Communitygithub.com

growth-log

Úsalo después de una tarea compleja, un error o al revisar lo aprendido. Enseña a escribir registros de crecimiento que extraen patrones reutilizables, no entradas de diario.

¿Qué es growth-log?

El archivo SKILL.md define una habilidad para asistentes de IA (como Claude Code, Cursor o Codex) llamada 'growth-log' (registro de crecimiento). Su propósito es transformar la forma en que los desarrolladores documentan su aprendizaje, pasando de simples entradas de diario ('arreglé un bug en X') a artefactos de aprendizaje que extraen patrones transferibles. La habilidad se activa después de tareas complejas, fallos o momentos de 'fue más difícil de lo esperado', y proporciona tres reglas fundamentales: (1) los fallos son más valiosos que los logros, (2) antes de escribir una nueva entrada se debe buscar si ya existe una similar (Principio Bole), y (3) cada entrada debe ser transferible a una situación futura. Incluye una plantilla de entrada Markdown, cuatro tipos de entrada (Fallo, Metodología, Descubrimiento de Patrón, Cambio de Capacidad), una lista de verificación de calidad y antipatrones a evitar. Se integra con un posible 'delivery-gate' (mecanismo de control de entrega) que verifica que se haya escrito una entrada de aprendizaje útil, no solo una marca de tiempo vacía. La habilidad es independiente del sistema de notas: funciona con archivos Markdown, Notion, Obsidian o texto plano.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/growth-log

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Habilidad de Registro de Crecimiento

El problema: La mayoría de las personas escriben "arreglé un bug en X" como registro de aprendizaje. Eso es una entrada de diario, no un artefacto de aprendizaje. Un verdadero registro de crecimiento extrae el patrón para que lo reconozcas la próxima vez.

Esta habilidad enseña: Cómo escribir entradas de aprendizaje que se acumulen a lo largo de las sesiones. Funciona con cualquier sistema de toma de notas: archivos Markdown, Notion, Obsidian, texto plano. Las plantillas son genéricas; adáptalas a tu configuración.

Cuándo Activar

  • Después de completar una tarea compleja (varios archivos, nueva funcionalidad, cambio de arquitectura)
  • Después de un fallo, error o momento de "fue más difícil de lo esperado"
  • Cuando quieras revisar lo que has aprendido durante un período

Cuándo NO activar: Cambios triviales (correcciones tipográficas, ajustes de una sola línea, cambios de valor de configuración sin depuración). El umbral: ¿esta tarea implicó depuración, rehacer, reversión o una decisión no obvia? Si sí → escribe una entrada. Si no → omítela.

Las Tres Reglas

Regla 1: Fallos > Logros

Un fallo es nutricionalmente más denso que un éxito. Un solo bug que tomó 2 horas encontrar enseña más que 3 funcionalidades que funcionaron al primer intento.

Malo: "Implementé el flujo de inicio de sesión con éxito." Bueno (desarrollo web): "Flujo de inicio de sesión: el token de sesión no persistía porque la cookie SameSite tenía por defecto Lax en Chrome 128+. Patrón: siempre establecer explícitamente SameSite=None; Secure cuando se está en orígenes cruzados. Señal para reconocer: la autenticación se rompe después de una actualización del navegador o al cruzar límites de origen." Bueno (tubería de datos): "La importación CSV falló silenciosamente con filas vacías porque pandas.read_csv(dropna=False) mantiene filas de ancho cero que len() cuenta como válidas. Patrón: siempre df.dropna(how='all', inplace=True) antes de la validación de recuento de filas."

Regla 2: El Principio Bole (伯乐原则)

Antes de escribir una nueva entrada, pregúntate: "¿Es esto fundamentalmente lo mismo que algo que ya he registrado?"

Misma causa raíz, síntoma diferente → fusionar, no duplicar. Nueva causa raíz → nueva entrada.

Cómo verificar: Busca en las entradas existentes palabras clave de tu causa raíz antes de escribir. Si encuentras una coincidencia, agrega tu nuevo síntoma como un ejemplo adicional debajo de la entrada existente en lugar de crear un duplicado.

Ejemplo: "Olvidé actualizar el índice de salida después de crear un archivo" y "Olvidé actualizar las calificaciones de la habilidad después de una tarea" — misma causa raíz (sin disparador de captura automática). Fusionar en una entrada sobre "brechas de captura posteriores a la tarea".

Regla 3: Debe Ser Transferible

Cada entrada debe responder: "La próxima vez que enfrente una situación similar, ¿qué hago de manera diferente?"

Si no puedes escribir esa oración, aún no has extraído el patrón.

