Crea y adapta agentes con Dynamic Agentic Architecture que aprenden y evolucionan.
Reemplaza a: agentes con configuración estática y fija
mcp__plugin_ruflo-core_ruflo__daa_agent_create mcp__plugin_ruflo-core_ruflo__daa_agent_adapt mcp__plugin_ruflo-core_ruflo__daa_learning_status mcp__plugin_ruflo-core_ruflo__daa_performance_metrics mcp__plugin_ruflo-core_ruflo__daa_knowledge_share bashen todo el repo
0–100, la ruta de este skill
último commit aquí
últimos 90 días
19 tok en reposo
2 KB
Funciona con cualquier agente que lea SKILL.md
npx -y skills add ruvnet/ruflo --skill daa-agent --agent claude-codeSe instala solo en este repositorio.
Di cualquiera de estas frases y el agente debería cargar este skill.
Create agents with Dynamic Agentic Architecture that adapt and learn over time.
When you need agents that go beyond static configurations — agents that adapt their behavior based on performance metrics, learn from interactions, and share knowledge with other agents.
mcp__plugin_ruflo-core_ruflo__daa_agent_create with initial configuration and learning parametersmcp__plugin_ruflo-core_ruflo__daa_learning_status to see adaptation progressmcp__plugin_ruflo-core_ruflo__daa_performance_metrics for efficiency and accuracy metricsmcp__plugin_ruflo-core_ruflo__daa_agent_adapt to trigger manual adaptation based on feedbackmcp__plugin_ruflo-core_ruflo__daa_knowledge_share to propagate learnings to other agents| Aspect | Static Agent | DAA Agent |
|---|---|---|
| Behavior | Fixed configuration | Adapts over time |
| Learning | None | Continuous from interactions |
| Knowledge | Isolated | Shared across agents |
| Performance | Constant | Improves with use |
Reproducido de ruvnet/ruflo bajo licencia MIT. Leer esta página en markdown.
1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.
Este repo incluye 275 skills. Si instalas uno, normalmente ya tienes los demás.
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.
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.
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.
Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.
Crea un nuevo Architecture Decision Record con numeración secuencial y registro en AgentDB.
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.
Coordinador de swarm que cambia dinámicamente de topología (jerárquica, malla, anillo, híbrida) y se reoptimiza en tiempo real según patrones de rendimiento y carga de trabajo, con aprendizaje integrado.
Especialista en Goal-Oriented Action Planning (GOAP) que crea planes dinámicos e inteligentes para objetivos complejos, combinando técnicas de IA de videojuegos, replanificación adaptativa y optimización sublineal.
Especialista en coordinación inteligente y generación dinámica de agentes: analiza tareas y crea automáticamente los agentes con las capacidades óptimas para cada trabajo.
