Cómo la recuperación encuentra el conocimiento correcto

Un espacio de trabajo puede contener miles de memorias, reglas y skills. La tarea de la recuperación es poner en el contexto del asistente las pocas que importan antes de que empiece, y dejar fuera el resto. Esta página describe qué hace esa selección y cómo mejora con el tiempo. La forma en que se calcula la priorización forma parte del motor propietario de Pathrule y no se publica.

Primero, el alcance por ruta

El primer filtro es la ubicación. Cada memoria, regla y skill vive en la ruta de un nodo. Cuando el asistente trabaja en /apps/api/payments, Pathrule parte de lo que está vinculado a esa ruta y de lo que hereda de las rutas superiores. Un ajuste de interfaz en /apps/web/dashboard no arrastra las reglas sobre migraciones de base de datos.

Es el mismo alcance por ruta que se describe en Conceptos clave, aplicado como primer corte. Para cuando se ejecuta cualquier paso más costoso, el conjunto de candidatos ya es pequeño.

Significado y palabras clave, a la vez

Una vez que la ruta acota el campo, Pathrule compara tu intención con los candidatos de dos maneras al mismo tiempo.

• La coincidencia por palabras clave detecta los aciertos exactos: un nombre de archivo, un nombre de función, una frase literal del título de una memoria.
• La coincidencia por significado detecta el resto: una pregunta formulada de manera distinta a como se escribió la memoria, un sinónimo, una paráfrasis, un concepto que no comparte ninguna palabra con la entrada.

La segunda no es una búsqueda de texto con pasos adicionales. Cada entrada y tu solicitud se comparan por lo que significan y no por las palabras que comparten, por eso puede haber coincidencia sin ninguna cadena en común. Consulta qué calcula Pathrule.

Ninguna de las dos basta por sí sola. La búsqueda por palabras clave pasa por alto una memoria que dice lo mismo con otras palabras. La búsqueda por significado puede diluir una coincidencia exacta con un nombre de archivo. Pathrule las combina, de modo que una coincidencia exacta conserva su prioridad y una que expresa la misma idea con otras palabras también aparece.

En un espacio de trabajo de Cloud, el hook del prompt envía el inicio de tu prompt (aproximadamente los primeros 1.000 caracteres) a Pathrule Cloud para que el conocimiento se pueda priorizar por significado. Si esa llamada tarda demasiado o falla, el hook recurre al índice local para ese prompt. En modo local, sin cuenta, la coincidencia se apoya en el alcance por ruta y en las palabras clave.

Los archivos junto al que estás editando

Tanto el alcance por ruta como el significado parten de donde está trabajando el asistente. Una señal adicional amplía eso un poco: Pathrule aprende qué archivos suele cambiar tu equipo en la misma unidad de trabajo y deja que también aparezca el conocimiento asociado a esos vecinos.

Así, una decisión registrada una sola vez, en el archivo donde se tomó, sigue llegando a las sesiones que la necesitan, aunque el prompt nunca mencione ese archivo. La señal se construye a partir de rutas de archivo, no de su contenido: las rutas que tocó el trabajo registrado de tus agentes y, en un espacio de trabajo de Cloud, una carga inicial única con las rutas de archivo del historial reciente de git, para que sea útil antes de que tu equipo haya registrado mucho trabajo. Se desvanece cuando esas relaciones dejan de darse. En un espacio de trabajo de Cloud, cuando un vecino cambia con especial frecuencia junto con el archivo que el asistente tiene delante, el contexto que pide un agente también incluye un aviso de una línea que lo nombra. Consulta archivos que cambian juntos.

Funciona entre idiomas

La coincidencia por significado no está atada a un solo idioma. Un prompt en turco puede hacer aparecer una memoria escrita en inglés, y un prompt que mezcla idiomas aún puede encontrar la entrada correcta.

Este es el caso que la búsqueda simple por palabras clave no puede resolver. Cuando el prompt y la memoria comparten una idea pero ninguna palabra, la coincidencia tiene que basarse en el significado y no en la ortografía.

Las mejores coincidencias llegan listas para usar

La recuperación entrega en dos niveles. Las entradas que claramente encajan con el prompt llegan como contenido completo, así el asistente trabaja directamente con el conocimiento de tu equipo en lugar de ir a leerlo. En cada turno solo se envían las pocas más relevantes, dentro de un presupuesto por prompt, y el contenido que el asistente ya tiene no se vuelve a enviar, de modo que obtiene lo que necesita sin cargar con toda la base de conocimiento.

Todo lo demás que califica llega como un nombre, un id y una línea, suficiente para que el asistente lo reconozca y solicite el cuerpo cuando resulte importante, así que una entrada relevante que no cabe sigue apareciendo en la lista en lugar de descartarse. Las skills se ofrecen por nombre, porque un procedimiento se debe pedir en lugar de imponerse. Un prompt que pide dos cosas distintas se compara parte por parte, para que ambas partes reciban conocimiento. Qué llega completo y qué llega solo como nombre cubre los tres casos.

Los candidatos son indicios, no respuestas

Cuando la recuperación no está segura, no finge estarlo. Pathrule presenta las entradas probables como candidatos y le indica al asistente que lea el cuerpo completo antes de actuar con base en alguna. Un candidato es una pista que vale la pena verificar, no un hecho para repetir.

Esto responde a la regla permanente de Pathrule: un contexto equivocado es peor que no tener contexto. En un caso ambiguo, Pathrule muestra un candidato en lugar de afirmar una respuesta.

Aprende de cómo se usa realmente el conocimiento

La recuperación no queda congelada en el momento en que se escribe una memoria. Con el tiempo, Pathrule observa qué entradas ayudaron de verdad en qué tipos de trabajo y deja que eso influya en los resultados futuros. Una entrada que sigue demostrando su utilidad para un tipo de tarea tiene más probabilidades de aparecer en trabajos similares más adelante.

La observación es concreta, no una calificación que alguien asigna. Cada entrega se registra junto con cómo fue el turno: cuáles de las entradas entregadas consultó realmente el asistente en lugar de solo recibirlas, cuántas llamadas a herramientas requirió el trabajo, y cuántas fallaron y en qué archivos. Un turno que recibió conocimiento y aun así tuvo fallos cuenta en contra del conocimiento que se le dio.

Ese registro lo toma la capa que hizo la entrega, no se le solicita a nadie. El asistente no tiene que llamar a ninguna herramienta ni cooperar de ninguna forma para que el turno se mida, lo que mantiene el ciclo consistente entre clientes.

Como el registro se lleva por tipo de trabajo, el resultado no es una única puntuación por entrada. La misma memoria puede tener alta prioridad para una migración y baja para un ajuste de interfaz. Un único campo de importancia, mantenido a mano, no puede expresar esa diferencia.

El aprendizaje es conservador por diseño.

• Los resultados poco claros no enseñan. Un turno cuyo resultado es ambiguo no se usa como lección.
• Un fallo claro resta, no borra. Un solo fallo claro reduce la posición de una entrada para ese tipo de trabajo en lugar de eliminar su historial.
• La influencia se desvanece con el tiempo. Una entrada que deja de corresponder al código actual pierde terreno en lugar de seguir apareciendo en los resultados.

Y cambia la elección, no el tamaño. Lo que una entrada ha demostrado puede ponerla por delante de una rival igual de relevante, pero no la empuja más allá del umbral de relevancia que decide si se envía algo en absoluto. Con el tiempo, un espacio de trabajo entrega unas pocas entradas mejores por turno con la misma cantidad de contexto. Aquí el aprendizaje aporta precisión, no espacio.

Cómo se acumula el conocimiento cubre este ciclo de principio a fin, y Sugerencias y autoauditoría explica cómo se marcan para revisión las entradas desactualizadas.

Lo mismo para todo el equipo

En un espacio de trabajo de Cloud, la priorización usa los datos compartidos del espacio de trabajo en Pathrule Cloud y no una copia separada en el cliente de cada persona. Dos compañeros de equipo que preguntan lo mismo en la misma ruta obtienen resultados consistentes, sin importar qué agente de programación usen. Claude Code y Codex reciben la selección priorizada según el prompt a través de su hook de envío de prompt. Cursor y GitHub Copilot no tienen hook de envío de prompt, así que sus hooks de sesión y de herramientas transmiten en su lugar el conocimiento vinculado a la ruta. Cualquier cliente, incluido Windsurf, obtiene una selección priorizada cuando le pide contexto al servidor MCP con pathrule_get_context.

Esto también significa que el aprendizaje es compartido. Cuando una entrada demuestra ser útil, aparece mejor para todo el equipo, no solo para la persona que la activó.

Lo que la recuperación no ve

La recuperación trabaja sobre las memorias, reglas y skills que escribe tu equipo, además de la ruta en la que trabajas, las palabras de tu solicitud y el registro de cómo fue el trabajo anterior. No lee, no indexa ni sube el contenido de tus archivos de código fuente. La coincidencia se hace sobre el conocimiento que tu equipo decidió dejar por escrito, no sobre el repositorio en sí.

De una copia local del repositorio, un espacio de trabajo de Cloud toma rutas de archivo: la primera vez que un agente pide contexto profundo, Pathrule lee las rutas de archivo del historial reciente de git para establecer qué archivos cambian juntos, y los nombres de archivo cercanos a la parte superior del árbol de carpetas para reconocer las tecnologías en uso. Por otro lado, pathrule snapshot, cuando tú o tu agente lo ejecutan, sube el árbol de archivos, los manifiestos, muestras breves de documentación y metadatos recientes de git. Lo que Pathrule calcula enumera qué se lee y qué se conserva.

Dónde encaja esto

• Conceptos clave define el alcance por ruta, el primer filtro que usa la recuperación.
• Cómo funcionan los hooks describe cómo la porción seleccionada llega al asistente antes de su primera llamada a una herramienta.
• Cómo se acumula el conocimiento sitúa la recuperación dentro del ciclo de entregar, capturar y puntuar.