Cómo extraer un patrón de un evento concreto:

  1. Indica lo que sucedió en una oración
  2. Pregunta "¿por qué?" iterativamente hasta llegar a la causa raíz (generalmente 3-5 porqués)
  3. Generaliza: "¿Qué clase de problema es este?" (no "bug de Chrome 128" sino "cambio predeterminado del navegador que rompe el comportamiento existente")
  4. Formula como: "La próxima vez que vea [señal], haré [acción]."
  5. Nombra la señal: ¿qué observable específico te dice que este patrón está activo?

Plantilla de Entrada

Alcance: Una entrada por causa raíz distinta. Longitud típica: 4-8 oraciones. Si toma >2 minutos escribir, estás narrando eventos. Si <30 segundos, no has profundizado lo suficiente.

## [Título: el patrón, no el evento]

### Contexto
- ¿Qué estaba intentando hacer?
- ¿Qué salió mal / qué funcionó sorprendentemente bien?

### Causa Raíz / Idea Central
- El mecanismo subyacente, no solo el síntoma

### El Patrón (transferible)
- La próxima vez [situación similar], haré [acción específica].
- Señal para reconocer: [¿qué observable me dice que este patrón está activo?]

### Relacionado
- [nombre-de-entrada](../ruta/a/entrada-relacionada.md)

Tipos de Entrada

Los cuatro tipos usan la plantilla anterior. El tipo determina qué secciones tienen más peso:

TipoCuándo UsarÉnfasisTítulo de Ejemplo
FalloAlgo se rompió, necesitó depuración o requirió reelaboraciónCausa Raíz"La herencia de configuración ≠ herencia de comportamiento entre sesiones"
MetodologíaSurgió un proceso repetible del trabajoContexto / Patrón"PPT → guía de estudio para examen a libro abierto: estructura de tres capas"
Descubrimiento de PatrónUna visión reutilizable sobre herramientas, sistemas o pensamientoSección de Patrón"Plantilla de descripción de PR: describe la brecha, no la funcionalidad"
Cambio de CapacidadUna mejora medible de habilidadContexto (antes vs después)"Git: de clonar/enviar a PR independiente con 12 commits"

Lista de Verificación de Calidad

Antes de finalizar una entrada de registro de crecimiento:

  • ¿El título nombra el patrón, no el evento?
  • ¿Hay una oración "La próxima vez haré..."?
  • ¿La "Señal para reconocer" es lo suficientemente específica para activar el patrón la próxima vez?
  • ¿Busqué entradas existentes en busca de duplicados antes de escribir? (Principio Bole)
  • ¿La causa raíz se distingue del síntoma?
  • ¿Los recuerdos relacionados están enlazados?
  • ¿La entrada tiene 4-8 oraciones? Menos = demasiado superficial; más = narrando eventos.

Antipatrones

  • Evita: "Bug corregido en el módulo de pago" (evento, no patrón)
  • Evita: Copiar el mensaje de commit de git textualmente (los commits describen lo que cambió; los registros extraen por qué es importante)
  • Evita: Escribir una entrada para cada commit (solo cuando surge un patrón)
  • Evita: Saltar la oración transferible (sin ella, es solo un diario — esto no es negociable)
  • Evita: Duplicar el mismo patrón bajo diferentes títulos (viola el Principio Bole — busca antes de escribir)

Almacenamiento

Guarda las entradas donde guardes tus notas. Patrones comunes:

  • Archivos Markdown en un directorio growth-log/ (un archivo por día: YYYY-MM-DD.md)
  • Una sección dedicada en Notion, Obsidian o tu aplicación de toma de notas
  • Archivos de texto plano con una convención de nomenclatura consistente

Elige una convención y mantente con ella. La capacidad de búsqueda es más importante que el formato.

Si Usas Delivery Gate

El gancho de parada delivery-gate verifica que los archivos de aprendizaje se hayan modificado hoy a través de marcas de tiempo del sistema de archivos. Esta habilidad enseña qué escribir — de modo que el archivo que verifica delivery-gate contenga patrones útiles, no marcas de tiempo vacías.

Tarea completada → delivery-gate verifica: ¿se tocó el archivo de aprendizaje hoy?
  → Obsoleto (ningún archivo modificado): bloquear — "¿qué aprendiste?"
  → Fresco (archivo tocado): pasar — esta habilidad asegura que el contenido sea útil

Tener aplicación sin metodología → entradas vacías. Tener metodología sin aplicación → capturas olvidadas. Cada una es útil independientemente; juntas cierran el ciclo.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Skills relacionados