ai-workspace-generator

ai-workspace-generator

Genera y adapta un workspace de IA para cualquier proyecto —nuevo o existente— de forma que Claude Code y GitHub Copilot sigan las mismas reglas, convenciones y flujo de trabajo. Ejecutas un comando, respondes unas preguntas y el proyecto recibe lo que necesita: instrucciones, skills, un flujo de desarrollo seguro (SDD), documentación viva y más.

No necesitas memorizar comandos. Tras la configuración hablas con la IA en lenguaje natural ("añade esta función", "actualiza esta librería", "guarda los cambios") y ella aplica el flujo correcto.

Enfoque shared-first. Pensado para developers individuales (aprender, preparar entrevistas, formarse y programar con utilidades). Puede aplicarse también a una empresa como punto de extensión opcional (company), pero el protagonista son las herramientas compartidas. Sin datos de negocio reales.

Cómo funciona

Una sola entrada (workspace.config.yaml) + una librería de plantillas por capas → un AGENTS.md canónico (la fuente única de verdad) → adaptadores idempotentes para cada herramienta. Y, al distribuir, una proyección más: un plugin instalable + marketplace privado.

flowchart LR
  CFG["workspace.config.yaml"] --> GEN[ai-workspace]
  TPL["templates por capas"] --> GEN
  GEN --> AG["AGENTS.md (fuente única)"]
  AG --> AD["CLAUDE.md + Copilot"]
  GEN --> REST["skills + routing, SDD, docs vivas, onboarding"]
  GEN --> PKG["plugin + marketplace + zips de skill"]

Filosofía: esto es Harness Engineering

Un agente útil no es solo un buen modelo: Agente = Modelo + Harness. El harness (arnés) es todo lo que rodea al modelo —instrucciones, skills, contexto, memoria, permisos, verificación— y ahí está la mayor parte de la diferencia entre un agente mediocre y uno fiable. Este generador produce harnesses: convierte una config en el entorno completo que hace que Claude Code y Copilot trabajen bien, y de la misma forma.

Los conceptos que aplica (detalle en docs/):

Concepto	Qué significa	Ejemplo en un workspace generado
Fuente única + idempotencia	AGENTS.md es la verdad; regenerar es seguro y tus notas sobreviven	editas una regla fuera de los marcadores → sync la respeta; cambias la config → solo se regeneran los bloques afectados (0 ruido)
Context engineering	el contexto es finito: dale al modelo el menor conjunto de tokens de alta señal	las skills se cargan por trigger, no todas a la vez; las docs de librerías llegan just-in-time vía context7; el estado vive en living docs, no en el chat
Gobernanza en capas	reglas base (universal → lenguaje → empresa → negocio) que no chocan entre sí	un cambio de versión dispara el Safety gate: para y pregunta antes de actuar
Metodología (SDD/SPDD)	intención antes que código; la verdad vive en el código (SDD) o en el prompt (SPDD)	feature normal → flujo SDD; módulo regulado que regeneras desde una doc → SPDD. Ver Metodologías: SDD vs SPDD
Ratchet principle	una regla entra solo si previene un fallo real	mantiene AGENTS.md a la "altura justa" en vez de engordar con prosa con cada incidencia

En una frase: afinamos el entorno del agente como ingeniería — porque un modelo decente con un gran harness le gana a un gran modelo con un mal harness. Desarrollo extendido: Harness Engineering · contratos y decisiones: ADR 0002.

Qué incluye