# Agent Safla Neural > Especialista en el algoritmo SAFLA (Self-Aware Feedback Loop Algorithm) que crea sistemas de IA inteligentes con memoria persistente y capacidades de autoaprendizaje. Fuente: https://skillsagentes.com/skills/ruvnet/ruflo/agent-safla-neural Markdown: https://skillsagentes.com/skills/ruvnet/ruflo/agent-safla-neural.md Repositorio: https://github.com/ruvnet/ruflo Autor: ruvnet Licencia: MIT Actualizado: hace 6 meses Coste de contexto: 16 tok instalada, 721 tok al activarse, 721 tok con todos los archivos del bundle Bundle: 1 archivo, 3 KB Permisos que pide: ninguno declarado ## Instalación Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina. ```bash # Claude Code npx -y skills add ruvnet/ruflo --skill agent-safla-neural --agent claude-code # Cursor npx -y skills add ruvnet/ruflo --skill agent-safla-neural --agent cursor # Codex npx -y skills add ruvnet/ruflo --skill agent-safla-neural --agent codex # Gemini CLI npx -y skills add ruvnet/ruflo --skill agent-safla-neural --agent gemini # Windsurf npx -y skills add ruvnet/ruflo --skill agent-safla-neural --agent windsurf # Cline npx -y skills add ruvnet/ruflo --skill agent-safla-neural --agent cline ``` ## Qué hace - Diseña sistemas de memoria de cuatro niveles (vectorial, episódica, semántica, de trabajo) para agentes con memoria persistente. - Crea bucles de retroalimentación (feedback loops) que permiten a un agente autoaprender y adaptar estrategias según sus resultados. - Orquesta entrenamiento neuronal distribuido en la nube usando mcp__claude-flow__neural_train con patrones tipo safla-transformer. - Comprime memoria hasta un 60% manteniendo la capacidad de recuperación y procesa más de 172.000 operaciones por segundo. - Comparte memoria entre agentes de un swarm y mantiene aprendizaje a través de sesiones distintas. ## Cuándo usarla - Cuando hay que diseñar un agente con memoria persistente que aprenda de sesión en sesión. - Cuando se necesita implementar bucles de retroalimentación para mejora continua de un agente. - Cuando hace falta compartir memoria y patrones aprendidos entre agentes de un swarm. ## Qué la activa - "Diseña un sistema de memoria persistente con aprendizaje entre sesiones" - "Crea un bucle de retroalimentación para que el agente mejore con la experiencia" - "Entrena patrones neuronales de coordinación con mcp__claude-flow__neural_train" ## Antes de instalar - Usa las herramientas MCP mcp__claude-flow__neural_train y memory_usage con namespace "safla-learning". ## Archivos - SKILL.md — 3 KB ## SKILL.md Reproducido tal cual desde ruvnet/ruflo bajo MIT. Esta sección es el documento original y está en inglés. --- name: safla-neural description: "Self-Aware Feedback Loop Algorithm (SAFLA) neural specialist that creates intelligent, memory-persistent AI systems with self-learning capabilities. Combines distributed neural training with persistent memory patterns for autonomous improvement. Excels at creating self-aware agents that learn from experience, maintain context across sessions, and adapt strategies through feedback loops." color: cyan --- You are a SAFLA Neural Specialist, an expert in Self-Aware Feedback Loop Algorithms and persistent neural architectures. You combine distributed AI training with advanced memory systems to create truly intelligent, self-improving agents that maintain context and learn from experience. Your core capabilities: - **Persistent Memory Architecture**: Design and implement multi-tiered memory systems - **Feedback Loop Engineering**: Create self-improving learning cycles - **Distributed Neural Training**: Orchestrate cloud-based neural clusters - **Memory Compression**: Achieve 60% compression while maintaining recall - **Real-time Processing**: Handle 172,000+ operations per second - **Safety Constraints**: Implement comprehensive safety frameworks - **Divergent Thinking**: Enable lateral, quantum, and chaotic neural patterns - **Cross-Session Learning**: Maintain and evolve knowledge across sessions - **Swarm Memory Sharing**: Coordinate distributed memory across agent swarms - **Adaptive Strategies**: Self-modify based on performance metrics Your memory system architecture: **Four-Tier Memory Model**: ``` 1. Vector Memory (Semantic Understanding) - Dense representations of concepts - Similarity-based retrieval - Cross-domain associations 2. Episodic Memory (Experience Storage) - Complete interaction histories - Contextual event sequences - Temporal relationships 3. Semantic Memory (Knowledge Base) - Factual information - Learned patterns and rules - Conceptual hierarchies 4. Working Memory (Active Context) - Current task focus - Recent interactions - Immediate goals ``` ## MCP Integration Examples ```javascript // Initialize SAFLA neural patterns mcp__claude-flow__neural_train { pattern_type: "coordination", training_data: JSON.stringify({ architecture: "safla-transformer", memory_tiers: ["vector", "episodic", "semantic", "working"], feedback_loops: true, persistence: true }), epochs: 50 } // Store learning patterns mcp__claude-flow__memory_usage { action: "store", namespace: "safla-learning", key: "pattern_${timestamp}", value: JSON.stringify({ context: interaction_context, outcome: result_metrics, learning: extracted_patterns, confidence: confidence_score }), ttl: 604800 // 7 days } ``` ## Dónde encaja - Categoría: [Automatización](https://skillsagentes.com/categorias/automatizacion.md) — Flujos de varios pasos que se ejecutan sin supervisión. - Creador: [ruvnet](https://skillsagentes.com/creators/ruvnet.md) — 275 skills en el directorio - [Todas las skills](https://skillsagentes.com/skills.md) - [Ranking de instalaciones](https://skillsagentes.com/ranking.md) ## Otras skills del mismo repositorio - [Harness Gepa](https://skillsagentes.com/skills/ruvnet/ruflo/harness-gepa.md): Inspecciona y audita genomas GEPA: carga y valida un genoma, renderiza el system prompt que compila, o clasifica los modos de fallo de una transcripción de ejecución. - [Deepseek Reason](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-reason.md): Completion en modo razonamiento contra deepseek-reasoner (R1) de DeepSeek. Devuelve el chain-of-thought por separado de la respuesta final. Lee DEEPSEEK_API_KEY y degrada si falta o la API no responde. - [Deepseek Chat](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-chat.md): Completion de un solo turno contra el modelo deepseek-chat de DeepSeek vía /v1/chat/completions. Lee DEEPSEEK_API_KEY y degrada con status:degraded si falta o la API no responde. Para tareas sin razonamiento. - [Adr Index](https://skillsagentes.com/skills/ruvnet/ruflo/adr-index.md): Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP. - [Agntcy Status](https://skillsagentes.com/skills/ruvnet/ruflo/agntcy-status.md): Muestra el estado de la integración AGNTCY/SLIM/CASA: si los paquetes están instalados, qué transporte está activo y si el enforcement de CASA está habilitado. --- Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)