Aprendizaje continuo a partir de la experiencia y las habilidades // Las habilidades son muy buenas cuando las combinas bien con MCP y CLIs. He comprobado que Skills puede mejorar significativamente el uso de mis agentes de codificación en las herramientas. La mejor manera de mejorarlas es documentar regularmente mejoras, patrones y cosas que hay que evitar. Las habilidades de superación personal no funcionan tan bien (todavía). Consulta este artículo relacionado sobre el tema: Introduce XSkill, un marco de aprendizaje continuo de doble flujo. Los agentes destilan dos tipos de conocimientos reutilizables 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 se basan en observaciones visuales. Durante la acumulación, los agentes comparan despliegues exitosos y fallidos mediante 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 backbone, XSkill supera consistentemente a las líneas base. En Gemini-3-Flash, la tasa media de éxito salta del 33,6% al 40,3%. Las habilidades reducen los errores totales de las 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. Papel: Aprende a crear agentes de IA efectivos en nuestra academia: