Galivelop-workflow
Lo que no está subido no existe: nuestra forma de trabajar con IA, empaquetada para cualquier proyecto.
Un flujo de trabajo versionado para programar con agentes de IA: relevos entre sesiones sin perder nada, elegir skill y modelo antes de empezar, revisión obligatoria antes de publicar y menos tokens sin perder calidad.
Trabajar con un agente de IA durante semanas tiene un problema poco visible: cada sesión puede acabarse en cualquier momento (sin tokens, con el contenedor reciclado o con el relevo de otra cuenta) y lo que no quedó escrito se pierde. Además, cada proyecto acaba inventando sus propias reglas y copiándolas a mano, y las copias divergen.
Galivelop-workflow saca ese método de Tarkor, de este portal y de otros proyectos del taller, donde ya funciona, y lo convierte en un repositorio versionado: reglas en AGENTS.md (un estándar abierto que entiende cualquier agente), skills, scripts, ganchos y plantillas en un solo sitio. Una mejora se hace una vez y llega a todos los proyectos, y cada uno declara lo suyo en un pequeño archivo de configuración.
Va en dos etapas. En la primera, un agente de IA aplica el flujo a un proyecto leyendo este repositorio; hoy está en ella, con la versión 0.3.0, que ya recoge lo aprendido en los pilotos de este mismo portal, de Tarkor y de su instalador. En la segunda, un instalador lo hará sin IA. Se abrirá al público solo cuando haya funcionado semanas en proyectos reales de tecnologías distintas.
Lo propio y lo que reutilizamos, separados. Es desarrollo del taller el método (relevos, bitácora, tres fases antes de publicar), las nueve skills propias, los ganchos y scripts que hacen cumplir las reglas, las plantillas y la forma de aplicarlo y actualizarlo. Para pensar antes de programar (interrogar un plan, investigar, prototipar, diagnosticar, diseñar módulos, hacer la retro) incluye doce skills de Matt Pocock, sin cambios y con su licencia: de ellas aprendimos a trabajar así.
- Relevos sin pérdidas: Bitácora al día en el mismo commit que el trabajo y commit + push en cada punto estable. Al abrir sesión, o tras limpiar el contexto, un gancho devuelve dónde se quedó: la siguiente sesión sigue sin preguntar.
- Elegir antes de empezar: La skill selector decide qué skill y qué modelo pide cada tarea, y orchestrate-dealer reparte lo mecánico a subagentes de contexto limpio con el modelo más barato que lo haga bien.
- Nada sin revisar llega a main: Tres fases antes de publicar y una marca de revisado en el repositorio. Los ganchos de git no dejan subir código sin ella ni con las pruebas en rojo, y buscan secretos antes de cada commit.
- Pocos tokens, misma calidad: Subagentes de contexto limpio, compactación acotada y la skill opt-tokens, que mide en qué se fue el gasto y propone recortes que no empeoren el resultado.
- Para cualquier proyecto: Cada proyecto declara lo suyo (idioma, check, rama protegida, qué es contenido) en un archivo pequeño; gw-init aplica el flujo y gw-doctor dice qué falta, con la orden que lo arregla.
- Mejora con cada proyecto: gw-harvest recoge lo que cada proyecto cambia o inventa; lo bueno vuelve como versión nueva y gw-update la lleva a todos, enseñando antes los cambios.
- Galivelop-workflow: Lo que no está subido no existe: nuestra forma de trabajar con IA, empaquetada para cualquier proyecto.
- toVeriAI: La verdad no es binaria: un índice que explica cuánto puedes fiarte de una noticia.
- Tarkor: Un RPG narrativo donde el mundo sigue adelante aunque tú te detengas.