HumanLayer Skills: conservar instrucciones y diseñar ciclos revisables
Rendimiento del ciclo HumanLayer: ajusta trabajo a la revisión disponible
Mide mejoras aceptadas, espera de PR, reintentos y esfuerzo humano antes de aumentar frecuencia o lote.
Qué aprenderás
- Más frecuencia puede ralentizar la cola de revisión
- Mide fases y conserva intentos fallidos
- Ajusta frecuencia después de estabilizar comportamiento
Antes de empezar
- Instrucciones de repositorio y conceptos GitHub Actions
- Comprender alcance de revisión y contexto persistente
Diseñar un flujo acotado e inspeccionable y separar supuestos de plantillas de comportamiento probado.
Conclusiones clave
- Mejoras aceptadas importan más que el número de PR.
- El límite de la plantilla no cubre toda invocación manual.
- Cancelar y revertir son resultados diferentes.
Más frecuencia puede ralentizar la cola de revisión
La habilidad recomienda un PR abierto por ciclo. La plantilla busca PR abiertos con su etiqueta en ejecuciones programadas y no hace trabajo nuevo si encuentra uno. La ejecución manual omite esa comprobación, permitiendo acumular trabajo con invocaciones repetidas.
Si llegan cambios más rápido de lo que se revisan, aumentar frecuencia crece la cola y no mejora el repositorio antes. Cuenta cambios validados y aceptados y su tiempo de revisión, no solo arranques de workflows o PR creados.
Mide fases y conserva intentos fallidos
Registra sensor, selección, uso del actuador, validación, espera y reparación con alcance y aceptación estables. Un sensor barato no hace gratuito al agente y una respuesta corta no demuestra bajo coste total.
Incluye ejecuciones sin trabajo, mediciones fallidas, cambios rechazados y reintentos por memoria junto a éxitos. Separa duración transcurrida y esfuerzo agregado. No medimos ahorro de tokens, aceleración, convergencia ni precios de servicios.
Ajusta frecuencia después de estabilizar comportamiento
Si limita la revisión, reduce lote o pausa trabajo nuevo sin debilitar controles. Si falla la medición, estabiliza el sensor. Si se eligen malos objetivos, cambia la política real del controlador: mostrar feedback solo al actuador puede no repararla.
La concurrencia del esqueleto usa cancel-in-progress. Comprende consecuencias sobre agente activo, artefactos y rama parcial antes de usarlo como seguridad. Cancelar no equivale a revertir limpiamente; aquí no ejecutamos un ensayo de cancelación.
Cómo elegir
| Criterio | Opción A | Opción B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
Pasos de implementación
- 1
Fija capacidad de revisión antes de frecuencia.
- 2
Mide inactividad, fallos, espera y consumo.
- 3
Corrige medición o selección primero.
- 4
Ajusta un parámetro tras un ensayo revisado.
Ejemplo para copiar
{
"propuesta": true,
"limitePrProgramados": 1,
"omisionManualEnPlantilla": true,
"cambiosAceptados": null,
"esperaRevisionHoras": null,
"cambiosRechazados": null,
"usoModelo": null,
"benchmarkEjecutado": false
}Preguntas frecuentes
¿Ejecutar cada hora termina siempre antes?
No. Revisión y reparación pueden dominar el rendimiento.
¿Cancelar deshace los cambios?
No se estableció esa garantía; revisa estado parcial y comportamiento del ejecutor.
Fuentes
- HumanLayer Skills / plugins/design-control-loop/skills/design-control-loop/SKILL.mdFuente verificada 2026-09-14
- HumanLayer Skills / plugins/design-control-loop/skills/design-control-loop/references/workflow-template.ymlFuente verificada 2026-09-14