Despues de completar tareas significativas: extraer patrones reutilizables, lecciones concretas, y proponer mejoras. Solo patrones reproducibles, no generalidades.
Adaptado de oh-my-claudecode:learner. Para mejora continua del ecosistema Jarvis.
NO activar para tareas rutinarias o triviales.
Algo que funciono y se puede repetir en situaciones similares.
Buen patron:
"Cuando el cliente no responde en 3 dias, enviar follow-up con nuevo
angulo (beneficio diferente). Tasa de respuesta mejora ~40%."
Mal patron (demasiado generico):
"La comunicacion es importante."
Algo que aprendimos que NO sabiamos antes.
Buena leccion:
"Workana rechaza propuestas sin precio explicito, incluso si el brief
dice 'presupuesto a convenir'. Siempre incluir rango de precio."
Mala leccion (obvia):
"Hay que leer el brief antes de responder."
Cambios concretos al ecosistema basados en lo aprendido.
Buena propuesta:
"Agregar campo 'presupuesto_min' al template de propuesta en cold-email-ops."
Mala propuesta (vaga):
"Mejorar el proceso de ventas."
Un aprendizaje solo se documenta si cumple TODOS estos criterios:
Si no cumple los 4, no documentar. Mejor pocos patrones buenos que muchos genericos.
Para cada hallazgo, evaluar contra los 4 quality gates.
| Tipo | Donde documentar | Ejemplo |
|---|---|---|
| Patron de proceso | memory/learnings.md del agente | "Follow-up dia 3 con nuevo angulo" |
| Leccion de plataforma | memory/learnings.md del agente | "Workana requiere precio explicito" |
| Mejora a skill existente | Issue / nota en MEMORY.md | "Agregar campo X a cold-email-ops" |
| Skill nuevo propuesto | Nota en MEMORY.md para CEO | "Crear skill de proposal-template-ops" |
| Bug o workaround | memory/learnings.md + tarjeta en Trello | "OpenClaw timeout en X; workaround: Y" |
Formato para memory/learnings.md:
## [YYYY-MM-DD] <titulo corto>
**Contexto:** <que tarea se estaba haciendo>
**Hallazgo:** <que descubrimos>
**Patron/Leccion:** <regla extraida>
**Accion:** <que cambiar o que tener en cuenta>
Si el patron justifica un cambio al ecosistema: