Communitygithub.com

Methodología de Análisis Cognitivo de Tareas Aplicado (ACTA)

Metodología sistemática para obtener, representar y operacionalizar habilidades cognitivas expertas (reconocimiento de patrones, evaluación de situaciones, simulación mental) de profesionales sin necesidad de formación en investigación. Une el rigor académico con la usabilidad práctica.

¿Qué es Methodología de Análisis Cognitivo de Tareas Aplicado (ACTA)?

ACTA (Análisis Cognitivo de Tareas Aplicado) es una metodología estructurada diseñada para extraer y representar el conocimiento experto tácito—como el reconocimiento de patrones, la evaluación de situaciones y la simulación mental—directamente de profesionales expertos, sin requerir que ellos tengan formación en investigación. Su propósito principal es cerrar la brecha entre el rigor académico de los métodos tradicionales de análisis cognitivo de tareas y la aplicabilidad práctica en entornos de ingeniería de software, diseño de agentes de IA y desarrollo de sistemas expertos. La metodología se apoya en tres fases iterativas: un diagrama de tareas para establecer el contexto, una auditoría de conocimiento para identificar las dimensiones cognitivas clave (percepción, simulación, conciencia situacional, improvisación, metacognición), y una entrevista de simulación para validar los hallazgos. El resultado principal es una Tabla de Demandas Cognitivas que detalla elementos difíciles, explica por qué son difíciles, y extrae las señales y estrategias que los expertos utilizan. ACTA es especialmente útil para diseñar sistemas de entrenamiento, especificar capacidades para agentes de IA (como los de Claude, Cursor o Codex), y documentar la toma de decisiones en dominios complejos como diagnóstico médico, inspección de seguridad industrial o cualquier área donde el juicio experto supere a los procedimientos estándar. La metodología incluye modos de fallo documentados (como la 'Elasticación de Sello de Goma' o la 'Fantasía de Procedimentalización') y puertas de calidad para garantizar que los resultados sean prácticos, reproducibles y transferibles.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/skills/applied-cognitive-task-analysis-acta-met

Preguntar en tu IA favorita

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

Documentación

HABILIDAD: Metodología de Análisis Cognitivo de Tareas Aplicado (ACTA)

Nombre: ACTA — Extracción y Aplicación del Conocimiento Cognitivo Experto Descripción: Metodología sistemática para obtener, representar y operacionalizar habilidades cognitivas expertas (reconocimiento de patrones, evaluación de situaciones, simulación mental) de profesionales sin necesidad de formación en investigación. Une el rigor académico con la usabilidad práctica.

PUNTOS DE DECISIÓN

Patrón de Respuesta Experta → Estrategia de Dirección de Entrevista

Tipo de Respuesta ExpertaSeñal de DetecciónSiguiente Acción de Sonda
Generalización vaga"Desarrollas un sentido para ello" / "La experiencia te enseña"→ Anclaje en Incidente: "Guíame a través de la última vez que..."
Recitación Procedimental"Primero hago X, luego Y, luego Z..."→ Sonda de Dimensión Cognitiva: "¿Qué te indica que es momento del siguiente paso?"
Principios abstractos"Siempre prioriza la seguridad" / "Enfócate en el cliente"→ Ejemplo Contrastivo: "Muéstrame dos casos—uno donde eso aplica, uno donde no"
Contradice a otro experto"Nunca hagas X" (cuando el Experto 2 dijo "Siempre haz X")→ Exploración Condicional: "¿Bajo qué circunstancias es apropiado X?"
Describe resultados"Entonces el sistema funciona mejor" / "La calidad mejora"→ Detección de Señales: "¿Qué notas que te indica que está funcionando?"

Selección de Dimensión de Auditoría de Conocimiento

SI el experto menciona "ver patrones" o "notar cosas"
  ENTONCES sondear Habilidades Perceptuales
    → "Muéstrame dos X—una normal, una problemática. ¿Qué difiere?"

SI el experto menciona "descubrir qué pasó" o "predecir resultados"
  ENTONCES sondear Simulación Mental
    → "¿Qué debe haber pasado para que...?" / "Si hicieras X, ¿qué resultaría?"

SI el experto menciona "seguir la pista de múltiples factores" o "panorama general"
  ENTONCES sondear Conciencia Situacional
    → "¿Qué relaciones monitoreas?" / "¿Qué tendencias importan?"

SI el experto menciona "cuando los procedimientos estándar no funcionan"
  ENTONCES sondear Improvisación
    → "Cuéntame sobre una vez que el SOP falló" / "¿Cómo te adaptas?"

SI el experto menciona "saber cuándo te equivocas" o "dudar de ti mismo"
  ENTONCES sondear Metacognición
    → "¿Cómo detectas tus propios errores?" / "¿Cuándo buscas ayuda?"

Estrategia de Población de la Tabla de Demandas Cognitivas

Identificación de Elemento Difícil:
  SI múltiples expertos luchan por articular el mismo aspecto
    ENTONCES alta demanda cognitiva
  SI los novatos fallan consistentemente aquí a pesar del entrenamiento
    ENTONCES elemento dependiente de la experiencia
  SI los procedimientos estándar fallan en esta área
    ENTONCES habilidad cognitiva requerida

Análisis de Por Qué Es Difícil:
  SI los novatos pasan por alto señales perceptuales → "Carece de reconocimiento de patrones para..."
  SI los novatos aplican la estrategia equivocada → "No puede distinguir tipos de situación..."
  SI los novatos tienen visión de túnel → "Se enfoca en un solo factor en lugar de..."
  SI los novatos se paralizan → "No tiene modelo mental para..."

Extracción de Señales/Estrategias:
  SI el experto dice "simplemente lo sé" → sondear indicadores observables específicos
  SI el experto da múltiples enfoques → identificar desencadenantes situacionales
  SI el experto menciona "experiencia" → extraer ejemplos de patrones

MODOS DE FALLO

Elasticación de Sello de Goma

Detección: Las entrevistas a expertos producen solo descripciones procedimentales o respuestas de libro de texto. No surgen ideas cognitivas. Síntomas: Las transcripciones parecen SOP. Los expertos dicen "solo sigue el proceso". No hay mención de juicio, adaptación o factores situacionales. Causa Raíz: Las preguntas abstractas provocan respuestas racionalizadas, no el razonamiento real del experto. Solución: Cambiar a sondeo basado en incidentes. "Guíame a través de la última vez que encontraste..." Anclar todas las preguntas en escenarios específicos.

Oráculo de un Solo Experto

Detección: Las decisiones de diseño se basan en el enfoque de un solo experto tratado como verdad universal. Síntomas: "El experto dice que siempre hagas X" sin razonamiento condicional. No hay variación documentada entre expertos. Causa Raíz: Tratar la experiencia individual como dominio de conocimiento. Faltan dependencias situacionales. Solución: Entrevistar a 3-5 expertos. Cuando los enfoques entren en conflicto, sondear condicionales: "¿Bajo qué circunstancias lo harías de manera diferente?"

Adoración de Transcripciones

Detección: Las notas de entrevista en bruto se tratan como el entregable final. Sin transformación a una representación accionable. Síntomas: Horas de audio de entrevista sin salida estructurada. El análisis se detiene en "capturamos su conocimiento". Causa Raíz: Confundir recopilación de datos con extracción de conocimiento. Solución: Forzar la transformación a través de la Tabla de Demandas Cognitivas. No se puede completar sin identificar aspectos difíciles, explicar por qué son difíciles, extraer señales/estrategias.

Parálisis por Exhaustividad

Detección: Proyecto estancado esperando una captura "completa" de la experiencia antes de construir algo. Síntomas: Entrevistas adicionales interminables. "Necesitamos entender todo primero". Sin cronograma de implementación. Causa Raíz: El perfeccionismo impide la implementación pragmática. Se aplican estándares académicos a problemas prácticos. Solución: Extraer suficiente experiencia para capacidades iniciales. Implementar con monitoreo y ciclos de iteración. El 70% de cobertura permite aplicaciones valiosas.

Fantasía de Procedimentalización

Detección: Intentos de convertir el juicio experto en árboles de decisión o conjuntos de reglas. Síntomas: Lógica de ramificación compleja que no captura el razonamiento real del experto. Reglas que fallan en situaciones novedosas. Causa Raíz: Tratar la experiencia como un procedimiento refinado en lugar de reconocimiento de patrones. Solución: Construir clasificación de patrones y capacidades de evaluación de situaciones. Enfocarse en "¿Qué tipo de situación es esta?" no en "¿Cuál es la acción prescrita?"

EJEMPLOS TRABAJADOS

Ejemplo 1: Triaje de Enfermería de Emergencia

Contexto: El hospital necesita mejorar la precisión del triaje. Las enfermeras con 2+ años de experiencia superan significativamente a los nuevos graduados en la asignación de prioridad de pacientes.

Fase de Diagrama de Tareas: La entrevista inicial revela el procedimiento de triaje estándar: signos vitales → consulta de protocolo → asignación de prioridad. Pero los expertos mencionan decisiones de "algo no se ve bien" que los novatos pasan por alto.

Fase de Auditoría de Conocimiento: Sonda: "Muéstrame dos pacientes con signos vitales similares—uno que acelerarías, uno que no." Respuesta Experta: "Este [señala el caso] tiene PA y pulso normales, pero mira el color de la piel y cómo se está posicionando. ¿Ves cómo se inclina hacia adelante? Eso es compensación por dificultad respiratoria." Seguimiento: "¿Qué pasaría por alto una enfermera nueva?" Respuesta Experta: "Verían signos vitales normales y la enviarían a la cola regular. No reconocen el patrón de posicionamiento ni los cambios de color de la piel."

Entrevista de Simulación: Presentar escenario: Varón de 45 años, dolor en el pecho, signos vitales normales, dice "se siente como acidez". Respuesta Experta: "Preguntaría sobre irradiación a la mandíbula o brazo izquierdo. También buscaría diaforesis—patrón de sudoración. Los hombres a menudo minimizan los síntomas cardíacos. Incluso con signos vitales normales, el patrón de descripción aumenta el riesgo de IM."

Salida de la Tabla de Demandas Cognitivas:

Elemento DifícilPor Qué Es DifícilSeñales/Estrategias
Detectar dificultad respiratoria compensadaLos signos vitales parecen normales debido a la compensación fisiológicaPostura inclinada hacia adelante, labios fruncidos, cambios de color de piel, uso de músculos accesorios
Reconocer presentaciones cardíacas atípicasLas descripciones estándar de síntomas no coinciden con el libro de textoPatrones de minimización masculinos, descripciones de "acidez" con diaforesis, irradiación mandibular/brazo

Mapeo de Capacidades del Agente:

  • Sistema de reconocimiento de patrones entrenado en datos de postura/posicionamiento
  • Análisis de color de piel en combinación con tendencias de signos vitales
  • Procesamiento de lenguaje natural para patrones de descripción de síntomas
  • Estratificación de riesgo que pondera señales conductuales junto con medidas fisiológicas

Análisis de Compensaciones: El reconocimiento visual de patrones requiere sistemas de cámara vs. preocupaciones de privacidad. La detección de señales conductuales necesita datos de entrenamiento vs. consentimiento del paciente. El reconocimiento experto de patrones opera en entradas multimodales que son técnicamente desafiantes pero clínicamente críticas.

Ejemplo 2: Inspección de Seguridad en Manufactura

Contexto: Una planta química necesita mejorar las verificaciones de seguridad previas al arranque. Los inspectores experimentados detectan peligros que las listas de verificación procedimentales pasan por alto.

Fase de Diagrama de Tareas: La inspección estándar cubre 47 elementos de lista de verificación en todos los sistemas. Pero los inspectores senior mencionan detección "intuitiva" de peligros que previene incidentes.

Fase de Auditoría de Conocimiento: Sonda: "Guíame a través de la última vez que encontraste algo que no estaba en la lista de verificación." Respuesta Experta: "La bomba funcionaba dentro de especificaciones, presión normal, pero el patrón de vibración se sentía diferente. No más fuerte—frecuencia diferente. Resultó que el cojinete estaba empezando a fallar. Podría haber sido catastrófico durante la operación." Seguimiento: "¿Cómo reconoces los patrones de vibración normales?" Respuesta Experta: "Después de 15 años, sientes cómo funciona cada bomba. Esta generalmente tiene un zumbido suave. Ese día tenía una ligera aspereza debajo."

Entrevista de Simulación: Presentar escenario: Todos los elementos de la lista de verificación pasan, pero hay un olor inusual en la Unidad 3. Respuesta Experta: "Rastrearía el olor. Los olores químicos no deberían penetrar la envolvente del edificio. O tenemos una fuga que no está registrando en los sensores, o falla del sistema de ventilación. Ambos son graves incluso si las lecturas parecen normales."

Salida de la Tabla de Demandas Cognitivas:

Elemento DifícilPor Qué Es DifícilSeñales/Estrategias
Detectar degradación de equipos antes de alertas de sensoresRequiere líneas base aprendidas para patrones de operación normalesCambios en la frecuencia de vibración, cambios en el patrón de sonido, variaciones sutiles de rendimiento
Identificar fallas de contención a través de señales sensorialesLos sistemas de detección química tienen retraso y puntos ciegosRastreo de olores, evaluación de patrones de flujo de aire, correlación con condiciones ambientales

Mapeo de Capacidades del Agente:

  • Análisis de vibración con líneas base aprendidas para cada pieza de equipo
  • Redes de sensores químicos con reconocimiento de patrones para lecturas anómalas
  • Monitoreo ambiental que correlaciona múltiples entradas sensoriales
  • Algoritmos de mantenimiento predictivo que ponderan indicadores de degradación sutiles

Análisis de Compensaciones: Densidad de sensores vs. consideraciones de costo. Las líneas base aprendidas requieren historial operativo vs. despliegue de equipos nuevos. La integración sensorial humana (olor, vibración, sonido) es difícil de replicar técnicamente pero crítica para la detección temprana de peligros.

