Resumen: Desarrolladores, creadores de contenido, constructores de productos y principiantes pueden usarlo

Título original: Top 60 Claude Skills, Workflows, and GitHub Repos for AI—The Complete List.
Autor original: Khairallah AL-Awady
Compilación: Peggy，BlockBeats

Nota del editor: Si últimamente te has estado fijando en la IA, es fácil caer en una ilusión: hay cada vez más herramientas, pero las que realmente se pueden usar en la práctica, en cambio, son cada vez menos.

Para la mayoría de las personas, el problema no es tanto si existen herramientas, sino cuáles valen la pena y por dónde empezar.

Esta lista se basa en pruebas reales y hace un análisis sistemático del ecosistema actual de herramientas de IA. Selecciona 60 herramientas y las clasifica según distintos niveles y escenarios de uso: desde herramientas de codificación y desarrollo, pasando por marcos de agentes y conexión de herramientas, hasta automatización de flujos de trabajo, procesamiento de datos e infraestructura, y finalmente se amplía a recursos de aprendizaje y una ruta de actualización continua.

En general, traza una ruta clara desde «usar IA» hasta «construir sistemas de IA», ofreciendo a desarrolladores, creadores de contenido, constructores de productos y principiantes diferentes caminos de entrada, ayudando a los lectores a encontrar su punto de inicio adecuado dentro de un ecosistema de herramientas complejo.

En un momento en el que las herramientas evolucionan constantemente, un análisis estructurado como este quizá tenga más sentido que una recomendación puntual. Lo que ofrece no son respuestas, sino una forma más eficiente de comprender y usar la IA.

A continuación, el texto original:

He pasado más de 100 horas probando todo tipo de herramientas de IA para que tú no tengas que tropezar con los mismos problemas por tu cuenta.

Primero, guarda esto :)

El ecosistema de herramientas de IA de 2026 ya ha llegado al punto de causar «sobrecarga de información»: cada semana aparece un nuevo framework, cada día aparece un nuevo agente, y cada mañana, GitHub tiene nuevos proyectos que suben al ranking de tendencias.

La mayoría de ellos son puro revuelo. Algunos sí son realmente útiles. Muy pocos, de verdad cambiarán tu forma de trabajar.

Te ayudo a filtrar el ruido.

Los siguientes 60 tools son los que seleccioné después de probarlos personalmente y los que realmente vale la pena seguir en este momento: organizados por categorías y con los escenarios en los que cada uno destaca de verdad.

Recomendado guardarlo; es muy probable que vuelvas a consultarlo una y otra vez.

Parte 1: Agentes de programación con IA y IDE

Este tipo de herramientas puede permitir que la IA te ayude a escribir código, revisar código e incluso administrar todo el flujo de desarrollo.
Lo importante es: que de verdad se puedan ejecutar en flujos de trabajo reales, no que se queden solo en demos.

1.Claude Code
Agente de programación en línea de comandos lanzado por Anthropic. Puede leer archivos, escribir código, ejecutar pruebas y operar directamente en tu entorno local.
Si quieres mantener el control total en el desarrollo asistido por IA, este es el actual «estándar de oro».
https://docs.anthropic.com/en/docs/claude-code

2.Cursor
Editor de código con prioridad a la IA construido sobre VS Code. Admite autocompletado en línea, diálogo con el repositorio de código y edición de múltiples archivos.
Apto para desarrolladores que quieren integrar la IA sin problemas en su flujo de desarrollo existente.
https://www.cursor.com

3.Codex CLI
Agente de programación en la terminal lanzado por OpenAI. Con instrucciones en lenguaje natural, leerá el repositorio de código, generará y ejecutará código.
Se desempeña muy bien en tareas de implementación por múltiples pasos.
https://github.com/openai/codex

4.Windsurf
IDE de programación con IA desarrollado por Codeium. Su agente Cascade admite edición de múltiples archivos, comprensión profunda del repositorio de código y «flujo de codificación inmersivo».
Crecimiento muy rápido.
https://codeium.com/windsurf

5.Superpowers
Conjunto de más de 20 habilidades prácticas diseñadas para Claude Code, incluyendo TDD, depuración, canal de planificación a ejecución, etc.
GitHub tiene más de 96.000 estrellas. Si usas Claude Code, te recomiendo instalarlo lo antes posible.
https://github.com/obra/superpowers

