// Aprendizaje Continuo a partir de la Experiencia y Habilidades // Las habilidades son muy buenas cuando las combinas adecuadamente con MCP y CLIs. He descubierto que las habilidades pueden mejorar significativamente el uso de herramientas de mis agentes de codificación. La mejor manera de mejorarlas es documentar regularmente las mejoras, patrones y cosas a evitar. Las habilidades de auto-mejora no funcionan tan bien (aún). Consulta este artículo relacionado sobre el tema: Introduce XSkill, un marco de aprendizaje continuo de doble flujo. Los agentes destilan dos tipos de conocimiento reutilizable de trayectorias pasadas: experiencias para la selección de herramientas a nivel de acción, y habilidades para la planificación y flujos de trabajo a nivel de tarea. Ambos están fundamentados en observaciones visuales. Durante la acumulación, los agentes comparan implementaciones exitosas y fallidas a través de críticas cruzadas para extraer conocimiento de alta calidad. Durante la inferencia, recuperan y adaptan experiencias y habilidades relevantes al contexto visual actual. Evaluado en cinco benchmarks con cuatro modelos base, XSkill supera consistentemente las líneas base. En Gemini-3-Flash, la tasa de éxito promedio salta del 33.6% al 40.3%. Las habilidades reducen los errores generales de herramientas del 29.9% al 16.3%. Los agentes que acumulan y reutilizan conocimiento de sus propias trayectorias mejoran con el tiempo sin actualizaciones de parámetros. Ahora he visto dos artículos esta semana con ideas similares. Artículo: Aprende a construir agentes de IA efectivos en nuestra academia: