¿Qué hace esta skill?

La Arquitecto de Pipelines de Recomendación Skill diseña sistemas completos que seleccionan los mejores K ítems para un usuario o contexto, usando un patrón de seis etapas: Origen, Hidratador, Filtro, Scorer, Selector y EfectoSecundario. Genera arquitectura, trade-offs de diseño explícitos y código ejecutable listo para correr en Python, Go o TypeScript.

Feed de contenido social
Combina candidatos en red y fuera de red, puntúa probabilidad de like/comentar/saltar y sirve los top K con efectos secundarios asíncronos.
Priorizador de tareas
Filtra tareas completadas o expiradas, puntúa por urgencia y esfuerzo, y devuelve las 10 más prioritarias con logging asíncrono.
Reranker de RAG
Reordena documentos recuperados por un sistema RAG aplicando filtros de elegibilidad y scoring multi-acción con pesos ajustables.
Triaje de notificaciones
Selecciona las notificaciones más relevantes para un usuario aplicando filtros de antigüedad y vistos previamente, con scoring combinado.

Ejemplos de uso

📱 Feed social
Diseña un pipeline de feed social en TypeScript que combine publicaciones de seguidos y trending, puntúe like/comentar/saltar y sirva top 50.
📋 Priorizador de tareas
Crea un pipeline en Python con FastAPI que priorice tareas por urgencia y esfuerzo, filtrando las completadas y expiradas.
🔍 Reranker de RAG
Diseña un reranker para mi sistema RAG que filtre documentos duplicados y reordene por relevancia combinada con diversidad.
⚙️ Multi-acción con pesos
Migra mi scorer de relevancia única a un sistema multi-acción con pesos ajustables en tiempo de ejecución en Go.

Características

Marco de seis etapas Origen→Hidratador→Filtro→Scorer→Selector→EfectoSecundario: un patrón componible para cualquier sistema de selección de ítems.
Andamiaje ejecutable Genera código listo para correr en Python, Go o TypeScript, no pseudocódigo ni diagramas abstractos.
Scoring multi-acción Combina múltiples predicciones (like, comentar, saltar) con pesos ajustables en tiempo de ejecución.
Efectos secundarios asíncronos Cache de IDs servidos, eventos de impresión y analíticas se ejecutan fire-and-forget sin bloquear la respuesta.
Trade-offs explícitos Documenta decisiones de diseño como scoring aislado vs conjunto o single score vs multi-acción.

Preguntas frecuentes

Genera andamiaje ejecutable en TypeScript, Go y Python. Indica tu stack al describir el caso de uso.
No necesariamente. La skill diseña la infraestructura alrededor del scorer; puedes usar un modelo existente o definir reglas heurísticas.
No. Todos los efectos secundarios (caché, eventos, analíticas) se implementan de forma asíncrona fire-and-forget.
Sí. El patrón de seis etapas es aplicable a cualquier sistema que deba elegir los mejores K ítems: feeds, notificaciones, rerankers de RAG, priorizadores de tareas.

Skills relacionadas

Mas skills de la misma categoria:

Arquitecto de Pipelines de Recomendación — Diseño de Sistemas de Ranking con Claude AI

¿Prefieres escuchar el contenido? Genera la narración de audio con un clic.