Aprendizaje Continuo — Agente Marketing CULTIVA IA

🌐

Memoria Global

~/.copilot/learnings.db

Patrones de herramientas: bash falla en rutas con espacios en 70% de intentos
Convenciones cross-proyecto: CTAs en imperativo tienen 2.3x más conversión
Preferencia general: iniciar con propuesta de valor antes de características
Tool insight: generar 3 variantes y pedir selección reduce iteraciones 60%
Mistake global: no asumir que el cliente usa LinkedIn Premium (afecta LinkedIn SSI)

📁

Memoria Local (por proyecto)

.copilot-memory/learnings.db

TechFlow: Nunca usar "solución" en titular — A/B test demostró -34% CTR
TechFlow: Buyer persona es CTO con 40+ años, prefiere datos y benchmarks
BotánicaVerde: CTA sin emoji → 2.1x CTR vs con emoji en este segmento
BotánicaVerde: Publicar martes y jueves a las 9h supera viernes 3x
FinAuto: Tono formal obligatorio — uso de jerga tech resultó en queja directa

Registro de learnings — últimas 15 sesiones

Sesión	Scope	Categoría	Aprendizaje capturado	Fuente	Hits	Estado
#1–3	LOCAL	mistake	"solución" en titular de TechFlow → CTR cayó 34% en 3 pruebas consecutivas	hook	12	activo
#4	GLOBAL	preference	Generar 3 variantes de copy antes de pedir feedback reduce rondas de revisión	agente	9	activo
#5	LOCAL	pattern	BotánicaVerde: CTR sin emoji en CTA = 2.1x vs con emoji — validado en 4 publicaciones	hook	11	activo
#6	LOCAL	convention	FinAuto: tono estrictamente formal, cero jerga tecnológica — cliente reclamó directamente	usuario	7	activo
#7–8	GLOBAL	tool_insight	Rutas con espacios en bash requieren comillas dobles — falló 4/4 veces sin comillas	hook	6	activo
#9	LOCAL	pattern	TechFlow: buyer persona CTO 40+ años → datos, benchmarks y ROI concreto supera beneficios emocionales	agente	8	activo
#10	GLOBAL	preference	Iniciar respuesta con propuesta de valor, no con "Hola" ni introducción — reduce tokens inútiles	usuario	15	activo
#11	LOCAL	pattern	BotánicaVerde: publicar martes/jueves 9h → alcance 3.2x vs viernes tarde	agente	5	activo
#12–14	GLOBAL	mistake	No asumir LinkedIn Premium en el cliente — afecta recomendaciones de LinkedIn SSI	hook	3	activo
#15	LOCAL	convention	FinAuto: usar "soluciones financieras" → nunca "fintech" ni "AI-powered"	usuario	2	nuevo

Esquema SQLite

-- Instalación en un paso
-- cp -r hooks/continual-learning .github/hooks/

CREATE TABLE learnings (
  id        INTEGER PRIMARY KEY,
  scope     TEXT,     -- 'global'|'local'
  category  TEXT,     -- 'pattern'|'mistake'...
  content   TEXT,     -- el aprendizaje
  source    TEXT,     -- 'hook'|'agent'|'user'
  hit_count INTEGER DEFAULT 0,
  created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
  last_used  DATETIME
);

-- Insertar desde el agente:
INSERT INTO learnings (scope, category, content, source)
VALUES (
  'local',
  'preference',
  'CTA sin emoji: 2.1x CTR para BotánicaVerde',
  'hook'
);

-- Compactación: prunar >60 días, hits < 3
DELETE FROM learnings
WHERE julianday('now') - julianday(created_at) > 60
  AND hit_count < 3;

Distribución de learnings

Por categoría

Patrones

Preferencias

Mistakes

Convenciones

Tool insights

Por proyecto (scope local)

TechFlow

BotánicaVerde

FinAuto

Global (todos)

Timeline de sesiones — hitos de aprendizaje

⚠

Sesiones 1–3 · TechFlow mistake detectado may 2026

Hook detectó 3 fallos consecutivos con "solución" en titular. Learning auto-guardado en memoria local de TechFlow con prioridad alta. Desde sesión 4, el agente evita la palabra de forma autónoma.

🧠

Sesión 4 · Global preferencia may 2026

El agente reflexionó sobre el patrón de revisiones múltiples y auto-insertó preferencia global: "generar 3 variantes antes de pedir selección". Aplicado en todas las sesiones posteriores.

📊

Sesión 5 · BotánicaVerde patrón descubierto may 2026

Hook capturó correlación entre CTAs sin emoji y CTR 2.1x superior en el segmento ecommerce ecológico. Learning de alto valor: persistirá por encima del umbral de compactación.

📋

Sesión 6 · FinAuto convención jun 2026

Queja directa del cliente FinAuto por uso de "AI-powered" en propuesta. Guardado manualmente en .copilot-memory/conventions.md con fuente 'user_correction'. Alta permanencia.

⚡

Sesión 15 · Hoy mejora continua jun 2026

El agente inició la sesión con 47 learnings pre-cargados. Precisión en primer intento: 89%. Sin necesidad de correcciones en TechFlow ni BotánicaVerde. FinAuto: primer uso del nuevo tono FinAuto formalizado.

Memoria Persistente del Agente