DEMIURGOS adiciona modo de depuração de regras para agentes de AI e suporte a mais de 20 ferramentas

DEMIURGOS — uma ferramenta para quem escreve código com agentes de IA e cansou de re-explicar o projeto em cada novo chat. Ela coleta as regras da equipe em um único sistema, distribui para diferentes agentes e, na nova versão, mostra quais instruções realmente funcionaram e onde ficaram lacunas no contexto.

Por Que Agentes Cometem Erros

O principal problema com agentes de codificação hoje não é tanto o modelo, mas o contexto. Claude, GPT, Gemini, Qwen e outros sabem escrever código, mas não conhecem como um repositório específico está estruturado: onde estão os testes, qual é o formato de resposta da API, quais diretórios não devem ser tocados, onde é preciso TypeScript strict mode e onde se usa um conjunto de regras diferente. No resultado, o desenvolvedor gasta tempo não na tarefa em si, mas em correções constantes: re-explicando a estrutura do projeto, capturando desvios de estilo e consertando soluções que são formalmente funcionais, mas se encaixam mal na base de código.

Como DEMIURGOS Funciona

DEMIURGOS resolve isso através de um esquema de três camadas. Em sua base está o diretório .rules/, que armazena a fonte da verdade sobre o projeto: stack, padrões arquiteturais, restrições, formato de respostas e níveis de acesso.

Sobre ele, criam-se adaptadores para ferramentas específicas. Para Cursor há seus próprios arquivos de regras, para Claude Code — CLAUDE.md, para GitHub Copilot — **.

github/copilot-instructions.md, e para outros pode usar-se AGENTS.md** como formato universal.

Extensões separadas como subagents, hooks e MCP aparecem apenas quando são realmente necessárias, não "para o futuro". A abordagem não se baseia em uma pasta bonita, mas na portabilidade de regras entre agentes e IDEs. Um desenvolvedor pode trabalhar no Cursor, outro no Claude Code, um líder de time no Copilot, mas todos recebem a mesma visão do projeto sem sincronização manual de prompts.

O autor também incorpora minimalismo no sistema: antes de criar um novo arquivo, verifica se resolve um problema real e se não é possível se bastar com uma linha em um documento já existente.

• Um conjunto de regras é armazenado no repositório e vai para o git junto com o código
• Adaptadores permitem conectar as mesmas instruções a Claude Code, Cursor, Copilot, Windsurf, Zed, Codex, Cline e outras ferramentas
• Antes de gerar, o sistema executa 3–5 cenários típicos como adicionar um endpoint de API, refatorar um módulo ou consertar um bug em autorização
• Se uma regra atrapalha, interfere ou duplica contexto já conhecido, sugere-se suavizá-la, promovê-la ou removê-la

O Que /debug Oferece

A atualização mais notável é o modo /debug e /debug full. Após uma solicitação normal, o agente não apenas retorna código, mas também mostra quais regras funcionaram, de qual arquivo vieram e como influenciaram a solução final. Isso transforma o sistema de uma caixa preta em algo observável.

Se uma regra sobre transações não está sendo aplicada, você vê imediatamente. Se o projeto carece de convenção para input naming, cooldown UI feedback, FOUC ou manipulação de browser API, o modo debug marca essas lacunas e sugere exatamente o que adicionar em patterns.md ou constraints.

md. Essencialmente, /debug não avalia regras pela avaliação em si, mas ajuda a ver sua cobertura após uma série de solicitações reais. Após 10–20 tarefas, já fica claro onde o agente confia em **.

rules/**, onde ativa heurísticas nativas do modelo e onde começa a improvisar. Esse modo é especialmente útil para equipes que estão gradualmente construindo seu próprio sistema de regras e não querem reescrevê-lo às cegas após cada erro.

"Regras não são 'configure e esqueça'".

Isso também determina a lógica de atualizações: se o mesmo erro ocorre duas vezes, uma regra deve ser adicionada; se uma instrução atrapalha — simplifique ou remova; se o agente a ignora — promova-a e reforce com um exemplo. No artigo, isso é descrito como um documento vivo, não um artefato estático. Ou seja, trata-se de um ciclo de manutenção, não de um prompt único, onde as regras evoluem com o projeto, stack e hábitos de trabalho da equipe.

O Que Isso Significa

O mercado de agentes de codificação está se movendo de prompts isolados para infraestrutura completa ao seu redor. DEMIURGOS é interessante não como mais um chatbot, mas como uma camada para gerenciar o comportamento de agentes em um repositório: com versionamento, adaptadores, auditoria e feedback. Para equipes já vivendo em Claude Code, Cursor, Copilot ou Windsurf, essa é uma forma prática de reduzir explicações repetidas, diminuir ruído no código e levar agentes de IA a trabalhar previsível mais rapidamente.