# law-ahrefs-content-engineering-claude-code-2026-04-28

## Veille

Publicación del **blog de Ahrefs** publicada el **28 de abril de 2026** por **Ryan Law** (Director of Content Marketing, Ahrefs) que describe un sistema interno de **ingeniería de contenido** construido en torno a **Claude Code**: un pipeline editorial que produce **borradores listos para publicar en 6 a 12 minutos**. **Tesis central**: ***« El contenido de IA no es, por defecto, bueno. Este proceso funciona bien porque refleja nuestro proceso editorial humano existente »*** — la calidad no proviene del modelo sino de la **reproducción fiel de un proceso editorial humano** probado durante décadas. Arquitectura: **~23 skill files**, cada uno correspondiente a una etapa editorial (investigación de palabras clave, análisis de brechas temáticas, esquematización estructural, compilación de investigación, generación de borradores, formateo), **orquestados por una skill maestra `blog-pipeline`** que los encadena para producir un artículo completo. **Siete principios de diseño**: (1) **imitar los flujos de trabajo humanos** encadenando skills adaptadas de la documentación editorial existente de Ahrefs; (2) **generar cada etapa por separado** para facilitar el diagnóstico (*« si al final de una ejecución de diez minutos obtienes un artículo malo, es difícil diagnosticar con precisión dónde y por qué falló el proceso »* → guardar las salidas intermedias); (3) **crear casos de prueba** mediante la skill `skill-creator` de Anthropic para evaluar y mejorar las instrucciones; (4) **conectar fuentes de datos de calidad** — el **Ahrefs MCP** (métricas de palabras clave, parent topic, temas de cola larga, resúmenes de SERP, análisis competitivo), análisis competitivo y documentación de producto; (5) **anticipar la dirección humana** mediante parámetros de contexto que permiten orientación editorial; (6) **construir vistas previas interactivas** en formato HTML para su revisión antes de la publicación; (7) **permitir la personalización** (cada miembro del equipo puede hacer un fork del sistema y modificarlo). **Volumen**: ~**15 artículos publicados** y ~**30 artículos actualizados** mediante este flujo de trabajo; el desarrollo comenzó en **febrero de 2026** (el proceso anterior, de **agosto de 2025**, requería varios días e intervención manual). **Advertencias explícitas** (anti-sobreventa): *« la experiencia importa »* — el proceso refleja décadas de experiencia editorial; la selección de temas se centra en **contenido SEO informacional** que el autor conoce bien; Ahrefs **no tiene previsto "escalar" el contenido de forma masiva**, sino que mantiene una **biblioteca evergreen**. Filosofía: automatizar *« las partes formulaicas del trabajo »* para eliminar las tareas tediosas y liberar tiempo para la investigación, el liderazgo de pensamiento, los webinars y la optimización del sistema — **no** reemplazar el esfuerzo humano. Referencia canónica citada por Pasquale Pillitteri (*Opus 4.8 SEO workflow*) como prueba de campo de la ganancia « 6-12 min/borrador ». Convergencia directa con la doctrina **skills-over-prompts** (Lattice, PROJ-AI), los **sistemas alrededor del modelo** (Dropbox/Okumura), y el uso de **HTML como artefacto de revisión** (Shihipar).

## Titre Article

How I Do Content Engineering With Claude Code

## Date

2026-04-28

## URL

https://ahrefs.com/blog/how-i-do-content-engineering-with-claude-code/

## Keywords

ingeniería de contenido, ingeniería de contenido, Claude Code, skill files, blog-pipeline, orquestación de skills, investigación de palabras clave, análisis de brechas temáticas, esquematización estructural, compilación de investigación, generación de borradores, formateo, borrador listo para publicar en 6-12 minutos, 23 skill files, Ahrefs MCP, Model Context Protocol, parent topic, cola larga, resumen de SERP, análisis competitivo, skill-creator, casos de prueba, guardado de salidas intermedias, diagnóstico del pipeline, anticipación de la dirección humana, vista previa HTML, bifurcación y personalización, el contenido de IA no es bueno por defecto, reflejar el proceso editorial humano existente, partes formulaicas del trabajo, biblioteca evergreen, sin escala masiva, SEO informacional, marketing de contenidos, flujo de trabajo editorial, automatización editorial, Ryan Law, Ahrefs, sistemas alrededor del modelo, skills over prompts

## Authors

**Ryan Law** — Director of Content Marketing chez **Ahrefs**. Praticien senior du content marketing SEO ; le billet est un retour d'expérience personnel (*« How I do… »*) publié sur le **blog Ahrefs** (ahrefs.com/blog) le **28 avril 2026**.

## Ton

**Perfil**: Publicación de practicante (*how-I-do* / relato de experiencia), en primera persona del singular (*« yo »*), dirigida a especialistas en content marketing, responsables de SEO y editores curiosos por industrializar su producción con IA. Registro **pragmático-pedagógico**, nivel técnico **medio** (asume familiaridad con SEO, MCP, Claude Code, skills, pero explica cada etapa).

**Estilo**: Prosa demostrativa estructurada mediante principios numerados y etapas de flujo de trabajo. Lógica de **editor-ingeniero**: se enuncia una tesis contraintuitiva (la IA no produce buen contenido por defecto), se ilustra con una arquitectura concreta (23 skills + `blog-pipeline`), se cuantifica con un resultado (6-12 min/borrador, 15 publicados / 30 actualizados), y luego se desactivan explícitamente las expectativas de escala (advertencias). Fuerte honestidad: insistencia repetida en que el sistema **reproduce** la experiencia humana en lugar de reemplazarla.

**Aforismos clave**:
- ***« El contenido de IA no es, por defecto, bueno. Este proceso funciona bien porque refleja nuestro proceso editorial humano existente. »*** (tesis central).
- ***« Si al final de una ejecución de diez minutos obtienes un artículo malo, es difícil diagnosticar con precisión dónde y por qué falló el proceso. »*** (justificación para guardar las salidas intermedias).
- *« La experiencia importa. »* (advertencia anti-sobreventa).

**Metáforas / marcos elaborados**:
- ***Ingeniería de contenido*** — el contenido editorial tratado como una cadena de fabricación descompuesta en etapas dotadas de herramientas y verificables, en lugar de un acto creativo monolítico.
- ***Reflejar el proceso editorial humano*** — el pipeline de IA como espejo de un flujo de trabajo humano existente: la calidad la sostiene el proceso, no el modelo.
- ***Guardar cada paso*** — la observabilidad del pipeline (salidas intermedias) como condición para la depuración, por analogía con los logs de los sistemas de software.

**Posición epistémica**: un relato de experiencia de un operador (Ahrefs, un editor SEO de referencia) respaldado por cifras modestas y verificables (15 + 30 artículos), con **advertencias explícitas** que refuerzan la credibilidad (sin promesa de escala masiva, reconocimiento de que la experiencia humana sigue siendo el fundamento). Fuente promocional (Ahrefs vende el MCP utilizado) pero con un planteamiento prudente y reproducible.

**Autoridad**: (a) la **marca** Ahrefs (una herramienta SEO de referencia, de ahí su legitimidad comercial); (b) el **rol** de Ryan Law (Director of Content Marketing); (c) la **honestidad** sobre los límites (se requiere experiencia, sin escala); (d) la **reproducibilidad** (sistema bifurcable, etapas documentadas) — se convierte en la **referencia de campo** citada por los flujos de trabajo SEO de 2026 (Pillitteri).

## Pense-betes

- **Fecha / fuente**: **28 de abril de 2026**, **blog de Ahrefs** (ahrefs.com/blog). Autor: **Ryan Law** (Director of Content Marketing, Ahrefs).
- **Tesis central (para recordar textualmente)**: ***« El contenido de IA no es, por defecto, bueno. Este proceso funciona bien porque refleja nuestro proceso editorial humano existente. »*** ### Arquitectura del pipeline
- **~23 skill files**, una por etapa editorial: investigación de palabras clave, análisis de brechas temáticas, esquematización estructural, compilación de investigación, generación de borradores, formateo.
- Orquestación mediante una skill maestra **`blog-pipeline`** que secuencia las demás → artículo completo.
- **Ahrefs MCP** = fuente de verdad SEO en vivo (métricas de palabras clave, parent topic, cola larga, resumen de SERP, intención, análisis competitivo) en lugar de alucinaciones. ### Los 7 principios de diseño 1. **Imitar los flujos de trabajo humanos** (skills adaptadas de la documentación editorial existente de Ahrefs). 2. **Generar cada etapa por separado** → diagnóstico (guardar las salidas intermedias). 3. **Crear casos de prueba** mediante `skill-creator` de Anthropic. 4. **Conectar fuentes de calidad** (Ahrefs MCP, competidores, documentación de producto). 5. **Anticipar la dirección humana** (parámetros de contexto). 6. **Vistas previas HTML interactivas** para su revisión antes de la publicación. 7. **Bifurcable / personalizable** por cada miembro del equipo. ### Cifras y advertencias
- **6 a 12 minutos** para un borrador listo para publicar (cifra canónica citada en todas partes).
- **~15 artículos publicados**, **~30 actualizados**. El desarrollo comenzó en **febrero de 2026**; el proceso anterior (**agosto de 2025**) implicaba varios días más intervención manual.
- **Advertencias explícitas**: *« la experiencia importa »*; temas = **SEO informacional** bien dominado; **sin plan de escala masiva** → biblioteca **evergreen**.
- Filosofía: automatizar *« las partes formulaicas del trabajo »* (tareas tediosas) → liberar tiempo para investigación / liderazgo de pensamiento / webinars / optimización del sistema. ### A aprovechar en intervenciones / presentaciones
- **Prueba de campo** de la ganancia en el ciclo editorial: 6-12 min/borrador, anclada en datos en vivo (MCP), con una salvaguarda humana.
- Ilustración directa de la doctrina **skills-over-prompts** + **systems around the model** (la ventaja = el pipeline orquestado, no el modelo en bruto) — se solapa con Lattice, PROJ-AI, Dropbox/Okumura.
- La idea de **guardar cada paso** = observabilidad reutilizable de pipelines agénticos como patrón (cf. trazas de decisión / depuración de agentes).

## RésuméDe400mots

Ryan Law, Director of Content Marketing en Ahrefs, describe en esta publicación de blog del **28 de abril de 2026** el sistema de **ingeniería de contenido** que construyó en torno a **Claude Code** para producir borradores de artículos listos para publicar en **6 a 12 minutos**. Su tesis fundacional desactiva el hype desde el principio: *« El contenido de IA no es, por defecto, bueno. Este proceso funciona bien porque refleja nuestro proceso editorial humano existente »*. Dicho de otro modo, la calidad no proviene del modelo sino de la **reproducción fiel de un proceso editorial humano** ya probado.

El sistema se apoya en **unos 23 skill files**, cada uno correspondiente a una etapa editorial específica: investigación de palabras clave, análisis de brechas temáticas, esquematización estructural, compilación de investigación, generación de borradores, formateo. Una skill maestra, **`blog-pipeline`**, los encadena para producir un artículo completo. En el núcleo del sistema, el **Ahrefs MCP** permite a Claude obtener **datos SEO reales** (métricas de palabras clave, parent topic, temas de cola larga, resúmenes de SERP, intención de búsqueda, análisis competitivo) en lugar de inventar cifras.

Law expone siete principios de diseño: imitar los flujos de trabajo humanos existentes; generar cada etapa por separado para facilitar el diagnóstico (*« si al final de una ejecución de diez minutos obtienes un artículo malo, es difícil diagnosticar con precisión dónde y por qué falló el proceso »*); crear casos de prueba mediante `skill-creator` de Anthropic; conectar fuentes de datos de calidad; anticipar la dirección humana mediante parámetros de contexto; construir vistas previas HTML interactivas para su revisión; y hacer que el sistema sea bifurcable y personalizable por cada miembro del equipo.

Las cifras se mantienen deliberadamente modestas: **~15 artículos publicados** y **~30 actualizados**, con un desarrollo iniciado en **febrero de 2026** (el proceso anterior, de agosto de 2025, requería varios días más intervención manual). Law acompaña todo esto de **advertencias explícitas** que refuerzan su credibilidad: *« la experiencia importa »* (el proceso refleja décadas de experiencia), la selección de temas se limita al **contenido SEO informacional** bien dominado, y Ahrefs **no tiene previsto escalar de forma masiva** — mantiene una biblioteca **evergreen**.

La filosofía general consiste en automatizar únicamente *« las partes formulaicas del trabajo »* — las tareas tediosas y repetitivas — para liberar tiempo destinado a la investigación, el liderazgo de pensamiento, los webinars y la optimización del sistema, sin reemplazar el esfuerzo humano. Esta publicación se ha convertido en la **referencia de campo** citada por los flujos de trabajo SEO de 2026 (en particular Pasquale Pillitteri), una ilustración concreta de la doctrina *skills-over-prompts* y *systems around the model*: la ventaja proviene del pipeline orquestado, no del modelo en bruto.

## GrapheDeConnaissance

- Ryan Law —travaille_chez→ Ahrefs (ORGANISATION, 0.97)
- Ryan Law —a_créé→ content engineering (METHODOLOGIE, 0.96)
- content engineering —est_basé_sur→ Claude Code (TECHNOLOGIE, 0.96)
- content engineering —utilise→ skill files (TECHNOLOGIE, 0.95)
- blog-pipeline —utilise→ skill files (TECHNOLOGIE, 0.94)
- content engineering —permet→ draft prêt à publier (CONCEPT, 0.94)
- content engineering —utilise→ Ahrefs MCP (TECHNOLOGIE, 0.93)
- Ahrefs MCP —permet→ keyword data / parent topic / SERP overview (CONCEPT, 0.92)
- Ryan Law —affirme_que→ l'IA ne produit pas du bon contenu par défaut (AFFIRMATION, 0.95)
- qualité du contenu IA —est_basé_sur→ la reproduction du processus éditorial humain (CONCEPT, 0.93)
- sauvegarde des outputs intermédiaires —permet→ le troubleshooting du pipeline (CONCEPT, 0.9)
- skill-creator d'Anthropic —permet→ la création de cas de test pour les skills (CONCEPT, 0.88)
- Ryan Law —mesure→ ~15 articles publiés + ~30 mis à jour via le pipeline (MESURE, 0.92)
- Ahrefs —s_oppose_à→ scale massif du contenu (CONCEPT, 0.9)
- previews HTML —permet→ la revue humaine avant publication (CONCEPT, 0.88)

---
Canonical: https://www.thekb.eu/es/fiches/law-ahrefs-content-engineering-claude-code-2026-04-28/