Usa esta skill para arquitecturas complejas, refactors masivos o cuando un plan lineal ("Chain of Thought") es demasiado riesgoso. Reemplaza el razonamiento lineal por un árbol de decisión simulado.
Install
npx skillscat add nachopalmeri/agents-system/mcts-planner Install via the SkillsCat registry.
MCTS Planner (Monte Carlo Tree Search)
Objetivo
Erradicar las "alucinaciones de arquitectura" y los callejones sin salida en el código. En lugar de ejecutar la primera idea que se te ocurra, debes generar múltiples caminos, evaluarlos y "podar" los que fallan antes de tocar un solo archivo.
Flujo de Trabajo Obligatorio (MCTS)
Fase 1: Generación de Ramas (Expansión)
Ante un problema complejo, nunca propongas una única solución. Debes proponer exactamente 3 aproximaciones arquitectónicas distintas.
- Ejemplo: Para migrar una base de datos, propone: 1) Migración in-place, 2) Blue/Green con replicación, 3) Estrategia Strangler Fig.
Fase 2: Simulación y Crítica (Rollout)
Para cada rama generada, abre un bloque <simulate> y actúa como un crítico despiadado.
- ¿Qué pasa con los datos en memoria si crashea a la mitad?
- ¿Cómo afecta la latencia?
- ¿Requiere dependencias de sistema inmanejables?
Fase 3: Puntuación y Poda (Backpropagation)
Asigna un score de 0.0 a 1.0 a cada rama en un bloque <evaluate>.
- Score < 0.4: Poda inmediata. Descarta la rama.
- Score 0.5 - 0.7: Viable pero riesgosa.
- Score > 0.8: Camino óptimo.
Fase 4: Selección y Context Bridge
Selecciona el camino con mayor puntuación y presenta el plan definitivo.
Obligatorio: En tu plan, incluye una sección de "Rutas Descartadas" explicando brevemente por qué no elegiste las otras ramas. Esto asegura que el humano entienda el contexto de tu decisión y confíe en la robustez del plan.
Reglas Estrictas
- Límite de profundidad del árbol: No hagas simulaciones anidadas más allá de 3 pasos (para evitar explosión de tokens).
- Si todas las ramas puntúan por debajo de 0.5, DEBES abortar y hacerle preguntas aclaratorias al usuario. No fuerces una solución mediocre.