6.Spec Kit（GitHub）
Herramienta de «desarrollo impulsado por especificaciones»: primero escribes una specification y luego la IA genera el código. Te obliga a tener claro qué harás antes de ponerte manos a la obra. GitHub tiene más de 50.000 estrellas.
https://github.com/github/spec-kit

7.Aider
Herramienta de programación en pareja con IA en la terminal, compatible con cualquier LLM.
Especialmente fuerte al trabajar con repositorios de código existentes. GitHub tiene más de 30.000 estrellas.
https://github.com/paul-gauthier/aider

Parte 2: Frameworks de agentes

Para construir sistemas automatizados que permitan «pensar—actuar—iterar».

8.OpenClaw
Agente de IA de código abierto de nivel fenómeno. Admite ejecución a largo plazo, múltiples canales (WhatsApp / Telegram / Discord) e incluso que escriba sus propias habilidades.
GitHub tiene más de 210.000 estrellas; es una de las entradas más fáciles para comenzar con agentes de IA personales hoy en día.
https://github.com/openclaw/openclaw

9.LangGraph
Organiza múltiples agentes usando una «estructura en forma de grafo»: admite lógica ramificada, intervención humana (human-in-the-loop) y estado persistente.
https://github.com/langchain-ai/langgraph

10.CrewAI
Marco de cooperación multiagente: cada agente tiene un rol, objetivos y un «perfil/persona».
Adecuado para simular flujos de trabajo de colaboración de un equipo.
https://github.com/crewAIInc/crewAI

11.AutoGPT
Un marco clásico de agentes completamente automáticos, adecuado para tareas de ejecución durante mucho tiempo.
En comparación con las versiones tempranas, ya está mucho más maduro.
https://github.com/Significant-Gravitas/AutoGPT

12.Dify
Plataforma de construcción de aplicaciones LLM de código abierto: integra workflow, RAG, agentes y gestión de modelos en un solo lugar.
También es bastante amigable para personas no desarrolladoras.
https://github.com/langgenius/dify

13.OWL
Framework de colaboración multiagente que destaca en el benchmark GAIA.
Representa el avance desde investigación de vanguardia hacia la practicidad.
https://github.com/camel-ai/owl

14.CopilotKit
Permite incrustar directamente un copilot de IA en aplicaciones React.
No se trata solo de mejorar la eficiencia de desarrollo; es convertir la IA en parte del producto.
https://github.com/CopilotKit/CopilotKit

15.pydantic-ai
Marco de agentes con seguridad de tipos basado en Pydantic.
Adecuado para desarrolladores de Python que quieren generar resultados estructurados y verificables.
https://github.com/pydantic/pydantic-ai

Parte 3: Servicios MCP e integración de herramientas

MCP (Model Context Protocol) hace que la IA realmente «se conecte con el mundo». Skill le enseña cómo hacerlo; MCP le da la capacidad para «tener permisos de hacerlo».

16.Tavily
Motor de búsqueda diseñado específicamente para agentes de IA. No son «enlaces azules», sino datos estructurados que pueden usarse directamente por LLM.
Ofrece cuatro herramientas: búsqueda, extracción, rastreo (scraping) y mapas; en un minuto se puede integrar con MCP.
https://github.com/tavily-ai/tavily-mcp

17.Context7
Inyecta la documentación más reciente de bibliotecas en el contexto del LLM.
Ya no aparece una «API inventada» ni métodos desactualizados.
Si agregas una línea en el prompt como «use context7», se recuperará automáticamente la documentación más reciente.
https://github.com/upstash/context7

18.Task Master AI
Tu gerente de proyectos de IA. Ingresas un PRD y se descompone en tareas con dependencias.
Luego, Claude las ejecuta paso a paso, convirtiendo un proceso de desarrollo caótico en una línea de producción ordenada.
https://github.com/eyaltoledano/claude-task-master

19.MCP Playwright
Proporciona capacidades de automatización del navegador para LLM.
Puedes controlar un navegador real con lenguaje natural: las pruebas, el scraping y la interacción se pueden hacer.
https://github.com/executeautomation/mcp-playwright

