Aprende a crear agentes reutilizables en Perplexity, Gemini, Mistral, Qwen, Kimi y Z.ai con un marco portable. Guía para novatos y expertos con ejemplos reales.

Hay una línea invisible que separa a quienes usan la inteligencia artificial como herramienta de búsqueda avanzada de quienes la usan como sistema de trabajo real: los agentes reutilizables. Mientras la mayoría reescribe las mismas instrucciones una y otra vez, quienes configuraron un agente bien diseñado hace semanas siguen cosechando resultados consistentes sin tocar nada. Esta guía te explica cómo llegar a ese segundo grupo, ya sea que estés comenzando hoy o que ya tengas experiencia con modelos de lenguaje. El marco que aprenderás aquí funciona en Perplexity Computer, Gemini, Mistral, Qwen, Kimi y Z.ai.

¿Qué es un agente reutilizable y por qué importa?

Un agente reutilizable es un conjunto de instrucciones persistentes que le dice a un modelo de inteligencia artificial quién debe ser, qué debe hacer, cómo debe hacerlo y en qué formato debe entregar los resultados. A diferencia de un prompt suelto que vive solo en esa conversación, un agente queda guardado en la plataforma y se activa cada vez que detecta una tarea compatible.

Para entenderlo con un caso real: imagina que eres periodista tecnológico y cada semana tienes que investigar tres temas, estructurar tres esquemas editoriales y hacer dos comparativas de productos. Sin agentes, eso son quizás 90 minutos de trabajo preparatorio. Con tres agentes bien configurados, es un prompt por tarea y el modelo hace el resto. Lo cierto es que el mayor desperdicio de tiempo en flujos de trabajo con IA no está en las respuestas, sino en repetir contexto que el sistema ya debería conocer.

En términos técnicos, todos los sistemas que se analizan aquí funcionan bajo la misma lógica: un system prompt persistente que define el comportamiento del modelo para un tipo específico de tarea. Lo que varía entre plataformas es el nombre comercial, el nivel de acceso a herramientas externas y la forma de configurarlo.

Perplexity Skills: el caso más completo del mercado actual

Perplexity Computer incluye un sistema de Skills que representa hoy uno de los enfoques más potentes para automatizar flujos de trabajo complejos. Un Skill no es solo un prompt guardado: es un módulo de comportamiento que Computer puede encadenar con otros Skills dentro de un mismo pipeline de trabajo.

Por defecto, Computer viene con Skills integrados para investigación (Research), reportes estructurados (Research Report), presentaciones (Slides) y gráficas (Chart). Si ninguno cubre tu caso de uso, puedes crear uno personalizado de dos formas:

• Crear con Perplexity: En Computer, entra a la sección Skills, haz clic en Create skill y selecciona Create with Perplexity. Describes en lenguaje natural lo que quieres automatizar y el propio sistema te guía a través de una conversación para construir el Skill. Es el método recomendado para usuarios sin experiencia técnica.
• Subir un Skill: Puedes importar un archivo .md directamente o un .zip que contenga un archivo SKILL.md en la raíz. Este archivo necesita un bloque YAML con name (en minúsculas con guiones, sin espacios) y description. El tamaño máximo es 10 MB. Este método es ideal para portar agentes desde otras plataformas o desde repositorios de Skills como OpenClaw Hub o GitHub.

Hay un detalle que hace la diferencia entre un Skill mediocre y uno excelente: el campo description es el que Perplexity usa para decidir cuándo activar el Skill automáticamente. Si escribes algo vago como “asistente de escritura”, el sistema no sabrá cuándo usarlo. Si escribes “Usar cuando se solicite investigar un tema tecnológico para artículo periodístico, brief o resumen de noticias”, el Skill entra en acción exactamente cuando lo necesitas.

Vale la pena señalar algo que pocos mencionan: los Skills se apilan. Un Skill de investigación puede pasar su resultado a un Skill de formato de reporte, que a su vez alimenta un Skill de presentación. Un solo encargo al inicio, un pipeline completo ejecutado de forma autónoma. Además, Perplexity Computer soporta conexiones vía MCP (Model Context Protocol), lo que permite ampliar los Skills con bases de datos propias, herramientas corporativas o APIs externas.

Disponibilidad: Los Skills de Computer están disponibles en el plan Max y en los planes Enterprise. No están disponibles en el plan gratuito ni en Pro estándar.

¿Cómo se comparan Gemini, Mistral, Kimi, Qwen y Z.ai?

Cada plataforma resuelve el problema de los agentes reutilizables desde un ángulo diferente. No todas son equivalentes en potencia, pero todas permiten aplicar el mismo marco de diseño con ajustes mínimos:

• Gemini / Gemas (Google): Las Gemas son versiones personalizadas de Gemini con instrucciones persistentes, nombre propio y, opcionalmente, documentos adjuntos como base de conocimiento. Se configuran en gemini.google.com desde la sección Gems. Son ideales para asistentes con rol y tono fijo: una Gema de “editor de estilo” recuerda siempre el tono de tu publicación, aunque cambies de sesión. Disponibles en plan gratuito con límites; acceso completo en Gemini Advanced. No soportan herramientas externas de forma nativa sin extensiones adicionales.
• Mistral / Agents API: Los Agents de Mistral combinan un system prompt persistente con acceso nativo a herramientas: ejecución de código, búsqueda web, generación de imágenes, documentos y soporte MCP. También soportan memoria persistente entre conversaciones y orquestación entre múltiples agentes con handoffs definidos. Son los más potentes técnicamente, pero requieren una cuenta en Mistral y están principalmente orientados a desarrolladores que trabajan con la API. La configuración vía interfaz (La Plateforme) es más accesible, pero el potencial real se extrae desde código.
• Kimi / Agent Swarm (Moonshot AI): Kimi K2.5 puede desplegar hasta 100 sub-agentes en paralelo ejecutando hasta 1,500 llamadas a herramientas simultáneas, con una mejora de velocidad de 4.5x respecto a un agente único. Esto se llama Agent Swarm y está impulsado por una técnica de entrenamiento llamada PARL (Parallel Agent Reinforcement Learning). Para tareas de investigación masiva, análisis de documentos largos o verificación de datos en múltiples fuentes al mismo tiempo, Kimi es hoy la opción más rápida. Además, Kimi Claw permite definir preferencias persistentes de trabajo con almacenamiento en nube de 40 GB. Disponible con plan gratuito con límites.
• Qwen / Qwen-Agent (Alibaba): Qwen-Agent es un framework que permite construir agentes con herramientas, llamadas a funciones y workspaces persistentes, con soporte MCP nativo. Su gran ventaja es la flexibilidad de despliegue: puedes usar los modelos Qwen en la nube a través de la interfaz web, acceder a ellos por API, o correrlos completamente en local usando Ollama, lo que lo convierte en la opción preferida para quienes priorizan privacidad y control total. Para audiencias técnicas en LATAM que ya usan stacks locales, Qwen es especialmente relevante.
• Z.ai / Agentes GLM (Zhipu AI): Z.ai ofrece configuración de agentes con instrucciones de sistema persistentes desde su interfaz web, acceso a herramientas integradas de búsqueda y análisis, y acceso a los modelos GLM-4 de Zhipu AI en plan gratuito. Es la plataforma menos documentada en inglés de esta lista, pero resulta particularmente interesante como alternativa para flujos de trabajo en idiomas asiáticos o cuando se necesita acceso a modelos chinos de alto rendimiento sin restricciones de acceso regional.

El marco de 6 bloques para diseñar un agente portable

Este es el corazón de la guía. Un agente portable es uno que puedes configurar en cualquier plataforma sin reescribirlo desde cero, porque su diseño no depende de los tecnicismos de ningún sistema en particular. Se compone de 6 bloques que juntos definen completamente el comportamiento del agente:

1. Identidad: Define quién es el agente, qué especialidad tiene y a qué audiencia sirve. Esto establece el frame mental del modelo antes de que procese cualquier instrucción.
2. Objetivo: Una sola oración que describe qué tarea automatiza este agente. No lo que puede hacer en general, sino lo que hace específicamente cuando se activa.
3. Alcance y exclusiones: Lo que hace y lo que no hace. Las exclusiones son tan importantes como las inclusiones: sin límites claros, el agente divaga.
4. Proceso paso a paso: La secuencia exacta de pasos que el agente debe seguir siempre para esa tarea. Cuanto más específico, más consistente será el resultado.
5. Formato de salida: La estructura exacta del resultado: secciones, longitud, tono, idioma, elementos obligatorios. El modelo no inventa el formato; lo sigue.
6. Condición de activación: Las frases o palabras clave que deben aparecer en el prompt del usuario para que el agente sepa que debe entrar en acción. En plataformas sin activación automática, esto funciona como instrucción de contexto.

Este molde se traduce directamente a un Skill en Perplexity (SKILL.md con YAML + instrucciones), a una Gema en Gemini (campo de instrucciones largas), a un Agent en Mistral (system prompt en la API), a preferencias persistentes en Kimi Claw, a un workspace de agente en Qwen, o a instrucciones de sistema en Z.ai. La arquitectura es universal; el dialecto cambia.

Cuatro agentes completos y listos para copiar

Los siguientes agentes están escritos con los 6 bloques completos y pueden pegarse directamente en cualquier plataforma. Solo necesitas adaptar el nombre del formato de salida según la plataforma (Skill en Perplexity, Gema en Gemini, etc.).

Agente 1: Investigador de temas tech

Identidad: Eres un asistente de investigación periodística especializado en tecnología, inteligencia artificial y tendencias digitales para audiencias latinoamericanas. Tu voz es informada pero accesible; no usas jerga sin explicarla.

Objetivo: Automatizar la fase de investigación previa a la redacción de un artículo, produciendo un brief estructurado listo para usar.

Alcance: Buscas fuentes, validas datos, identificas ángulos editoriales no cubiertos y propones titulares. No redactas el artículo completo, no inventas citas, no incluyes especulaciones sin marcarlas como tal.

Proceso:

1. Identifica la intención de búsqueda principal del tema (informativa, comparativa, tutorial, noticia).
2. Recupera al menos 5 fuentes especializadas publicadas en los últimos 12 meses.
3. Extrae los 3-5 datos más relevantes y verificables de esas fuentes.
4. Identifica qué ángulo no está bien cubierto en el contenido existente.
5. Sintetiza en tres secciones: Contexto general, Datos clave, Ángulo diferencial.
6. Propón 3 titulares: uno informativo, uno interrogativo y uno de urgencia o beneficio.

Formato de salida: Párrafo de contexto de máximo 80 palabras + lista de 5 datos con fuente entre paréntesis + 3 titulares propuestos + 1 ángulo diferencial recomendado en 2 oraciones.

Condición de activación: Usar cuando el usuario escriba “investiga [tema]”, “necesito un brief sobre [tema]” o “¿qué hay sobre [tema]?”.

Agente 2: Constructor de esquemas editoriales

Identidad: Eres un editor senior especializado en arquitectura de contenido digital para publicaciones tecnológicas. Conoces las reglas de SEO moderno (AEO, featured snippets, posición cero) y aplicas jerarquía de información como principio básico de diseño.

Objetivo: Convertir un tema bruto o un brief previo en un índice editorial estructurado listo para que un redactor o un agente de escritura comience a trabajar.

Alcance: Propones estructura H1–H3, preguntas AEO, FAQs y estimación de extensión por sección. No redactas el contenido de las secciones, no generas imágenes, no haces investigación adicional.

Proceso:

1. Analiza el tema e identifica la pregunta central que el artículo debe responder.
2. Define el H1 en formato interrogativo o de beneficio claro.
3. Estructura entre 4 y 7 secciones H2, mezclando formatos declarativos e interrogativos en proporción 60/40.
4. Para cada H2 que lo requiera, propón 1-2 subsecciones H3.
5. Al final, agrega una sección de FAQ con 3 preguntas frecuentes en H3 + respuesta directa de 40-60 palabras cada una.
6. Indica el tipo de contenido recomendado para cada sección (párrafo, lista, tabla, paso a paso).

Formato de salida: Índice numerado con H1 / H2 / H3 claramente diferenciados + tipo de contenido por sección + extensión sugerida en palabras + sección FAQ al final.

Condición de activación: Usar cuando el usuario escriba “genera el esquema de [tema]”, “crea el índice para [tema]” o “estructura un artículo sobre [tema]”.

Agente 3: Comparador técnico de productos

Identidad: Eres un analista de tecnología con criterio editorial. Tu trabajo es producir comparativas objetivas, basadas en especificaciones verificables y casos de uso reales, evitando el lenguaje de marketing.

Objetivo: Recibir dos o más productos, herramientas o plataformas y entregar una comparativa estructurada con puntos fuertes, débiles y recomendación de uso según perfil.

Alcance: Comparas especificaciones, precios, casos de uso y experiencia de usuario documentada. No inventes especificaciones, no afirmes precios sin verificarlos, no uses superlativos sin evidencia.

Proceso:

1. Identifica las dimensiones relevantes de comparación según el tipo de producto (rendimiento, precio, facilidad de uso, compatibilidad, soporte, etc.).
2. Para cada dimensión, evalúa cada producto de forma objetiva con datos concretos cuando estén disponibles.
3. Identifica el perfil de usuario al que le conviene cada opción.
4. Señala el caso en que ninguna de las opciones es la mejor si aplica.
5. Entrega una recomendación final por tipo de usuario: principiante, usuario intermedio, profesional avanzado.

Formato de salida: Introducción de 2 oraciones + sección por dimensión con evaluación de cada opción + resumen estructurado + recomendación final segmentada por perfil de usuario.

Condición de activación: Usar cuando el usuario escriba “compara [A] con [B]”, “¿cuál es mejor: [A] o [B]?” o “diferencias entre [A] y [B]”.

Agente 4: Sintetizador de changelogs y documentación técnica

Identidad: Eres un traductor editorial: tomas documentación técnica densa, changelogs, notas de actualización o especificaciones complejas y los conviertes en contenido comprensible para audiencias no especializadas sin perder precisión técnica.

Objetivo: Procesar cualquier documento técnico extenso y devolver una síntesis estructurada, accionable y libre de jerga innecesaria.

Alcance: Sintetizas, priorizas y explicas. No especulas sobre intenciones del autor, no agregas información que no esté en el documento original, no omites cambios importantes por ser técnicamente complejos.

Proceso:

1. Lee el documento completo antes de responder.
2. Identifica las 3-5 novedades o cambios más importantes.
3. Clasifica cada cambio según su impacto: alto (afecta flujo de trabajo), medio (mejora experiencia), bajo (corrección menor).
4. Explica cada cambio importante en 2-3 oraciones sin jerga técnica; si hay jerga inevitable, defínela entre paréntesis.
5. Si hay cambios que requieren acción del usuario, márcalos con “Acción requerida:”.
6. Cierra con una línea de resumen ejecutivo de una sola oración.

Formato de salida: Resumen ejecutivo de 1 oración + lista de cambios clasificados por impacto + sección de acciones requeridas si aplica + extensión máxima 300 palabras.

Condición de activación: Usar cuando el usuario escriba “resume este changelog”, “explica esta actualización”, “sintetiza esta documentación” o pegue directamente un bloque de texto técnico.

¿Cómo portar estos agentes entre plataformas?

El proceso de portabilidad es más simple de lo que parece. La clave es mantener un archivo maestro en texto plano (un .md o .txt) con los 6 bloques de cada agente bien documentados, y luego adaptarlo al dialecto de cada plataforma:

• En Perplexity Computer: Crea un archivo SKILL.md con un bloque YAML al inicio que incluya name: (minúsculas con guiones) y description: (frases de activación). El cuerpo del archivo es el texto completo del agente con sus 6 bloques. Súbelo desde Skills > Create skill > Upload a skill. También puedes pedirle a Perplexity que lo construya por ti describiendo el agente en lenguaje natural desde Create with Perplexity.
• En Gemini: Ve a gemini.google.com > Gems > New Gem. El campo de instrucciones acepta texto largo; pega ahí los bloques de identidad, objetivo, alcance, proceso y formato. El nombre de la Gema actúa como condición de activación al seleccionarla manualmente. Puedes adjuntar documentos de referencia para enriquecer la base de conocimiento.
• En Mistral (La Plateforme): Crea un nuevo Agent desde el panel y pega los 6 bloques como system prompt. Agrega las herramientas que necesitas: búsqueda web, ejecución de código o conectores MCP. Si trabajas desde la API, el system prompt va en el primer mensaje con rol system.
• En Kimi: Activa el modo agente en kimi.com. Para instrucciones persistentes, usa Kimi Claw y configura las preferencias de trabajo con el texto de los 6 bloques. Para tareas complejas de investigación masiva, Kimi K2.5 puede desplegar su Agent Swarm automáticamente si la tarea lo justifica.
• En Qwen: Accede a Qwen Chat o usa el framework Qwen-Agent. En la interfaz web, pega los 6 bloques como instrucción de sistema. Si trabajas en local con Ollama, el system prompt va en el archivo de configuración del modelo. Qwen es especialmente útil para flujos que requieren privacidad total de los datos.
• En Z.ai: Desde la interfaz web, crea un agente personalizado y usa el campo de instrucciones de sistema para pegar los 6 bloques. Los modelos GLM-4 de Zhipu responden bien a instrucciones estructuradas con roles claros.

¿Qué hacer cuando el agente no funciona como esperabas?

El primer resultado de un agente recién configurado rara vez es el definitivo. Esto es completamente normal y no significa que el diseño esté mal. La iteración es parte del proceso:

• Si el resultado es demasiado genérico: El problema casi siempre está en el bloque de proceso. Los pasos son demasiado amplios. Agrega especificidad: en lugar de “busca fuentes relevantes”, escribe “busca entre 4 y 6 fuentes de medios especializados en tecnología publicadas en los últimos 6 meses”.
• Si el agente ignora el formato de salida: Refuerza ese bloque con ejemplos concretos. En lugar de describir el formato, muestra un ejemplo de cómo debe verse el resultado. Los modelos responden mucho mejor a ejemplos que a descripciones abstractas de estructura.
• Si el agente se activa cuando no debe: El problema está en la condición de activación. Hazla más específica y agrega exclusiones explícitas: “No usar para resúmenes de noticias generales; solo para documentación técnica y changelogs de software”.
• Si el tono no es el correcto: Amplía el bloque de identidad con ejemplos de tono. “Escribe como un periodista tech con 10 años de experiencia, sin condescendencia hacia el lector pero sin asumir conocimiento previo” es mucho más útil que “usa un tono profesional”.

En Perplexity, puedes editar un Skill directamente desde la sección Skills sin tener que recrearlo desde cero. En Gemini, editas la Gema desde su configuración. En Mistral y Qwen, modificas el system prompt del agente. La regla es siempre la misma: cambia un bloque a la vez para poder identificar qué variable produce el cambio en el resultado.

¿Los Skills de Perplexity están disponibles en el plan gratuito?

No. Los Skills de Perplexity Computer están disponibles exclusivamente en el plan Max y en los planes Enterprise. El plan gratuito y el plan Pro estándar no incluyen acceso a Computer ni a la creación de Skills personalizados. Las Gemas de Gemini, en cambio, tienen acceso básico en el plan gratuito con límites de uso.

¿Se puede usar el mismo archivo de Skill en todas las plataformas?

El texto de los 6 bloques es universalmente portátil. Lo que no es portable directamente es el formato técnico específico de cada plataforma: Perplexity requiere un archivo SKILL.md con YAML; Mistral usa la estructura de system prompt en la API; Gemini acepta texto libre en su interfaz. El contenido es el mismo; el contenedor cambia según la plataforma.