Amiga IA
Ecosistema integral de 14 subagentes autónomos, hooks de seguridad sin estado y 25 skills declarativas portátiles. 100% compatible con Antigravity (Gemini), Claude Code y OpenAI Codex.
El Problema
La degradación en bases de código grandes al depender de instrucciones imperativas paso a paso, junto al consumo elevado de tokens al acumular contexto repetitivo en asistentes de IA genéricos.
La Solución
Un ecosistema agéntico unificado de 14 subagentes autónomos y 25 skills declarativas, dotado de un compilador nativo para el tri-ecosistema (Antigravity, Claude Code y OpenAI Codex), protocolo de bloques delimitados, TDD Cleanroom Doble Ciego y suite de benchmarks empíricos deterministas.
Aprendizajes Clave
- Evaluación Empírica de Benchmarks Agénticos (ADR-004, ADR-012): Validación offline determinista que evidencia -44.75% (-2.973 tokens) en sobrecarga de contexto por turno, 0% de sesgo de confirmación en TDD Cleanroom y 100% de precisión y exhaustividad en auditorías de repositorio.
- Distribución Idempotente de Reglas de IA: Diseño del protocolo de bloques delimitados para inyectar y sincronizar directivas de agentes en proyectos sin sobreescribir configuraciones locales ni generar residuos.
- Compuertas de Verificación en Automatización de Releases: Implementación de validaciones en vivo para compilar y comprobar la existencia de binarios y assets antes de publicar releases oficiales.
- IA Agéntica vs. Prompts Pasivos: Migrar hacia subagentes autónomos que razonan sobre objetivos globales y coordinan revisiones en paralelo es exponencialmente más resistente y escalable que la ingeniería de prompts tradicional.
- Compilador Semántico Tri-Ecosistema: Traducción automatizada desde Markdown canónico hacia formatos nativos de Anthropic Claude Code (~/.claude/), Google Antigravity (~/.gemini/config/) y OpenAI Codex (~/.agents/ y ~/.codex/).
Arquitectura Técnica y Orquestación
Amiga IA transforma la asistencia de programación con Inteligencia Artificial, superando las limitaciones de los prompts imperativos mediante una malla de 14 subagentes especializados y autónomos (ami-tech-lead, ami-repo-auditor, ami-push-assistant, entre otros) respaldada por 25 skills declarativas bajo demanda. Cada subagente asume un rol delimitado con herramientas específicas y compuertas de seguridad.
- Adaptador Universal & Multi-Motor: Inyección de guardarraíles sin estado y compilación portátil de habilidades con compatibilidad nativa entre Antigravity (Gemini), Claude Code y OpenAI Codex.
- Protocolo de Bloques Delimitados: Motor de sincronización idempotente que actualiza reglas globales en múltiples repositorios sin sobreescribir configuraciones locales ni dejar residuos.
- Aislamiento Cleanroom Doble Ciego: Flujo de TDD desacoplado (
ami-cleanroom-arbiter) donde el implementador y el autor de pruebas operan sobre contratos de interfaz sellados, erradicando el sesgo de confirmación.
Optimización, Benchmarks y Compuertas de Calidad
- Validación con Benchmarks Empíricos: Evaluación offline determinista que valida una reducción del 44.75% (-2.973 tokens/turno) en sobrecarga de contexto, 0% de defectos escapados en Cleanroom TDD y precisión y exhaustividad perfectas ($F_1 = 1.00$) en detección de fallos de repositorio.
- Protocolo Anti-Alucinación: Automatización de flujos de release con compuertas en vivo que compilan, testean y verifican hashes de binarios antes de permitir la publicación en GitHub.