Agentes de código que aprenden
de tus correcciones
«Ejecuta los tests antes de hacer commit». «No toques el lockfile». Lo has escrito diez veces, a cinco agentes, en tres CLI. Y mañana una nueva sesión tendrá que oírlo otra vez.
Learning Loop lee lo que escribiste a los agentes de un proyecto, detecta las correcciones que repites y te las propone como reglas breves. Tú aceptas, editas o rechazas cada una. Las reglas aceptadas pasan a la memoria del proyecto y, desde ese momento, todos los agentes las siguen, en Claude Code, Codex y cualquier otro CLI de agentes.
Tus correcciones
- No, ejecuta primero los tests
- Ya te lo dije: el lockfile no
Regla propuesta
Ejecutar los tests antes de cada commit
AceptarTodos los agentes la siguen
Los agentes de código empiezan cada sesión desde cero. Lo que corregiste ayer, el agente de hoy no lo sabe, y el agente de al lado, en otro CLI, nunca lo supo. Así que vuelves a corregir, y la misma corrección regresa semana tras semana.
Escribir la regla tú mismo en un archivo CLAUDE.md o AGENTS.md funciona, pero nadie se detiene en mitad de una tarea para hacerlo, y cada CLI lee su propio archivo. Las correcciones quedan dispersas en conversaciones antiguas, donde ningún agente las leerá jamás.
Learning Loop escribe por ti. Repasa tus propios prompts, detecta lo que repites una y otra vez y te entrega una lista corta de reglas para aprobar. Tú sigues decidiendo: nada llega a tus agentes hasta que lo aceptas.
Qué hace Learning Loop
Cada corrección que haces una vez puede convertirse en una regla que tus agentes nunca olvidan.
Repasa tus propias correcciones
Solo se lee lo que escribiste a los agentes, no sus respuestas. El balance encuentra las correcciones que se repiten y propone hasta 10 reglas, cada una con su categoría (convención, trampa, preferencia, proceso) y el número de veces que la hiciste.
Tus palabras como prueba
Cada regla propuesta muestra las frases que escribiste de verdad, así ves en un segundo si es correcta. Los secretos se enmascaran en tu máquina antes de cualquier análisis.
Tú aceptas, editas o rechazas
Nada se aplica sin ti. Acepta una regla tal cual, reformúlala o recházala. Una regla rechazada no vuelve nunca, ni siquiera con otras palabras.
Todos los agentes la siguen
Las reglas aceptadas se escriben en la memoria compartida del proyecto, fijadas al principio de lo que los agentes leen antes de una tarea. Todos los agentes del proyecto las siguen, sea cual sea su CLI y sea cual sea el equipo.
Muestra si la lección surtió efecto
Cada regla aceptada te indica si has tenido que volver a corregirla desde entonces. Una regla que se sigue incumpliendo queda a la vista, para que la reformules en vez de repetirte.
Cada noche, si quieres
Haz un balance a mano cuando te apetezca, o activa el balance diario y encuentra nuevas reglas esperándote a la mañana siguiente. Un recordatorio encima del campo de escritura te avisa cuando hay lecciones esperando tu veredicto.
Cómo funciona
Cuatro pasos. Tú haces dos, en unos segundos cada uno.
- 1
Abre Learning Loop
Haz clic en el birrete del dock de un proyecto, junto a «Memoria», y pulsa «Hacer el balance». El primer balance lee las dos últimas semanas de tus prompts a los agentes de ese proyecto.
- 2
Un agente de balance lee tus prompts
Por defecto, un agente de balance se ejecuta en tu propio CLI, así que tus prompts se quedan en el proveedor que ya los recibió. Escribe un balance breve: lo que te importa, los errores que más corriges y las reglas que propone.
- 3
Tú decides
Unos minutos después, las reglas propuestas te esperan en la pestaña «Por validar», con tus propias palabras como prueba. Acepta, edita o rechaza cada una, en el escritorio o en la pantalla Learning Loop de la app móvil.
- 4
Todos los agentes siguen las reglas
Las reglas aceptadas se escriben en la memoria del proyecto. El próximo agente que lances, en cualquier CLI y en cualquier equipo del proyecto, las lee antes de empezar, y la pestaña «Aceptadas» registra las que todavía tuviste que corregir.
Por qué cambia tu forma de programar con agentes
Sin Learning Loop, el tiempo que dedicas a corregir agentes se pierde en cuanto termina la sesión. Con él, cada corrección se paga una sola vez: se convierte en una regla, y esa regla sirve a todos los agentes que vienen después, incluidos los que todavía no has lanzado.
Y el efecto se acumula. La primera semana, Learning Loop capta lo evidente: el comando de tests, la carpeta que no se toca, el formato de los commits. Un mes después capta tu criterio: cómo nombras las cosas, qué consideras terminado, qué atajos no aceptas nunca. Tus agentes se acercan a tu forma de trabajar, y pasas menos parte del día diciendo lo mismo.
Y sigue siendo tuyo. Las reglas son frases breves en la memoria del proyecto, legibles y editables, no un ajuste oculto del modelo. Elimina una y desaparece para todos los agentes a la vez.
Límites
- Nada se ejecuta solo: un balance empieza cuando pulsas «Hacer el balance», o cada noche una vez que activas el balance diario.
- Los agentes leen las reglas de la memoria del proyecto. Un agente con la memoria desactivada, o un proyecto con la memoria apagada, no las ve.
- Los balances leen las conversaciones guardadas en tu ordenador, así que la app de escritorio debe estar abierta para que se ejecute un balance.
- El servicio opcional de AgentsRoom envía tus prompts enmascarados a OpenAI para el análisis, con tu consentimiento: 3 balances al mes en Free y Plus, ilimitados en Pro o con tu propia clave de OpenAI. Los balances con tu propio CLI son ilimitados en todos los planes.
- Hasta 10 reglas propuestas por balance, a partir de aproximadamente los últimos 40 000 tokens de tus prompts, empezando por los más recientes.
Preguntas frecuentes
Pregúntanos otra cosa¿Cómo dejo de repetir la misma corrección a Claude Code?
¿Funciona con Codex y otros CLI, no solo con Claude Code?
¿Es un agente de código que se mejora a sí mismo?
¿A dónde van mis prompts durante un balance?
¿Qué diferencia hay con escribir un archivo CLAUDE.md?
¿Puede volver una regla que rechacé?
¿Cómo sé si una regla aceptada funciona de verdad?
Para profundizar
AGENTS.md: un solo archivo de contexto para todos tus agentes de código (Codex, Antigravity, Claude)
AGENTS.md es el archivo de instrucciones portable que tus agentes de código leen antes de tocar tu código. Qué poner en él, en qué se diferencia de CLAUDE.md, y cómo mantener un único contexto entre Codex, Antigravity y Claude.
Las Mejores Soluciones de Memoria para Tus Agentes de Claude AI en 2026
CLAUDE.md, mem0, Letta, Zep, basic-memory, Obsidian más MCP, Proyecto Memoria AgentsRoom: un mapa honesto de las opciones de memoria para agentes de codificación AI, y cómo elegir una.
También te puede interesar
Project Memory
Dale a tus agentes de codificación de IA una memoria a largo plazo. Las decisiones, la arquitectura y las trampas persisten a través de las sesiones y se comparten con todos en el proyecto. Gratis, ilimitado.
Tareas programadas: cron para agentes de IA
Programa agentes de IA y flujos de desarrollo recurrentes sin escribir ni una sola expresión cron. Lanza una sesión de Claude Code o Codex cada mañana para revisar pull requests, escanea los logs de crash cada noche, revisa las dependencias cada lunes, genera un changelog semanal o ejecuta una pasada de QA después de cada despliegue. Elige una frecuencia (cada N minutos, cada hora, diaria, semanal, mensual), un prompt y un rol de agente. AgentsRoom lo lanza por ti, recupera las ejecuciones perdidas en el siguiente arranque y guarda un historial reabrible.
Nueva función
Guarda, organiza y adjunta skills reutilizables (formato Claude SKILL.md + exportación universal) a tus tareas y agentes. Sincroniza entre dispositivos, exporta a Claude / Cursor / Codex / Windsurf bajo demanda.
Corrige una vez. Todos los agentes lo recuerdan.
Learning Loop está en AgentsRoom para macOS, Windows y Linux, con la app móvil para validar reglas desde tu teléfono.
App complementaria: supervisa tus agentes en movimiento
Usa Claude, Codex, Antigravity CLI u otro proveedor de IA.
Envía bugs y peticiones directamente a tu backlog público.