PUERTAS DE CALIDAD

Finalización de la Tabla de Demandas Cognitivas:

  • Cada "Elemento Difícil" aparece en múltiples entrevistas de expertos (no peculiaridades individuales)
  • Las explicaciones de "Por Qué Es Difícil" son observables/comprobables (no razonamiento circular como "requiere experiencia")
  • Las "Señales/Estrategias" son lo suficientemente específicas para el diseño de entrenamiento (no vagas como "reconocimiento de patrones")
  • Se alcanza consenso de expertos sobre las principales demandas cognitivas (3+ expertos validan elementos centrales)
  • El agente puede clasificar escenarios novedosos usando señales identificadas (discriminación comprobable)
  • Los modos de fallo del novato se mapean a brechas cognitivas específicas (no solo "falta de entrenamiento")

Evaluación de Calidad de la Entrevista:

  • El experto proporcionó incidentes específicos, no solo principios generales
  • Las dimensiones cognitivas se sondearon sistemáticamente (percepción, simulación, conciencia, etc.)
  • Las respuestas conflictivas de los expertos se resolvieron mediante exploración condicional
  • Se capturó el razonamiento dependiente del contexto (cuándo usar diferentes estrategias)
  • El conocimiento tácito se hizo explícito a través de sondas estructuradas

Validación de Usabilidad Práctica:

  • Los no expertos pueden usar la tabla para diseño de entrenamiento sin asistir a entrevistas
  • Las especificaciones del agente se pueden derivar de las descripciones de señales/estrategias
  • Los modos de fallo son predecibles a partir del análisis "por qué es difícil"
  • El conocimiento es portátil a través de dominios/aplicaciones similares

LÍMITES DE NO APLICACIÓN

NO use ACTA para:

  • Tareas procedimentales simples: Si los expertos solo siguen procedimientos más rápido, use métodos de mejora de procesos en su lugar
  • Dominios bien documentados: Si la experiencia ya está capturada en forma accesible, enfoque en optimización de transferencia/entrenamiento
  • Coaching de habilidades individuales: Para desarrollar la experiencia de una persona, use enfoques de mentoría o práctica deliberada
  • Requisitos de investigación académica: Si necesita rigor de publicación, use métodos completos de Análisis Cognitivo de Tareas
  • Soporte de rendimiento en tiempo real: Para asistencia en el momento, use ayudas de trabajo o sistemas de apoyo a decisiones

Delegue en su lugar a:

  • Mapeo de procesos → para optimización procedimental
  • Especialistas en diseño de entrenamiento → para desarrollo curricular a partir de salidas de ACTA
  • Modelado de dominio → para representación integral del conocimiento
  • Métodos etnográficos → para factores de experiencia cultural/organizacional
  • Evaluación psicométrica → para medición de aptitud individual

ACTA aborda específicamente: La extracción de experiencia cognitiva que permite un reconocimiento superior de patrones, evaluación de situaciones y resolución adaptativa de problemas para fines de diseño de entrenamiento y especificación de agentes.

Individual skills in this repo

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

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

AI-powered calendar management and agent-based scheduling coordination. Covers calendar APIs (Google Calendar, CalDAV/iCal), AI scheduling assistants (Reclaim, Clockwise, Motion, Cal.com), building custom calendar agents with MCP, multi-calendar merging, timezone management, focus block protection, meeting fatigue detection, and agent-to-agent meeting negotiation protocols. Activate on: "calendar agent", "AI scheduling", "calendar coordination", "meeting scheduling", "calendar API", "focus time protection", "calendar optimization", "Google Calendar MCP", "Reclaim", "Clockwise", "Motion", "Cal.com", "smart scheduling", "calendar-aware agent", "timezone scheduling", "agent negotiation meetings". NOT for: manual calendar UI component design (use form-validation-architect), project management scheduling or Gantt charts (use project-management-guru-adhd), general time-tracking or pomodoro apps (use adhd-daily-planner for time-awareness), building the agent itself from scratch (use agent-creator).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

license: Apache-2.0 NOT for unrelated tasks outside this domain.

Skills relacionados