OpenClaw ahora mantiene los hechos y el conocimiento del código fuera de las habilidades aprendidas — Moviendo las ya guardadas a la memoria y a AGENTS.md (2026)

El cambio llegó en la solicitud de extracción #167404, fusionada el 8 de octubre y lanzada en la versión 2026.10.5. Su planteamiento del problema es claro: "Los agentes guardaban habilidades aprendidas para cosas que no son procedimientos: hechos sobre el usuario (un cumpleaños) y conocimiento sobre una base de código (su comando de prueba, variables de entorno, reglas de nomenclatura)".

La solución está en los prompts que deciden qué se guarda. Según la solicitud de extracción, el estándar de autoría compartido utilizado por la herramienta skill_workshop, la revisión en segundo plano y /learn ahora comienza con "una habilidad es un procedimiento, no memoria". La lista de elementos que no se deben capturar ganó un elemento: "conocimiento sobre una base de código, que pertenece a la documentación del repositorio o a AGENTS.md". Y la sección de Skill Workshop siempre activa del prompt del sistema "lleva ambos puntos en una cláusula cada uno, para que el agente en primer plano también los siga".

La solicitud de extracción también describe lo que verás cuando pidas algo que ya no califica: "Cuando se le pide /learn detalles específicos de la base de código o un hecho simple, el agente dice a dónde pertenece en lugar de crear una habilidad". Los procedimientos personales no se ven afectados. La regla está limitada "al conocimiento de una base de código, no a todo el trabajo de programación", por lo que un método como el propio ejemplo de la solicitud de extracción, "cómo publico mi blog", se sigue aprendiendo.

OpenClaw lo probó con tres intentos por cada lado. Los prompts antiguos guardaron una habilidad específica de la base de código cada vez; los nuevos no guardaron ninguna, y "cada respuesta dice que pertenece a la documentación del repositorio o a AGENTS.md". Un procedimiento personal se guardó en los tres intentos tanto antes como después.

La misma versión incluye una segunda corrección, de la solicitud de extracción #167639. Antes de esta, "las habilidades aprendidas con nombres de más de 63 caracteres desaparecían de la lista de Skill Workshop, y las funciones patch/archive/restore las rechazaban, aunque permanecían cargadas en el contexto del modelo". Después de ella, "cada habilidad que guardó una versión anterior vuelve a aparecer en la lista y se puede administrar". Esto es importante para la limpieza que se describe a continuación: algunas de las habilidades que necesitas revisar podrían estar apareciendo en la lista recién ahora.

La página actual de Skill Workshop traza tres líneas divisorias. Los procedimientos se quedan: "el método para una tarea que el usuario repite, para que el agente no tenga que resolverla de nuevo cada vez". Los hechos van a otra parte: "Los hechos sobre el usuario o el mundo pertenecen a la memoria". Y el conocimiento del repositorio va al repositorio: "El conocimiento sobre una base de código, como sus convenciones, comandos de construcción o arquitectura, pertenece a la documentación de ese repositorio o a AGENTS.md, donde cada agente que trabaja allí lo lee, de modo que el agente no lo guarde como una habilidad aprendida".

La página de autoaprendizaje, que describe la revisión en segundo plano, es más específica sobre lo que omite. La revisión "no captura fallas específicas del entorno o transitorias, afirmaciones negativas sobre herramientas, fallas no resueltas o suposiciones, conocimiento sobre una base de código, tareas únicas, hechos personales, secretos o consejos genéricos sin comandos, rutas o identificadores concretos". También mantiene los detalles de una sola solicitud en la conversación: "Los detalles que son ciertos para una sola solicitud, como un producto, pedido, menú, fecha, lugar o reserva, se quedan en la conversación".

La solicitud de extracción explica por qué el conocimiento del repositorio era el objetivo principal: "Skill Workshop está diseñado para un claw personal: sus habilidades son para todo el agente, mientras que un repositorio ya tiene un propietario para sus propias convenciones".

Todo lo anterior se refiere a lo que sucede a partir de ahora. La solicitud de extracción es explícita al indicar que cambió "solo el texto del prompt y de la documentación", que "no escribe ningún estado" y que el resultado es "sin cambios en la configuración ni en los datos almacenados". Nada en las notas de lanzamiento ni en la página de Skill Workshop describe un proceso que revise las habilidades aprendidas existentes frente a la nueva regla.

