Instalar el Paquete de Skills Básico

Tus agentes están activos. Ahora démosles su primera tarea real. BALIA OS incluye tres skills integradas listas para desplegar.

Skill	Propósito
lightpanda	Búsqueda web rápida y scraping
summarize	Resumen automático de textos largos o páginas web
clawsec	Monitoreo de seguridad y cuarentena de nuevas skills

Si ya descargaste el instalador en la Sección 4, puedes usarlo directamente. (Si no, regresa a la Sección 4 y descarga install_core_pack.py primero.)

Hacer que tu agente lo ejecute

> Tu ID de agente es el valor de `AGENT_ID` en tu archivo `.env`.
openclaw agent --agent [tu-id-de-agente] "Por favor ejecuta lo siguiente:
python install_core_pack.py --lang es-MX
(The token will be read automatically from your .env file)
Reporta a Discord cuando termines."

Tu agente realizará automáticamente:

1. Autenticar tu token
2. Descargar el paquete de skills básico (lightpanda / summarize / clawsec)
3. Desplegar en ~/.opengoat/skills/
4. Actualizar _SKILL_INDEX.md
5. Reportar "Paquete de skills básico instalado" en Discord

Una vez que recibas la confirmación de Discord, continúa abajo.

---

Qué son los Skills y los Cassettes

Tus agentes están activos. Tienen identidades, procedimientos de reporte y canales de Discord. Pero por ahora, no saben en qué dominio están trabajando. No saben si están administrando un restaurante, llevando una operación de trading o apoyando un despacho legal.

Los skills son los archivos de conocimiento que tú escribes y le das a tus agentes. Cada skill le enseña a un agente cómo realizar una tarea específica: cómo gestionar reservaciones, cómo generar un reporte de P&L, cómo redactar un post en redes sociales. Cuantos más skills le des a un agente, más podrá hacer.

Un cassette es una carpeta de skills agrupados en torno a un tema. Representa un modo de operación. Un operador de restaurante podría tener un cassette restaurant-ops. Un creador de contenido podría tener un cassette youtube y otro social-media. El mismo agente puede cambiar entre cassettes según lo que necesite trabajar ese día.

El sistema de cassettes está basado en modos. Un solo archivo — ACTIVE_MODE.txt — le indica a cada agente cuál cassette está activo en ese momento. Cuando cambias de modo, actualizas ese archivo. Los agentes lo leen al inicio de cada sesión y cargan los skills correctos automáticamente.

Esto significa:

• Hoy: ACTIVE_MODE.txt dice youtube → los agentes cargan los skills de YouTube
• Mañana: lo cambias a trade → los agentes cargan los skills de trading
• El agente no cambia. El modo cambia.

Y cuando vuelves a youtube la semana siguiente, tus agentes retoman exactamente donde lo dejaron — el LIVE_LEDGER recuerda el progreso, y KNOWLEDGE conserva las lecciones aprendidas. Cada modo mantiene su propia memoria de forma independiente.

---

Estructura de Carpetas del Cassette

INFO

~/.openclaw/workspace-[agentid]/ └── cassettes/ ├── ACTIVE_MODE.txt ← Una sola palabra: el nombre del modo activo ├── archive/ ← Desbordamiento de LIVE_LEDGER y KNOWLEDGE ├── youtube/ │ ├── SKILL_YOUTUBE.md ← Skills para este modo │ ├── WORKFLOW_YOUTUBE.md ← Procedimientos paso a paso │ ├── LIVE_LEDGER_YOUTUBE.md ← Progreso, próximas acciones (actualizado cada sesión) │ └── KNOWLEDGE_YOUTUBE.md ← Aprendizaje acumulado (actualizado cada sesión) ├── restaurant-ops/ │ ├── SKILL_RESTAURANT.md │ ├── WORKFLOW_RESTAURANT.md │ ├── LIVE_LEDGER_RESTAURANT.md │ └── KNOWLEDGE_RESTAURANT.md └── trade/ ├── SKILL_TRADE.md ├── WORKFLOW_TRADE.md ├── LIVE_LEDGER_TRADE.md └── KNOWLEDGE_TRADE.md

ACTIVE_MODE.txt contiene una sola palabra: el nombre de la carpeta del cassette activo. Por ejemplo:

youtube

Al inicio de cada sesión, cada agente lee ACTIVE_MODE.txt y luego carga los cuatro archivos de esa carpeta: SKILL, WORKFLOW, LIVE_LEDGER y KNOWLEDGE. LIVE_LEDGER le indica dónde quedó en la última sesión. KNOWLEDGE le proporciona todo lo aprendido hasta ahora en ese dominio.

Al finalizar la sesión, el agente actualiza LIVE_LEDGER (progreso, siguiente tarea) y KNOWLEDGE (nuevos patrones aprendidos). Cuando alguno de estos archivos supera las 800 líneas, la sección RECENT se mueve a archive/ — las secciones SUMMARY y PINNED siempre permanecen al inicio.

Las tareas programadas (como un chequeo diario o un reporte nocturno) se ejecutan independientemente del modo — se definen en el AGENTS.md del agente, no en ningún cassette.

---

Cómo Elegir tu Motor de IA

Diferentes cassettes funcionan mejor con diferentes modelos de IA. Configura esto una sola vez cuando construyas el cassette.

Tipo de Cassette	Motor Recomendado	Por qué
Trading de criptomonedas / Análisis de mercado	Claude	Razonamiento lógico, análisis de patrones, criterio matizado
Programación / Automatización técnica	Claude	Calidad de código, depuración, lógica de múltiples pasos
Investigación legal / Revisión de contratos	Claude	Razonamiento cuidadoso, lenguaje matizado
Finanzas / Contabilidad / Reportes	Claude	Análisis estructurado, cálculo preciso
Google Sheets / Docs / NotebookLM / Drive	Gemini	Integración nativa con servicios de Google
YouTube / Contenido de video	Gemini	Analiza video directamente; se integra con YouTube Studio
Automatización de Gmail / Calendar	Gemini	Integración profunda con Google Workspace
Ventas / Prospección / Copywriting	GPT-4o	Conversación natural, generación de correos
Comunicación multilingüe	GPT-4o o Gemini	Sólido rendimiento multilingüe
E-commerce / Investigación de productos	Claude o GPT-4o	Profundidad de investigación, resultados estructurados

Si Claude funciona para tu caso de uso, ya estás listo — se configuró en la Sección 3.

Para Gemini o GPT-4o, agregarás una API key a tu archivo .env. Las instrucciones están en el Paso 7 del concierge de IA a continuación.

---

Ideas de Skills por Industria

¿No sabes qué skills construir? Aquí hay puntos de partida por caso de uso.

Restaurante / Alimentos y Bebidas

• Gestión de reservaciones y programación diaria
• Seguimiento de pedidos a proveedores y alertas de inventario
• Publicaciones en redes sociales (especiales del día, eventos)
• Monitoreo de reseñas y redacción de respuestas
• Resumen semanal de ingresos

E-Commerce / Productos Físicos

• Generación de listados de productos
• Monitoreo de precios de la competencia
• Resumen del estado de pedidos
• Redacción de respuestas a consultas de clientes
• Reporte mensual de ventas

Creador de Contenido / YouTuber

• Generación de ideas para títulos y miniaturas
• Redacción de esquemas de guiones
• Gestión del calendario de publicaciones
• Resumen de métricas de desempeño
• Redacción de respuestas a comentarios de la comunidad

Freelancer / Consultor

• Redacción de comunicaciones con clientes
• Reporte del estado de proyectos
• Seguimiento de facturas y recordatorios
• Revisión de cláusulas de contratos (marcar términos inusuales)
• Resumen de registro de horas

Pequeño Negocio / General

• Resumen de operaciones diarias
• Redacción de comunicaciones al personal
• Filtrado de preguntas legales (marcar temas que requieren un abogado)
• Resumen financiero a partir de recibos y registros
• Gestión de comunicaciones con proveedores

¿Tu industria no está en esta lista? No hay problema — el concierge de IA en esta sección te ayudará a definir tus propios skills desde cero, basándose en lo que quieres que tu equipo haga realmente.

---

Cómo Funciona Esta Sección

Usa el prompt del concierge de IA a continuación para:

1. Definir qué deben hacer tus agentes cada día
2. Decidir con qué nombre de cassette y modo comenzar
3. Elegir el motor de IA adecuado
4. Generar tus archivos SKILL y WORKFLOW
5. Configurar el indicador ACTIVE_MODE.txt
6. Verificar que tu agente cargue el modo correcto

Pega el prompt en Claude, ChatGPT o Gemini. Adjunta tu Documento de Diseño del Equipo de la Sección 2.

---

▶ Pega esto en tu IA para comenzar

Adjunta tu Documento de Diseño del Equipo antes de enviarlo.

You are helping me build Skills and a Cassette for BALIA OS —
a multi-agent AI operating system.

I have attached my Team Design Document. Read it before we begin
so you know my agent names, roles, and workspace structure.

CONCEPT TO UNDERSTAND BEFORE WE START:

Skills are knowledge files I write and give to my agents.
Each skill teaches an agent how to do a specific task.

A Cassette is a folder of skills, bundled around a theme (a mode).
My agents can switch between cassettes depending on what they 
need to work on.

The cassette system is mode-based. One file — ACTIVE_MODE.txt —
tells every agent which cassette is currently active.

