Communitygithub.com

Human-Agent-Society/reef

Infraestructura de aprendizaje continuo para agentes automejorables

¿Qué es reef?

Reef es una infraestructura de aprendizaje continuo diseñada para agentes de IA que necesitan mejorar progresivamente su desempeño a partir de experiencias pasadas. El proyecto está orientado a desarrolladores que construyen agentes autónomos, como los utilizados en plataformas como Claude Code, Cursor o Codex, y facilita la recopilación, almacenamiento y reutilización de datos de interacciones para el reentrenamiento incremental. Reef permite implementar ciclos de retroalimentación donde el agente registra sus acciones y resultados, los almacena en una base de conocimiento persistente, y ajusta sus modelos o políticas de decisión sin requerir intervención manual constante. Al abstraer la lógica de gestión de memoria y actualización de modelos, este sistema acelera el desarrollo de agentes que se vuelven más precisos y eficientes con el tiempo, integrando soporte para diversas arquitecturas de agentes y almacenes de datos.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add Human-Agent-Society/reef

Preguntar en tu IA favorita

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

Documentación

¿Qué hace reef?

Infraestructura de aprendizaje continuo para agentes automejorables.

Reef proporciona un sistema modular para que los agentes de IA puedan aprender de forma continua a partir de sus propias interacciones, almacenando experiencias y mejorando sus modelos de decisión de manera incremental. Está diseñado para integrarse fácilmente con agentes que operan en entornos como Claude Code, Cursor y Codex, y ofrece una API simple para registrar acciones, almacenar resultados y recuperar conocimiento relevante.

Características principales

  • Registro persistente de interacciones: cada acción y su resultado se almacenan en una base de conocimiento estructurada.
  • Reentrenamiento automático: los agentes pueden iniciar ciclos de reentrenamiento basados en nuevas experiencias acumuladas.
  • Fácil integración: compatible con agentes construidos sobre plataformas de IA populares.
  • Escalable: soporta múltiples almacenes de datos (SQL, NoSQL, sistemas de archivos).

Cómo funciona

  1. El agente ejecuta una acción y registra el resultado usando la API de Reef.
  2. Reef almacena la experiencia en su base de conocimiento persistente.
  3. Cuando se alcanza un umbral de nuevas experiencias, Reef puede disparar un reentrenamiento del modelo del agente.
  4. El agente actualizado utiliza el nuevo conocimiento para tomar mejores decisiones en el futuro.

Uso básico

from reef import Reef

# Inicializar Reef con un almacén de datos
reef = Reef(store="sqlite:///experiencias.db")

# Registrar una interacción
reef.record(
    accion="buscar_archivo",
    entrada="ruta/archivo.txt",
    salida="contenido_del_archivo",
    exito=True
)

# Recuperar experiencias relevantes
experiencias = reef.query("buscar_archivo", limite=10)

# Iniciar reentrenamiento
reef.reentrenar(modelo="agente_v1")

Configuración

VariableDescripciónValor por defecto
REEF_STORETipo de almacén de datossqlite
REEF_UMBRAL_REENTRENAMIENTONúmero de nuevas experiencias para disparar reentrenamiento100
REEF_LIMITE_CONSULTALímite máximo de resultados por consulta50

Plataformas compatibles

  • Claude Code
  • Cursor
  • Codex
  • Cualquier agente basado en LLM

Licencia

MIT

Skills relacionados