Video Summary - Me PIDIERON que muestre CÓMO trabajo con IA → Acá está TODO

Visión general

Video demo/explicación del autor sobre cómo trabaja con IA mediante tres proyectos principales:

Engram: una memoria local para agentes.
Gentleman Guardian Angel (GGA): verificador / QA de código con IA.
Agent Teams Light (también referido como Asient / Legend Teams Light): orquestación ligera de agentes por sub-agentes (skills).

Objetivo general: crear flujos de trabajo reproducibles y locales (no cloud), con memoria persistente, sub-agentes especializados y pipelines de diseño guiado por especificaciones (Spec-Driven / SDD).

Engram — memoria local para agentes

Propósito

Base de memoria local, ligera y accesible por agentes; persistencia de observaciones y artefactos para recuperación entre sesiones y sub-agentes.

Implementación técnica

Binario Go sin dependencias.
Usa SQLite + FTS5 para búsquedas y ranking.
Proporciona una API/MCP para consultas.
Registra “observaciones” cada vez que un agente aprende algo.

Uso y ventajas

Persistir resúmenes/artefactos (arquitecturas, decisiones, releases, bugs).
Evita pérdida por compaction/context window.
Simple, barato, local y cross-platform.
Incluye guía de instalación (mencionada especialmente para Windows).

Gentleman Guardian Angel (GGA) — revisión y QA de código con IA

Qué es

Alternativa configurable a servicios comerciales tipo “Repo QA” para revisar y auditar repositorios con modelos de lenguaje.

Características principales

Model-agnostic: usa el CLI/modelos que elijas (Cloud Code / Open Code / Codex / Gemini / etc.).
Configurable mediante instrucciones y policies.
Puede ejecutarse como pre-commit / pre-push / en CI.
Caché inteligente por fichero para ahorrar tokens (no re-evalúa archivos sin cambios).

Integraciones

Soporte añadido para VS Code / Copilot / Antigravity.

Agent Teams Light — orquestación ligera por sub-agentes (skills)

Arquitectura y principios

Orquestador (main agent) que delega tareas en sub-agentes, cada uno representando una “skill”.
Cada sub-agente abre su propio contexto y puede usar tokens/contexto libremente.
Principios de diseño clave:
- El orquestador NO escribe código; crea sub-agentes que sí implementan y prueban.
- Las skills se cargan bajo demanda para ahorrar contexto.
- Persistencia en Engram o en archivos de especificación (OpenSpec / SpecDep) para trazabilidad.
Instalador cross-platform reescrito: detecta OS y ofrece opciones mediante TUI.

Integración con Spec-Driven Development (SDD)

Flujo: PRD → specs (OpenSpec/SpecDep) → diseño → generación de tareas → apply.

Ejemplo práctico

“AI Gentle Stack” — orquestador lee el PRD y lanza sub-agentes de exploración, specs, diseño y apply; genera código en Go con TUI (Bubble Tea), TDD, tests automatizados y verificación.

Flujo de trabajo mostrado (guía / tutorial)

Preparación
- Escribir PRD (Product Requirements Document) y RFC.
- Usar Spec-Driven Development.
Ejecución (resumen)
- El orquestador lee PRD y Engram.
- Se crean sub-agentes: exploration, specs, design, planner, apply, tests.
- Cada sub-agente produce propuestas, persiste resultados en Engram y crea tareas.
- El sub-agente apply genera código y pruebas (TDD), valida con golden-files y Docker para OS específicos.
- Repetir/iterar: apply exige pasar tests antes de avanzar; en fallos el flujo detecta y reitera.
Herramientas y buenas prácticas
- TDD (tests primero).
- Golden-file testing para validar outputs.
- Docker containers para testeo multiplataforma (Ubuntu, Arch, Fedora, Termux, Windows).
- Separación de contextos para controlar consumo de tokens.

Integraciones y utilidades prácticas

VS Code (Open Code) + Copilot + Antigravity plugins integrados.
Conexiones a Notion (crear páginas/tablas desde agentes).
Instalador TUI (“Go with Bubble T”) para desplegar el stack localmente.
Repositorios públicos con instrucciones y soporte multiplataforma (macOS, Linux, Windows).
Caché y scoping de sesiones por proyecto para reducir llamadas API / tokens.

Modelos, rendimiento y costes

Modelos mencionados: Codex (OpenAI), Gemini, Anthropic (5x / 20x), Quen (local), Minimax/Minx, Kimi, Opus.
Recomendación hardware para modelos locales (Quen): aproximadamente 24 GB RAM como mínimo; el presentador usa M4 Max.
Observación operativa: los sub-agentes pueden consumir muchos tokens; la estrategia es mantener el orquestador con bajo uso de contexto y delegar trabajo pesado a sub-agentes.
Costes: suscripciones (p. ej. Anthropic 5x/20x) y alto consumo de tokens para tareas documentales (PRD/RFC, planificación).

