Claude Code no ve videos. Hasta que le pones ojos.

Le pegas el link de un tutorial y te contesta en tres segundos. Parece que lo vio. No lo vio: leyó el título, jaló lo que ya sabía del tema y completó el resto con lo que tu propio mensaje le sugirió. Para Claude Code, una URL de YouTube es una cadena de texto y nada más.

Ese hueco no se tapa con un modelo mejor ni con un prompt más largo. Se tapa con piezas. Son tres, se instalan una sola vez, y cada una hace algo que las otras dos no pueden.

Qué es cada una

Qué resuelve cada pieza, y qué no

Casi todo el tiempo que se pierde en esto viene de pedirle a una pieza lo que le tocaba a otra. Esta es la frontera:

Qué es una skill por dentro, qué lleva su encabezado y cómo se arma a mano no se explica en esta página: eso ya vive en Skill Creator y en Sistema de Skills, en esta misma bóveda, y las dos están enlazadas al pie. Aquí damos por hecho que la forja te escribe la skill, y nos ocupamos de lo único que ninguna de las dos cubre: cómo le pones ojos.

Watch se instala una vez y se queda. Lo que cambia es dónde: la terminal de Claude Code, la app de Claude en web o escritorio, y cualquier otro host donde trabajes. Son tres rutas distintas y solo necesitas la tuya — pero mira las otras dos de reojo, porque casi todo el tiempo que se pierde aquí es de gente intentando la ruta de la terminal dentro de la app.

Uses la que uses, lo que queda instalado es lo mismo: una sola skill, con un solo comando, /watch.

Lo que Watch necesita en tu máquina

Tres programas, y ninguno te va a pedir armar un entorno de Python:

• yt-dlp — el que baja el video y, cuando existen, sus subtítulos.
• ffmpeg y ffprobe — los que sacan los cuadros del video y lo miden.
• python3 — los scripts de la skill corren con la librería estándar. No hay que instalar paquetes con pip ni crear un entorno virtual: si tienes python3, ya está.
• En macOS ni siquiera los instalas tú: la primera corrida los pone con brew y sigue de largo.

Antes de mirar nada, Watch se revisa a sí misma. Esa revisión te contesta con un número, y el número es todo el diagnóstico que necesitas:

El 3 asusta más de lo que debería. No te detiene: significa que el día que te topes con un video sin subtítulos, ese sí se va a quedar sin transcribir.

Y ya que estamos: nada de esto lo tienes que hacer tú. Este prompt hace que lo instale él, corra el preflight y te traduzca el número que salga.

Quiero darte ojos. Instala la skill Watch en esta máquina y déjala probada antes de decirme que ya quedó.

El marketplace es bradautomates/claude-video y el plugin se llama watch. Si estamos en Claude Code, agrégalo como marketplace e instala el plugin desde ahí. Si estoy en otro host (Codex, Cursor, Copilot, Gemini CLI), instálala global desde ese mismo repo con el instalador de skills por npx, y dime cuál de las dos rutas usaste.

Después corre el preflight de la skill y tradúceme el código de salida a español:
· 0 — está lista, ya puedo mirar videos.
· 2 — faltan binarios. Dime cuáles de yt-dlp, ffmpeg, ffprobe o python3 no están, y ofrécete a instalarlos antes de tocar nada.
· 3 — es la primera corrida y no hay llave de Whisper. Explícame que solo hace falta cuando el video no trae subtítulos propios.
· 4 — faltan las dos cosas.

Si me toca poner llaves de Whisper, no las metas a mi shell: van en el archivo de configuración de la skill, en ~/.config/watch/.env, con permisos 0600. Dime exactamente qué línea lleva y para qué sirve cada llave.

Cierra diciéndome, en una frase, qué comando escribo yo ahora para probarla.

Cuando el preflight conteste 0, ya tienes ojos. Lo que sigue es la primera corrida.

Con Watch instalado, mirar un video es una línea. Le pegas la dirección y, debajo, lo que quieres saber. No hay panel, no hay ventana de configuración, no hay que elegir nada: el comando es uno solo y todo lo demás son flags.

Lo que pasa después no es una caja negra. Son siete cosas, en orden, y vale la pena entenderlas: cuando una corrida sale rara, casi siempre falló una de las siete y se nota cuál.

La primera línea es el comando. La segunda es la que decide si la corrida valió la pena.

Los siete pasos que ocurren mientras esperas

«Resume esto» desperdicia la corrida

Mirar un video cuesta contexto: cada cuadro que entra es espacio que ya no vas a tener para el resto de esa conversación. Y lo que decide si ese gasto rindió no es el video, es lo que le pediste.

«Resúmeme esto» te devuelve algo parecido a la descripción del video, después de haberlo mirado completo. La corrida sirve cuando le preguntas algo que solo se puede contestar viendo — no algo que se contesta leyendo el título.

Las de la derecha no están mal escritas: están mal dirigidas. Te devuelven algo que suena razonable, que no puedes verificar y que no te deja hacer nada distinto mañana. Escribe la pregunta antes de pegar la URL, no después.

Dos corridas para hoy, que es donde se aprende esto: una mirando el video y otra sin mirarlo. Pega la primera con un video que ya tengas ganas de ver, y cámbiale nada más la pregunta.

/watch <pega aquí la URL del video>

Míralo y contéstame esto y nada más:

<tu pregunta concreta — por ejemplo: qué pasos exactos sigue para configurar la herramienta, en orden, con lo que aparece en pantalla en cada uno>

Reglas para tu respuesta:
· Contéstame con lo que de verdad dice el video. Si algo lo estás infiriendo y no lo viste, márcalo como inferencia.
· Cita el minuto donde sale cada cosa importante.
· Si el video no contesta mi pregunta, dímelo de frente en la primera línea en vez de rellenar con lo que sí trae.

/watch <URL> --detail transcript

Quiero nada más lo que se dice. Con eso:

1. Dame la transcripción limpia, por bloques con su marca de tiempo.
2. Debajo, en cinco viñetas, las ideas que de verdad sostienen el video.
3. Dime si la transcripción salió de los subtítulos del propio video o si hubo que transcribir el audio, porque de eso depende qué tan literal es.

Si en algún punto se nota que lo importante está en pantalla y no en la voz — un menú, un número, un archivo que abre — no lo adivines: dímelo y pídeme correrlo otra vez mirando el video.

Todo lo que no es el comando son flags, y entre todos hay uno que cambia de verdad lo que te cuesta una corrida: --detail. Decide cuántas fotos del video entran a la conversación, y con eso decide al mismo tiempo cuánto ves y cuánto contexto gastas en verlo.

No es una escala de calidad donde el último es el bueno. Son cuatro puntos del mismo trueque: más cuadros, más detalle visual, menos espacio libre para lo demás. Estos son los cuatro, medidos por el propio proyecto sobre un mismo video.

La medición es del propio proyecto, sobre un mismo video de 49:08 a 1280×720. La columna de extracción mide nada más el paso de sacar los cuadros: la descarga del video va aparte, ocurre una sola vez y es igual para los tres modos que sí lo bajan.

Las cuentas de tokens de imagen son aproximadas y dependen del tamaño de cada cuadro, así que suben si tú subes la resolución.

Cuándo va cada uno

transcript — Cuando el valor está en lo que se dice y no en lo que se ve: una entrevista, un podcast, una charla donde la persona habla de frente. No descarga el video y no mira nada, así que es la corrida más barata que existe aquí. Empieza en este modo más seguido de lo que crees, y súbete solo si te falta algo.

efficient — Cuando quieres el mapa y que la imagen nada más confirme: reconocer en qué secciones está partido, ver si el tutorial sigue siendo el de la versión que tú usas, ubicar en qué minuto empieza lo tuyo. Cincuenta cuadros alcanzan para el mapa; no alcanzan para seguir una secuencia de clics.

balanced — El default, y el que vas a usar casi siempre en tutoriales. Cien cuadros dan para seguir pasos encadenados sin que se pierda la mitad entre foto y foto. Si no tienes una razón para moverlo, este es.

token-burner — Solo cuando balanced ya te falló en ese video en concreto: un movimiento rápido que necesitas ver, una pantalla que aparece y desaparece. Dieciséis cuadros más no arreglan un video mal recortado — casi siempre el problema no era el detalle, era la ventana. Antes de subirle aquí, recorta.

Y si siempre quieres arrancar en otro modo, no lo escribas cada vez: WATCH_DETAIL se deja fijo en el archivo de configuración de la skill, el mismo del que hablamos al instalarla.

Los flags de puntería, que son los que de verdad ahorran

El modo decide cuánto mira. Los flags de puntería deciden dónde mira, y ahí está el ahorro grande: un tutorial de una hora del que te importan cuatro minutos no necesita menos detalle, necesita menos video.

El más subestimado de todos es --resolution. Un tutorial de interfaz con los cuadros chicos te devuelve descripciones vagas de menús; con los cuadros grandes te devuelve el nombre exacto del botón, escrito como está escrito.

Cuántos cuadros saca si tú no dices nada

Los cien cuadros del default son un techo, no una cuota fija. Por debajo corre un presupuesto por duración, y en videos cortos ni se acerca:

• Hasta 30 segundos: unos 30 cuadros.
• De 30 segundos a un minuto: unos 40.
• De uno a tres minutos: unos 60.
• De tres a diez minutos: unos 80.
• Más de diez minutos: el tope, 100.

Tres corridas con puntería, para que no tengas que memorizarte los flags: el tramo, la pantalla y la comparación de dos videos.

/watch <URL> --start <MM:SS donde empieza lo bueno> --end <MM:SS donde termina>

De ese tramo quiero:

· Qué hace, paso a paso, en el orden en que lo hace.
· Qué escribe o dónde hace clic en cada paso.
· Qué se ve en pantalla cuando le sale bien.

No me resumas el video completo: fuera de esa ventana no te pedí nada. Si el tramo arranca a media explicación y te falta contexto para entenderlo, dime qué minuto anterior habría que incluir en vez de inventar el hueco.

/watch <URL> --resolution 1024

Este video es de interfaz, así que lo que me importa está escrito en la pantalla, no dicho en voz alta.

Sácame:
· Cada pantalla por la que pasa, en orden, con el nombre exacto del menú o del botón como aparece escrito.
· Cualquier texto que se lea: rutas, nombres de archivo, valores en un campo, mensajes de error.
· Los ajustes que deja prendidos o apagados.

Copia el texto tal cual se ve, respetando mayúsculas y guiones. Si un cuadro salió borroso y no puedes leerlo con seguridad, dime en qué minuto y márcalo como ilegible — prefiero un hueco declarado que una ruta inventada.

Vas a mirar dos videos y compararlos. Míralos de uno en uno, con la skill watch, y no me contestes hasta que hayas visto los dos.

Video A (el viejo): <URL>
Video B (el nuevo): <URL>

Después dame:
· Lo que los dos hacen igual.
· Lo que cambió: pasos que ya no existen, pasos nuevos, botones que se llaman distinto, valores que ya no son los mismos.
· Lo que solo aparece en uno de los dos, y en cuál.
· Cuál de los dos seguiría yo hoy, y por qué.

Ordénalo por lo que más me afecta si sigo el viejo sin darme cuenta. Si los dos dicen lo mismo, dímelo en una línea en vez de estirar la comparación.

Watch tiene un techo, y no es de calidad: es de tamaño. Cuando de verdad mira, hay que bajar el video y partirlo en cuadros, y todos esos cuadros terminan metidos en el contexto de la conversación. Con quince minutos es cómodo. Con una conferencia de dos horas la cuenta deja de cerrar.

Gemini entra por el otro lado. Entiende URLs de YouTube de fábrica: le pasas el link y él va por el video. No baja nada a tu disco, no saca cuadros y no te llena el contexto de imágenes. Por eso la pieza larga es esta y no la otra.

La llave se saca en AI Studio en menos de un minuto, y el plan gratis ya trae un tope diario de video con el que se puede trabajar de verdad.

Sacar la llave: tres pasos

Lo que sí y lo que no, antes de que te agarre a media corrida

Dos formas de abrir el ojo largo

Con la llave en la mano hay dos caminos, y no compiten. Uno es para preguntarle a Gemini de frente; el otro es para que Claude Code lo use por ti sin que tú salgas de tu sesión.

La primera lo levanta sin instalarte nada; la segunda lo deja puesto en tu máquina. Cualquiera de las dos te deja hablando con Gemini desde la terminal, con tu llave ya conectada.

La otra ruta es la que te sirve si ya vives dentro de Claude Code: que él arme la pieza que llama a Gemini, la deje guardada y la pruebe con un video corto antes de que tú la des por buena. No escribes una línea; pegas esto.

Quiero conectar Gemini para poder pasarle videos largos de YouTube directo por URL. Guíame de principio a fin.

1. Dime dónde saco la llave: es AI Studio, en https://aistudio.google.com/apikey, con la opción de crear llave. Explícame qué elijo si me pregunta por un proyecto.
2. Dime dónde la guardo en esta máquina para que no quede pegada en el historial de mi terminal ni en un archivo que se suba al repo. La variable se llama GEMINI_API_KEY; si además existe GOOGLE_API_KEY, esa es la que gana, así que avísame si ya tengo una puesta.
3. Haz una prueba de humo con un video corto y público de YouTube, y muéstrame la respuesta cruda para que yo vea que sí lo miró.
4. Si la prueba falla, dime si fue la llave, el video o el límite de la cuenta — y si es límite, mándame a la página de límites de AI Studio en https://aistudio.google.com/rate-limit en vez de adivinarme un número.

Dos cosas que quiero que me digas de una vez:
· Que las llaves estándar dejan de aceptarse después de septiembre de 2026, y qué implica eso para la que acabo de crear.
· Que la forma actual de llamar a Gemini es la Interactions API, y que si encuentro tutoriales viejos hablando de generateContent con file_data no están mal, nada más son de la generación anterior.

Y ya conectado, los dos usos por los que valía la pena todo lo anterior: el video que era imposible de mirar completo, y la tanda que convierte un resumen en una investigación.

Pásale este video de YouTube a Gemini por URL, sin descargarlo: <URL pública de YouTube>

Antes de correrlo, comprueba una cosa y dímela: que el video sea público. Los privados y los no listados se rechazan, y quiero saberlo antes de esperar la respuesta.

De la corrida quiero:
· El índice del video: cada tema con el minuto en que empieza.
· Lo que se dice en cada tema, en dos o tres líneas.
· Las tres partes que me conviene volver a ver yo mismo, con su minuto.

Los tiempos me los das en minutos y segundos, como salen en el reproductor. Y recuérdame antes de arrancar que el plan gratis topa en ocho horas de video al día: si este video se acerca a ese tope, dímelo en vez de estimarme un consumo que tú no puedes ver.

Quiero que mires varios videos en una sola corrida de Gemini y me los cruces. Van hasta diez en un mismo pedido; si te paso más, pártelos en tandas y dime cómo los partiste.

Los videos:
<URL 1>
<URL 2>
<URL 3>

Lo que busco: <qué estás investigando — por ejemplo: cómo explican los tres el mismo concepto y en qué se contradicen>

Dame:
· Una tabla con una fila por video: de qué va, cuánto dura, y qué aporta que los otros no.
· En qué coinciden los tres.
· En qué se contradicen, con el minuto de cada versión para que yo vaya a checarlo.
· Qué se quedó sin contestar en los tres.

Cita siempre de qué video sale cada cosa. Si un video no se pudo procesar, dímelo y sigue con los demás en vez de abortar todo.

Ya tienes las dos maneras de mirar. Lo que falta es no dudar cuál abres para cada video, y eso se resuelve con tres preguntas.

