Skills Agentes

Gaia Debugging

Diagnostica por qué falló una pregunta de GAIA: extrae la traza, clasifica el modo de fallo y propone una corrección antes de reenviar.

Solicitabash read mcp__plugin_ruflo-core_ruflo__memory_search mcp__plugin_ruflo-core_ruflo__memory_store mcp__plugin_ruflo-core_ruflo__agentdb_pattern_search mcp__plugin_ruflo-core_ruflo__agentdb_pattern_store
Estrellas
69.4k

en todo el repo

Actividad
55

0–100, la ruta de este skill

Actualizado
el mes pasado

último commit aquí

Commits
2

últimos 90 días

Contexto
1.1k tok

53 tok en reposo

Paquete
1 archivo

4 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add ruvnet/ruflo --skill gaia-debugging --agent claude-code

Se instala solo en este repositorio.

Este skill reads environment config.

Qué hace

  • Carga la traza de una pregunta GAIA fallida por task_id y la clasifica en una taxonomía de modos de fallo
  • Distingue entre falta de herramienta, error de razonamiento, bug de extracción, loop, cambio de dataset o timeout
  • Reejecuta la pregunta con logging extendido y aplica una corrección dirigida según el tipo de fallo
  • Guarda el patrón de fallo y su solución para futuras consultas

Úsalo cuando

  • Un task_id concreto devuelve la respuesta incorrecta o hace timeout
  • La tasa de aciertos bajó entre dos ejecuciones y hay que encontrar la regresión
  • Una clase de preguntas falla de forma consistente

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • Diagnostica por qué falló la pregunta task_id=abc123 en GAIA
    • La tasa de aciertos bajó en la última corrida, encuentra la regresión

    SKILL.md

    En inglés

    GAIA Debugging Skill

    When a GAIA question fails, systematically diagnose the root cause and propose a targeted fix.

    When to use

    • A specific task_id returns the wrong answer or times out
    • Pass-rate dropped between two runs and you need to find the regression
    • You want to understand why a particular question class is consistently failing

    Failure mode taxonomy

    Code Mode Symptom Fix direction
    TG Tool Gap Agent lacks a required tool (no image OCR, no PDF reader) Add tool to catalogue
    RM Reasoning Miss Agent has the right data but draws wrong conclusion Improve system prompt, add CoT instruction
    EB Extraction Bug Answer is in the trace but FINAL_ANSWER: regex fails Fix answer extraction pattern
    LI Loop Issue Agent loops (re-asks same tool call) and hits turn limit Increase max-turns or add loop-detection
    DS Dataset Shift Ground truth differs from what web currently shows Flag for HAL dataset audit
    AT API Timeout Tool call times out; agent never gets the result Increase per-turn timeout

    Diagnostic workflow

    Step 1 — Load the question trace

    # Find the result for the task_id in the latest run
    RESULTS=~/.cache/ruflo/gaia/results-latest.json
    node -e "
      const r = JSON.parse(require('fs').readFileSync('$RESULTS'));
      const q = r.results.find(x => x.task_id === '$TASK_ID');
      console.log(JSON.stringify(q, null, 2));
    "
    

    Step 2 — Classify the failure

    Look at the trace output:

    1. No tools called at all → RM or configuration issue
    2. Tool called but returned error → TG or AT
    3. Tool returned data, wrong answer → RM or EB
    4. Correct answer in trace but marked wrong → EB
    5. max-turns hit → LI or question too hard for current model

    Step 3 — Re-run with extended logging

    node v3/@claude-flow/cli/bin/cli.js gaia-bench run \
      --level 1 --limit 1 \
      --task-id $TASK_ID \
      --models claude-sonnet-4-6 \
      --max-turns 20 \
      --output json
    

    Step 4 — Apply targeted fix

    Failure Action
    TG — missing web_browse Verify gaia-tools/index.ts exports web_browse; check tool registration
    TG — missing image OCR Add image_describe tool call; verify GOOGLE_AI_API_KEY
    RM — reasoning Add a system prompt instruction: "Before answering, list all facts you have gathered"
    EB — extraction Test the FINAL_ANSWER_RE regex against the trace manually
    LI — loop Add a tool-call deduplication guard in gaia-agent.ts
    AT — timeout Set DEFAULT_PER_TURN_TIMEOUT_MS higher or use --max-turns flag

    Step 5 — Verify fix and store pattern

    # Re-run the single question
    node … gaia-bench run --task-id $TASK_ID --models $MODEL --output json
    
    # If now passing, store the pattern
    npx @claude-flow/cli@latest memory store \
      --namespace gaia-debug-patterns \
      --key "fix-$FAILURE_CODE-$(date +%Y%m%d)" \
      --value "task_id=$TASK_ID, mode=$FAILURE_CODE, fix=$FIX_DESCRIPTION"
    

    Quick reference: tool catalogue check

    node -e "
      const { createDefaultToolCatalogue } = require('./v3/@claude-flow/cli/src/benchmarks/gaia-tools/index.js');
      const cat = createDefaultToolCatalogue({});
      console.log('Tools registered:', cat.definitions.map(t => t.name));
    "
    

    Expected: web_search, file_read, web_browse, image_describe, python_exec

    Pattern storage

    After resolving a debugging session, store the finding:

    npx @claude-flow/cli@latest memory store \
      --namespace gaia-debug-patterns \
      --key "session-$(date +%Y%m%d-%H%M)" \
      --value '{"task_id":"$TASK_ID","failure_mode":"$CODE","fix":"$FIX","verified":true}'
    

    Search for similar past failures:

    npx @claude-flow/cli@latest memory search \
      --namespace gaia-debug-patterns \
      --query "extraction bug final answer regex"
    

    Reproducido de ruvnet/ruflo bajo licencia MIT. Leer esta página en markdown.

    Archivos

    1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Antes de instalar

    Necesita en el PATH:nodenpx

    Variables de entorno:CODEFAILURE_CODEFIX_DESCRIPTIONMODELRESULTSTASK_ID

    Detalles

    Creador
    ruvnet
    Categoría
    Testing y QA
    Licencia
    MIT
    Recursos incluidos
    Solo SKILL.md
    Repositorio
    ruvnet/ruflo
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de ruvnet/ruflo

    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.

    Costo de contexto al activarse
    833 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    herramientas desarrollo

    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.

    Costo de contexto al activarse
    566 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    automatizacion

    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.

    Costo de contexto al activarse
    627 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    automatizacion

    Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.

    Costo de contexto al activarse
    866 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 27 días
    herramientas desarrollo

    Crea un nuevo Architecture Decision Record con numeración secuencial y registro en AgentDB.

    Costo de contexto al activarse
    680 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 27 días
    herramientas desarrollo

    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.

    Costo de contexto al activarse
    443 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 26 días
    devops infraestructura

    Skills relacionados

    Agente de benchmarking de rendimiento exhaustivo: detección de regresiones y validación de rendimiento mediante pruebas automatizadas de carga, estrés y escalabilidad.

    Costo de contexto al activarse
    4.9k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 6 meses
    testing qa

    Agente avanzado de análisis de calidad de código para revisiones y mejoras exhaustivas del código.

    Costo de contexto al activarse
    1.5k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 6 meses
    testing qa

    Despliega agentes de IA especializados para realizar revisiones de código exhaustivas e inteligentes que van más allá del análisis estático tradicional.

    Costo de contexto al activarse
    3k tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 6 meses
    testing qa