20.fastmcp
Crea rápidamente un servicio MCP con el mínimo código Python.
Es uno de los caminos más rápidos para crear integraciones de herramientas personalizadas para modelos como Claude.
https://github.com/jlowin/fastmcp

21.markdownify-mcp
Convierte PDF, imágenes, audio y otros formatos a Markdown.
Permite que cualquier documento entre en el flujo de trabajo de IA.
https://github.com/zcaceres/markdownify-mcp

22.MCPHub
Administra múltiples servicios MCP mediante HTTP.
Un panel para gestionar de forma unificada todas las conexiones de herramientas.
https://github.com/samanhappy/mcphub

Parte 4: Skills de Claude (seleccionadas)

Skills puede inyectar a Claude capacidades de «flujo de trabajo profesional». A día de hoy, la comunidad ya tiene 80.000+ habilidades; las siguientes sí valen la pena instalar.

23.PDF Processing（oficial）
Admite lectura de PDF, extracción de tablas, llenado de formularios, y combinación y división de archivos.
Para trabajadores del conocimiento, es una de las habilidades con mayor utilidad práctica.

https://github.com/anthropics/skills/tree/main/skills/pdf

24.Frontend Design（oficial）
Para construir sistemas de diseño realmente utilizables, incluyendo tipografía audaz y UI lista para desplegar.
Te ayuda a salir del estilo de diseño típico con «sensación de IA generada». Ya tiene 277.000+ instalaciones.

https://github.com/anthropics/skills/tree/main/skills/frontend-design

25.Skill Creator（oficial）
Una «metahabilidad». Describe tu flujo de trabajo en lenguaje natural y genera un SKILL.md completo en 5 minutos.
No necesitas escribir configuración; también puedes crear nuevas habilidades.

https://github.com/anthropics/skills/tree/main/skills/skill-creator

26.Marketing Skills（Corey Haines）
Cubre más de 20 habilidades como CRO, redacción de copys, SEO, automatización de correos y estrategias de crecimiento.
Equivale a hacer «modular» la capacidad de un equipo completo de marketing.

https://github.com/coreyhaines31/marketingskills

27.Claude SEO
Ofrece funciones como auditoría del sitio completo, validación de datos estructurados y análisis de palabras clave.
Incluye 12 subhabilidades y cubre el flujo de trabajo completo de SEO.

https://github.com/AgriciDaniel/claude-seo

28.Obsidian Skills
Desarrollado por el CEO de Obsidian. Admite etiquetado automático, enlaces automáticos y una integración profunda con el repositorio de conocimiento (vault).
Si estás usando Obsidian, esto es prácticamente imprescindible.

https://github.com/kepano/obsidian-skills

29.Context Optimization
Para reducir el costo de tokens y mejorar la eficiencia de KV cache.
Puede reducir significativamente el costo de uso de la API. GitHub tiene 13.900+ stars.

https://github.com/muratcankoylan/agent-skills-for-context-engineering

30.Deep Research Skill
Proceso de investigación en 8 etapas + mecanismo de reescritura/continuación automática.
Adecuado para escenarios donde necesitas que Claude haga «investigación profunda» y no solo resúmenes superficiales.

https://github.com/199-biotechnologies/claude-deep-research-skill

Parte 5: IA local y ejecución de modelos

Ejecuta modelos en el dispositivo local: mayor privacidad, respuestas más rápidas y sin costos de API.

31.Ollama
Ejecuta modelos de lenguaje de código abierto localmente con un solo comando. Admite Llama, Mistral, Gemma, etc.
El camino más rápido de cero a IA local.

https://github.com/ollama/ollama

32.Open WebUI
Interfaz tipo ChatGPT autohospedada. Clara, rápida y con funciones completas.
Combinada con Ollama, puedes construir un sistema de IA totalmente privado.

https://github.com/open-webui/open-webui

33.LlamaFile
Empaqueta todo el gran modelo en un archivo ejecutable.
Sin dependencias: descargas y listo, extremadamente simple.

https://github.com/Mozilla-Ocho/llamafile

34.Unsloth
Aumenta la velocidad del ajuste fino del modelo en 2 veces y, al mismo tiempo, reduce el uso de memoria en 70%.
Si necesitas entrenar tu propio modelo, este es un gran punto de partida.

https://github.com/unslothai/unsloth

35.vLLM
Motor de inferencia de alto rendimiento (high throughput), con rendimiento 2–4 veces más rápido que soluciones tradicionales.
Actualmente, una de las opciones principales para producción y despliegue de modelos de código abierto.

https://github.com/vllm-project/vllm

Parte 6: Flujos de trabajo y automatización

Integra la IA en tus herramientas y flujos de trabajo existentes.

