es un agente de codificación increíblemente eficaz, que puede utilizar para realizar la mayoría de las tareas cognitivas en su computadora. Sin embargo, el aprendizaje continuo sigue siendo una tarea que nos cuesta enseñar a los agentes. Además, el aprendizaje continuo es una tarea en la que los humanos somos increíblemente buenos.
Simplemente puedes reflexionar sobre cualquier tarea que hayas estado realizando durante mucho tiempo. En casi todos los casos, mejorará en esa tarea con el tiempo, aprenderá de sus errores y los mejorará. No se trata sólo de recordar qué funciona y qué no. También se trata de desarrollar una intuición para las tareas, que simplemente se gana al realizarlas con el tiempo.
En este artículo, analizaré cómo puede lograr un aprendizaje continuo similar con sus agentes de codificación. El aprendizaje continuo para los agentes sigue siendo un desafío sin resolver, pero explicaré cómo hago para que mis agentes de codificación aprendan de sus errores y mejoren con el tiempo. Además, el contenido que cubriré en este artículo hará que sus agentes sean mucho mejores en las tareas en las que específicamente desea que sean buenos, ya sea hacer presentaciones a los accionistas, resolver errores en su código base específico o algo completamente diferente.
¿Por qué necesitamos un aprendizaje continuo?
Necesitamos un aprendizaje continuo porque siempre queremos mejorar en las tareas que realizamos. Imagínese si ha sido programador durante muchos años y todavía comete errores básicos, como olvidar los dos puntos después de una declaración if en Python.
Evidentemente, cometer este tipo de errores continuamente es muy ineficaz, por eso queremos evitarlo. Queremos mejorar en las tareas, ser más eficaces en ellas y así poder resolver problemas más difíciles.
Trabajar en una tarea durante un período de tiempo más largo le ayudará a desarrollar una intuición para la tarea y le ayudará a resolver problemas más avanzados en esa área.
Puedes imaginar a un nuevo agente de codificación como un nuevo empleado. Obviamente, cometerán algunos errores al principio, ya que no comprenden sus preferencias ni su código base. Sin embargo, cuando le dice al nuevo empleado cómo hacer algo, espera que lo aprenda con el tiempo.
Si no toma medidas específicas para que sus agentes de codificación recuerden esas cosas, probablemente las olvidarán, por lo que debe tomar medidas activas para lograr un aprendizaje continuo para sus agentes de codificación.
Cómo lograr un aprendizaje continuo
En esta sección, cubriré algunas técnicas específicas que uso a diario para lograr un aprendizaje continuo. Estas técnicas surgen de hablar con otras personas que trabajan en el mismo campo, de la inspiración del repositorio de OpenClaw y de mi propia experimentación.
El comando de generalizar el conocimiento.
El enfoque más simple y efectivo para hacer que Claude Code aprenda de sus errores es un comando de conocimiento general. Este es un comando simple (también conocido como habilidad, simplemente un archivo de rebajas que contiene un mensaje) para aprender de un hilo determinado.
Normalmente ejecuto este comando cada vez que termino una conversación de Claude Code, realizando una sola tarea. Por ejemplo, si tengo:
Se completó la implementación de una función. Se resolvió un error. Se realizó una presentación. Se terminó de verificar los registros de producción.
Simplemente ejecuto mi comando con:
/generalizar-conocimiento
Esto funciona porque guardé un comando de conocimiento generalizado, que es un mensaje similar al siguiente:
Generalice todo el conocimiento de este hilo en claude.md y agentes.md. Anote cualquier información que pueda ser útil para un futuro agente que trabaje en este repositorio. También anota cualquier problema que hayas encontrado y cómo lo resolviste. Escriba las tareas que realizó en el archivo done-tasks.md con hora y fecha, y un resumen de las tareas.
En esencia, le digo al modelo que aprenda de sus errores y anote cualquier cosa que pueda ser útil para futuras interacciones.
También hago que el agente escriba la tarea que realizó, así tengo un único archivo que contiene todo lo que he hecho. Esto no es estrictamente necesario, pero me parece bueno tener este tipo de resumen disponible.
También tenga en cuenta que esto supone que siempre realiza una única tarea en un hilo de Claude Code determinado, lo que definitivamente debe hacer para obtener los mejores resultados. Esto también se aplica a todos los demás agentes de codificación disponibles, simplemente porque una sola tarea para un solo hilo ayuda a los agentes a mantenerse enfocados y evitar que el ruido llene su contexto.
Reflexiones diarias
Para aprovechar la última sección, también puede tener configuraciones de reflexión diaria. Si, por ejemplo, tiene varios agentes ejecutándose durante el día, puede realizar una tarea cron (un comando programado para ejecutarse en un intervalo específico) para revisar todos los registros de su agente de codificación en las últimas 24 horas y anotar cualquier información útil. Esto se basa en el comando de conocimiento general, pero funciona en un nivel superior, ya que el agente que revisa sus registros no solo tendrá acceso a un único hilo, sino a todo en lo que esté trabajando.
Esto podría resultar útil, ya que la perspectiva diferente puede llevar a que se escriban notas diferentes, lo que le ayudará a usted y a sus agentes codificadores a ser más eficientes.
Habilidades
Habilidades es otro concepto que me gustaría cubrir, que realmente ayuda a contribuir al aprendizaje continuo y ayuda a Claude Code a aprender de sus errores. Las secciones anteriores que he cubierto, principalmente escriben en archivos genéricos CLAUDE.MD, AGENTS.MD, WARP.MD. Las habilidades, sin embargo, son archivos más específicos que le dicen al agente cómo realizar tareas específicas.
Esto es algo similar al comando de generalizar conocimientos, pero un poco diferente ya que los archivos genéricos indican errores y soluciones genéricos, mientras que las habilidades cubren temas mucho más específicos. Algunos ejemplos de habilidades son:
Cómo debe actuar el agente al ordenar su correo electrónico Cómo debe actuar el agente al ordenar su calendario Cómo utilizar una API o paquete específico. Esto es particularmente importante para paquetes y API más pequeños y desconocidos que no se tratan bien en la capacitación previa de los LLM. Cómo abordar la resolución de errores en un repositorio en particular.
Como puedes ver, las habilidades son más específicas. Por lo tanto, siempre que empiece a trabajar con un nuevo paquete, API o una nueva tarea en general, le insto a que cree una habilidad para ello. La habilidad debe cubrir todo lo que es útil saber cuando se trabaja con la API o en la tarea. Incluido:
Cómo interpretar las tareas proporcionadas dentro del tema dado Cómo abordar la resolución de las tareas Errores cometidos anteriormente y cómo se resolvieron
Cuanta más información almacene, mejor. Su agente de codificación normalmente cargará esta habilidad de forma dinámica si comienza a trabajar en una tarea relacionada.
Por ejemplo, si le pide a su agente que clasifique su correo electrónico, cargará dinámicamente la habilidad de clasificación de correo electrónico para que sepa cómo actuar. Esto ayuda a su agente de codificación a evitar los errores anteriores que cometió al revisar su correo electrónico.
Conclusión
En este artículo, cubrí cómo hacer que Claude Code y otros agentes de codificación aprendan de sus errores. He analizado tres técnicas principales a utilizar, incluida la creación de un comando de conocimiento generalizado, la lectura diaria de los registros de los agentes y el uso activo de habilidades al trabajar en tareas. Creo que aprender de los errores es increíblemente importante, tanto para los humanos como para las máquinas. Si puede hacer que sus agentes de codificación aprendan de sus errores de manera efectiva, será mucho más eficiente en su aplicación y, por lo tanto, obtendrá una gran ventaja en comparación con otros agentes que no aprenden de sus errores.
👉 Mi libro electrónico y seminario web gratuitos:
🚀 10 veces su ingeniería con LLM (curso gratuito por correo electrónico de 3 días)
📚 Obtenga mi libro electrónico gratuito sobre Modelos de lenguaje de visión
💻 Mi seminario web sobre modelos de lenguaje de visión
👉 Encuéntrame en las redes sociales:
💌 Subpila
🐦X/Twitter