Con las dos piezas puestas, la duda cambia de lugar: ya no es cuál es mejor, es cuál le queda a este video. Y casi siempre se decide con lo que ya sabes antes de abrirlo — dónde vive, cuánto dura, y si lo que buscas se dice o se muestra.

Y si no te quieres aprender el árbol, no te lo aprendas: descríbele el video y que decida él. Te contesta con la decisión en la primera línea, el motivo en la segunda, y hasta abajo lo que correría.

Tengo este video y no sé si conviene mirarlo con la skill watch o mandárselo a Gemini por URL. Decide tú y dime por qué.

Lo que tengo: <URL, o la ruta del archivo si está en mi computadora>
Dura: <cuánto>
Es: <público en YouTube / no listado / privado / un archivo local>
Lo que necesito sacarle: <en una frase>

Para decidir, tómalo así:
· Si el archivo está en mi máquina, si el video no es público, o si lo que necesito está escrito en la pantalla y no dicho en voz alta, es watch.
· Si es público, largo, y lo que necesito es entender de qué habló en dos horas, es Gemini.
· Si necesito las dos cosas — la vista general y luego un tramo mirado de cerca — dímelo y encadénalas: primero el panorama, después el acercamiento.

Contéstame con la decisión en la primera línea, el motivo en la segunda, y hasta abajo lo que correrías. Si con lo que te di no alcanza para decidir, pregúntame una sola cosa: la que de verdad cambia la respuesta.

Las dos piezas anteriores te dejan material: la transcripción con sus minutos, las pantallas leídas, el índice de una conferencia de dos horas. Material no es habilidad. Si eso se queda dentro de la conversación, mañana lo vuelves a pedir, pasado también, y cada vez pagas el video otra vez.

La tercera pieza es la que cierra el tubo, y es la única que no se instala: la construyes. Es una skill tuya —la forja— y su único trabajo es agarrar lo que salió del video y escribir otra skill con eso. Ahí está la diferencia con cualquier resumidor: un resumidor te devuelve texto que lees una vez; la forja te devuelve una capacidad que se queda encendida.

No se inventa el formato: se apoya en skill-creator

Antes de escribir nada, la forja abre skill-creator —la skill oficial de creación de skills— y de ahí toma la estructura. No se la saca de la memoria. Si no la tienes instalada, el prompt de abajo se detiene y te lo dice, en vez de improvisar un formato que después no dispara.

Qué es una skill y cómo se arma una a mano no se explica en esta página, a propósito. Si nunca has hecho ninguna, el prerrequisito de esta sección es Skill Creator.

Y si lo que quieres es entender por dentro el archivo que la forja te va a escribir —sus partes, su encabezado, por qué se dispara sin que tú lo llames— eso está desmenuzado en Sistema de Skills.

Los tres trabajos que solo aplican cuando la fuente es un video

El mismo video, con y sin forja

Este es el prompt largo, y es el único de la guía que se pega una sola vez en la vida. Córrelo en el proyecto que quieras: cuando termine, la forja ya vive en tu máquina y de ahí en adelante solo la invocas.

Vas a construirme una skill propia. Se llama video-a-skill y su trabajo es convertir un video en otra skill.

Antes de escribir nada, abre la skill oficial de creación de skills — skill-creator — y léela completa. Quiero que el formato, el frontmatter y la estructura salgan de ahí, no de tu memoria. Si no la tienes instalada, dímelo y párate: no improvises el formato.

Esto es lo que la skill tiene que hacer cuando yo la invoque:

1. Recibir una entrada, que puede ser una URL de YouTube o la ruta de un archivo de video en mi máquina. Si le doy otra cosa, que me lo diga y se detenga.

2. Decidir sola cómo mirarlo, y decirme qué eligió antes de gastar nada:
   · archivo local, video no público, o información que está escrita en la pantalla → la skill watch.
   · video público y largo, donde lo que importa es entender de qué se habló → Gemini por URL.
   · si necesita las dos, que las encadene: primero el panorama completo, después el acercamiento al tramo que importa.

3. Extraer dos cosas del video: lo que se dice, con marcas de tiempo, y lo que se ve en los momentos donde la pantalla es el contenido. Que no mezcle una cosa con la otra en la salida.

4. Sacar el método, no el resumen: qué se hace, en qué orden, con qué criterio se decide en cada paso, y qué se evita a propósito. Que cite el minuto de cada afirmación.

5. Enseñarme ese método y esperar mi visto bueno antes de escribir la skill. Este alto es obligatorio: es donde yo corrijo lo que entendió mal.

6. Con mi aprobación, escribir la skill nueva: su SKILL.md siguiendo el formato oficial, y la descripción redactada para que dispare sola cuando yo hable de ese tema sin nombrarla.

7. Escribir también sus pruebas de disparo: frases reales con las que debe activarse y frases parecidas del tema de al lado con las que no debe. Correrlas y enseñarme el resultado.

Tres reglas que quiero dentro de la skill, no como recordatorio para ti:

· Antes de escribir un archivo, que revise si ya existe uno con ese nombre. Si existe, que me pregunte si sobrescribo, si guardo aparte o si cancelo. Que nunca sobrescriba sin preguntar.
· Que me pregunte dónde vive la skill nueva: en ~/.claude/skills si la quiero en todos mis proyectos, o en .claude/skills si es solo de este repo.
· Que al terminar me diga la ruta exacta de cada archivo que creó, y qué escribo yo para probarla.

