Claude Code, la herramienta de desarrollo basada en inteligencia artificial de Anthropic, ha dejado de ser un simple asistente de código para convertirse en lo que sus creadores describen como un "ingeniero autónomo" configurable, con memoria persistente, comandos personalizados y la capacidad de verificar su propio trabajo. Una guía técnica publicada por el desarrollador arps18 revela las prácticas avanzadas que separan a los usuarios ocasionales de los usuarios avanzados, prácticas que el propio equipo de Claude Code aplica internamente.
La diferencia fundamental, según la guía, radica en un principio defendido por Boris Cherny, creador de Claude Code, y el equipo de Anthropic: dar al modelo una forma de verificar su propio trabajo. Sin esa capacidad, el usuario se convierte en el único ciclo de retroalimentación. Con ella, el modelo itera hasta que los resultados funcionan correctamente, una práctica que Cherny asegura ofrece una mejora de calidad de entre 2 y 3 veces. Cat Wu, del equipo de Claude Code, resume la filosofía con una frase: el modelo rinde mejor cuando se le trata como un ingeniero al que se delega, no como un compañero de programación al que se guía línea por línea.
El artículo describe varios patrones de uso avanzado. El modo de planificación, al que se accede con Shift+Tab dos veces, pone a Claude en modo de exploración de solo lectura: lee archivos, rastrea flujos y comprende el modelo de datos antes de proponer cambios. Para proyectos que tocan más de un archivo, la guía recomienda usar una sesión de Claude para escribir el plan y otra sesión independiente, sin contexto previo, para revisarlo como si fuera un ingeniero senior. También destaca la importancia de referenciar archivos directamente con @src/ruta/archivo.py en lugar de describirlos verbalmente, y de redirigir errores con comandos como cat error.log | claude.
Uno de los conceptos más detallados es el directorio .claude/, un sistema de configuración en capas que va mucho más allá del conocido archivo CLAUDE.md. Este directorio admite dos ámbitos: el de proyecto, dentro del repositorio y compartido con el equipo mediante git, y el global, en ~/.claude/, que se aplica a todos los proyectos de la máquina. Dentro de este sistema conviven archivos para instrucciones (CLAUDE.md y CLAUDE.local.md), configuración de permisos y hooks (settings.json), servidores MCP para integraciones externas, y dos tipos de comandos reutilizables: los clásicos slash commands en .claude/commands/ y los más versátiles skills en .claude/skills/, que admiten archivos auxiliares y restricciones de herramientas.
El archivo CLAUDE.md, cargado al inicio de cada sesión, es el corazón de la personalización. La guía reproduce el archivo real que el equipo de Claude Code utiliza en su propio repositorio, un documento deliberadamente breve que contiene únicamente los comandos de compilación que el modelo no puede adivinar, el orden exacto de las tareas y un ritual previo a cada pull request. Cherny lo actualiza varias veces por semana y permite que sea el propio Claude quien escriba las reglas a partir de sus errores, una práctica que la fuente describe como "ingeniería compuesta": cada revisión de código se convierte en una mejora del archivo de configuración. La guía recomienda mantener dos secciones claramente separadas en CLAUDE.md y podar periódicamente las reglas que ya se han convertido en hábito.
La tendencia hacia la autonomía del modelo se refleja también en la creciente comunidad de desarrolladores que comparten sus configuraciones. Repositorios como mattpocock/skills, anthropics/claude-code-action y la recopilación awesome-claude-code albergan decenas de archivos CLAUDE.md públicos organizados por ecosistema de programación, lo que evidencia que la personalización de Claude Code se ha convertido en una disciplina compartida.
En definitiva, la guía retrata una herramienta en plena evolución, donde el verdadero potencial no reside en lo que Claude Code hace por defecto, sino en la infraestructura de configuración, delegación y verificación que el usuario construye a su alrededor. Para los desarrolladores que ya conocen lo básico, el siguiente nivel implica tratarlo menos como un chatbot y más como un colega al que se le asignan tareas claras, se le dota de memoria y se le permite aprender de sus propios errores.