Por lo tanto, una habilidad guardada el mes pasado que contiene el comando de prueba de tu repositorio sigue siendo una habilidad aprendida hoy. Tres propiedades de las habilidades aprendidas hacen que sigan teniendo efecto.

Las habilidades aprendidas siempre son visibles para su agente. La página de Skill Workshop dice que "pertenecen a un agente y siempre son visibles para él: omiten las listas de permitidos agents.defaults.skills y agents.entries.<id>.skills. Para ocultar una, archívala". No puedes excluir una habilidad aprendida de un proyecto usando la lista de permitidos que usarías para otras habilidades.

Siguen al agente a cada proyecto. La propia descripción del problema en la solicitud de extracción es que el conocimiento de la base de código guardado como una habilidad aprendida "se carga en cada sesión del agente, incluidos los proyectos no relacionados". La página de habilidades enumera las habilidades de Workshop en el quinto nivel de precedencia de carga, por debajo de las habilidades de espacio de trabajo, de proyecto-agente, de agente-personal y administradas, y el catálogo de habilidades que va en el prompt del sistema incluye el nombre, la descripción y la ubicación de cada habilidad elegible.

La limpieza de habilidades no utilizadas no necesariamente las detectará. Con el aprendizaje activado, OpenClaw archiva una habilidad aprendida "sin actividad durante 30 días". La actividad incluye "una lectura registrada de su SKILL.md, una vista (view) de skill_workshop en primer plano y su último cambio". Una habilidad que el agente sigue abriendo porque su descripción coincide con tu trabajo cuenta como activa, independientemente de si su contenido aún pertenece allí o no. La limpieza también tiene un límite de alcance: "La limpieza solo se ejecuta para agentes cuyo entorno de ejecución predeterminado es el arnés integrado de OpenClaw", y "la limpieza permanece desactivada para los agentes de Codex en lugar de archivar las habilidades que están en uso".

La solicitud de extracción califica el cambio como una "puerta de doble vía" porque no escribe ningún estado, por lo que una reversión restaura la redacción anterior. La consecuencia es que organizar las habilidades existentes es tu trabajo.

La documentación de OpenClaw asigna un hogar específico para cada tipo de contenido que la nueva regla traslada fuera de las habilidades aprendidas.

Los hechos y preferencias sobre ti van a la memoria. La descripción general de la memoria de OpenClaw dice que "recuerda cosas escribiendo archivos Markdown simples en el espacio de trabajo de tu agente". Aquí importan dos archivos. USER.md contiene "preferencias estables, estilo de comunicación, relaciones y contexto del proyecto activo escritos como directivas". MEMORY.md contiene "hechos y decisiones duraderos que no son del perfil". Ambos se cargan al inicio de una sesión. Las observaciones del día a día van en notas diarias con fecha bajo memory/, las cuales se pueden buscar pero "no se inyectan en el prompt de arranque en cada turno". El propio consejo de la página de memoria para registrar algo: "Si quieres que tu agente recuerde algo, simplemente pídeselo". El agente "escribe la nota en el archivo correspondiente".

El conocimiento de la base de código va al repositorio. Eso significa la propia documentación del repositorio o su AGENTS.md, el archivo que lee cada agente que trabaja en ese repositorio. Este es un archivo diferente del AGENTS.md en el espacio de trabajo de tu agente de OpenClaw. Las preguntas frecuentes de OpenClaw enumeran los archivos del espacio de trabajo como AGENTS.md, SOUL.md, IDENTITY.md, USER.md, MEMORY.md y las notas diarias, y sugieren poner "las reglas de funcionamiento en AGENTS.md y los hechos duraderos en la memoria". Si pones el comando de construcción de un proyecto en el archivo del espacio de trabajo, se cargará con tu agente dondequiera que trabaje, el mismo problema que originó esto. Si el repositorio ya tiene un archivo de instrucciones, nuestra guía para mover el contenido de CLAUDE.md a AGENTS.md explica cómo se relacionan los dos formatos comunes.

Los procedimientos se quedan como habilidades aprendidas. Un método para un tipo de tarea que repites es exactamente para lo que sirve el Workshop. Una habilidad que mezcla un método general con los detalles de un repositorio se puede dividir. La solicitud de extracción describe esto como "la división prevista: los métodos generales se quedan y los hechos de la base de código van al repositorio".