Cuando termines de construir la forja, dime dónde la dejaste tú, cómo la invoco, y hazme una corrida de prueba con un video corto que yo te dé.

Hasta aquí viste cada pieza por separado: los ojos, la vista larga y las manos. Esta es la corrida entera, que es la que de verdad vas a usar: pegas un link y terminas con una habilidad instalada que se activa sola la próxima vez que hables del tema.

Son siete pasos, y uno solo te interrumpe a media corrida: el cuarto, donde apruebas o corriges lo que entendió. Ese es el que decide si la skill sale buena o sale a medias. No te lo saltes: corregir el método ahí cuesta un mensaje, y corregirlo cuando la skill ya está escrita cuesta rehacerla completa.

Este es el mismo tubo, pero a mano, en un solo mensaje. Sirve para hacerlo una vez y ver cada paso pasar: si todavía no construiste la forja de la sección anterior, este prompt te deja la skill igual, nada más que sin dejarte la máquina que lo repite.

Convierte este video en una skill que puedas usar después: <URL o ruta del archivo>

Hazlo en este orden y párate a preguntarme en cualquier punto donde tengas que adivinar algo mío.

1. Decide cómo mirarlo. Si está en mi máquina, si no es público, o si lo importante está escrito en pantalla, úsalo con watch. Si es público y largo, mándalo por URL a Gemini. Dime qué elegiste antes de correrlo.
2. Míralo y sácame el método, no el resumen: qué hace, en qué orden, con qué criterio decide en cada paso, y qué evita. Cita los minutos.
3. Enséñame lo que sacaste y espera mi visto bueno. Aquí es donde yo corrijo lo que entendiste mal, y sale más barato corregirlo ahora.
4. Con eso aprobado, escribe la skill. Usa la skill oficial de creación de skills como guía de formato y no te inventes la estructura.
5. Escríbeme las pruebas de disparo: frases que yo diría de verdad y con las que la skill tiene que activarse sola, y frases parecidas con las que NO debe activarse.
6. Dime dónde la dejaste: en ~/.claude/skills si es para todos mis proyectos, en .claude/skills si es solo para este. Pregúntame cuál antes de escribir.

Si ya existe una skill con ese nombre, no la sobrescribas: dímelo y espera a que yo decida.

Se prueba por disparo, no por contenido

El error de casi todos es abrir el archivo, leerlo, ver que dice cosas ciertas y darla por buena. Que el contenido sea correcto no sirve de nada si Claude nunca la escoge. Una skill que no se activa sola es un documento que escribiste para nadie.

Lo que se prueba es el disparo, y son dos pruebas, no una. Le hablas como hablas de verdad —sin decir el nombre de la skill— y ves si la toma. Y le hablas del tema de al lado para ver si se mete donde no la llamaron. Las dos tienen que salir bien; con la primera sola, lo que tienes es una skill que se activa siempre.

Si algo de la columna derecha te suena conocido, el arreglo casi nunca está en el cuerpo de la skill: está en cómo describiste para qué sirve. Este prompt lo prueba y lo corrige.

Vamos a probar si la skill <nombre> se activa cuando debe. No quiero que revisemos si está bien escrita: quiero saber si la eliges tú cuando yo hablo normal.

Arma dos listas:
· Diez frases con las que la skill SÍ debe activarse. Escríbelas como yo hablaría de verdad, no con el nombre de la skill adentro. Nada de "usa la skill X".
· Diez frases parecidas con las que NO debe activarse, incluyendo tres que se le acerquen mucho y sean del tema de al lado.

Después córrelas: para cada frase dime qué skill escogerías tú y por qué.

Con el resultado en la mano, dime qué falló:
· Si no dispara cuando debe, el problema casi siempre está en cómo describiste para qué sirve.
· Si dispara cuando no debe, sobra alcance en la descripción.

Propón la corrección exacta, aplícala, y vuelve a correr las veinte. No des la skill por buena mientras alguna falle.

Cuando tengas el segundo video del mismo tema, no vuelvas a empezar. Pásaselo a la skill que ya existe y deja que se depure sola.

La skill <nombre> salió de un solo video, así que trae los tics de esa persona metidos como si fueran ley. Vamos a limpiarla con un segundo video.

El nuevo: <URL o ruta>

Míralo con lo que convenga y luego:
1. Dime en qué coincide con lo que ya está en la skill. Eso es el método de verdad y se queda.
2. Dime en qué se contradicen. Para cada contradicción: qué dice cada uno, y cuál te parece más sólida y por qué.
3. Dime qué trae el nuevo que no estaba, y si vale la pena meterlo o si es cosa suya.
4. Marca lo que en la skill era estilo personal del primer video disfrazado de regla.

Enséñame los cambios propuestos antes de tocar el archivo. Cuando yo apruebe, actualízala y vuelve a correr las pruebas de disparo — si le cambiaste la descripción, es probable que ahora dispare distinto.

Y a la tercera vez, deja de pegarlo

Si ya corriste el tubo dos o tres veces y lo vas a seguir usando, pegar el prompt maestro cada vez es trabajo que puedes dejar de hacer. Un comando propio te deja la corrida entera detrás de una sola palabra, con el alto para aprobar incluido.

Quiero un comando propio para no volver a pegar todo esto. Escríbelo como slash command de este proyecto.

Que se llame video-a-skill y que reciba lo que yo le pase: una URL de YouTube o la ruta de un archivo de video.

Lo que hace, en orden:
1. Mira la entrada y decide con qué mirarla — la skill watch o Gemini por URL — y me dice qué eligió y por qué antes de correr.
2. Saca el método del video, con los minutos citados.
3. Se para y me lo enseña. No sigue hasta que yo apruebe.
4. Con mi aprobación, llama a la forja para que escriba la skill y sus pruebas de disparo.
5. Corre las pruebas y me enseña cuáles pasaron.

Reglas del comando:
· Si no le paso nada, que me pregunte por el video en vez de fallar.
· Si el paso de mirar el video falla — porque no es público, porque falta un binario o porque no hay llave — que me diga cuál de las tres cosas fue y qué hago para arreglarlo. Nada de "hubo un error".
· Que nunca sobrescriba una skill existente sin preguntarme primero.
· Que cierre diciéndome dónde quedó cada archivo.

Cuando lo tengas escrito, dime cómo se invoca y córrelo una vez conmigo mirando, con este video: <URL o ruta>

Ya tienes habilidades saliendo de videos. La pregunta que sigue no es cómo sacar más, es en qué forma guardarlas: hay tres, se parecen mucho desde afuera y no sirven para lo mismo.

Una skill le enseña a Claude a hacer algo, y lo hace ahí mismo, en tu conversación, con todo lo que ya traes cargado. Un subagente le da a ese algo su propio espacio: abre su contexto aparte, trabaja con su criterio y te devuelve el resultado en vez del proceso. Un comando no enseña nada — es el botón que dispara una corrida que tú ya dejaste definida.

Hasta ahí llega esta guía en el tema. Cómo se diseña un agente desde cero, y cómo se reparte y se revisa el trabajo cuando ya tienes varios, ya está contado en otras dos guías de la bóveda y te las dejo en el pie. Lo de aquí es el caso concreto: el agente que no existiría si no hubieras visto esos videos.

Tres agentes que solo existen porque viste esos videos

Ninguno de los tres se descarga hecho. Los tres nacieron de material que ya habías visto y que, si somos honestos, ya se te había olvidado.

Este prompt escribe el subagente con lo que ya sacaste del video. Fíjate en cómo abre: lo primero que le pides es que te diga si esto de verdad va como subagente. Si le parece que era skill, prefieres enterarte antes de que escriba el archivo.

De lo que sacamos de este video quiero un subagente, no una skill. Escríbelo en .claude/agents/ de este proyecto.

En qué se especializa: <por ejemplo: analizar la viralidad de un guion antes de grabarlo / escribir el calendario de contenido de la semana / revisar copy contra la voz de mi marca>

Antes de escribirlo, dime en una línea por qué esto va como subagente y no como skill. Si te parece que en realidad debería ser skill, dímelo y no lo escribas: prefiero la forma correcta a la que te pedí.

El agente tiene que traer:
· Un nombre y una descripción que digan cuándo tomarlo, escritos para que se elija solo cuando el trabajo es suyo.
· El método que sacamos del video, escrito como instrucciones que él sigue, no como un resumen de lo que dijo el video.
· Los criterios con los que decide, incluyendo qué hace cuando la respuesta honesta es "con esto no alcanza".
· Qué NO le toca: el trabajo del que se tiene que salir y devolverme a mí.
· El formato de lo que entrega, para que su respuesta llegue siempre igual.

Dale solo las herramientas que de verdad ocupa, y dime cuáles le diste y por qué. Si no necesita escribir archivos, que no pueda escribirlos.

Al final:
· Si ya hay un agente con ese nombre, pregúntame antes de sobrescribirlo.
· Dime la ruta del archivo que creaste.
· Pruébalo con un caso mío de verdad y enséñame la salida antes de que yo lo dé por bueno.

Todo lo de arriba se instala una sola vez, y se instala rápido. Lo que sigue son cuatro pasos en orden: no los saltes, cada uno deja lista la entrada del siguiente.

La librería completa

Los catorce prompts de uso diario, agrupados por el momento en que los vas a necesitar. Guarda esta sección: es el índice, y con esto ya no tienes que volver a subir a buscarlos. Los tres largos —la forja, el subagente y el comando— se quedan arriba, en sus secciones, porque se pegan una vez y no se andan repitiendo.

Quiero darte ojos. Instala la skill Watch en esta máquina y déjala probada antes de decirme que ya quedó.

El marketplace es bradautomates/claude-video y el plugin se llama watch. Si estamos en Claude Code, agrégalo como marketplace e instala el plugin desde ahí. Si estoy en otro host (Codex, Cursor, Copilot, Gemini CLI), instálala global desde ese mismo repo con el instalador de skills por npx, y dime cuál de las dos rutas usaste.

Después corre el preflight de la skill y tradúceme el código de salida a español:
· 0 — está lista, ya puedo mirar videos.
· 2 — faltan binarios. Dime cuáles de yt-dlp, ffmpeg, ffprobe o python3 no están, y ofrécete a instalarlos antes de tocar nada.
· 3 — es la primera corrida y no hay llave de Whisper. Explícame que solo hace falta cuando el video no trae subtítulos propios.
· 4 — faltan las dos cosas.

Si me toca poner llaves de Whisper, no las metas a mi shell: van en el archivo de configuración de la skill, en ~/.config/watch/.env, con permisos 0600. Dime exactamente qué línea lleva y para qué sirve cada llave.

Cierra diciéndome, en una frase, qué comando escribo yo ahora para probarla.

Quiero conectar Gemini para poder pasarle videos largos de YouTube directo por URL. Guíame de principio a fin.

1. Dime dónde saco la llave: es AI Studio, en https://aistudio.google.com/apikey, con la opción de crear llave. Explícame qué elijo si me pregunta por un proyecto.
2. Dime dónde la guardo en esta máquina para que no quede pegada en el historial de mi terminal ni en un archivo que se suba al repo. La variable se llama GEMINI_API_KEY; si además existe GOOGLE_API_KEY, esa es la que gana, así que avísame si ya tengo una puesta.
3. Haz una prueba de humo con un video corto y público de YouTube, y muéstrame la respuesta cruda para que yo vea que sí lo miró.
4. Si la prueba falla, dime si fue la llave, el video o el límite de la cuenta — y si es límite, mándame a la página de límites de AI Studio en https://aistudio.google.com/rate-limit en vez de adivinarme un número.

Dos cosas que quiero que me digas de una vez:
· Que las llaves estándar dejan de aceptarse después de septiembre de 2026, y qué implica eso para la que acabo de crear.
· Que la forma actual de llamar a Gemini es la Interactions API, y que si encuentro tutoriales viejos hablando de generateContent con file_data no están mal, nada más son de la generación anterior.

/watch <pega aquí la URL del video>

Míralo y contéstame esto y nada más:

<tu pregunta concreta — por ejemplo: qué pasos exactos sigue para configurar la herramienta, en orden, con lo que aparece en pantalla en cada uno>

Reglas para tu respuesta:
· Contéstame con lo que de verdad dice el video. Si algo lo estás infiriendo y no lo viste, márcalo como inferencia.
· Cita el minuto donde sale cada cosa importante.
· Si el video no contesta mi pregunta, dímelo de frente en la primera línea en vez de rellenar con lo que sí trae.

/watch <URL> --detail transcript

Quiero nada más lo que se dice. Con eso:

1. Dame la transcripción limpia, por bloques con su marca de tiempo.
2. Debajo, en cinco viñetas, las ideas que de verdad sostienen el video.
3. Dime si la transcripción salió de los subtítulos del propio video o si hubo que transcribir el audio, porque de eso depende qué tan literal es.

Si en algún punto se nota que lo importante está en pantalla y no en la voz — un menú, un número, un archivo que abre — no lo adivines: dímelo y pídeme correrlo otra vez mirando el video.

/watch <URL> --start <MM:SS donde empieza lo bueno> --end <MM:SS donde termina>

De ese tramo quiero:

· Qué hace, paso a paso, en el orden en que lo hace.
· Qué escribe o dónde hace clic en cada paso.
· Qué se ve en pantalla cuando le sale bien.

No me resumas el video completo: fuera de esa ventana no te pedí nada. Si el tramo arranca a media explicación y te falta contexto para entenderlo, dime qué minuto anterior habría que incluir en vez de inventar el hueco.

/watch <URL> --resolution 1024

Este video es de interfaz, así que lo que me importa está escrito en la pantalla, no dicho en voz alta.

Sácame:
· Cada pantalla por la que pasa, en orden, con el nombre exacto del menú o del botón como aparece escrito.
· Cualquier texto que se lea: rutas, nombres de archivo, valores en un campo, mensajes de error.
· Los ajustes que deja prendidos o apagados.

Copia el texto tal cual se ve, respetando mayúsculas y guiones. Si un cuadro salió borroso y no puedes leerlo con seguridad, dime en qué minuto y márcalo como ilegible — prefiero un hueco declarado que una ruta inventada.

Vas a mirar dos videos y compararlos. Míralos de uno en uno, con la skill watch, y no me contestes hasta que hayas visto los dos.

Video A (el viejo): <URL>
Video B (el nuevo): <URL>

Después dame:
· Lo que los dos hacen igual.
· Lo que cambió: pasos que ya no existen, pasos nuevos, botones que se llaman distinto, valores que ya no son los mismos.
· Lo que solo aparece en uno de los dos, y en cuál.
· Cuál de los dos seguiría yo hoy, y por qué.

Ordénalo por lo que más me afecta si sigo el viejo sin darme cuenta. Si los dos dicen lo mismo, dímelo en una línea en vez de estirar la comparación.

Pásale este video de YouTube a Gemini por URL, sin descargarlo: <URL pública de YouTube>

Antes de correrlo, comprueba una cosa y dímela: que el video sea público. Los privados y los no listados se rechazan, y quiero saberlo antes de esperar la respuesta.

De la corrida quiero:
· El índice del video: cada tema con el minuto en que empieza.
· Lo que se dice en cada tema, en dos o tres líneas.
· Las tres partes que me conviene volver a ver yo mismo, con su minuto.

Los tiempos me los das en minutos y segundos, como salen en el reproductor. Y recuérdame antes de arrancar que el plan gratis topa en ocho horas de video al día: si este video se acerca a ese tope, dímelo en vez de estimarme un consumo que tú no puedes ver.

