# Una skill reusable vale cuando conserva su contrato de comportamiento > Hipótesis editorial multi-paper. Resultado del test: partially-supported-by-corpus. - Página: https://luiseduardodemiguel.com/research-ia/hypotheses/skill-contracts-are-evolvable-assets - Test: research-hypotheses:corpus-triangulation:v1 - Fecha de comprobación: 2026-08-19 - Combinación: Automating SKILL.md + TTHE + Self-Improving Coding Agents + From Prompts to Contracts ## Hipótesis La reutilización de skills no debería medirse por cuántos archivos produce un agente, sino por si el contrato, las pruebas, las reglas acumuladas y el rollback permiten transferir una mejora sin transportar un fallo. Pregunta: ¿Puede una skill convertirse en un activo evolutivo sin volverse una caja negra peligrosa? ## Problema y contexto Una skill reusable no es sólo un archivo de instrucciones. Es una pieza de comportamiento que debe conservar sus precondiciones, pruebas, límites, reglas acumuladas y posibilidad de rollback cuando cambia de tarea o repositorio. La pregunta es si la mejora de un harness puede viajar entre trabajos sin convertir el aprendizaje en una caja negra. Para responderla hay que seguir la cadena completa: extraer comportamiento, evolucionarlo, registrar reglas y comprobar el contrato. ## Qué aporta cada paper ### Automating SKILL.md Generation for Computer-Using Agents via Interaction Tra — Explora extraer una skill desde trayectorias de interacción, haciendo explícito qué comportamiento se pretende reutilizar. - Problema que aborda: Las skills explícitas hacen agentes más inspeccionables, pero escribirlas a mano no escala. - Qué aporta: Extrae bibliotecas de habilidades desde trayectorias GUI: segmenta interacciones, agrupa skills candidatas y entrena una política consciente de esas skills. - Resultado reportado por la fuente: NMI drops for larger k , while purity stays near 0.63, so we use k=8 in the main analysis. - Qué no permite concluir: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 6 Results. - Ficha: https://luiseduardodemiguel.com/research-ia/markdown/papers/automating-skill-md-generation-for-computer-using-agents-via-interaction - Fuente primaria (v1): https://arxiv.org/html/2606.20363#S4 ### TTHE — Trata el harness como un componente que puede evolucionar durante la ejecución, lo que convierte la mejora en un problema de control y no sólo de prompting. - Problema que aborda: Los agentes actuales suelen desplegarse con un workflow fijo, aunque cambien la distribución de tareas, las herramientas o los errores encontrados. - Qué aporta: Propone que el harness de un agente —el programa que prepara contexto, llama herramientas, verifica resultados y recupera errores— pueda modificarse durante la propia evaluación. TTHE usa las trazas no etiquetadas producidas por el agente para evolucionar su flujo de ejecución en tiempo de prueba. - Resultado reportado por la fuente: Table 1 sweeps the number of proposers per round G against the maximum number of generation rounds R . - Qué no permite concluir: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 5 Experiments. - Ficha: https://luiseduardodemiguel.com/research-ia/markdown/papers/tthe-test-time-harness-evolution - Fuente primaria (v1): https://arxiv.org/html/2607.08124#S4 ### Self-Improving AI Coding Agents Through Accumulated Behavioral Rules — Acumula reglas de comportamiento a partir de tareas anteriores y abre la pregunta de cuándo una regla ayuda y cuándo congela un sesgo o un fallo. - Problema que aborda: Los coding agents pueden recibir la misma corrección humana repetidamente y volver a cometer el mismo error en sesiones posteriores. - Qué aporta: Cada comentario de revisión aceptado se transforma en una regla persistente y versionada que el agente debe comprobar en futuras sesiones. En un entorno real de más de 35 microservicios, el sistema acumuló reglas de comportamiento, estándares por lenguaje y una checklist de auto-revisión. - Resultado reportado por la fuente: Table III shows the growth of the rule set across the observation period. - Qué no permite concluir: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en