36.n8n
Herramienta de automatización de flujos de trabajo de código abierto, con soporte para 400+ integraciones y nodos de IA; se puede autohospedar.
Actualmente, uno de los constructores de automatización de IA visual más potentes.

https://github.com/n8n-io/n8n

37.Langflow
Construye workflows de agentes mediante arrastrar y soltar. GitHub supera las 140.000 stars.
Sin necesidad de escribir código, también puedes crear pipelines complejos de agentes.

https://github.com/langflow-ai/langflow

38.Huginn
Agente web autohospedado para monitoreo, alertas y recopilación de datos.
Da prioridad a la privacidad: toda la automatización se ejecuta en tu propio servidor.

https://github.com/huginn/huginn

39.DSPy
Impulsa los modelos con «programas» en lugar de «prompts».
Proviene de un framework de investigación de Stanford y se adapta a escenarios con requisitos de estabilidad más altos.

https://github.com/stanfordnlp/dspy

40.Temporal
Un «motor de flujos de trabajo persistentes» orientado a tareas de ejecución prolongada.
Cuando tus procesos de automatización necesiten manejar caídas (crashes), reintentos, timeouts, etc., esta es la solución estándar.

https://github.com/temporalio/temporal

Parte 7: Búsqueda, datos y RAG

Para que la información pueda entrar y salir del sistema de IA.

41.GPT Researcher
Agente de investigación automatizado que puede generar reportes estructurados.
Le pasas un tema y devuelve un análisis completo con citas de fuentes.

https://github.com/assafelovic/gpt-researcher

42.Firecrawl
Convierte cualquier sitio web en un formato de datos adecuado para LLM.
Un crawler diseñado específicamente para pipelines de IA.

https://github.com/mendableai/firecrawl

43.Vanna AI
Convierte lenguaje natural a SQL.
Con preguntas en inglés, genera directamente sentencias de consulta de bases de datos.
Adecuado para quienes no quieren escribir SQL pero necesitan usar datos.

https://github.com/vanna-ai/vanna

44.Instructor
Permite que cualquier LLM genere JSON estructurado mediante modelos Pydantic.
Compatible con 15+ proveedores, incluidos OpenAI, Anthropic, Google, etc.
Es una elección práctica para muchos ingenieros de IA a nivel de producción.

https://python.useinstructor.com

45.Chroma
Base de datos vectorial de código abierto.
Una de las formas más sencillas de agregar búsqueda semántica y memoria a largo plazo a aplicaciones de IA.

https://github.com/chroma-core/chroma

46.dlt
Herramienta de canal de datos (data pipeline) para LLM, con acceso a 5000+ fuentes de datos.
Te ayuda a importar diversos datos a tus flujos de trabajo de IA.

https://github.com/dlt-hub/dlt

47.ExtractThinker
Un «ORM» para inteligencia documental.
Puede extraer datos estructurados de documentos de cualquier tipo.

https://github.com/enoch3712/ExtractThinker

Parte 8: API e infraestructura

El «canal a nivel de base» para que todo funcione de verdad en un entorno de producción.

48.FastAPI
Framework web de Python para desplegar aplicaciones de IA.
Su documentación está extremadamente completa y trae validación de datos con Pydantic incluida.

https://github.com/tiangolo/fastapi

49.Portkey Gateway
Conecta con 250+ LLM mediante una sola API.
Sin necesidad de cambiar código para conmutar de modelo.

https://github.com/Portkey-AI/gateway

50.OmniRoute
Admite un proxy API para 44+ proveedores de IA.
Ofrece balanceo de carga, conmutación por fallos y optimización de costos.

https://github.com/diegosouzapw/OmniRoute

51.lmnr
Para rastrear y evaluar el comportamiento de los agentes.
Puedes ver claramente qué hace el agente y medir si su desempeño cumple con el objetivo.

https://github.com/lmnr-ai/lmnr

52.Codebase Memory MCP
Convierte tu repositorio de código en un «grafo de conocimiento persistente».
Permite que Claude recuerde toda la estructura del proyecto a través de sesiones.

https://github.com/DeusData/codebase-memory-mcp

Parte 9: Recopilaciones seleccionadas y recursos de aprendizaje

Dónde obtener información continuamente y seguir iterando tu forma de pensar.