Asumir que la actualización limpió las habilidades antiguas. El lanzamiento cambió lo que se guarda a partir de ahora. La solicitud de extracción indica que las habilidades existentes no se modifican.

Asumir que las habilidades no utilizadas se archivarán automáticamente. Solo se archivan las habilidades sin actividad durante 30 días, una habilidad que el agente lee cuenta como activa y la limpieza está desactivada para los agentes en el arnés de Codex.

Asumir que una lista de permitidos mantiene una habilidad aprendida fuera de un proyecto. Las habilidades aprendidas omiten las listas de permitidos del agente y por defecto. Archivar es la forma documentada de ocultar una.

Asumir que el agente ya no puede guardar un hecho. El cambio está en los prompts. El modelo sigue decidiendo, y la validación de escritura de Workshop verifica nombres, frontmatter, rutas, tamaño y hallazgos de seguridad, no si el contenido es un hecho.

Asumir que todo ya está en la lista. Antes de la versión 2026.10.5, las habilidades con nombres largos no aparecían en la lista a pesar de estar cargadas.

Paso 1: Enumera cada habilidad aprendida y organízala en tres grupos

Primero actualiza a la versión 2026.10.5 o posterior para que aparezcan las habilidades con nombres largos. Luego abre Plugins → Skill workshop en la interfaz de usuario de control (Control UI), o ejecuta openclaw skills workshop list. La interfaz de usuario de control enumera las habilidades aprendidas más utilizadas primero y marca las que hayan estado inactivas durante dos semanas. openclaw skills workshop show <nombre> muestra el contenido de una habilidad.

Para cada habilidad, pregúntate: ¿es este un método para una tarea que repito? Luego organízala:

• Procedimiento: pasos para un tipo de tarea, con los comandos, rutas o identificadores que los hacen funcionar. Consérvala.
• Hecho sobre ti o el mundo: una preferencia, una fecha, una relación, una decisión. Muévela a la memoria.
• Conocimiento sobre una base de código: sus convenciones, comandos de construcción o prueba, variables de entorno, arquitectura. Muévela a ese repositorio.

Algunas habilidades estarán mezcladas. Toma nota de qué partes pertenecen a cada lugar.

Paso 2: Mueve los hechos a la memoria y el conocimiento de la base de código al repositorio

Para los hechos, la ruta más sencilla es la que documenta OpenClaw: pídele al agente que los recuerde. Las preferencias de tipo perfil pertenecen a USER.md; los hechos y decisiones duraderos que no son del perfil pertenecen a MEMORY.md. Revisa el archivo después para ver qué se escribió.

Para el conocimiento de la base de código, agrégalo al archivo AGENTS.md o a la documentación de ese repositorio, y confírmalo (commit) como cualquier otro cambio, para que quien sea el propietario del repositorio pueda revisarlo. Otros agentes y personas que trabajen allí también lo leerán.

Para las habilidades mezcladas, edita la habilidad para que solo quede el método general. La herramienta skill_workshop admite un comando patch que "reemplaza un fragmento exacto y único", y cada cambio guarda primero la versión anterior, por lo que una mala edición se puede restaurar.

Paso 3: Archiva lo que moviste y luego confirma en una nueva sesión

Una vez que el contenido esté en otro lugar, archiva el original con openclaw skills workshop archive <nombre> --reason "Superseded" o con el botón Archive (Archivar). El archivo tiene control de versiones: "restáuralo en cualquier momento". El motivo aparece en el historial de cambios, que conserva las 500 entradas más recientes por agente.

Luego inicia una nueva sesión. "Las habilidades modificadas se cargan en las nuevas sesiones. Una sesión en ejecución mantiene la instantánea de la habilidad con la que comenzó". Pídele al agente que realice una tarea del proyecto afectado y verifica que lea el archivo AGENTS.md del repositorio en lugar de la habilidad antigua. Repite el proceso desde un segundo proyecto no relacionado y confirma que los detalles de la base de código ya no se cargan con él.

