Ayuda a Pando a aprender de tus sesiones

Después de un partido, un buen entrenador ve la repetición y apunta una o dos cosas que hacer mejor la próxima vez. Pando puede hacer eso con tus sesiones. En esta guía activas al entrenador, le das tu opinión, revisas lo que propone y compruebas que de verdad está trabajando. Está apagado hasta que lo enciendes.

Las pantallas son de la Web UI; la app de escritorio es igual.

Activa al entrenador

Abre Configuración > Self-Improvement.

1. Activa Enabled.
2. En Judge model elige quién ve la repetición. Basta un modelo barato y rápido.
3. Pulsa Guardar.

A partir de ahora cada sesión terminada recibe una nota entre 0 y 1. La nota se calcula sin llamar a ningún modelo: mira si tuviste que corregir a Pando, cuántas acciones fallaron, cuántas veces cancelaste y cuántos tokens hizo falta.

Dile lo que opinas

Tu opinión pesa más que la nota automática. En cualquier momento de un chat, escribe:

/feedback good
/feedback bad

Un «bad» deja la nota por debajo de 0,3 y un «good» la sube por encima de 0,8.

Decide qué cuenta

Los deslizadores de Reward weights dicen cuánto importa cada señal: Success (corrections), Token efficiency, Tool errors, Cancelled runs, Repeated tool calls, Turns to completion y Ended right after an error. Son relativos entre sí, como los ingredientes de una receta. Los valores de partida son una buena receta; cámbialos solo si las notas no coinciden con tu propia impresión.

Elige cuándo se repasan las sesiones

• Idle timeout: una sesión que nadie toca durante este tiempo recibe su nota. También se puntúan al cambiar a otra sesión y al cerrar Pando.
• Backfill limit: cuántas sesiones antiguas sin nota se repasan al arrancar Pando.
• Judge during backfill: enviar también esas sesiones antiguas al juez. Cuesta llamadas, por eso viene apagado.
• Include subagent sessions: puntuar también las sesiones de los ayudantes.
• Async evaluation, un poco más arriba, deja todo esto en segundo plano para que nunca te frene.

Ponle presupuesto al juez

El modelo juez solo lee las sesiones que fueron claramente bien o claramente mal. Son las que traen una lección.

• High reward band y Low reward band marcan qué significa «claramente».
• Minimum user turns deja fuera las sesiones muy cortas.
• Transcript cap (tokens) limita cuánta conversación lee el juez.
• Daily judge calls y Daily judge tokens son la paga diaria. 0 significa sin límite.

Enséñale cómo te quejas

¿Cómo sabe Pando que le has corregido? Busca frases como «that’s wrong» o «eso no era». La lista está al final, en Correction patterns, y puedes añadir las tuyas.

Los patrones son expresiones regulares. Usa barras invertidas sencillas, como en (?i)\bwrong\b.

Revisa lo que propone

Abre Self-Improvement en el menú lateral.

• Los cuatro recuadros de arriba cuentan las sesiones puntuadas, las variantes de instrucciones, la nota media y cuánto se ha usado el juez en los últimos 14 días.
• La gráfica muestra las evaluaciones por día. Pasa el ratón por una barra para ver la media de ese día.
• La pestaña Sessions lista las sesiones recientes con su nota y el porqué.
• Learned Skills guarda las reglas que propone el juez, en tres montones: pending, approved y rejected.

Abre pending, lee cada regla y pulsa Approve o Reject. Una regla es una frase corta como «comprueba la compilación antes de dar el trabajo por terminado». Nada llega a las instrucciones de Pando hasta que lo apruebas, y una aprobación vale para las sesiones que empieces después.

Cada propuesta es además un fichero en .pando/skills/learned/. Ábrelo y cámbiale la redacción antes de aprobar si quieres.

Comprueba que funciona

Un aviso en la parte superior de la vista Self-Improvement dice con palabras claras si el entrenador está trabajando y, si no, por qué. El mismo informe desde una terminal:

pando evaluator doctor

Si algo falla

¿Prefieres la terminal?

pando skills list --status pending
pando skills approve verify-the-build-before-reporting-done
pando skills reject some-skill-id
pando evaluate --all --limit 20     # score sessions by hand

Para comparar dos formas de redactar una instrucción, mira Prompt variant selection en la referencia de automejora, que además lista todos los ajustes. La idea se explica en Sistema de automejora.