Skills: Contexto y gestión de estado

Cada llamada a la API de Claude es sin estado; no recuerda automáticamente el contenido de la sesión anterior.

Pero en una conversación continua, todos los mensajes históricos están en la ventana de contexto. Comprender esto le ayudará a escribir Skills que se comporten de manera estable en la conversación.


¿Dónde existe el estado de Skills?

Tipo de estado Ubicación de almacenamiento Alcance de validez
Historial de conversación Ventana de contexto Sesión actual; desaparece al cerrarla
Archivos intermedios /home/claude/ Sesión actual; puede eliminarse al completar la tarea
Archivos de salida /mnt/user-data/outputs/ Persistente; el usuario puede descargarlos
Skill instalado /mnt/skills/ Persistencia entre sesiones

Skills en sí no tienen capacidad de base de datos ni de almacenamiento persistente. Los datos que deban conservarse entre sesiones deben ser guardados por el propio usuario (por ejemplo, descargando archivos) o escritos en un directorio de salida persistente.


Gestión del estado de conversaciones de múltiples turnos en SKILL.md

Para un Skill que requiera interacción de múltiples turnos, se debe definir claramente la lógica de transición del estado de la conversación en SKILL.md.

Ejemplo

## Flujo de interacción de múltiples turnos

Este Skill se ejecuta en tres fases:

### Fase 1: Recopilación de información
Solicitar al usuario que proporcione la siguiente información:
1. Ruta del archivo de datos
2. Objetivo del análisis

No ejecutar el análisis hasta obtener toda la información.
Mostrar la información recopilada en forma de lista e indicar al usuario qué falta.

### Fase 2: Confirmación de ejecución
Una vez completada la recopilación, mostrar el plan de ejecución y esperar la confirmación del usuario:
>Voy a, sobre{el nombre del archivo}ejecutar{el objetivo del análisis}, se estima que se necesitan aproximadamente{tiempo}segundos. ¿Confirma para continuar?

### Fase 3: Ejecutar y generar el resultado
Ejecutar después de la confirmación del usuario, informar del progreso en tiempo real y generar el resultado al finalizar.

Si el usuario dice en cualquier fase"Reiniciar", borrar la información recopilada actual y volver a la fase 1.

Uso de archivos para guardar el estado intermedio

Para tareas complejas de varios pasos, se puede escribir el estado intermedio en un archivo JSON para lograr la transferencia de estado entre pasos.

Ejemplo

# Ruta del archivo: scripts/state_manager.py
import json
import os
from datetime import datetime

# Ruta de almacenamiento del archivo de estado (directorio de trabajo de la sesión actual)
STATE_FILE = "/home/claude/skill_state.json"

def save_state(state: dict) -> None:
    """Guardar el estado de ejecución actual en el archivo"""
    state["updated_at"] = datetime.now().isoformat()
    with open(STATE_FILE, "w", encoding="utf-8") as f:
        json.dump(state, f, ensure_ascii=False, indent=2)
    print(f"Estado guardado: {STATE_FILE}")

def load_state() -> dict:
    """Cargar el estado guardado anteriormente; si no existe, devolver el estado inicial"""
    if not os.path.exists(STATE_FILE):
        return {
            "phase":      "collecting",  # Fase actual: collecting / confirming / executing / done
            "file_path":  None,
            "target":     None,
            "result":     None,
            "created_at": datetime.now().isoformat()
        }
    with open(STATE_FILE, "r", encoding="utf-8") as f:
        return json.load(f)

def clear_state() -> None:
    """Borrar el estado (para el escenario de "Reiniciar")"""
    if os.path.exists(STATE_FILE):
        os.remove(STATE_FILE)
    print("Estado borrado, reiniciar")

# Ejemplo de uso
if __name__ == "__main__":
    # Cargar o inicializar el estado
    state = load_state()
    print(f"Fase actual: {state['phase']}")

    # Actualizar estado: ruta del archivo recopilada
    state["file_path"] = "/mnt/user-data/uploads/ejemplo_data.csv"
    state["phase"]     = "confirming"
    save_state(state)
状态已保存:/home/claude/skill_state.json
当前阶段:collecting
状态已保存:/home/claude/skill_state.json

Prevención de la contaminación del contexto

Cuando el usuario activa un Skill varias veces en la misma conversación, los parámetros antiguos del historial de conversación pueden "contaminar" la nueva ejecución.

Definir claramente la prioridad en SKILL.md puede evitar este tipo de problemas.

Ejemplo

## Reglas de prioridad de parámetros

Si existen varios conjuntos de parámetros en la misma conversación, se procesan según la siguiente prioridad:

1. **Parámetros especificados explícitamente en el mensaje más reciente del usuario**→ Prioridad más alta, se usan siempre
2. **Archivos cargados en esta solicitud**→ Prioridad alta
3. **Parámetros mencionados en el historial de conversación**→ Prioridad baja, se usan solo cuando el mensaje actual no los especifica
4. **Valores predeterminados definidos por el Skill**→ Respaldo

Si hay dudas sobre el origen de los parámetros, confirmar con el usuario antes de ejecutar:"Usaré ejemplo_v2.csv (el archivo que acaba de subir) en lugar del ejemplo_v1.csv anterior, ¿es correcto?"

Relación entre la longitud del contexto y el rendimiento

A medida que la conversación se vuelve más larga, hay más contenido en la ventana de contexto y el costo de procesamiento de Claude también aumenta.

Para Skills de múltiples turnos que se ejecutan durante mucho tiempo, se deben tener en cuenta las siguientes estrategias de optimización:

Estrategia Método Efecto
Evitar volver a generar grandes bloques de contenido Hacer referencia a la ruta del archivo generado anteriormente en lugar de volver a generar el contenido Reducir la ocupación del contexto
Usar archivos para transmitir datos intermedios Escribir grandes conjuntos de datos en archivos y transmitir solo la ruta en la conversación Evitar que los datos grandes llenen el contexto
Informar oportunamente al usuario de la finalización de cada fase Al finalizar cada fase, decir explícitamente "Primer paso completado" Mantener al usuario informado del progreso y reducir preguntas adicionales

La ventana de contexto es un recurso limitado. Cuanto mayor sea la cantidad de datos transmitidos en el Skill, menor será el espacio restante para el razonamiento y la generación, y la calidad de la respuesta puede disminuir. Para archivos grandes, transmitir siempre la ruta del archivo, no el contenido.

Otras extensiones