Repositorio de GitHub `techygarg/lattice` que formaliza un framework de **skills componibles** para instalar una *disciplina de ingeniería* en asistentes de codificación con IA (Claude Code, Cursor). Arquitectura distintiva de tres niveles: **Atoms** (guardarraíles de principio único: código limpio, DDD, seguridad, calidad de tests, design-first), **Molecules** (flujos de trabajo multietapa que componen los atoms: diseño, implementación, refactorización, corrección, revisión), **Refiners** (entrevistas guiadas que producen estándares específicos del proyecto que personalizan el comportamiento de los atoms). Pipeline operativo `lattice-init` → `design-blueprint` → `code-forge` → `review`, con `refactor-safely` y `bug-fix` como derivaciones. Tres principios centrales: *"Skills over prompts"*, *"Composability over monoliths"*, ***"Living context over static config"*** — la carpeta `.lattice/` se vuelve más inteligente con cada ciclo de funcionalidades. MIT, shell puro, 18 stars / 52 commits, una serie de artículos en martinfowler.com que explican cinco *patrones de colaboración*. Fuerte convergencia con Vincent *Superpowers* (2026-04-02), Habert *PROJ-AI* (2026-05-05), Wescale *Usine Logicielle Augmentée* (2026-05-03) y — la convergencia doctrinal más alta sin linaje declarado — **Compound Engineering** de Every (Shipper/Klaassen 2025-12-11): pipelines isomórficos (lattice-init→design-blueprint→code-forge→review ↔ ce:brainstorm→ce:plan→ce:work→ce:review), capa de contexto vivo (`.lattice/` ↔ `docs/plans/+solutions/+brainstorms/`), una postura compartida de design-first, revisión obligatoria al final. La doctrina de *coding agent harness* de 2026 converge en un vocabulario estable, sin influencia directa.
#lattice#techygarg#composable AI skills
techygarg (auteur GitHub, identité réelle non précisée dans le README ; auteur d'une série d'articles publiée sur martinfowler.com).
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).
#ingeniería de contenido#ingeniería de contenido#Claude Code
**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**.