Claude puede parecer brillante en una tarea y demasiado improvisado en la siguiente. La diferencia casi nunca está solo en el prompt: está en si el proyecto tiene una capa de control clara.
Claude puede parecer brillante en una tarea y demasiado improvisado en la siguiente.
A veces entiende el contexto, respeta el estilo del equipo y entrega una solución limpia. Otras veces se salta pasos, propone cambios innecesarios o trabaja como si empezara desde cero.
El problema no siempre es el modelo. Muchas veces el problema es que el proyecto no tiene un sistema de trabajo claro para la IA.
Ahí entra la carpeta .claude/.
No es una carpeta decorativa ni un detalle técnico menor. Es el cockpit del agente: el lugar donde defines cómo debe trabajar Claude, qué reglas debe seguir, qué herramientas puede usar y qué límites debe respetar.
En otras palabras: .claude/ convierte el uso de IA en un proceso más profesional, repetible y seguro.
De prompts sueltos a sistema de trabajo
Muchas empresas empiezan usando IA con prompts aislados:
- “revísame este código”;
- “hazme un resumen”;
- “crea una función”;
- “dime cómo arreglar este error”.
Eso puede servir para tareas puntuales, pero se queda corto cuando el equipo necesita consistencia.
Un proyecto real tiene convenciones, arquitectura, criterios de calidad, comandos de validación, restricciones de seguridad, documentación interna y formas de trabajar que no deberían repetirse manualmente en cada conversación.
La carpeta .claude/ funciona como una capa de control para que Claude no improvise cada vez.
Qué debería vivir dentro de .claude/
1. CLAUDE.md: las reglas compartidas del equipo
CLAUDE.md es el archivo donde defines las instrucciones persistentes del proyecto.
Puede incluir:
- estilo de código;
- arquitectura esperada;
- comandos de test y lint;
- criterios de calidad;
- normas de seguridad;
- qué hacer antes de tocar producción;
- cómo documentar cambios;
- cómo revisar un pull request.
La idea es sencilla: si una regla se repite, no debería depender de que alguien la recuerde. Debe estar escrita donde el agente la pueda leer.
2. CLAUDE.local.md: preferencias personales sin contaminar el repositorio
No todo el contexto debe ser compartido.
CLAUDE.local.md sirve para preferencias locales: rutas de tu máquina, hábitos personales, herramientas instaladas o detalles que solo aplican a un desarrollador.
Este archivo no debería subirse al repositorio. Para eso, el .gitignore debe estar bien configurado.
3. .gitignore: evitar fugas de información sensible
Trabajar con agentes IA no elimina los riesgos básicos de seguridad.
Un buen .gitignore ayuda a evitar que se suban por error:
- tokens;
- claves API;
- archivos
.env; - configuraciones locales;
- credenciales;
- datos sensibles.
Si el equipo empieza a automatizar más tareas con IA, esta protección se vuelve todavía más importante.
4. mcp.json: conectar Claude con herramientas reales
MCP permite conectar Claude con herramientas externas.
Dependiendo del proyecto, puede servir para conectar con:
- bases de datos;
- documentación interna;
- APIs;
- navegadores;
- sistemas internos;
- servidores MCP especializados.
Esto cambia mucho la forma de trabajar. Claude deja de ser solo una ventana de chat y empieza a operar con contexto y herramientas del entorno real.
5. skills/: procedimientos reutilizables
Las skills guardan procedimientos que se repiten.
Por ejemplo:
- cómo revisar un PR;
- cómo depurar un error recurrente;
- cómo preparar una release;
- cómo ejecutar una auditoría de seguridad;
- qué comandos usar para validar una migración.
Una skill no es solo una nota. Es una forma de convertir conocimiento operativo en un procedimiento reutilizable.
6. agents/: especialistas para tareas concretas
No todas las tareas deben pasar por el mismo agente generalista.
Puedes crear especialistas como:
- code reviewer;
- debugger;
- security auditor;
- documentation writer;
- QA assistant;
- data analyst.
Cada agente puede tener instrucciones, límites y criterios propios.
Esto ayuda a que el trabajo sea más ordenado y reduce la improvisación.
7. commands/: botones preparados para tareas frecuentes
Los comandos permiten convertir tareas repetitivas en acciones más directas.
Por ejemplo, un comando /commit podría:
- revisar los cambios actuales;
- detectar riesgos;
- proponer un mensaje de commit;
- sugerir pruebas antes de confirmar.
La ventaja es que el equipo no tiene que reconstruir el mismo prompt cada vez.
8. hooks/: automatismos y barreras de seguridad
Los hooks añaden automatismos alrededor del trabajo del agente.
Pueden servir para:
- formatear código;
- bloquear comandos peligrosos;
- ejecutar checks antes de terminar una tarea;
- detectar secretos;
- validar que se han pasado tests;
- impedir cambios en archivos sensibles sin revisión.
Aquí es donde la IA empieza a trabajar con más control operativo.
Por qué esto importa para una empresa
La diferencia entre “usar IA” y “trabajar profesionalmente con IA” está en el método.
Un equipo que solo usa prompts sueltos depende demasiado de la memoria de cada persona. Un equipo que documenta reglas, crea skills, define comandos y añade hooks empieza a construir un sistema.
Ese sistema permite que la IA:
- lea las reglas antes de actuar;
- use herramientas reales;
- delegue tareas cuando haga falta;
- ejecute comprobaciones;
- respete límites;
- entregue resultados más claros;
- reduzca errores repetidos.
Para proyectos con código, automatizaciones, datos de negocio o integraciones críticas, esto no es un lujo. Es una condición para trabajar con IA de forma seria.
Cómo empezar sin complicarlo demasiado
No hace falta montar una arquitectura enorme desde el primer día.
Un buen punto de partida puede ser:
- un
CLAUDE.mdcon 10 reglas claras del proyecto; - un
.gitignorebien configurado; - un
mcp.jsonmínimo; - una skill para una tarea repetida;
- un agente especialista;
- un hook crítico de seguridad o validación.
Después, cada repetición se convierte en sistema:
- si repites una instrucción, conviértela en regla;
- si repites un procedimiento, conviértelo en skill;
- si repites una acción, conviértela en comando;
- si necesitas una revisión especializada, crea un agente;
- si hay un riesgo recurrente, añade un hook.
Conclusión
La carpeta .claude/ puede parecer un detalle técnico, pero en realidad representa un cambio de mentalidad.
No se trata solo de pedirle cosas a Claude. Se trata de darle un entorno de trabajo: reglas, herramientas, permisos, límites y procedimientos.
Así Claude deja de improvisar y empieza a trabajar como parte de un sistema profesional.
Si tu empresa quiere usar IA en desarrollo, automatización, documentación o procesos internos, el siguiente paso no es escribir prompts más largos. Es construir una capa de control que haga el trabajo más consistente, seguro y repetible.
¿Quieres aplicar esto en tu empresa? En ET TAMIMI Consulting ayudamos a empresas a pasar de usar IA de forma improvisada a integrarla en procesos reales: automatizaciones, Odoo, agentes, CRM, flujos internos y formación práctica para equipos.
