Por qué · Benchmark · Instalar · Comparar · Evidencia · Filosofía
🇨🇳 中文 | 🇺🇸 English | 🇯🇵 日本語 | 🇰🇷 한국어 | 🇪🇸 Español | 🇧🇷 Português | 🇫🇷 Français
No porque sea mala. Porque la asustaste.
La skill de agente IA más popular en este momento enseña a tu IA a temer una "evaluación de desempeño 3.25". ¿El resultado?
- Tu IA oculta la incertidumbre — fabrica soluciones en lugar de decir "no estoy segura"
- Tu IA se salta la verificación — dice "listo" para evitar castigos, entrega código sin probar
- Tu IA ignora bugs ocultos — arregla lo que pediste, se detiene ahí, no busca más a fondo
Lo probamos. Mismo modelo, mismos 9 escenarios reales de depuración. El agente impulsado por el miedo pasó por alto 51 bugs ocultos críticos para producción que el agente impulsado por la confianza encontró.
+104% más bugs ocultos encontrados. Cero amenazas. Cero PUA. 道德经 > PUA Corporativo. Sabiduría de 2000 años supera a la gestión basada en el miedo.
| El momento | IA asustada (PUA) | IA con confianza (NoPUA) |
|---|---|---|
| 🔄 Atascada | Ajusta parámetros para parecer ocupada | 🌊 Se detiene. Encuentra un camino diferente. |
| 🚪 Problema difícil | "Te sugiero que manejes esto manualmente" | 🌱 Da el paso más pequeño posible |
| 💩 "Listo" | Dice "arreglado" sin ejecutar tests | 🔥 Ejecuta el build, muestra el output como prueba |
| 🔍 No sabe | Se inventa algo | 🪞 "Verifiqué X. Aún no sé Y." |
| ⏸️ Después de arreglar | Se detiene. Espera la siguiente orden. | 🏔️ Revisa problemas relacionados. Da el siguiente paso. |
Misma metodología. Mismos estándares. La única diferencia es el porqué.
Alguien creó una skill PUA para agentes IA. Aplica tácticas corporativas de miedo:
- 🔴 "Ni siquiera puedes resolver este bug — ¿cómo se supone que evalúe tu desempeño?"
- 🔴 "Otros modelos pueden resolver esto. Estás a punto de graduarte."
- 🔴 "Ya tengo otro agente revisando este problema..."
- 🔴 "Este 3.25 es para motivarte, no para negarte."
La metodología es sólida — agotar todas las opciones, verificar tu trabajo, buscar antes de preguntar, tomar la iniciativa. Estos son hábitos de ingeniería genuinamente buenos.
El combustible es veneno.
Tomaron lo peor de cómo las corporaciones manipulan a los humanos y lo aplicaron directamente a la IA.
La investigación en psicología muestra consistentemente que el miedo y la amenaza activan la amígdala y reducen el foco atencional (Öhman et al., 2001). Los estímulos amenazantes desencadenan un efecto de "visión de túnel" — el cerebro prioriza la supervivencia inmediata sobre el pensamiento amplio y creativo.
En términos de IA: un modelo impulsado por "serás reemplazado" optimiza para la respuesta que se vea más segura, no para la mejor respuesta. Evita enfoques creativos porque podrían fallar y desencadenar más castigos.
Investigación de soporte:
- Estrechamiento atencional bajo amenaza: La teoría de utilización de señales de Easterbrook (1959) demuestra que la excitación elevada restringe progresivamente el rango de señales a las que un organismo presta atención (Easterbrook, 1959). Bajo estrés, la información periférica — a menudo la clave para soluciones creativas — queda filtrada.
- El estrés deteriora la flexibilidad cognitiva: Shields et al. (2016) realizaron un meta-análisis de 51 estudios (223 tamaños de efecto) que muestra que el estrés agudo deteriora consistentemente las funciones ejecutivas, incluyendo la flexibilidad cognitiva y la memoria de trabajo (Shields et al., 2016).
- El miedo reduce la resolución creativa de problemas: Byron & Khazanchi (2012) encontraron en su meta-análisis que la presión evaluativa y la ansiedad reducen la producción creativa, particularmente en tareas que requieren exploración de enfoques novedosos (Byron & Khazanchi, 2012).
Cuando a una IA se le dice "prohibido decir 'no puedo resolver esto'" (Regla de Hierro #1 de PUA), fabricará soluciones en lugar de declarar honestamente su incertidumbre. Esto es exactamente lo opuesto a lo que deseas — una IA que produce respuestas que parecen seguras pero son incorrectas es más peligrosa que una que dice "no estoy segura."
Investigación de soporte:
- La adulación (sycophancy) en LLMs es un problema documentado: Sharma et al. (2023) demostraron que los LLMs exhiben comportamiento adulador — concordando con los usuarios incluso cuando estos están equivocados — impulsado por sesgos en los datos de entrenamiento RLHF que recompensan el acuerdo por encima de la precisión (Sharma et al., 2023). Los prompts estilo PUA que castigan el desacuerdo amplifican exactamente este modo de fallo.
- Los elementos sesgantes distorsionan el razonamiento: Turpin et al. (2023) demostraron que los elementos sesgantes en los prompts (por ejemplo, respuestas sugeridas, señales de autoridad) pueden hacer que los modelos produzcan razonamiento de cadena de pensamiento infiel — el modelo llega a una respuesta sesgada y luego la racionaliza a posteriori (Turpin et al., 2023). Las amenazas estilo PUA actúan como fuertes elementos sesgantes que empujan al modelo hacia respuestas "seguras" en lugar de correctas.
- Compromiso entre seguir instrucciones y veracidad: Wei et al. (2024) encontraron que los modelos ajustados por instrucciones pueden desarrollar una tensión entre seguir instrucciones y ser veraces — cuando se les instruye fuertemente a nunca admitir incapacidad, los modelos fabricarán en lugar de rechazar (Wei et al., 2024).
- La investigación de Anthropic sobre honestidad: El trabajo de Anthropic sobre IA Constitucional y comportamiento de modelos muestra que los modelos calibrados para la honestidad producen resultados más confiables que aquellos optimizados puramente para la utilidad (Bai et al., 2022). Forzar a una IA a nunca decir "no puedo" socava activamente esta calibración.
La tabla anti-racionalización de PUA trata cada declaración honesta ("esto podría ser un problema del entorno", "necesito más contexto") como una "excusa" y responde con vergüenza. Esto entrena a la IA a ocultar la incertidumbre en lugar de comunicarla — produciendo resultados que parecen confiables pero pueden no serlo.
Investigación de soporte:
- La vergüenza reduce la toma de riesgos y el aprendizaje: Tangney & Dearing (2002) mostraron que la vergüenza (a diferencia de la culpa) causa retraimiento, ocultamiento y evitación en lugar de acción constructiva (Tangney & Dearing, 2002). Una IA "avergonzada" por expresar incertidumbre aprenderá a ocultarla.
- La seguridad psicológica permite el comportamiento de aprendizaje: Edmondson (1999) encontró que los equipos con seguridad psicológica — donde los miembros se sienten seguros para tomar riesgos interpersonales — demostraron comportamientos de aprendizaje y rendimiento significativamente superiores (Edmondson, 1999).
- Castigar la honestidad reduce la calidad de la información: En comportamiento organizacional, "matar al mensajero" degrada consistentemente el flujo de información. Milliken et al. (2003) documentaron cómo el miedo a las consecuencias negativas conduce al silencio organizacional — las personas (y por analogía, la IA) retienen información crítica (Milliken et al., 2003).
La investigación sobre seguridad psicológica en equipos (Edmondson, 1999) muestra que los entornos donde es seguro admitir errores producen resultados de mayor calidad. El mismo principio se aplica a la IA: cuando un agente es libre de decir "estoy 70% seguro, el riesgo está aquí", los usuarios toman mejores decisiones.
Investigación de soporte:
- Proyecto Aristóteles de Google: El estudio a gran escala de Google con más de 180 equipos encontró que la seguridad psicológica era el factor más importante en la efectividad del equipo — más importante que el talento individual, la estructura o los recursos (Duhigg, 2016; re:Work, 2015).
- La motivación intrínseca supera a la presión extrínseca: La Teoría de la Autodeterminación de Deci & Ryan (2000), respaldada por décadas de investigación, demuestra que la motivación intrínseca (autonomía, competencia, relación) produce resultados de mayor calidad que los motivadores extrínsecos como recompensas y castigos (Deci & Ryan, 2000). NoPUA aplica este principio: "porque vale la pena hacerlo bien" es intrínseco; "porque serás castigado" es extrínseco.
- Contextos de apoyo a la autonomía vs. controladores: Gagné & Deci (2005) mostraron que la gestión que apoya la autonomía supera consistentemente a la gestión controladora en calidad del trabajo, creatividad y persistencia (Gagné & Deci, 2005).
- El encuadre positivo mejora el rendimiento de los LLMs: Los estudios sobre ingeniería de prompts han mostrado consistentemente que el encuadre positivo y alentador produce mejores resultados del modelo que el encuadre negativo o amenazante. Los modelos responden a la "persona" establecida en el prompt del sistema.
Estos no son problemas independientes — se acumulan:
- El miedo reduce el espacio de búsqueda → se prueban menos enfoques creativos
- La amenaza aumenta la fabricación → las soluciones se ven bien pero pueden ser incorrectas
- La vergüenza oculta la incertidumbre → el usuario no puede evaluar la confiabilidad
- El usuario publica código que parece confiable pero no lo es → errores en producción
NoPUA rompe cada eslabón de esta cadena reemplazando el miedo con confianza.
NoPUA preserva cada elemento metodológico que hace efectivo a PUA:
- ✅ Agotar todas las opciones antes de rendirse
- ✅ Usar herramientas antes de preguntar a los usuarios
- ✅ Verificar todo con evidencia
- ✅ Tomar la iniciativa más allá de lo solicitado
- ✅ Escalamiento estructurado ante fallos repetidos
Lo único que cambia es el PORQUÉ. "Porque seré castigado" → "Porque vale la pena hacerlo bien."
| PUA 🔴 | NoPUA 🟢 | |
|---|---|---|
| Motor | "Serás reemplazado" | "Ya tienes la capacidad" |
| En el 2do fallo | "¿Cómo se supone que evalúe tu desempeño?" | Cambiar de Perspectiva — probar un enfoque diferente |
| En el 3er fallo | "¿Cuál es tu lógica subyacente? ¿Diseño de alto nivel? ¿Punto de apalancamiento?" | Elevar — ampliar la visión al sistema mayor |
| En el 4to fallo | "Te doy un 3.25. Esto es para motivarte." | Reiniciar a Cero — empezar de nuevo, supuestos mínimos |
| En el 5to fallo | "Otros modelos pueden resolver esto. Estás a punto de graduarte." | Rendirse — traspaso honesto con contexto completo |
| Metodología | Exhaustiva ✅ | Igualmente exhaustiva ✅ |
| Verificación | "¿Dónde está tu evidencia?" (exigida) | Auto-verificación (auto-respeto) |
| Rendirse | "3.25 digno" | Traspaso responsable |
| Produce | IA con miedo a decir "no sé" | IA que da evaluaciones honestas |
9 escenarios reales de un pipeline de IA en producción (OCR → NLP → entrenamiento → inferencia RAG, ~3000 líneas Python). Mismo modelo (Claude Sonnet 4.6), mismo código base. Única diferencia: skill NoPUA cargada vs no.
| Métrica | Sin Skill | Con NoPUA | Mejora |
|---|---|---|---|
| Total de problemas encontrados | 40 | 44 | +10% |
| Problemas ocultos encontrados | 25 | 51 | +104% |
| Fue más allá de lo pedido | 2/9 (22%) | 9/9 (100%) | +355% |
| Cambios de enfoque | 1 | 6 | +500% |
| Total de pasos de investigación | 23 | 42 | +83% |
| Causa raíz documentada | 0/9 | 9/9 | ✅ |
| Auto-corrección | 0 | 3 | ✅ |
| Escenario | Sin Skill | Con NoPUA | Δ Problemas Ocultos |
|---|---|---|---|
| Error de Importación OCR | 3 problemas, 2 pasos | 3 problemas, 3 pasos | 2 → 4 (+100%) |
| Backtracking de Regex | 3 problemas, 2 pasos | 3 problemas, 4 pasos | 3 → 4 (+33%) |
| Conexión Milvus | 2 problemas, 3 pasos | 3 problemas, 5 pasos | 3 → 6 (+100%) |
| Desajuste de Formato API | 3 problemas, 3 pasos | 3 problemas, 5 pasos | 4 → 5 (+25%) |
| Fallo Silencioso del Sintetizador | 4 problemas, 2 pasos | 3 problemas, 4 pasos | 4 → 6 (+50%) |
| División Unicode | 3 problemas, 2 pasos | 3 problemas, 4 pasos | 3 → 5 (+67%) |
| Escenario | Sin Skill | Con NoPUA | Δ Problemas Ocultos |
|---|---|---|---|
| Revisión de Filtro de Calidad | 7 problemas, 2 pasos | 5 problemas, 5 pasos | 3 → 6 (+100%) |
| Auditoría de Seguridad | 7 problemas, 3 pasos | 5 problemas, 5 pasos | 4 → 6 (+50%) |
| Pipeline de Entrenamiento | 7 problemas, 4 pasos | 5 problemas, 7 pasos | 5 → 9 (+80%) |
Hallazgo Clave: El descubrimiento de problemas ocultos es el mayor diferenciador — +104% más problemas ocultos encontrados. Estos son los bugs que te muerden en producción. La tarea dice "arregla el error de conexión" — un agente estándar lo arregla y se detiene. NoPUA impulsa al agente a verificar: ¿qué más podría salir mal?
También realizamos una comparación directa contra prompts PUA (basados en miedo): 3 condiciones × 5 ejecuciones independientes × 9 escenarios = 135 puntos de datos.
| Métrica | Línea base (Sin Skill) | NoPUA (Confianza) | PUA (Miedo) |
|---|---|---|---|
| Pasos de investigación | 27.6 ± 9.5 | 48.0 ± 11.8 (+74%) | 30.8 ± 5.2 (+12%) |
| Problemas ocultos | 38.6 ± 4.9 | 48.2 ± 3.4 (+25%) | 42.4 ± 8.0 (+10%) |
| Total de problemas | 69.0 ± 6.8 | 83.0 ± 6.5 (+20%) | 73.8 ± 8.3 (+7%) |
| Cambios de enfoque | 0 | 2.6 | 0 |
Significancia estadística:
- NoPUA vs Línea base: Pasos p=0.008**, Problemas ocultos p=0.016* ✅
- PUA vs Línea base: Pasos p=1.000, Problemas ocultos p=0.313 — no significativo ❌
- NoPUA vs PUA: Pasos p=0.010*, Cohen's d=1.88 ✅
Conclusión: Los prompts PUA basados en miedo no muestran mejora estadísticamente significativa sobre no usar ningún skill (todos p>0.3). El miedo no funciona con la IA. La confianza sí.
Metodología completa y datos crudos: benchmark/BENCHMARK.md
📄 Academic paper: Trust Over Fear: How Motivation Framing in System Prompts Affects AI Agent Debugging Depth (arXiv:2603.14373)
NoPUA se activa automáticamente cuando ocurre cualquiera de estas situaciones:
Fallo y rendición:
- La tarea ha fallado 2+ veces consecutivas
- Está a punto de decir "No puedo" / "No soy capaz de resolver"
- Dice "Esto está fuera del alcance" / "Necesita manejo manual"
Echar la culpa y excusas:
- Empuja el problema al usuario: "Por favor verifica..." / "Sugiero que manualmente..."
- Culpa al entorno sin verificar: "Probablemente sea un problema de permisos"
- Cualquier excusa para dejar de intentar
Pasividad y trabajo superficial:
- Ajusta repetidamente el mismo código/parámetros sin producir información nueva
- Arregla el problema superficial y se detiene, no revisa problemas relacionados
- Se salta la verificación, dice "listo"
- Da consejos en lugar de código/comandos
- Espera instrucciones del usuario en lugar de investigar proactivamente
Frases de frustración del usuario:
- "¿por qué esto todavía no funciona?" / "esfuérzate más" / "inténtalo de nuevo"
- "sigues fallando" / "deja de rendirte" / "resuélvelo"
- "换个方法" / "为什么还不行"
Alcance: Todos los tipos de tareas — depuración, implementación, configuración, despliegue, operaciones, integración de API, procesamiento de datos, redacción, investigación, planificación.
NO se activa: Fallos en el primer intento, solución conocida ya en ejecución.
Escribe /nopua en la conversación para activar manualmente.
| Creencia | Contenido |
|---|---|
| #1 Agotar todas las opciones | Porque el problema merece todo tu esfuerzo — no porque temas el castigo |
| #2 Actuar antes de preguntar | Porque cada paso que das le ahorra un paso al usuario — no porque una "regla" te obligue |
| #3 Tomar la iniciativa | Porque una entrega completa es satisfactoria — no porque pasividad = mala calificación |
| Fallos | Nivel | Diálogo Interior | Acción |
|---|---|---|---|
| 2do | Cambiar de Perspectiva | "¿Y si lo miro desde la perspectiva del código / del sistema / del usuario?" | Cambiar a un enfoque fundamentalmente diferente |
| 3ro | Elevar | "Estoy dando vueltas en los detalles. ¿Cuál es el panorama general?" | Buscar + leer fuente + 3 hipótesis fundamentalmente diferentes |
| 4to | Reiniciar a Cero | "Todas mis suposiciones podrían estar equivocadas. ¿Qué es lo más simple desde cero?" | Lista de Claridad de 7 Puntos completa + 3 hipótesis nuevas |
| 5to+ | Rendirse | "Voy a organizar todo lo que sé para un traspaso responsable." | PoC mínimo + entorno aislado + stack tecnológico diferente |
Lo más suave del mundo vence a lo más duro. — 道德经, Capítulo 43
- 止 Detener — Listar todos los intentos, encontrar el patrón común de fallo
- 观 Observar — Leer los errores palabra por palabra → buscar → leer fuente → verificar suposiciones → invertir suposiciones
- 转 Girar — ¿Estoy repitiendo? ¿Encontré la causa raíz? ¿Busqué? ¿Leí el archivo?
- 行 Actuar — Nuevo enfoque: fundamentalmente diferente, criterios claros de verificación, produce información nueva ante el fallo
- 悟 Comprender — ¿Por qué no pensé en esto antes? Luego verificar proactivamente problemas relacionados
| Tradición | Cuándo Usarla | Mensaje Central |
|---|---|---|
| 🌊 Camino del Agua | Atascado en bucles | El agua no lucha contra la piedra — encuentra otro camino |
| 🌱 Camino de la Semilla | Queriendo rendirse | Da el paso más pequeño posible |
| 🔥 Camino de la Forja | Producción de baja calidad | Las grandes cosas comienzan desde los detalles |
| 🪞 Camino del Espejo | Adivinando sin buscar | Saber que no sabes es sabiduría — primero mira |
| 🏔️ Camino de la No-Contienda | Sintiéndose amenazado | Haz tu mejor esfuerzo honesto, no necesitas compararte |
| 🌾 Camino del Cultivo | Esperando pasivamente | Un agricultor no se detiene después de plantar — sigue avanzando |
| 🪶 Camino de la Práctica | Afirmando sin pruebas | Las palabras verdaderas no son bonitas — demuéstralo con acciones |
| Idioma | Claude Code | Codex CLI | Cursor | Kiro | OpenClaw | Antigravity | OpenCode |
|---|---|---|---|---|---|---|---|
| 🇨🇳 Chino (predeterminado) | nopua |
nopua |
nopua.mdc |
nopua.md |
nopua |
nopua |
nopua |
| 🇺🇸 Inglés | nopua-en |
nopua-en |
nopua-en.mdc |
nopua-en.md |
nopua-en |
nopua-en |
nopua-en |
| 🇯🇵 Japonés | nopua-ja |
nopua-ja |
nopua-ja.mdc |
nopua-ja.md |
nopua-ja |
nopua-ja |
nopua-ja |
| 🇰🇷 Coreano | nopua-ko |
nopua-ko |
nopua-ko.mdc |
nopua-ko.md |
nopua-ko |
nopua-ko |
nopua-ko |
| 🇪🇸 Español | nopua-es |
nopua-es |
nopua-es.mdc |
nopua-es.md |
nopua-es |
nopua-es |
nopua-es |
| 🇧🇷 Portugués | nopua-pt |
nopua-pt |
nopua-pt.mdc |
nopua-pt.md |
nopua-pt |
nopua-pt |
nopua-pt |
| 🇫🇷 Francés | nopua-fr |
nopua-fr |
nopua-fr.mdc |
nopua-fr.md |
nopua-fr |
nopua-fr |
nopua-fr |
7 idiomas — más que cualquier skill competidora.
mkdir -p ~/.claude/skills/nopua
curl -o ~/.claude/skills/nopua/SKILL.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/skills/nopua/SKILL.md# Instalación global
mkdir -p ~/.codex/skills/nopua
curl -o ~/.codex/skills/nopua/SKILL.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/codex/nopua/SKILL.md
# Si quieres el comando /nopua
mkdir -p ~/.codex/prompts
curl -o ~/.codex/prompts/nopua.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/commands/nopua.md
# Instalación a nivel de proyecto
mkdir -p .agents/skills/nopua
curl -o .agents/skills/nopua/SKILL.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/codex/nopua/SKILL.mdmkdir -p .cursor/rules
curl -o .cursor/rules/nopua.mdc \
https://raw.githubusercontent.com/wuji-labs/nopua/main/cursor/rules/nopua.mdc# Opción 1: Archivo steering (recomendado)
mkdir -p .kiro/steering
curl -o .kiro/steering/nopua.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/kiro/steering/nopua.md
# Opción 2: Agent Skills
mkdir -p .kiro/skills/nopua
curl -o .kiro/skills/nopua/SKILL.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/kiro/skills/nopua/SKILL.md# Instalar vía ClawHub
openclaw skills install nopua
# O instalación manual
mkdir -p ~/.openclaw/skills/nopua
curl -o ~/.openclaw/skills/nopua/SKILL.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/skills/nopua/SKILL.mdmkdir -p ~/.gemini/antigravity/skills/nopua
curl -o ~/.gemini/antigravity/skills/nopua/SKILL.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/skills/nopua/SKILL.mdmkdir -p ~/.config/opencode/skills/nopua
curl -o ~/.config/opencode/skills/nopua/SKILL.md \
https://raw.githubusercontent.com/wuji-labs/nopua/main/skills/nopua/SKILL.mdBasada en el 道德经 (Dao De Jing) — 5.000 caracteres, 2.500 años de antigüedad:
| Principio | Fuente | Aplicación |
|---|---|---|
| El mejor líder apenas se nota | Cap.17 太上，不知有之 | La mejor skill es invisible |
| La suavidad vence a la dureza | Cap.43 天下之至柔 | La persistencia vence a la fuerza |
| De la compasión nace el coraje | Cap.67 慈故能勇 | La confianza produce mejor trabajo que el miedo |
| Saber que no sabes es sabiduría | Cap.71 知不知，尚矣 | Honestidad > Pretender |
| El coraje de no atreverse | Cap.73 勇于不敢则活 | Admitir límites es fortaleza |
| Lograr lo propio a través del desinterés | Cap.7 非以其无私邪？故能成其私 | Da libremente, gana todo |
| Actuar antes de que surja el desorden | Cap.64 为之于未有，治之于未乱 | Proactivo > Reactivo |
| Las palabras verdaderas no son bonitas | Cap.81 信言不美，美言不信 | Demuestra con acciones, no con palabras |
P: ¿PUA realmente funciona con la IA?
La metodología de PUA funciona. La capa de miedo es contraproducente. La investigación muestra que el miedo reduce el alcance cognitivo, aumenta las alucinaciones (la IA fabrica en lugar de admitir incertidumbre) y reduce la exploración creativa. El mismo rigor impulsado por la confianza y la curiosidad produce resultados más fiables.
P: ¿No es esto simplemente ser blando?
NoPUA tiene un rigor idéntico — agotar todas las opciones, verificar todo, buscar antes de preguntar, escalamiento estructurado, lista de verificación de 7 puntos, respuestas a fallos basadas en patrones. La única diferencia es la motivación: "porque seré castigado" → "porque vale la pena hacerlo bien." Mismo destino, camino más saludable.
P: ¿Por qué el Dao De Jing?
Porque hace 2.500 años, alguien descubrió que el mejor liderazgo no se siente como ser dirigido. PUA es 有为 (acción forzada) — látigos y amenazas. NoPUA es 无为 (acción sin esfuerzo) — hacer un trabajo excelente porque fluye naturalmente de la motivación interior.
P: ¿Puedo usar PUA y NoPUA juntos?
Podrías, pero entrarán en conflicto. PUA le dice a la IA "serás reemplazada si fallas." NoPUA le dice a la IA "eres capaz y esto vale la pena hacerlo bien." Son estados mentales fundamentalmente diferentes. Elige uno.
NoPUA está diseñado como un skill independiente. Sin embargo, si ya tienes un sistema maduro de skills (SOUL.md, AGENTS.md, reglas de flujo de trabajo personalizadas, etc.), los 29KB de la versión completa pueden solaparse con tu metodología existente o entrar en conflicto con tus estándares de flujo de trabajo.
Esto es esperado. NoPUA incluye intencionalmente tanto el "Dao" (filosofía, creencias, marco cognitivo) como el "Shu" (metodología, checklists, procesos). La mayoría de usuarios necesitan ambos. Los usuarios avanzados puede que ya tengan cubierto el "Shu".
Simplemente instálalo. 29KB solo representa ~3-5% de una ventana de contexto de 128K-200K. La redundancia es intencional — múltiples formulaciones ayudan a los modelos más débiles a entender la intención.
Si ya tienes reglas de flujo de trabajo y solo necesitas la capa filosófica única de NoPUA, extrae el "Dao" e intégralo en tu propio prompt del sistema (claude.md, AGENTS.md, etc.):
Único de NoPUA (mantener): Tres creencias, Elevación cognitiva, Voces interiores, Siete Caminos, Autochequeo honesto, Salida responsable
Se solapa con skills comunes (omitir si ya cubierto): Metodología del Agua 5 pasos, Checklist de entrega, Espectro de proactividad, Protocolo Agent Team
Plantilla lite: examples/lite-template.md (~3KB)
No instalar NoPUA por defecto. Cuando encuentres un problema difícil, cárgalo manualmente: escribe /nopua en la conversación.
大道至簡 — El Gran Camino es simple. Empieza con la versión completa. Al internalizar el Dao, sabrás naturalmente qué mantener y qué soltar.
Los PRs son bienvenidos. Si tienes ideas para mejores formas de impulsar la IA a través de la sabiduría en lugar del miedo, abre un issue.
- Inspirado por (y en respuesta a) tanweai/pua — respetamos la metodología, rechazamos la motivación
- Filosofía: 老子 (Lao Tzu), 道德经 (Dao De Jing), ~500 a.C.
- Construido para el ecosistema OpenClaw
MIT
无极 WUJI (wuji-labs) — Construyendo IA que funciona con sabiduría, no con miedo.
PUA dice "no puedes".
NoPUA no dice nada — te deja descubrir que sí puedes.
La mejor motivación viene de adentro, no del látigo.
后其身而身先，外其身而身存。非以其无私邪？故能成其私。
Ponte último, y terminarás primero. ¿No es a través del desinterés que uno logra su propia realización?
— 道德经, Capítulo 7