komi-learn es una herramienta de código abierto diseñada para dotar a los agentes de codificación (como Claude Code y Codex) de una memoria continua y capacidad de auto-mejora. A diferencia de los asistentes convencionales que olvidan el contexto entre sesiones, komi-learn observa cada sesión de trabajo, extrae en segundo plano lecciones duraderas sobre el estilo, la pila tecnológica y las correciones que funcionaron, y las carga automáticamente al inicio de la siguiente sesión. No requiere comandos especiales ni guardado manual: el proceso es completamente automático.
El sistema se inspira en Hermes Agent, pero ofrece una implementación generalizada que funciona con múltiples anfitriones e incluye una capa opcional de compartición comunitaria. Su arquitectura se basa en tres fases: Recuerdo (Recall), Destilación (Distill) y Curación (Curate). Al comenzar una sesión, se recuperan las lecciones relevantes al contexto actual. Al finalizar, un proceso de fondo lee la transcripción y extrae lecciones perdurables (correcciones, técnicas, soluciones). Con el tiempo, fusiona lecciones solapadas y archiva las obsoletas. Además, ofrece una capa opcional de compartición (Share): las lecciones generales pueden contribuirse a un repositorio comunitario en GitHub, pero solo aquellas que el usuario apruebe explícitamente.
Entre sus características destacadas, incluye filtros deterministas para evitar aprender información sensible como secretos, rutas locales o quejas sobre herramientas. Las contribuciones a la comunidad se depuran de cualquier dato identificativo y nunca salen de la máquina sin aprobación (cada una abre un Pull Request que el usuario revisa). Las lecciones se almacenan con hash BLAKE3 y firma Ed25519, y aquellas firmadas por más cuentas distintas de GitHub tienen mayor prioridad al ser recuperadas.
El uso es sencillo: tras instalar con pip e iniciar la configuración interactiva, la memoria continua se activa en la siguiente sesión. komi-learn también proporciona comandos para verificar el estado, sincronizar aprendizajes comunitarios, revisar aportaciones pendientes y olvidar lecciones específicas. Los requisitos son Python 3.10 o superior y tener instalado Claude Code o Codex. El motor no tiene dependencias obligatorias; las funciones criptográficas y de recuerdo semántico local son opcionales (con instalación de extras). En caso de fallo del modelo durante la destilación, la herramienta omite ese pase de aprendizaje sin interrumpir la sesión.
Al ser un proyecto temprano, el núcleo está construido y probado con integración continua, pero aún no ha sido sometido a pruebas exhaustivas con muchas sesiones reales. Se agradecen comentarios e informes de errores. En resumen, komi-learn supone un enfoque prometedor para que los asistentes de código aprendan del comportamiento del desarrollador de forma persistente y automática, mejorando la productividad sin intervención manual.