La mejora de prompts ha pasado de ser un truco de productividad a convertirse en una disciplina cada vez más cercana a la ingeniería de producto. No basta con pedirle a un modelo que “mejore este texto” o “revise este código”. Cuando se trabaja con sistemas como Claude Opus 4.7, el resultado depende mucho de cómo se estructura la tarea, qué se da por hecho, qué formato se exige y cuánta libertad se deja al modelo para actuar.
En ese contexto aparece Forja, una skill pensada para convertir ideas, borradores o descripciones poco definidas en prompts listos para copiar y pegar en Claude Opus 4.7 dentro de la aplicación de chat, no en la API. Su objetivo es muy concreto: tomar una petición inicial, aunque sea vaga, y devolver un único prompt terminado, sin explicaciones, sin variables pendientes y sin plantillas a medio rellenar.
La propuesta encaja con una tendencia más amplia dentro del uso profesional de IA: pasar de “escribir prompts” a diseñar sistemas reutilizables de interacción. Anthropic define las Skills como carpetas de instrucciones, scripts y recursos que Claude carga dinámicamente para mejorar su rendimiento en tareas especializadas. En la práctica, permiten empaquetar conocimiento operativo, estilo, reglas internas o flujos de trabajo para no tener que explicarlos desde cero en cada conversación.
Por qué una skill para prompts tiene sentido ahora
Claude Opus 4.7 llegó como un modelo especialmente orientado a programación avanzada, flujos agénticos complejos y tareas empresariales de alto nivel. Anthropic lo presentó como una mejora frente a Opus 4.6 en ingeniería de software, seguimiento de instrucciones, trabajos largos y verificación de resultados. También introdujo cambios relevantes para quienes diseñan prompts: el modelo sigue las instrucciones de forma más literal, usa más razonamiento en tareas complejas y puede requerir retocar prompts pensados para versiones anteriores.
Ahí es donde Forja intenta resolver un problema real. Muchos usuarios piden a un modelo que haga algo, pero en realidad necesitan un prompt reutilizable para otro modelo o para otra sesión. La diferencia es importante. No es lo mismo responder a una tarea que diseñar una instrucción que otra IA pueda ejecutar bien. Forja se centra en lo segundo.
La skill parte de dos reglas duras. La primera: no producir nunca placeholders. Nada de “pega aquí tu texto”, “inserta el contenido” o variables entre corchetes. Si el usuario ya ha dado contenido real, la skill lo integra dentro del prompt final. Si el usuario solo ha descrito una clase de tarea, el prompt debe funcionar por sí mismo y pedir a Claude que solicite los datos necesarios en el siguiente turno.
La segunda regla es entregar siempre un prompt terminado. Esto evita una de las grandes pérdidas de tiempo en el trabajo con IA: recibir una plantilla que todavía exige otra ronda de edición antes de poder usarse. Forja obliga a cerrar el trabajo en una pieza copiable, completa y accionable.
Este detalle parece menor, pero cambia bastante la experiencia. Muchas herramientas de “prompt optimization” acaban generando metaprompts llenos de huecos. Funcionan como esquema, pero no como entrega final. Forja está diseñada para que el usuario pueda copiar el bloque de código, pegarlo en Claude y empezar.
El prompt como interfaz, no como frase mágica
Lo más interesante de Forja es que no trata el prompt como una frase mágica, sino como una interfaz de trabajo. Incluye decisiones sobre objetivo, audiencia, formato, tono, restricciones, longitud, nivel de análisis y verificación. Además, adapta la estructura al tipo de tarea: una petición sencilla no necesita XML ni razonamiento profundo; un análisis estratégico, una revisión de código o una tarea con documentos largos sí se benefician de secciones claras.
La skill recomienda usar etiquetas XML cuando el prompt combina instrucciones, contexto, ejemplos, criterios e input. Este patrón es habitual en prompting avanzado porque ayuda a separar partes y reduce ambigüedades. También insiste en colocar documentos largos al principio y las instrucciones al final, una práctica alineada con las guías de Anthropic para tareas de contexto largo.