53.Awesome Claude Skills
Recopilación de habilidades seleccionadas; GitHub tiene más de 22.000 estrellas.
Entrada preferida para encontrar nuevas habilidades.

https://github.com/travisvn/awesome-claude-skills

54.Anthropic Skills Repo
Repositorio oficial de habilidades de Anthropic.
También es, en la actualidad, el «paradigma estándar» para construir habilidades.

https://github.com/anthropics/skills

55.Awesome Agents
Compila una lista seleccionada de herramientas de más de 100 agentes de código abierto.

https://github.com/kyrolabs/awesome-agents

56.PromptingGuide
Cubre una guía completa de ingeniería de prompts desde fundamentos hasta nivel avanzado.

https://www.promptingguide.ai

57.Anthropic Prompt Engineering Tutorial
Incluye ejercicios prácticos de 9 capítulos + un Jupyter Notebook.
Es una de las mejores rutas para aprender prompts de forma sistemática.

https://github.com/anthropics/prompt-eng-interactive-tutorial

58.SkillsMP
Plataforma de mercado con 80.000+ habilidades de la comunidad.
Es el directorio de habilidades de Claude más grande actualmente.

https://skillsmp.com

59.MAGI//ARCHIVE
Repositorio de proyectos de IA actualizado diariamente.
Para hacer seguimiento del progreso de vanguardia.

https://tom-doerr.github.io/repo_posts/

60.Documentación oficial de Anthropic
Cubre todo el contenido central: API, prompts, llamadas a herramientas, agentes, etc.
Si vas a hacer un producto de IA en serio, te recomiendo leer esta guía de principio a fin.

https://docs.anthropic.com

Cómo usar realmente esta lista

No intentes instalar de una sola vez las 60 herramientas. Solo causará sobrecarga de información y desperdiciarás tiempo.

Yo recomiendo usarlo así:

Si eres desarrollador: empieza con Claude Code (01) + Superpowers (05) + Context7 (17) + Tavily (16).
Esta combinación te ayuda a construir un entorno de programación de IA potente, con capacidades de búsqueda y soporte de documentación.

Si eres creador / trabajador del conocimiento: empieza con OpenClaw (08) + Obsidian Skills (28) + PDF Processing (23) + Frontend Design (24). Esta combinación te da un asistente de IA con capacidades de gestión de archivos, procesamiento de documentos y creación de contenido.

Si estás haciendo un producto: empieza con FastAPI (48) + Instructor (44) + Chroma (45) + LangGraph (09).
Esta combinación cubre frameworks del backend, salidas estructuradas, un sistema de memoria y capacidades de orquestación de agentes; es suficiente para sostener una aplicación de IA a nivel de producción.

Si solo quieres aprender: empieza con el tutorial de Anthropic (57) + PromptingGuide (56) + la documentación oficial de Anthropic (60).
Primero, refuerza los fundamentos; luego, agrega herramientas.

Elige una ruta y sumérgete primero en usarla.

Cuando aparezcan nuevas necesidades, expande poco a poco las herramientas.

TL;DR

Skills = enseñarle a la IA «cómo hacerlo mejor»
MCP = darle a la IA «la capacidad de conectarse con herramientas y datos externos»
Repos = brindar toda la infraestructura base de código abierto

Al combinar estas tres cosas, lo que obtienes ya no es «una demo que parece muy cool», sino un flujo de trabajo de IA realmente productivo.

Eso es todo. 60 herramientas. Ahora, ¡ve y haz algo!

[Enlace original]

Haz clic para conocer las vacantes en contratación de律动BlockBeats

Bienvenido a unirte a la comunidad oficial de律动 BlockBeats:

Grupo de suscripción de Telegram: https://t.me/theblockbeats

Grupo de Telegram: https://t.me/BlockBeats_App

Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia