Inicio / Artículos

SkillClaw: Cuando un agente falla, todos los agentes aprenden.

Cómo SkillClaw recopila rastros de interacción de muchos usuarios, evoluciona las habilidades de los agentes compartidos mediante un evolucionador agente y valida los cambios durante la noche antes de implementarlos.

Editor: REACTAPP.TOP5 min de lectura1209 palabras

Fuentes: SkillClaw: One Agent Fails, Every Agent Learns

Mejorar las habilidades de los agentes con el tiempo es una de las ideas más prometedoras en este campo actualmente. SkillClaw, un marco de investigación proveniente de un artículo de arXiv de abril de 2026, lo aplica a un escenario en el que muchos usuarios comparten un mismo ecosistema de agentes (OpenClaw), y vale la pena analizar cómo funciona y dónde podría fallar.

Por qué los sistemas actuales de habilidades se estancan

Los agentes interactúan con los usuarios todo el día y acumulan experiencia, pero muy poco de eso hace que el sistema sea mejor en general. Hay algunas razones destacables.

  • Las habilidades son en su mayoría estáticas. Alguien las instala y las mantiene manualmente, y rara vez cambian posteriormente. Incluso si un agente encuentra un método mejor en medio de una tarea, la mejora suele quedar dentro de esa conversación y nunca llega al repositorio de habilidades.
  • Los usuarios siguen chocando contra los mismos obstáculos. La gente sigue flujos de trabajo similares, utiliza las mismas herramientas y repite los mismos errores: formatos de parámetros incorrectos, llamadas a herramientas en el orden equivocado, falta de validación. Nada conecta estos patrones entre usuarios ni a lo largo del tiempo, por lo que muchas personas descubren por su cuenta la misma solución.
  • Los enfoques existentes solo abordan la mitad del problema. Los sistemas de memoria almacenan el historial para poder buscarlo, pero tienen dificultades para convertirlo en habilidades que puedan reutilizarse o perfeccionarse. Las bibliotecas de habilidades sí agrupan la experiencia, pero tienden a quedar fijas y no evolucionan con el uso.

Imagínese transformar las experiencias dispersas de muchas sesiones en habilidades que todo el sistema comparta y siga mejorando. Una solución validada encontrada en un lugar se difundiría a través del repositorio compartido, y cualquier agente futuro que utilice esa habilidad se beneficiaría de ella.

Un bucle cerrado para la evolución colectiva

SkillClaw recopila registros de interacciones del uso diario entre usuarios, los transforma en habilidades mejoradas y sincroniza esas habilidades mejoradas con cada agente. El ciclo consta de cuatro pasos.

1. Registrar los registros de interacción

Cada intercambio se captura en su totalidad: no solo las respuestas finales, sino también los prompts intermedios, acciones, llamadas a herramientas, errores, retroalimentación del entorno y la respuesta final. La precisión es importante porque muchos problemas relacionados con las habilidades se ocultan en los pasos intermedios y no en el resultado final.

2. Crear evidencia compartida

Las huellas están estructuradas y agrupadas según las habilidades que implican. Eso permite comparar los éxitos y fracasos de una habilidad entre diferentes usuarios y entornos, lo que muestra cuándo y por qué funciona. Las sesiones que no utilizaron ninguna habilidad existente se incluyen en un grupo especial, denotado como G(∅), que el evolver analiza en busca de lagunas: procedimientos concretos que podrían enseñarse y que probablemente volverán a surgir.

3. Desarrollar habilidades con un evolver agente

El elemento central es un evolver agente. No sigue reglas escritas a mano. Razona abiertamente sobre las pruebas del grupo junto con las definiciones actuales de las habilidades, y luego elige entre tres opciones: perfeccionar la habilidad existente, crear una nueva o dejar las cosas como están.

Analiza las victorias y las derrotas juntas. Los éxitos indican las partes de una habilidad que no deben modificarse, mientras que los fracasos muestran qué necesita mejoras. El objetivo es evitar arreglar un fallo y dañar algo que ya funcionaba bien, y el siguiente paso añade otra medida de protección.

4. Verificar antes de desplegar

Nada se pone en producción de inmediato. Las habilidades candidatas se prueban durante la noche en entornos realistas, comparando las nuevas con las antiguas en tareas relevantes.

  • Solo se aceptan las habilidades candidatas que superan a la habilidad actualmente desplegada en las tareas de validación correspondientes; estas se integran en el repositorio compartido y se despliegan a todos los agentes al día siguiente.
  • Las habilidades candidatas que tienen un rendimiento inferior son descartadas, lo que da lugar a lo que los autores denominan despliegue monotónico: el conjunto de habilidades nunca empeora.

Esa verificación de seguridad tiene un costo. La validación consume más tokens porque los candidatos deben ejecutarse en entornos reales con interacción completa con las herramientas. La ventaja es un comportamiento más estable para los usuarios en comparación con la implementación directa de cambios.

Evaluación

La pregunta era si la evolución de habilidades impulsada por registros de múltiples usuarios mejora el rendimiento en tareas posteriores que se asemejan al trabajo real de los agentes.

Configuración

El estándar de referencia, WildClawBench, cuenta con 60 tareas complejas distribuidas en seis dominios de capacidad. Las tareas se ejecutan de principio a fin dentro de contenedores Linux reales, con cadenas de herramientas reales e entradas multimodales, no solo salida de texto. La puntuación es estricta, y un error crítico puede reducir la puntuación de una tarea a cero.

La prueba tampoco se realizó en una sola ejecución sin conexión. Simuló seis días de despliegue. Cada día, ocho usuarios concurrentes ejecutaron tareas a través de agentes. Cada noche el sistema generaba actualizaciones potenciales de habilidades a partir de los registros del día y las validaba en un entorno realista; solo las actualizaciones que superaban la validación se ponían en producción al día siguiente. Se utilizó el mismo modelo, Qwen3-Max, en todo momento.

Resultados

Se informaron resultados para cuatro categorías representativas de tareas, y las vías de mejora fueron diferentes. La síntesis creativa se benefició primero de un entorno y una configuración de entrada más fiables. La búsqueda y recuperación mejoraron de forma gradual, comenzando con la validación de archivos y pasando luego a una planificación de la recuperación que respetaba mejor las restricciones.

En comparación con el primer día, la curva no mostró mucha variabilidad. Ascendió paso a paso y luego se estabilizó en la mayoría de las categorías, ya que se integraron actualizaciones validadas en el conjunto de habilidades más avanzado hasta el momento.

No obstante, hay que tener en cuenta la escala: ocho usuarios, seis días y cuatro categorías reportadas. Se trata de un experimento pequeño. Las mejoras constantes son alentadoras para la evolución colectiva de las habilidades, pero las implementaciones a mayor escala son la verdadera prueba.

Evaluación

SkillClaw está diseñado con gran cuidado. Agrega registros de ejecución de agentes existentes, utiliza un mecanismo de evolución para analizar éxitos y fracasos, modifica las habilidades según lo que aprende y luego realiza pruebas de forma asíncrona, conservando los mejores resultados. Todo esto depende de contar con una gran cantidad de datos de interacción, tanto positivos como negativos, provenientes de una amplia base de usuarios.

Hay dos aspectos que destacan.

  • La evolución, la ejecución y la validación dependen todas de un mismo modelo central. En particular, durante la validación, el modelo compara por sí mismo los resultados antiguos y los nuevos. Esto puede generar un bucle en el que un conjunto de sesgos se refuerza continuamente. Las puntuaciones de referencia podrían aumentar de forma constante sin que se acompañen de métricas reales del negocio.
  • Decidir cuáles interacciones son realmente buenas es un problema sin solución. Sin un ciclo de evaluación fiable, resulta difícil incluso comenzar a crear un repositorio de registros de alta calidad.

El marco también se asemeja a Trace2Skill, un enfoque relacionado que transforma la experiencia de los agentes en habilidades transferibles. Ambos comparten la idea de que los agentes pueden mejorar sin necesidad de ajustar parámetros, al convertir los registros de su experiencia en habilidades reutilizables. Las diferencias son notables:

  • SkillClaw considera la evolución de habilidades principalmente como un problema de sistemas en línea: cómo los agentes distribuidos pueden reunir interacciones diarias fragmentadas en habilidades compartidas e iterar sobre ellas de manera segura en un entorno simulado realista.
  • Trace2Skill lo aborda como una destilación de experiencias: descompone numerosos registros individuales, sintetiza lecciones generales de alta calidad y las combina en artefactos de habilidades declarativas y transferibles.

El artículo original se titula “SkillClaw: Let Skills Evolve Collectively with Agentic Evolver” y está disponible en arXiv.

Lecturas relacionadas

  • Por qué el arnés del agente, y no el modelo, decide qué se vuelve real — Una actualización del CRM con tiempo agotado muestra por qué los agentes necesitan contratos de herramientas, estados de resultados desconocidos, reintentos idempotentes y verificación de finalización, además de controles que vale la pena mantener.