de llamadas solo envuelve herramientas de línea de comandos; las herramientas nativas, los servidores MCP, las API y los SDK se leen de los registros de sesión.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es skill-diet?
- Una skill para agentes que reduce archivos de skill demasiado extensos, corrige discrepancias con la herramienta que documentan y comprueba que las versiones más breves sigan funcionando. Los agentes leen todo el archivo SKILL.md de una skill cada vez que la usan, y la mayoría incluye mucho más contenido del que necesita una tarea concreta. skill-diet reescribe otras skills para hacerlas más breves y correctas: sitúa cada dato en el nivel más bajo que todavía permita que llegue a tiempo al agente, elimina lo que el modelo ya sabe y comprueba que las skills que documentan una CLI, API o SDK coincidan con el comportamiento actual de la herramienta.
- ¿skill-diet es gratuito? ¿Qué licencia tiene?
- skill-diet es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿skill-diet sigue mantenido?
- Mantenimiento activo. El último commit de skill-diet fue el 6 nov 2026.
- ¿Para qué puedo usar skill-diet?
- Reducir una skill interna extensa que ralentiza todas las sesiones de los agentes. Comprobar si una skill que documenta una CLI sigue correspondiéndose con la versión instalada. Mantener una skill a lo largo del tiempo sin que crezca con cada nueva lección. Averiguar por qué una skill funciona con un modelo, pero falla con otro más económico.
- ¿Cómo se instala skill-diet?
- Instálalo con Pi (paquete npm): pi install npm:skill-diet O instálalo para Codex, Cursor y otros agentes: npx skills add nicobailon/skill-diet -g --skill '*' En Claude Code, instala el plugin desde el marketplace: /plugin install skill-diet --marketplace nicobailon/skill-diet Pídele a tu agente que simplifique una skill. Por ejemplo: «simplifica la skill de deploy»
- ¿Dónde consigo skill-diet?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/nicobailon/skill-diet
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Una skill compatible con varias herramientas que hace que los agentes de programación con IA escriban menos código y texto, reduciendo los tokens de salida y los costos de la API de LLM.
Una meta-skill para agentes de IA al estilo de Claude que diseña, crea, prueba, evalúa y mejora otras skills mediante puntuación binaria.
Una skill basada en prompts que hace que los agentes de programación con IA escriban solo el código que necesita cada tarea, y prioricen la reutilización y las soluciones mínimas frente a las implementaciones extensas.
Colección de 13 Agent Skills seleccionadas en formato SKILL.md para investigación, documentación de producto, presentaciones, artículos de WeChat, revisión de código y más.
Una Agent Skill portable que elimina los rasgos típicos de la escritura con IA, repara la estructura narrativa de la ficción y aplica reglas específicas a documentos profesionales.