DEMIURGOS: Reglas unificadas para agentes de IA en desarrollo de código
Los agentes de IA para generación de código suelen dar resultados inconsistentes, ignorando las particularidades del proyecto. La solución es DEMIURGOS, un sistema que crea y mantiene automáticamente un conjunto único de reglas para todos los agentes de código de tu equipo.
Arquitectura de DEMIURGOS: Tres capas de control
DEMIURGOS se basa en una arquitectura de tres capas que garantiza flexibilidad sin redundancias.
- Núcleo (.rules/): Fuente centralizada de reglas del proyecto. Define el stack tecnológico, estándares de código, patrones arquitectónicos y restricciones.
- Adaptadores nativos: Proyecciones ligeras del núcleo adaptadas a agentes de IA específicos. Por ejemplo, .cursor/rules/*.mdc para Cursor, CLAUDE.md para Claude Code, .github/copilot-instructions.md para GitHub Copilot. Las reglas no se duplican: los adaptadores referencian el núcleo.
- Extensiones: Capa opcional para escenarios complejos, como sistemas multiagente o integraciones MCP (Protocolo de Contexto de Modelo). Se crean solo cuando son realmente necesarias.
Uso real: Ejemplos en distintos stacks tecnológicos
El sistema brilla en diversos contextos tecnológicos, detectando huecos en las reglas mediante el modo debug.
Desarrollo de juegos con Godot 4.3 y GDScript
Al construir un componente de salud, el agente sigue las reglas para generar código tipado usando composición de nodos y señales. El modo debug (/debug full) revela huecos:
- Convenciones ausentes para nombres de acciones de entrada (p. ej., player_dash).
- Falta de reglas para vincular habilidades a la UI mediante señales cooldown_started.
- Sugerencia de reemplazar SceneTreeTimer por nodos Timer para soporte de pausa.
Backend en Python con Async SQLAlchemy
Para una API de pedidos, el agente aplica reglas de arquitectura de tres capas, excepciones personalizadas y consultas por lotes. El debug muestra:
- Sin mapeo de excepciones a estados HTTP en el router.
- Reglas ausentes para condiciones de carrera con SELECT FOR UPDATE.
- Separación poco clara de flush() en servicios vs. commit() en routers.
Frontend con Astro y SolidJS
Al crear un toggle de temas, el agente respeta las reglas de Islands Architecture y UnoCSS. Huecos incluyen:
- Sin estrategia para prevenir FOUC mediante scripts inline en <head>.
- Falta de try/catch universal para APIs del navegador.
- Incertidumbre entre createSignal y createStore para el estado.
Beneficios clave de implementar DEMIURGOS
Adoptar este sistema de reglas aporta ganancias medibles a los equipos de desarrollo.
- Consistencia en el código: Todos los agentes de IA siguen los mismos estándares, reduciendo tiempo de revisión y refactorización.
- Incorporación más rápida: Los nuevos desarrolladores obtienen las reglas vía git, y sus agentes generan código alineado con el equipo al instante.
- Mejora iterativa: El modo debug (/debug) detecta huecos en las reglas tras 10-20 prompts, priorizando correcciones. Áreas comunes:
- Convenciones de diseño de juegos en proyectos de videojuegos.
- Lógica de negocio y transacciones en backends.
- Casos límite de APIs del navegador y accesibilidad en frontends.
- Soporta +22 herramientas: Un conjunto único de reglas se proyecta a Cursor, Windsurf, Claude Code, GitHub Copilot, Kiro, JetBrains AI Assistant y más mediante adaptadores.
- Overhead mínimo: Las reglas viven como archivos del repo: sin infraestructura extra ni configuraciones complejas.
Conclusiones clave
- DEMIURGOS soluciona la falta de contexto del proyecto en agentes de IA con reglas centralizadas.
- La arquitectura de tres capas mantiene la flexibilidad sin duplicar código.
- El modo debug descubre huecos para refinamiento continuo.
- Soporta +22 herramientas de desarrollo para consistencia en todo el equipo.
- La implementación reduce el tiempo de gestión de agentes y mejora la calidad del código.
— Editorial Team
Aún no hay comentarios.