Una guía práctica de optimización basada en seis meses de uso intensivo del código de Claude Esta publicación, de un usuario de Reddit con 7 años de experiencia en ingeniería de software, comparte su experiencia de primera mano utilizando Claude Code (CC) para la refactorización de software a gran escala durante los últimos 6 meses. En concreto, migró él solo una aplicación web interna con más de 300 000 líneas de código (LOC) de una pila tecnológica obsoleta (React 16 JS + Material UI v4) a un framework moderno (React 19 TS + TanStack Query/Router + MUI v7). Destaca que, si bien las herramientas de IA son potentes, para obtener resultados consistentes y de alta calidad se requieren flujos de trabajo estructurados, indicaciones precisas y supervisión humana. Contenido principal e ideas clave: Los autores han creado un ecosistema completo, que incluye habilidades, hooks, gestión de documentación y herramientas de automatización, para abordar los problemas comunes en las tareas de larga duración de Claude, como la pérdida de contexto, las inconsistencias en el código y las dificultades de depuración. Las principales estrategias de optimización son las siguientes: 1. Activación automática de habilidades: Claude no invoca automáticamente las habilidades predefinidas por defecto. El autor desarrolló un sistema de enlaces (como el enlace UserPromptSubmit y el enlace Stop Event) para forzar la inserción de alertas de habilidades (como las especificaciones de manejo de errores) mediante activadores de palabras clave (como rutas de archivos o patrones de contenido). Esto garantiza la aplicación consistente de las habilidades en grandes bases de código y reduce significativamente la variación del código. 2. Sistema de documentación de desarrollo: Para solucionar el problema de olvidos de Claude, se generan documentos específicos (como [nombre-de-tarea]-plan.md, -context.md y -tasks.md) antes de cada tarea importante y se actualizan en tiempo real mediante comandos (como /create-dev-docs). Estos archivos funcionan como «memoria» externa, permitiendo la reanudación de la sesión y la compresión automática para mantener la continuidad de las tareas. 3. Depuración automatizada del backend: Monitoriza los registros de 7 microservicios con el gestor de procesos PM2. Claude puede ejecutar automáticamente el comando `pm2 logs ` para localizar y reiniciar rápidamente los servicios con fallos. Esto transforma el seguimiento manual de registros en diagnósticos en tiempo real impulsados por IA, mejorando la eficiencia de la depuración. 4. Proceso de control de errores con tolerancia cero: Los hooks monitorizan las modificaciones de archivos, ejecutan comprobaciones de compilación (como errores de TypeScript) y activan alertas de autodiagnóstico cuando se detectan patrones de riesgo (como llamadas asíncronas). Los autores intentaron previamente el formateo automático (Prettier), pero lo descartaron debido al excesivo consumo de tokens, priorizando en su lugar el control de calidad preventivo. 5. Documentación y evolución de agentes: El directorio raíz CLAUDE.md se simplifica, conservando únicamente la información esencial del proyecto; la documentación a nivel de repositorio utiliza habilidades de referencia modulares. Se introducen agentes especializados (como el arquitecto de planificación estratégica para la planificación y el solucionador de errores de compilación para la corrección), cada uno con una función y especificaciones de salida claras. El comando de barra diagonal simplifica aún más las sugerencias repetitivas. 6. Consejos prácticos: El autor sugiere comenzar con patrones de planificación para evitar instrucciones ambiguas; si el resultado no es satisfactorio, añada contexto y vuelva a intentarlo. La lección principal es: la IA necesita la ayuda de la intuición humana, sobre todo en la toma de decisiones complejas. Dirección postal:
