Grill.me: la skill que cambió mi forma de trabajar con agentes de IA

Durante mucho tiempo pensé que la productividad con agentes de IA dependía de escribir mejores prompts. Después entendí que el problema no era el prompt: era el contexto. Desde que empecé a usar Grill.me, dejé de intentar adivinar todo desde el primer mensaje y empecé a diseñar soluciones junto al agente antes de escribir una sola línea de código.

Hace casi dos años comencé a incorporar herramientas de inteligencia artificial en mi flujo diario de desarrollo. Como muchos, empecé con Cursor. En ese tiempo vi cómo el editor fue evolucionando: primero aparecieron las Rules, después distintos modos de interacción como Ask, Agent y Plan, y más adelante comenzaron a integrarse nuevas formas de trabajo cada vez más orientadas a agentes.

En paralelo aparecieron otros editores. Uno de los que más llamó mi atención fue Anti-Gravity, el experimento de Google orientado a desarrollo asistido por IA. Lo interesante no es solamente el modelo que utiliza, sino la filosofía detrás del producto: el editor decide automáticamente cuándo debe planificar, cuándo ejecutar y cuándo volver a replantear la estrategia. Como usuario, prácticamente delegas todo el desarrollo al agente.

Cursor también puede hacer parte de esto, pero su filosofía siempre me pareció distinta: es una herramienta mucho más artesanal. Sientes que trabajas codo a codo con el agente; sigues tomando decisiones constantemente mientras la IA ejecuta. Personalmente, ese enfoque me gusta más. No busco convertirme en un vibe coder que acepta cualquier propuesta del modelo. Busco seguir haciendo ingeniería.

Con el tiempo descubrí que el verdadero cuello de botella nunca fue la generación de código: era el contexto. Cuando trabajamos con agentes solemos hacer algo así:

• escribimos un prompt relativamente corto;
• el agente interpreta lo que cree que queremos;
• genera una solución;
• aparecen cosas que no contempló;
• corregimos;
• vuelve a generar;
• repetimos cinco o seis veces.

El ciclo funciona, pero consume muchísimo tiempo. Y, peor todavía, muchas de esas iteraciones ocurren porque el agente nunca tuvo suficiente información para tomar buenas decisiones desde el principio.

Hay algo que intento mantener desde que empecé a trabajar con IA: no quiero delegar el pensamiento; quiero delegar la implementación. La diferencia parece sutil, pero cambia completamente la forma de trabajar. Antes de pedirle algo al agente intento definir cuestiones como:

• el modelo de datos;
• un ERD cuando corresponde;
• restricciones del negocio;
• patrones arquitectónicos;
• convenciones del proyecto;
• decisiones técnicas importantes.

La IA escribe el código, pero la ingeniería sigue estando del lado humano. Las mejores soluciones aparecen cuando el agente trabaja sobre fundamentos sólidos, no sobre prompts improvisados.

Durante los últimos meses vimos una evolución interesante dentro del ecosistema de Cursor. Primero aparecieron las Rules, que permitían definir convenciones generales para el proyecto. Después llegaron las Skills.

Las Skills representan un cambio importante porque encapsulan conocimiento reutilizable. Ya no se trata únicamente de decirle al modelo "sigue estas reglas": ahora podemos enseñarle procesos completos. Una skill puede indicarle cómo diseñar una API, crear migraciones, revisar seguridad, documentar cambios o razonar antes de implementar. En lugar de repetir el mismo prompt una y otra vez, el conocimiento queda versionado dentro del proyecto, y eso escala mucho mejor. Lo mejor de todo es que existe un sinfín de skills oficiales, construidas por los mismos creadores de las soluciones de software y herramientas que usamos a diario. Eso aporta un contexto real sobre lo que se puede hacer y sobre cómo aplicar la tecnología de la forma en que se espera que se aplique.

Entre todas las Skills que comenzaron a circular hubo una que me llamó especialmente la atención: Grill.me, creada por Matt Pocock. La tienes en mis resources.

Su idea parece extremadamente simple. Cuando invocas la skill, el agente no empieza a programar: empieza a hacer preguntas. Muchas preguntas. Y no son aleatorias: cada una busca eliminar una ambigüedad del problema.

Hoy mismo me pasó. Entré con una idea relativamente clara, escribí un prompt inicial e invoqué Grill.me. Durante aproximadamente una hora respondí más de treinta preguntas. Algunas eran simples; otras obligaban a pensar decisiones arquitectónicas que todavía no había tomado.

Lo interesante es que la skill no solamente pregunta: también propone alternativas. Algo parecido a esto: ¿Quieres resolver esto mediante eventos o llamadas síncronas? Y debajo aparecen varias opciones. Cada una explica ventajas, desventajas, impacto y cuál recomienda utilizar. Eso cambia completamente la dinámica: ya no estoy completando un formulario, estoy teniendo una conversación de diseño.

Creo que ahí está el verdadero valor de Grill.me. No solamente mejora el contexto: me obliga a pensar aspectos que ni siquiera había considerado. Muchas veces me encontré leyendo una opción y pensando: "No había contemplado esa posibilidad."

Y esa probablemente sea la mayor virtud de una buena herramienta de IA. No escribir más rápido, sino ampliar el espacio de soluciones posibles. Porque cuando solamente respondemos nuestras propias preguntas, terminamos encerrados dentro de nuestro propio modelo mental. Grill.me rompe ese límite.

Después de terminar la sesión de preguntas ocurre algo bastante interesante. El agente ya conoce el contexto, las restricciones, las decisiones importantes, las prioridades y los criterios de éxito. En ese momento recién comienza la implementación. Y la diferencia es enorme: las primeras versiones del código suelen acercarse mucho más a lo que realmente quería construir. No porque el modelo sea más inteligente, sino porque tiene mejor información. En ingeniería eso casi siempre produce mejores resultados.

Creo que durante mucho tiempo pensamos que trabajar con IA consistía en aprender a escribir prompts. Hoy ya no estoy tan convencido. Cada vez creo más que el futuro pasa por otro lado: no por escribir mejores instrucciones, sino por construir mejores conversaciones.

Las Skills representan exactamente eso: procesos reutilizables, formas de pensar y secuencias de decisiones. Y Grill.me lleva esa idea un paso más allá: convierte la etapa de descubrimiento del problema en una parte explícita del flujo de trabajo.

En mi experiencia, sí. Especialmente cuando el problema es complejo. Puede parecer extraño invertir una hora respondiendo preguntas antes de empezar a programar, pero esa hora suele reemplazar varias horas de iteraciones posteriores. Y, sobre todo, mejora la calidad de las decisiones técnicas. No reemplaza la ingeniería: la potencia. Y esa, para mí, es la diferencia entre usar IA para generar código y usar IA para construir software.

¿Cuándo usar Grill.me?

• Funcionalidades nuevas.
• Refactors grandes.
• Diseño de arquitectura.
• Sistemas con múltiples decisiones técnicas.
• Requerimientos ambiguos.

¿Cuándo probablemente no haga falta?

• Bugs pequeños.
• Cambios triviales.
• Ajustes de UI.
• Correcciones rápidas.

Si todavía no incorporaste una etapa de descubrimiento antes de pedirle código a un agente, creo que vale la pena probar Grill.me, la skill de Matt Pocock. No porque escriba mejor código, sino porque hace algo mucho más importante: te obliga a formular un mejor problema. Y en desarrollo de software, casi siempre, una buena solución empieza mucho antes de escribir la primera línea de código.