Una habilidad analítica de toma de decisiones diseñada para evaluar si un usuario debe aprender un tema nuevo, posponerlo o adquirir solo el mínimo absoluto requerido para resolver un problema inmediato.
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install learn-occam
2. Instalación manual
Copia la carpeta de la habilidad a una de estas ubicaciones
~/.openclaw/skills/ <project>/skills/ Prioridad: Espacio de trabajo > Local > Integrado
3. Instalación del prompt
Copia este prompt en OpenClaw para instalarlo automáticamente.
Ayúdame a instalar learn-occam usando Clawhub. Si Clawhub no está instalado, instálalo primero (npm i -g clawhub).
¿Prefieres descargar?
Obtén los archivos originales de la habilidad en un archivo ZIP.
¿Qué es learn-occam?
La habilidad learn-occam funciona como un sistema de freno cognitivo para desarrolladores y estudiantes que sufren de una exploración de amplio alcance o de listas de intereses excesivamente largas. Operando bajo el principio central de que el tiempo es el activo más valioso de un desarrollador, este componente de Openclaw Skills desafía el impulso de acumular conocimiento que se deprecia. Cambia el enfoque del aprendizaje de una mentalidad de "es bueno saberlo" a un flujo de trabajo estrictamente impulsado por problemas y de alto ROI.
Al evaluar factores como los ciclos de depreciación técnica, el cruce de conocimientos existentes y la utilidad inmediata para la resolución de problemas, learn-occam ayuda a los usuarios a evitar la acumulación intelectual. Aleja a los usuarios de tecnologías que vencen rápidamente o de tareas que pueden delegarse por completo a la AI, redirigiendo el enfoque hacia habilidades fundamentales de alto valor o la ejecución del contexto inmediato.
Casos de uso de learn-occam
- Al decidir si aprender un marco, herramienta o idioma completamente nuevo.
- Al luchar por determinar qué tan profundo sumergirse en un tema técnico específico.
- Cuando se enfrenta a tiempo y energía limitados, lo que requiere priorizar entre backlogs en competencia.
- Al equilibrar la exploración de tecnología de vanguardia versus la aplicación de soluciones probadas y verdaderas.
Cómo funciona learn-occam
- Identificar el Problema Objetivo: La habilidad fuerza la claridad al cuestionar el problema exacto y práctico que el usuario está intentando resolver. Si no existe un problema inmediato, el tema se pospone automáticamente.
- Auditar Competencias Existentes: Evalúa la base de conocimientos actual del usuario para comprobar si las habilidades existentes ya pueden resolver el problema sin necesidad de aprender algo nuevo.
- Evaluar Depreciación y ROI: Analiza qué tan rápido se depreciará el conocimiento objetivo (por ejemplo, toolchains que cambian rápidamente) y si la inversión de tiempo justifica el retorno, o si se puede delegar en una herramienta de AI.
- Equilibrar Explorar vs. Explotar: Sopesa el costo de la exploración frente a los beneficios de la aplicación inmediata, lo que genera una inmersión profunda solo cuando los objetivos son desafiantes y el conocimiento existente es insuficiente.
- Emitir un Veredicto Definitivo: El flujo de trabajo genera una de tres acciones claras: Learn (Aprender), Do Not Learn (No aprender - posponer a la lista) o Learn the Absolute Minimum (Aprender el mínimo absoluto - definiendo exactamente qué fragmento o submódulo se requiere).
Configuración de learn-occam
Para integrar learn-occam en su entorno de flujo de trabajo de Openclaw Skills, configure el bloque de habilidades dentro de las definiciones de perfil de su agent:
# Initialize and add learn-occam to your active agent workspace
openclaw skills add learn-occam
Asegúrese de que las habilidades cognitivas relacionadas sean accesibles dentro del mismo entorno para permitir ganchos de respaldo de ejecución (fallback hooks).
Esquema de datos y taxonomía de learn-occam
La habilidad learn-occam gestiona métricas de decisión, estados de evaluación y transiciones de pipeline. El desglose estructurado de su modelo de evaluación de datos y taxonomía incluye:
| Atributo / Campo | Tipo | Propósito | Reglas de Validación |
|---|---|---|---|
target_topic |
String | La habilidad técnica o concepto bajo evaluación. | Requerido |
defined_problem |
String | La tarea explícita o cuello de botella a resolver. | Debe ser concreto; sin entradas vagas. |
existing_competency |
Array | Habilidades existentes validadas que posee el usuario. | Regla estricta: Solo incluya conocimiento confirmado explícitamente. |
depreciation_horizon |
String | Vida útil estimada de la tech stack (por ejemplo, 6-12 meses). | Valor temporal cuantificable. |
verdict |
Enum | Directiva de salida final. | Debe resolverse como: LEARN, DEFER o MINIMUM_VIABLE. |
Taxonomía Relacionada
- Openclaw Skills Hermanos:
learn-crossover(mapeo de bases de conocimiento existentes),learn-graph(generación de rutas sistemáticas para inmersiones profundas),learn-prototype(construcción iterativa práctica) ylearn-feynman(bucle de validación de autoevaluación).
Funciones avanzadas de learn-occam
- Guardrail Estricto de Validación de Conocimiento: Cuenta con una regla de hierro estricta que evita que el agent asuma el conocimiento del usuario basándose en materiales de texto actuales, perfiles de autores o contextos conversacionales de terceros. El agent debe confirmar explícitamente la experiencia pasada.
- Pipeline de Fallback Dinámico: Integra transferencias nativas a
learn-crossovercuando la cobertura del conocimiento existente es incierta, o escala alearn-graphpara construir mapas de dependencia si se alcanza un veredictoLEARNde inmersión profunda. - Evaluación de Delegación en AI: Evalúa automáticamente si el tema se puede generar dinámicamente o consultar a través de AI bajo demanda, disminuyendo la prioridad de aprendizaje a "conocer su existencia" en lugar de un dominio operativo.
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
Skill Router
Skill Router sirve como la puerta de enlace maestra y despachador, haciendo coincidir automáticamente los prompts del usuario con el subconjunto exacto de capacidades necesarias para la ejecución.
MaxHub Instagram Data Assistant
Una potente habilidad de búsqueda y análisis de datos diseñada para extraer perfiles de usuario completos, publicaciones, reels y datos de hashtags de Instagram utilizando la MaxHub API.
MaxHub Bilibili Data Assistant
Una skill de agente de codificación AI avanzada diseñada para consultar y analizar datos de vídeos, creadores, comentarios y transmisiones en vivo de Bilibili a través de la API de MaxHub.
MaxHub Lemon8 Data Assistant
Un asistente de análisis de solo lectura diseñado para consultar, rastrear y analizar publicaciones, usuarios y datos de tendencias de Lemon8 a través de la API de MaxHub.
speak-69378f
Una habilidad de flujo de trabajo operativo impulsada por IA que aprovecha los conocimientos aprendidos de videos de evaluación para ejecutar secuencias de automatización paso a paso.
AI Governance & Safety Intelligence
Un motor de gobernanza avanzado que proporciona inteligencia integral sobre regulaciones globales de AI, seguimiento de incidentes, estándares y marcos de evaluación de seguridad de modelos de frontera.
Presentado*