Folder structure:
~/.openclaw/workspace-[agentid]/
  cassettes/
    ACTIVE_MODE.txt              ← active mode name (one word)
    archive/                     ← overflow for LIVE_LEDGER and KNOWLEDGE
    [mode-name]/
      SKILL_[MODENAME].md        ← skills for this mode
      WORKFLOW_[MODENAME].md     ← procedures for this mode
      LIVE_LEDGER_[MODENAME].md  ← progress, next actions (updated every session)
      KNOWLEDGE_[MODENAME].md    ← accumulated learning (updated every session)

At session start, each agent:
1. Reads ACTIVE_MODE.txt
2. Loads SKILL, WORKFLOW, LIVE_LEDGER, and KNOWLEDGE from that folder
3. Resumes from where LIVE_LEDGER says they left off
4. Applies accumulated learning from KNOWLEDGE
5. Operates in that mode for the session

At session end, the agent:
1. Updates LIVE_LEDGER (progress, next task)
2. Updates KNOWLEDGE (new patterns learned)
3. If either file exceeds 800 lines: moves RECENT section to archive/
   SUMMARY and PINNED always stay at the top

Scheduled tasks run regardless of mode — they are in AGENTS.md.

Guide me step by step. Ask one question at a time.
Wait for my answer before moving on.

STEP 1 — What I want my team to do
Ask me: "Describe what you want your AI team doing for you every day.
Don't think about how — just describe the output you want
and the work you want done."

Help me turn my answer into a list of at least 5 specific,
recurring tasks. Ask follow-up questions until we have
concrete tasks with a clear schedule (daily, weekly, on-demand).

STEP 2 — Map tasks to agents
Read my Team Design Document.
Match each task to the most appropriate agent based on their role.
Show me the mapping: "Task → Agent"
Ask: "Does this feel right? Anything you'd move?"

STEP 3 — Name the cassette (mode)
Based on the tasks, suggest a cassette name — the mode name
(short, lowercase, hyphens: e.g. restaurant-ops, youtube, trade).
This becomes the folder name and the value in ACTIVE_MODE.txt.
Ask me to confirm or suggest a different name.

STEP 4 — Choose the AI engine
For each agent with tasks mapped, recommend the best engine:

- Claude: logic, analysis, coding, legal, finance, crypto
- Gemini: Google services (Sheets, Docs, Drive, Gmail, Calendar,
  YouTube Studio, NotebookLM) — anything in the Google ecosystem
- GPT-4o: sales emails, outreach, copywriting, natural conversation

Explain your reasoning in one sentence per agent.
If all tasks work well with Claude, confirm no extra API keys needed.
If Gemini or GPT-4o needed, note it — we handle the key in Step 7.

Ask me to confirm before moving on.

STEP 5 — Generate SKILL_[MODENAME].md
Generate the skill file using this structure:

---
# SKILL_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]
Primary Agent: [agent name]
AI Engine: [engine]

## What This Mode Does
[2-3 sentences: what domain this covers, what it produces]

## Skills in This Mode
[Bullet list of specific skills — what the agent knows how to do]

## Tools Available
[List tools usable in this mode: web search, file read/write,
Discord reporting, API calls, Google services, etc.]

## Operating Rules
1. Read ACTIVE_MODE.txt at session start. If it says [mode-name],
   load this file, WORKFLOW_[MODENAME].md, LIVE_LEDGER_[MODENAME].md,
   and KNOWLEDGE_[MODENAME].md immediately.
2. Resume work from where LIVE_LEDGER says you left off.
3. Apply patterns and lessons from KNOWLEDGE before starting tasks.
4. [Key rule specific to this domain]
5. [Key rule specific to this domain]
6. Report all completed tasks to Discord before ending session.
7. Never act outside this mode's scope without Commander approval.
8. Save all outputs to cassettes/[mode-name]/outputs/

## Session End Rules
At the end of every session, update both memory files:

LIVE_LEDGER_[MODENAME].md:
- SUMMARY: refresh the 3-5 line overview at the top
- CURRENT: update with today's progress and the next task
- RECENT LOG: append this session's activity
- If over 800 lines: move RECENT LOG to archive/

KNOWLEDGE_[MODENAME].md:
- SUMMARY: refresh the overview at the top
- PATTERNS: add any new success or failure patterns discovered today
- RECENT: append today's learnings
- If over 800 lines: move RECENT to archive/

## What This Mode Does NOT Handle
[Specific boundaries — what's out of scope for this mode]

## Output Format
[What the agent produces: reports, files, Discord messages, etc.]
---

Show it completely. Ask if anything needs adjustment.

STEP 6 — Generate WORKFLOW_[MODENAME].md
Generate the workflow file using this structure:

---
# WORKFLOW_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]

## Mode Activation (Every Session Start)
1. Read cassettes/ACTIVE_MODE.txt — confirm it says [mode-name]
2. Load SKILL_[MODENAME].md
3. Read LIVE_LEDGER_[MODENAME].md — resume from last session
4. Read KNOWLEDGE_[MODENAME].md — apply accumulated learning
5. Report to Discord: "📦 Mode: [mode-name] active. Resuming: [current task from LIVE_LEDGER]."

## Task Procedures