career-ops

retro

Convierte las correcciones que haces en una sesión de career-ops en un máximo de cinco reglas propuestas. No se guarda nada hasta que lo aceptas, por número.

Qué hace

El modo retro lee tus mensajes de la sesión actual y propone hasta cinco reglas a partir de lo que corregiste o rechazaste, cada una respaldada por tus propias palabras. Un script comprueba cada propuesta y solo se guardan las que aceptas, en modes/_custom.md o modes/_profile.md.

Cuándo usarlo

Ejecuta retro al final de una sesión en la que hayas corregido a career-ops, por ejemplo: "deja de escribir mi resumen en tercera persona". Una corrección que haces en el chat dura esa sesión; una regla que aceptas aquí sigue vigente en la siguiente. Necesita que estés presente para aprobar: en una ejecución desatendida, se detiene y te pide que lo ejecutes en una sesión interactiva.

Cómo es una ejecución

Terminal
> /career-ops retro
  1. Encuentra las lecciones. Una lección es una corrección o un rechazo que debería seguir vigente en la próxima sesión.
  2. Las clasifica. Un dato sobre ti, como un puesto, una habilidad o una métrica, no es una regla: retro te lo indica y te señala el modo que lo registra. Una preferencia sobre la puntuación o sobre a qué puestos apuntar va a tu perfil, y cualquier otra preferencia permanente va a tus reglas personalizadas.
  3. Te cita. Cada propuesta incluye como evidencia tus propias palabras, copiadas tal cual.
  4. Las comprueba. learn.mjs valida las propuestas y las numera, y retro te muestra esa salida sin cambios. Una propuesta bloqueada sigue bloqueada; retro no la reformula para que pase.
  5. Eliges por número. Indica cuáles aceptas o rechazas. Cualquier número que no menciones queda sin decidir.
  6. Informa de lo que cambió. Indica cada archivo y línea. Si la sesión no tiene lecciones, lo dice y se detiene.

Qué no toca

retro no edita tu CV, article-digest.md ni config/profile.yml. Escribe dos archivos de trabajo en data/learning/, y solo learn.mjs escribe algo más: las reglas que aceptaste, una copia .bak de cada archivo que cambia y un registro de cada decisión en data/learning/ledger.jsonl.

En esta página