Experimental Results. - Ficha: https://luiseduardodemiguel.com/research-ia/markdown/papers/self-improving-ai-coding-agents-through-accumulated-behavioral-rules - Fuente primaria (v1): https://arxiv.org/html/2607.13091#S2 ### From Prompts to Contracts — Traslada el centro de gravedad desde el prompt hacia contratos, artefactos y validaciones que permiten auditar el comportamiento empresarial. - Problema que aborda: Los prompts monolíticos mezclan lógica de negocio, recuperación, reglas, formato y razonamiento, dificultando auditoría y mantenimiento. - Qué aporta: Traslada el comportamiento estable de un agente desde el prompt hacia contratos explícitos: código determinista, schemas, manifests, validaciones y evidencias trazables. El LLM permanece reemplazable y las fuentes documentales conservan autoridad sobre la respuesta. - Resultado reportado por la fuente: In the harness condition, live structured output is validated against the output contract and, on failure, the deterministic composer supplies the reader-facing answer. - Qué no permite concluir: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 5 System Validation Results. - Ficha: https://luiseduardodemiguel.com/research-ia/markdown/papers/from-prompts-to-contracts-harness-engineering-for-auditable-enterprise-l - Fuente primaria (v1): https://arxiv.org/html/2607.08028#S3 ## Puente de síntesis La conexión editorial es un ciclo de evolución gobernada: una interacción descubre una práctica; el harness la convierte en regla; el contrato define cuándo es válida; las pruebas y el rollback limitan su transferencia. Los papers aportan piezas de ese ciclo, pero no prueban todavía una métrica común de reutilización segura entre repositorios, modelos y equipos. ## Implicaciones si la dirección es correcta - Versionar cada skill junto con sus condiciones de uso, casos de regresión y señales que obligan a revertirla. - Evaluar transferencia a una tarea nueva, no sólo mejora en la trayectoria que generó la regla. - Hacer que una skill no confiable falle cerrada y explique qué contrato o prueba le falta antes de entrar en producción. ## Resultado y límites La dirección queda parcialmente apoyada: los trabajos cubren piezas complementarias, pero no presentan una métrica común de reutilización segura ni una historia de rollback entre tareas y repositorios. Que los cuatro papers comparten una relación verificable con skills, reglas, harness o contratos y no son solo una coincidencia temática. Límite: Este test verifica procedencia, cobertura y coherencia de la síntesis; no sustituye un experimento de producción ni prueba causalidad. No demuestra: No prueba que las skills aprendidas sean seguras fuera del benchmark ni que un contrato detecte todos los efectos laterales. ## Próxima prueba - Entrada: Tres tareas repetidas con una skill base, una variante generada y un conjunto de pruebas de regresión sobre permisos y calidad. - Baseline: Prompt/manual operativo sin skill versionada ni reglas acumuladas. - Métrica: Tasa de éxito, regresiones, transferencia a una tarea nueva, coste de revisión humana y reversibilidad. - Regla de parada: Parar y hacer rollback ante una regresión de seguridad o si la mejora solo aparece en la tarea de entrenamiento. - Timebox: 3 semanas ## Papers - [Automating SKILL.md Generation for Computer-Using Agents via Interaction Tra](https://luiseduardodemiguel.com/research-ia/markdown/papers/automating-skill-md-generation-for-computer-using-agents-via-interaction): https://arxiv.org/abs/2606.20363 - [TTHE](https://luiseduardodemiguel.com/research-ia/markdown/papers/tthe-test-time-harness-evolution): https://arxiv.org/html/2607.08124v1 - [Self-Improving AI Coding Agents Through Accumulated Behavioral Rules](https://luiseduardodemiguel.com/research-ia/markdown/papers/self-improving-ai-coding-agents-through-accumulated-behavioral-rules): https://arxiv.org/abs/2607.13091 - [From Prompts to Contracts](https://luiseduardodemiguel.com/research-ia/markdown/papers/from-prompts-to-contracts-harness-engineering-for-auditable-enterprise-l): https://arxiv.org/html/2607.08028v1