Otro punto relevante es la corrección de comportamientos típicos del modelo. Forja incorpora instrucciones para evitar que Opus 4.7 convierta una petición de acción en simples consejos. Por eso favorece verbos imperativos como “edita”, “reescribe”, “refactoriza”, “analiza” o “ejecuta”. También combate la tendencia a respuestas demasiado largas especificando formato y extensión desde el inicio.
En tareas analíticas, la skill pide marcar supuestos, diferenciar hechos de inferencias y etiquetar la confianza de las afirmaciones. En cálculos, recomienda mostrar unidades en cada paso y recomputar el resultado antes de entregarlo. En revisión de código, empuja a priorizar cobertura en la fase de hallazgos, no filtrado prematuro. Son detalles que muestran una comprensión práctica del trabajo con modelos: el problema no suele ser que la IA no responda, sino que responda con una mezcla de aciertos, rodeos y omisiones difíciles de detectar.
Diseñada para la app de Claude, no para la API
Forja hace una distinción importante: está pensada para Claude Opus 4.7 dentro de la aplicación de chat, como claude.ai, la app de Mac o iOS. No está diseñada para la API. Esto importa porque en la API existen parámetros, mensajes de sistema, configuración de herramientas y controles explícitos de razonamiento que no están disponibles de la misma forma en la aplicación.
La skill introduce una línea final opcional para tareas complejas: “Think before answering (maximum reasoning)”. Es una forma de empujar al modelo hacia más profundidad en la app de chat, donde el usuario no controla parámetros API como el esfuerzo de razonamiento. No es una garantía técnica, pero sí una señal útil para que el modelo trate la tarea como compleja.
El matiz es importante porque el propio comportamiento de Opus 4.7 cambia según entorno. En documentación de API, Anthropic explica que el modo de pensamiento adaptativo debe activarse explícitamente con thinking: {type: "adaptive"}. En la experiencia de chat, en cambio, el usuario no trabaja con esos campos. Por eso una skill como Forja intenta concentrar el control en el propio mensaje.
Un avance útil, pero no una varita mágica
Forja no elimina la necesidad de criterio humano. Un prompt bien diseñado mejora mucho las probabilidades de obtener una respuesta útil, pero no convierte automáticamente una idea débil en una estrategia correcta ni una petición confusa en un resultado perfecto. También hay límites evidentes: no debe usarse para saltarse políticas de seguridad, manipular sistemas o automatizar tareas peligrosas.
Su valor está en otro lugar. Ayuda a reducir ambigüedad, evita prompts incompletos, fuerza a integrar el contexto disponible y adapta la instrucción al comportamiento real de Opus 4.7. Para usuarios que trabajan a diario con Claude, puede ahorrar mucho tiempo y generar una biblioteca de prompts más consistente.
También refleja un cambio de fondo: la productividad con IA no dependerá solo de tener acceso al modelo más potente, sino de saber empaquetar procesos. Igual que una empresa documenta procedimientos, crea plantillas, define guías de estilo o automatiza tareas repetibles, ahora empieza a crear skills que convierten el conocimiento operativo en instrucciones reutilizables.
La ingeniería de prompts no desaparece con modelos más capaces. Se vuelve más exigente. Cuanto mejor sigue instrucciones un modelo, más importante es escribir instrucciones buenas. Y cuanto más se usa la IA en tareas reales, más valor tiene convertir la improvisación en método. Forja apunta justo a ese espacio: menos prompts escritos a ojo y más instrucciones diseñadas para producir trabajo fiable.
Preguntas frecuentes
¿Qué es Forja?
Forja es una skill para transformar ideas, borradores o tareas poco definidas en prompts terminados y listos para usar en Claude Opus 4.7 dentro de la app de chat.
¿Por qué evita los placeholders?
Porque su objetivo es entregar prompts finales, no plantillas incompletas. Si falta información, el propio prompt debe pedir a Claude que solicite los datos necesarios al usuario.
¿Sirve para la API de Claude?
No está pensada principalmente para la API, sino para claude.ai y las apps de Claude. En la API conviene separar sistema, usuario, herramientas y parámetros de razonamiento.
¿Qué aporta frente a pedir “mejora este prompt”?
Aporta una metodología fija: define objetivo, audiencia, formato, restricciones, supuestos, verificación y nivel de razonamiento, con salida siempre en un único bloque copiable.