OpenClaw ahora separa tres tipos de conocimiento: cómo hacer una tarea, qué es cierto sobre ti y cómo funciona una base de código. El del medio es también el tipo de conocimiento que quizás quieras fuera de OpenClaw, en los otros asistentes que utilizas. MemoryLake es una capa de memoria para mantener esos hechos y decisiones en una lista que tú mismo mantienes, disponible para OpenClaw a través de su integración y para otros asistentes que conectes, como ChatGPT y Claude Code.

Tú mismo escribes las entradas, con tus propias palabras. No se lee, escribe ni elimina nada de tus habilidades aprendidas, tu USER.md o MEMORY.md, el AGENTS.md de ningún repositorio ni el almacenamiento de ningún proveedor. Las convenciones del repositorio siguen perteneciendo al repositorio, donde todos los que trabajan en él pueden revisarlas. Excluye secretos y cualquier cosa que tu organización mantenga como interna.

Paso 1: Crea una clave de API

Inicia sesión y genera una clave desde el panel de control. La clave pertenece a tu espacio de trabajo de MemoryLake y es independiente de tu configuración de OpenClaw.

Paso 2: Sube tus primeras memorias

Comienza con los hechos que extrajiste de las habilidades aprendidas en la clasificación anterior: preferencias, decisiones permanentes, detalles sobre personas y proyectos. Un hecho por entrada, con fecha, para que sea fácil encontrar y eliminar uno desactualizado.

Paso 3: Conecta tu IA y agentes

Conecta OpenClaw y los demás asistentes que utilices. Tus habilidades aprendidas conservan los procedimientos, el repositorio conserva sus convenciones y los hechos que escribiste estarán disponibles dondequiera que trabajes.

La primera diferencia es que cada proyecto tiene sus propias reglas. El conocimiento de la base de código en el archivo AGENTS.md de un repositorio se carga donde se encuentra esa base de código, en lugar de acompañar a tu agente en todo lo demás.

La segunda es que los hechos son más fáciles de corregir. Una preferencia guardada en una habilidad es difícil de encontrar cuando cambia, porque tienes que saber en qué habilidad está. En USER.md, MEMORY.md o en una lista que tú mantengas, un cambio es una sola edición.

La tercera es una lista de habilidades aprendidas más pequeña y en la que es más fácil confiar. La revisión en segundo plano de OpenClaw tiene como objetivo mantener "tus habilidades aprendidas como un pequeño conjunto de procedimientos repetibles". Eliminar lo que no es un procedimiento alinea la lista existente con ese objetivo. Para ver dónde se sitúa la línea entre habilidades y reglas en otra herramienta, nuestra comparación de habilidades y reglas de Cursor lo explica.

Actualiza antes de organizar. Las habilidades con nombres largos solo aparecen en la lista a partir de la versión 2026.10.5.

Pon el conocimiento del repositorio en el repositorio. Utiliza su AGENTS.md o documentación, no el AGENTS.md de tu espacio de trabajo.

Divide las habilidades mezcladas en lugar de eliminarlas. Conserva el método general.

Archiva con un motivo. El historial de cambios explicará entonces qué se movió y a dónde.

Verifica desde un proyecto no relacionado. Ahí es donde aparece una habilidad de base de código mal ubicada.

Observa qué guarda el autoaprendizaje a continuación. Revisa la fila Learned (Aprendido) cuando aparezca. Otros proveedores publican listas similares de lo que su memoria deja fuera; nuestro análisis de las exclusiones de memoria de Grok Build cubre una de ellas.

OpenClaw 2026.10.5 cambió lo que guarda el Skill Workshop: los procedimientos se quedan, los hechos van a la memoria y el conocimiento sobre una base de código va a la documentación de ese repositorio o a AGENTS.md. No cambió lo que ya estaba guardado. Las habilidades aprendidas siguen siendo visibles para su agente independientemente de las listas de permitidos, se cargan en cada proyecto en el que trabaja ese agente y evitan la limpieza de habilidades no utilizadas mientras se sigan leyendo.

Organiza cada habilidad aprendida, mueve los hechos a la memoria y las notas de la base de código al repositorio, archiva los originales y verifica desde una nueva sesión en un proyecto no relacionado. Nuestro análisis profundo de la memoria de OpenClaw cubre el resto del sistema de memoria, y nuestra recopilación de configuraciones de memoria para agentes de OpenClaw compara las opciones.