DEMIURGOS añade un modo de depuración de reglas para agentes de AI y compatibilidad con más de 20 herramientas

DEMIURGOS — una herramienta para quienes escriben código con agentes de IA y están cansados de re-explicar el proyecto en cada nuevo chat. Recopila las reglas del equipo en un único sistema, las distribuye a diferentes agentes y, en la nueva versión, muestra qué instrucciones realmente funcionaron y dónde quedaron lagunas en el contexto.

Por Qué Los Agentes Cometen Errores

El principal problema con los agentes de codificación hoy no es tanto el modelo como el contexto. Claude, GPT, Gemini, Qwen y otros saben escribir código, pero desconocen cómo está estructurado un repositorio específico: dónde están las pruebas, cuál es el formato de respuesta de la API, qué directorios no deben tocarse, dónde se necesita TypeScript strict mode y dónde se aplica un conjunto diferente de reglas. Como resultado, el desarrollador gasta tiempo no en la tarea en sí, sino en correcciones constantes: re-explicando la estructura del proyecto, capturando desviaciones de estilo y corrigiendo soluciones que son formalmente funcionales, pero se ajustan mal a la base de código.

Cómo Funciona DEMIURGOS

DEMIURGOS resuelve esto a través de un esquema de tres capas. En su base está el directorio .rules/, que almacena la fuente de verdad sobre el proyecto: stack, patrones arquitectónicos, restricciones, formato de respuestas y niveles de acceso.

Encima de él se crean adaptadores para herramientas específicas. Para Cursor hay sus propios archivos de reglas, para Claude Code — CLAUDE.md, para GitHub Copilot — **.

github/copilot-instructions.md, y para otros se puede usar AGENTS.md** como formato universal.

Las extensiones separadas como subagents, hooks y MCP aparecen solo cuando son realmente necesarias, no "para el futuro". El enfoque no se basa en una carpeta bonita, sino en la portabilidad de reglas entre agentes e IDEs. Un desarrollador puede trabajar en Cursor, otro en Claude Code, un líder de equipo en Copilot, pero todos obtienen la misma visión del proyecto sin sincronización manual de prompts.

El autor también incorpora minimalismo en el sistema: antes de crear un nuevo archivo, verifica si resuelve un problema real y si no se puede prescindir de una sola línea en un documento ya existente.

• Un conjunto de reglas se almacena en el repositorio y va a git junto con el código
• Los adaptadores permiten conectar las mismas instrucciones a Claude Code, Cursor, Copilot, Windsurf, Zed, Codex, Cline y otras herramientas
• Antes de la salida, el sistema ejecuta 3–5 escenarios típicos como agregar un endpoint de API, refactorizar un módulo o solucionar un error en autorización
• Si una regla estorba, interfiere o duplica contexto ya conocido, se sugiere suavizarla, promoverla o eliminarla

Qué Proporciona /debug

La actualización más notable es el modo /debug y /debug full. Después de una solicitud normal, el agente no solo devuelve código, sino que también muestra qué reglas funcionaron, de qué archivo vinieron y cómo influyeron en la solución final. Esto convierte el sistema de una caja negra en algo observable.

Si una regla sobre transacciones no se está aplicando, lo ves inmediatamente. Si el proyecto carece de convención para input naming, cooldown UI feedback, FOUC o manejo de browser API, el modo debug marca esas lagunas y sugiere exactamente qué agregar a patterns.md o constraints.

md. En esencia, /debug no evalúa reglas por evaluar, sino que ayuda a ver su cobertura después de una serie de solicitudes reales. Después de 10–20 tareas, ya está claro dónde el agente confía en **.

rules/**, dónde activa heurísticas nativas del modelo y dónde comienza a improvisar. Este modo es especialmente útil para equipos que están construyendo gradualmente su propio sistema de reglas y no quieren reescribirlo a ciegas después de cada error.

"Las reglas no son 'configura y olvida'".

Esto también determina la lógica de las actualizaciones: si el mismo error ocurre dos veces, debe agregarse una regla; si una instrucción estorba — simplifícala o elimínala; si el agente la ignora — promuévela y refuérzala con un ejemplo. En el artículo esto se describe como un documento vivo, no un artefacto estático. Es decir, se trata de un ciclo de mantenimiento, no de un prompt único, donde las reglas evolucionan con el proyecto, stack y hábitos de trabajo del equipo.

Qué Significa Esto

El mercado de agentes de codificación se está moviendo de prompts aislados a infraestructura completa a su alrededor. DEMIURGOS es interesante no como otro chatbot más, sino como una capa para gestionar el comportamiento de agentes en un repositorio: con versionamiento, adaptadores, auditoría y retroalimentación. Para equipos que ya viven en Claude Code, Cursor, Copilot o Windsurf, esta es una forma práctica de reducir explicaciones repetidas, disminuir ruido en el código y llevar agentes de IA a un funcionamiento predecible más rápidamente.