Quiero que mires varios videos en una sola corrida de Gemini y me los cruces. Van hasta diez en un mismo pedido; si te paso más, pártelos en tandas y dime cómo los partiste.

Los videos:
<URL 1>
<URL 2>
<URL 3>

Lo que busco: <qué estás investigando — por ejemplo: cómo explican los tres el mismo concepto y en qué se contradicen>

Dame:
· Una tabla con una fila por video: de qué va, cuánto dura, y qué aporta que los otros no.
· En qué coinciden los tres.
· En qué se contradicen, con el minuto de cada versión para que yo vaya a checarlo.
· Qué se quedó sin contestar en los tres.

Cita siempre de qué video sale cada cosa. Si un video no se pudo procesar, dímelo y sigue con los demás en vez de abortar todo.

Tengo este video y no sé si conviene mirarlo con la skill watch o mandárselo a Gemini por URL. Decide tú y dime por qué.

Lo que tengo: <URL, o la ruta del archivo si está en mi computadora>
Dura: <cuánto>
Es: <público en YouTube / no listado / privado / un archivo local>
Lo que necesito sacarle: <en una frase>

Para decidir, tómalo así:
· Si el archivo está en mi máquina, si el video no es público, o si lo que necesito está escrito en la pantalla y no dicho en voz alta, es watch.
· Si es público, largo, y lo que necesito es entender de qué habló en dos horas, es Gemini.
· Si necesito las dos cosas — la vista general y luego un tramo mirado de cerca — dímelo y encadénalas: primero el panorama, después el acercamiento.

Contéstame con la decisión en la primera línea, el motivo en la segunda, y hasta abajo lo que correrías. Si con lo que te di no alcanza para decidir, pregúntame una sola cosa: la que de verdad cambia la respuesta.

Convierte este video en una skill que puedas usar después: <URL o ruta del archivo>

Hazlo en este orden y párate a preguntarme en cualquier punto donde tengas que adivinar algo mío.

1. Decide cómo mirarlo. Si está en mi máquina, si no es público, o si lo importante está escrito en pantalla, úsalo con watch. Si es público y largo, mándalo por URL a Gemini. Dime qué elegiste antes de correrlo.
2. Míralo y sácame el método, no el resumen: qué hace, en qué orden, con qué criterio decide en cada paso, y qué evita. Cita los minutos.
3. Enséñame lo que sacaste y espera mi visto bueno. Aquí es donde yo corrijo lo que entendiste mal, y sale más barato corregirlo ahora.
4. Con eso aprobado, escribe la skill. Usa la skill oficial de creación de skills como guía de formato y no te inventes la estructura.
5. Escríbeme las pruebas de disparo: frases que yo diría de verdad y con las que la skill tiene que activarse sola, y frases parecidas con las que NO debe activarse.
6. Dime dónde la dejaste: en ~/.claude/skills si es para todos mis proyectos, en .claude/skills si es solo para este. Pregúntame cuál antes de escribir.

Si ya existe una skill con ese nombre, no la sobrescribas: dímelo y espera a que yo decida.

Vamos a probar si la skill <nombre> se activa cuando debe. No quiero que revisemos si está bien escrita: quiero saber si la eliges tú cuando yo hablo normal.

Arma dos listas:
· Diez frases con las que la skill SÍ debe activarse. Escríbelas como yo hablaría de verdad, no con el nombre de la skill adentro. Nada de "usa la skill X".
· Diez frases parecidas con las que NO debe activarse, incluyendo tres que se le acerquen mucho y sean del tema de al lado.

Después córrelas: para cada frase dime qué skill escogerías tú y por qué.

Con el resultado en la mano, dime qué falló:
· Si no dispara cuando debe, el problema casi siempre está en cómo describiste para qué sirve.
· Si dispara cuando no debe, sobra alcance en la descripción.

Propón la corrección exacta, aplícala, y vuelve a correr las veinte. No des la skill por buena mientras alguna falle.

La skill <nombre> salió de un solo video, así que trae los tics de esa persona metidos como si fueran ley. Vamos a limpiarla con un segundo video.

El nuevo: <URL o ruta>

Míralo con lo que convenga y luego:
1. Dime en qué coincide con lo que ya está en la skill. Eso es el método de verdad y se queda.
2. Dime en qué se contradicen. Para cada contradicción: qué dice cada uno, y cuál te parece más sólida y por qué.
3. Dime qué trae el nuevo que no estaba, y si vale la pena meterlo o si es cosa suya.
4. Marca lo que en la skill era estilo personal del primer video disfrazado de regla.

Enséñame los cambios propuestos antes de tocar el archivo. Cuando yo apruebe, actualízala y vuelve a correr las pruebas de disparo — si le cambiaste la descripción, es probable que ahora dispare distinto.

Mira este video y sácame su esqueleto, no su contenido: <URL>

Quiero la forma, no el tema:
· Cómo abre, y cuántos segundos dura antes de entrar en materia.
· Los bloques en los que está armado, en orden, y qué función cumple cada bloque.
· Qué hace en las transiciones para que no me vaya.
· Cómo cierra y qué me pide al final.

Escríbelo como una plantilla que yo pueda llenar con otro tema: en cada bloque, qué va ahí y cuánto dura. Nada de "aquí cuenta una historia" — dime qué tipo de historia y en qué lugar del video.

Al final, dime qué de este esqueleto depende del tema y no se puede reutilizar.