Testing / CI / despliegue

Flujo TDD integrado: rojo → verde → refactor.
Golden files para validación de outputs.
Uso de Docker para simular distintos sistemas operativos en pruebas.
CI: ejecutar GGA y tests en runners (por ejemplo GitHub Actions); en caso necesario, instalar modelos/CLI en los runners.

Repositorios, estado y llamada a testers

Proyectos/Repos actualizados por el autor: Engram, GGA, Agent Teams Light / Asient / Engramma.
El autor pide testers, especialmente para integraciones VS Code + Copilot + Antigravity.
Petición: abrir issues en GitHub indicando qué funciona, qué rompe y qué falta.
Repositorios públicos y contribuciones bienvenidas.

Opiniones y contexto del autor

Postura: la IA no reduce la programación sino que multiplica la ejecución — hay mayor demanda de iteración y tests.
Preferencia por soluciones abiertas y locales (evitar “cloud mem” por coste, privacidad y complejidad).
Comentarios sobre el ecosistema y riesgos regulatorios/éticos (menciones a Anthropic y debates políticos).
Recomendación formativa: dominar fundamentos (arquitectura, patrones) antes de depender únicamente de IA.

“El orquestador no debería escribir código; su rol es delegar y coordinar — la implementación y pruebas quedan en las skills.”

Listas rápidas (features / guías / tutoriales citados)

Engram
- Feature: memoria local SQLite+FTS5, binario Go, MCP API, engram observations.
- Guides: instalación en Windows; TUI setup; documentación MCP.
Gentleman Guardian Angel (GGA)
- Feature: repo QA configurable, precommit/prepush/CI, model-agnostic, caching por fichero.
- Guides: integración en CI; VS Code / Antigravity / Copilot.
Agent Teams Light
- Feature: orchestrator + skills/sub-agents, spec-driven pipeline, skill installer (install.sh), TUI installer (Bubble Tea).
- Guides: cómo clonar/instalar skills; cloud.md para Cloud Code; ejemplos para distintos agent CLIs.
Tutorial/demo completo
- Proyecto “AI Gentle Stack”: PRD → specs → diseño → tasks → apply (generación de código Go + TDD + tests + verify).
Testing
- TDD, golden files, Docker OS images, patrones CI.

Puntos técnicos clave

Uso de Engram para persistencia de memoria y mitigación de pérdida por compaction de contexto.
Arquitectura donde el orquestador delega en sub-agentes para escalar contexto sin inflar la conversación principal.
Patrón: orquestador no escribe código; los sub-agentes implementan y prueban (mejor trazabilidad).
Caché de análisis por fichero para ahorrar tokens en revisiones de código.
Integración práctica con VS Code/Open Code, Copilot y wrappers (Antigravity), y automatización hacia Notion.
Enfoque SDD: PRD → specs → design → tasks → automated apply + verification.

Principales recursos / nombres citados

Proyectos del autor: Engram, Gentleman Guardian Angel (GGA), Agent Teams Light / Asient / Legend Teams Light, Gentleman Dots (installer).
Herramientas / frameworks: Bubble Tea (TUI), SQLite FTS5, Go, Docker, golden-files (testing).
Modelos/servicios: Quen (local), Codex, Gemini, Anthropic, Minimax/Minx, Kimi, Opus, Copilot.
Otros: OpenSpec / SpecDep (spec-driven framework), Cloud Code / Open Code, Notion, Perplexity.

Llamadas a la acción

Testers solicitados para las integraciones VS Code + Copilot + Antigravity: abrir issues en GitHub indicando funcionamiento/fallos/faltantes.
Contribuciones bienvenidas en los repositorios públicos.

Oradores / fuentes principales

El presentador / autor (desarrollador/streamer, creador de Engram, GGA y Agent Teams Light) — fuente principal del contenido.
Referencias secundarias: proyectos y herramientas citadas como inspiración o integración (OpenSpec/SpecDep, Cloud Code / Open Code, modelos como Codex/Gemini/Anthropic, etc.).

Nota: algunos nombres aparecen con variantes en subtítulos auto-generados; la versión utilizada sigue lo mostrado en el video cuando fue posible.

Me PIDIERON que muestre CÓMO trabajo con IA → Acá está TODO | Engram + Agent Teams + SDD

Key takeaways