Una publicación de blog provocadora de un desarrollador chino introduce la 'Primera ley de SKILL': los grandes modelos de lenguaje reinician su estado cognitivo con cada sesión, olvidando correcciones previamente difíciles de obtener y tratando toda la información por igual. Esta naturaleza efímera hace que la IA produzca resultados de baja calidad, similares a manuales, que carecen de profundidad. El autor argumenta que necesitamos 'frotar' o rastrear la cognición transitoria de la IA para crear líneas de base de comparación, permitiéndole reconocer sus propios puntos ciegos. Para los desarrolladores que construyen flujos de trabajo dependientes de la IA, esta idea es crucial. Sugiere que la ingeniería de prompts efectiva debe tener en cuenta la pérdida de memoria de la sesión, quizás inyectando contexto externo o usando bucles de retroalimentación iterativos. El concepto tiene implicaciones para la codificación asistida por IA, la documentación y la investigación.
Un nuevo modelo mental revela cómo los LLM olvidan sus propias correcciones entre sesiones, degradando la calidad de salida. La 'Primera ley de SKILL' ofrece un marco práctico para desarrolladores.