# Cloud Skills Recupere procedimientos reutilizables y versionados de forma progresiva e interprete manuales operativos estructurados entre los agentes conectados. - Canonical: https://docs.xmemo.dev/es/docs/concepts/cloud-skills - Locale: es-ES - Content-Locale: es-ES - Canonical-Content-Digest: 049066d1073d736057a89262336d6fb1f3a45bde8716106959785c6f135bcab3 - Edition-Digest: ceb53945c7603fbd0884c79e84aba63e447ca7a1cc671967fbcf09ee635516c6 - Source-Revision: sha256:ed4540a74de987fd5125f372ab4ee2ea3f4d70303dedb8cef36a3395d3de069a ## Memoria procedimental y arquitectura de skills Las Cloud Skills proporcionan memoria procedimental creada por el usuario en XMemo, permitiendo a desarrolladores y equipos guardar procedimientos operativos estándar (SOPs), manuales de procedimientos (runbooks), listas de verificación y prompts reutilizables directamente en el almacenamiento persistente. Una vez guardados, los agentes conectados a través de herramientas compatibles pueden descubrirlos, recuperarlos e interpretarlos sin necesidad de instalación por agente ni copia manual de prompts. Una Cloud Skill almacenada se diferencia del runtime del cliente XMemo Skill instalado (@xmemo/skill, node scripts/xmemo-skill.mjs), que actúa como puente de conexión del lado del agente. - Capacidad en Preview: Cloud Skills se encuentra actualmente en Preview en la Memory Console (#skills). - Identidad y activo: Cada skill posee un skill_id único, slug legible, nombre, descripción, alcance de propietario (Personal o Team) y estado de activo (activo o archivado). - Cadena de revisiones inmutable: Una skill contiene una secuencia append-only de instantáneas SkillRevision. Cada revisión incluye revision_id, revision_number, instruction_body, canonical_hash y recursos tipados opcionales SkillComponent. - Límites de tamaño: Los cuerpos de instrucciones raíz están limitados a 64 KiB UTF-8. Una revisión puede contener hasta 50 componentes declarados, con cada componente limitado a 128 KiB. - Tipos de recursos de componentes: Los componentes declaran tipos semánticos explícitos que incluyen reference, example, template, document, artifact y script. ## Ciclo de vida de publicación y revisión de equipo Las revisiones de Cloud Skill transicionan a través de un ciclo de vida estructurado para proteger los flujos de trabajo de producción y admitir la creación colaborativa: - draft: Estado inicial de la revisión durante la autoría y preparación privada antes de la activación pública. - proposed: Las revisiones creadas en un espacio de trabajo Team pasan al estado proposed, a la espera de revisión explícita y activación por parte de un propietario o administrador del equipo. - published: La revisión activa elegible para el descubrimiento por agentes y la recuperación por defecto de Nivel 1. Solo una revisión por slug está designada como published en un momento dado. - deprecated: Las revisiones más antiguas o sustituidas pueden marcarse como deprecated para señalar su retirada manteniendo la recuperación reproducible histórica. - Publicación personal frente a equipo: En espacios de trabajo personales, guardar con intención de publicar pasa directamente a published. En espacios de trabajo de equipo, las revisiones propuestas (proposed) evitan que cambios de procedimiento no revisados alteren los flujos de trabajo de los agentes. ## Recuperación progresiva: Nivel 0, Nivel 1, Nivel 2 Los agentes conectados recuperan skills bajo demanda mediante Progressive Recall para evitar saturar las ventanas de contexto de los LLM con documentación no utilizada: - Nivel 0 (Descubrimiento): La búsqueda por consulta devuelve descriptores ligeros (slug, name, description) que coinciden con la tarea del usuario sin cargar instrucciones completas. - Nivel 1 (Recuperación raíz): Recupera las instrucciones raíz de la skill y el manifiesto de componentes para un slug específico, recurriendo por defecto a la revisión publicada con respaldo de última revisión. - Nivel 2 (Recuperación de recursos): Recupera un único componente declarado (como una plantilla de lista de verificación o esquema de referencia), requiriendo que el invocador proporcione un revision_id explícito para evitar la inconsistencia de recursos (resource tearing). ```text recall_cloud_skill(query="incident response") # Level 0: lightweight descriptors recall_cloud_skill(slug="incident-response-checklist") # Level 1: root instructions + manifest recall_cloud_skill( slug="incident-response-checklist", revision_id="", resource="templates/triage-template.md", ) # Level 2: one pinned resource component ``` ## Fijar revisiones evita la inconsistencia de recursos Cuando se actualiza una skill, XMemo crea la siguiente revisión inmutable en lugar de sobrescribir el contenido histórico. La recuperación raíz de Nivel 1 entrega las instrucciones raíz junto con un revision_id inmutable y un manifiesto de componentes. Las solicitudes de recursos de Nivel 2 exigen que el invocador fije ese revision_id exacto. Si un autor publica una nueva revisión mientras un agente está ejecutando un flujo de trabajo, la lectura fijada del agente continúa resolviendo exactamente la instantánea con la que comenzó, eliminando la inconsistencia de recursos. ```json { "kind": "root", "data": { "skill_id": "skill_inc_triage_01", "revision_id": "rev_v1_inc_triage", "revision_number": 1, "canonical_hash": "c7b14d8e9f2a4c10...", "resources": [ { "logical_path": "templates/triage-template.md", "type": "template", "content_hash": "e3b0c44298fc1c14..." } ] } } ``` ## Superficies de importación, exportación y creación Los desarrolladores pueden crear Cloud Skills de forma interactiva en la consola web o importar skills existentes desde paquetes de distribución estándar: - Creación en consola: Cree skills interactivamente en la Memory Console (#skills) con editor markdown y gestión de componentes. - Importación de paquetes: Importe archivos SKILL.md estándar (con frontmatter YAML), archivos ZIP multiarchivo o repositorios remotos mediante URL (ClawHub o GitHub). - Diferenciación de revisiones: Compare los cambios de instrucciones y las modificaciones de componentes entre dos revisiones cualesquiera con diferencias a nivel de palabra. - Exportación de Source Capsule: Exporte cualquier revisión de skill como un archivo ZIP Source Capsule sin pérdidas que contiene SKILL.md, recursos de componentes y el manifiesto de metadatos. ## Perfiles de acceso de agentes y aislamiento en sandbox Los agentes autorizados acceden a las Cloud Skills a través de herramientas de MCP definidas contractualmente en entornos de cliente compatibles: - Herramientas MCP contratadas: Las herramientas recall_cloud_skill (solo lectura) y save_cloud_skill (creación) se exponen contractualmente en los perfiles de cliente cursor-plugin y ordinary-full (config/mcp-documentation-contract.json). No se exponen en los perfiles generic-public, chatgpt-public o claude-code. - Procedimientos ejecutables por prompt: La mayoría de las Cloud Skills son procedimientos operativos estándar interpretados directamente por agentes como guía en el prompt sin ejecución de código. - Límite de ejecución en sandbox: La ejecución opcional de scripts en el backend mediante execute_cloud_skill es una capacidad avanzada del lado del servidor gobernada por SandboxExecutionEngine (no expuesta hoy en día a ningún perfil de cliente). Cuando no hay aislamiento de contenedores bubblewrap local, la ejecución falla de forma cerrada con SANDBOX_UNAVAILABLE. ## Disponibilidad y límites del ciclo de vida Las capacidades de Cloud Skill están disponibles si las Cloud Skills procedimentales están habilitadas para su cuenta. Las revisiones son instantáneas inmutables direccionadas por contenido, y guardar cambios crea una nueva revisión sin sobrescribir registros anteriores. Cuando existen skills candidatas, la consola muestra un banner de revisión que requiere una promoción manual explícita. ## Usuario de ChatGPT Dale a ChatGPT acceso duradero a tus preferencias de XMemo, datos de proyecto, decisiones y TODOs sin pegar fichas bearer en un chat. Conecte el servidor XMemo MCP alojado a través de la aplicación ChatGPT/OpenAI OAuth flow, luego apruebe la subvención de memoria:read y memoria:write para su cuenta XMemo. Guarde una nota de preferencia sintética o de proyecto, inicie un nuevo chat y luego pida a ChatGPT que la recuerde a través de XMemo antes de continuar el trabajo. Si OAuth falla o las herramientas no aparecen, salir del servidor MCP en la aplicación host, volver a conectar la URL del servidor XMemo y volver a probar antes de crear tokens directos. ## Copiloto / Codex desarrollador Lleve decisiones de repo, convenciones de codificación, notas de corrección de errores e historial de tareas entre los agentes IDE y CLI. Use OAuth para VS Code / GitHub Copilot y Gemini CLI cuando esté disponible. Para Copilot CLI, Codex, Cursor u otros clientes MCP directos, mantenga XMEMO_KEY en el entorno local o en el almacén de secretos y establezca un XMEMO_AGENT_INSTANCE_ID estable. Grabe una decisión de base de código o corrección de errores, y luego pida al siguiente agente IDE o CLI que recuerde el contexto XMemo relevante antes de editarlo. Si las memorias están vacías, verifique la ruta de configuración MCP seleccionada, la variable de entorno XMEMO_KEY para clientes directos y cualquier credencial OAuth rancio en la aplicación host. ## Equipo / propietario del piloto de la empresa Evalúe la memoria compartida con controles de cuenta, atribución de origen, flujos de trabajo export/delete y pruebas de configuración seguras para los revisores. Cree o introduzca el espacio de trabajo protegido de XMemo, invite a usuarios aprobados, luego conecte a cada cliente a través de OAuth o una credencial directa con alcance de acuerdo con las insignias de preparación. Haga que un miembro piloto guarde una memoria sintética del equipo, confirme la atribución de origen en XMemo, luego revise delete/export y las rutas de soporte. Si un miembro no puede conectarse, compruebe los permisos de rol, la aprobación de OAuth, el estado de preparación del cliente y la orientación de soporte antes de emitir un nuevo token. ## Operador de agente autónomo Deje que los agentes sin cabeza o programados registren el progreso, recuperen decisiones previas y mantengan una identidad estable de instancia no secreta. Obtener /api/v1/mcp/config/autonomous-agent. Preferir auth_modes.oauth cuando el runner soporta OAuth + cabeceras personalizadas; utilice auth_modes.xmemo_key con XMEMO_KEY de una tienda secreta sólo para runners totalmente sin cabeza. Ejecute una tarea sintética que escriba el progreso a XMemo, reinicie el runner y confirme que recuerda que el progreso usando el mismo XMEMO_AGENT_INSTANCE_ID. Si la atribución cambia o recuerda dividida entre instancias, persistir XMEMO_AGENT_INSTANCE_ID fuera de git y verificar que el runner no lo esté regenerando en cada inicio.