La sub-habilidad Aprender del trabajo pasado automatiza el seguimiento y la mejora continua de los recursos contextuales para sistemas impulsados por LLM.…
La sub-habilidad Aprender del trabajo pasado automatiza el seguimiento y la mejora continua de los recursos contextuales para sistemas impulsados por LLM. Registra patrones de uso en un archivo de estado YAML, marca contenido frecuentemente referenciado y contenido raramente usado, y ejecuta tareas de análisis diarias: validación del tamaño de CLAUDE.md, análisis de commits git para patrones de instrucciones, seguimiento de uso, generación de sugerencias y salida de informe de salud. El flujo de trabajo de mejora definido valida tamaño y cumplimiento, identifica redundancias y contenido no usado, genera propuestas de cambio concretas, aplica las ediciones aprobadas y realiza commits de las actualizaciones para trazabilidad. Casos de uso incluyen mantener un repositorio de conocimiento conciso, hacer cumplir límites de longitud de contexto, reducir la deriva de instrucciones y descubrir optimizaciones de documentación. Las ventajas principales son higiene continua del contexto, gobernanza automatizada, detección más rápida de material obsoleto y un ciclo trazable que preserva la relevancia y reduce la inflación del contexto.
Esta página forma parte del hub OpenClaw Skills con guías de instalación, categorías y enlaces prácticos.