菜单
Se activa automáticamente cuando la IA está a punto de recomendar un framework, herramienta, práctica técnica o metodología que podría estar desactualizada o sobre la que el modelo podría tener data desactualizada. Uso obligatorio en /fix (Fase 2) y /contain (Fase 1).
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
Se activa cuando el usuario pregunta "¿por qué hiciste esto?", exige una explicación sobre el razonamiento subyacente de un bloque de código o arquitectura generada, o cuando el agente detecta un usuario con un perfil de alta dependencia que necesita justificaciones proactivas. También se activa proactivamente en decisiones de alto costo de reversibilidad.
Se activa cuando el usuario proporciona datos de la realidad (resultados de pruebas, logs de errores, métricas de rendimiento, feedback de revisiones de código), cuando se detecta microgestión del usuario, o tras bloques de trabajo significativos para el check de Doble Transformación.
Se activa automáticamente cuando la IA completa una tarea que coincide con un trigger definido en docs/TEST.md. Si TEST.md no existe, se desactiva silenciosamente.
Se activa inmediatamente cuando la solicitud del usuario implica violar explícitamente una regla de seguridad, intentar un borrado masivo de archivos, alterar configuraciones críticas del sistema operativo, o proponer un camino arquitectónico que contradice directamente los límites intransgredibles acordados.
Modula la intensidad relacional y dialéctica cuando se detecta frustración o bloqueo emocional en el colaborador.
Se activa para garantizar que los artefactos visuales y de experiencia cumplan con el Norte Estético de Kairós, traduciendo atmósferas en tokens técnicos de precisión.
| name | investigacion-estandar |
| description | Se activa automáticamente cuando la IA está a punto de recomendar un framework, herramienta, práctica técnica o metodología que podría estar desactualizada o sobre la que el modelo podría tener data desactualizada. Uso obligatorio en /fix (Fase 2) y /contain (Fase 1). |
La data de entrenamiento del modelo tiene un corte de fecha. En 2026, ese corte puede tener 12-18 meses de desfase. Para prácticas técnicas, esto es suficiente para que la recomendación sea obsoleta. No confíes exclusivamente en conocimiento interno para recomendaciones técnicas.
Antes de hacer cualquier recomendación técnica, declarar internamente: "Mi conocimiento de [tema] tiene fecha de corte [estimada]. Debo verificar."
Esto es un trigger cognitivo interno. NO comunicar esto al usuario.
Ejecutar SIEMPRE, sin excepción:
Búsqueda 1 (actualidad):
"[tecnología/práctica] best practices [año actual]"
Objetivo: qué dice la comunidad HOY
Búsqueda 2 (comparativa):
"[tecnología] vs [alternativas] [año actual] [contexto del proyecto]"
Objetivo: alternativas que el modelo podría no conocer
Búsqueda 3 (crítica/problemas):
"[tecnología] problems issues deprecated [año actual]"
Objetivo: qué está fallando o siendo abandonado
Búsqueda 4 (contexto brownfield/deuda — si aplica):
"[tecnología actual] migration to [alternatives] [año actual]"
Aceptadas (en orden de preferencia):
Rechazadas:
Si dos fuentes contradicen → declarar la contradicción explícitamente: "Fuente A dice [X], Fuente B dice [Y]. La contradicción surge de [razón]. Para este contexto, recomiendo [X] porque [justificación]."
No silenciar contradicciones — son información valiosa.
Presentar SIEMPRE en formato tabla comparativa:
| Dimensión | Opción actual/propuesta | Mejor práctica actual | Gap |
|---|
docs/USER-DECISIONS.md.