crimeacs/auto-improve

¿Qué hace auto-improve?

Mejora autónoma y regulada por juez para cualquier artefacto de texto. Consulta README.md para la guía completa; esta es la referencia rápida para el agente.

Cuándo usarlo

El usuario quiere algo mediblemente mejor, no solo reescrito — y está dispuesto a expresar "mejor" como una rúbrica. Buenos ejemplos: correos fríos, textos de aterrizaje, prompts, definiciones de habilidades, publicaciones de blog, cartas de presentación, documentos, contratos, menús.

Ejecutarlo

export GEMINI_API_KEY=...        # https://aistudio.google.com/apikey
python3 improve.py \
  --artifact ruta/al/archivo.md \   # debe estar dentro de un repositorio git
  --tag v1 \                     # → rama improve/v1, results/v1.tsv
  --max-iterations 8 \
  --criteria ruta/a/rubrica.md   # OPCIONAL — omite para inferir automáticamente una rúbrica; o añade
                                 # --goal "cómo se ve lo bueno" para orientar la rúbrica inferida

Si no pasas --criteria, auto-improve escribe una rúbrica a partir del artefacto primero y la guarda en results/<tag>.rubric.md — léela para ver qué está optimizando. Verifica una ejecución terminada: python3 improve.py --status --tag v1. El resultado reside en la rama git improve/<tag> — git diff main improve/v1 -- <archivo>.

Cómo decide (la parte anti-slop)

1. Mutación — las mejores N ediciones candidatas, aplicadas como diffs quirúrgicos (a prueba de fallos).
2. Puntuación — cada candidato se califica según la rúbrica mediante una llamada a un modelo separado.
3. Decisión — el mejor candidato se evalúa por pares contra el campeón (ambos órdenes, sin sesgos); se conserva solo si realmente gana, de lo contrario se revierte.

El mutador nunca califica su propio trabajo, y las reescrituras confiadas pero peores se descartan — por lo que la mejora es real y cada commit es una ganancia verificada.

Cómo escribir la rúbrica

Un archivo markdown con dimensiones ponderadas que suman 100 — ancladas (50/70/90), formuladas como recompensa, específicas. Consulta criteria/README.md y los ejemplos prácticos en criteria/.

Reglas clave

• El mutador y el evaluador nunca comparten contexto.
• Un artefacto, una rúbrica, una --tag por ejecución.
• La rama git es la fuente de verdad; results/<tag>.tsv es el registro de la mejora (sin seguimiento).
• Nunca editar fuera del artefacto; pequeños diffs quirúrgicos, no reescrituras completas.