Skip to content

es

Directory actions

More options

Directory actions

More options

Latest commit

 

History

History

es

README.md

📚 Documentación de RepoBrain

Bienvenido a la documentación de RepoBrain: un motor de conocimiento de repositorios, portable entre IDEs, para preguntas sobre codebases con evidencia de archivos.

🎯 Navegación Rápida

Comenzando

Características Principales

Planificación y Visión

🌟 Características Clave

🧠 Motor de Memoria Infinita

La resumización recursiva comprime automáticamente el historial—los límites de contexto se acabaron.

🛠️ Protocolo Universal de Herramientas

Patrón genérico ReAct. Solo registra cualquier función Python en repobrain_engine/tools/, y el Agente aprende a usarla automáticamente.

🎓 Inicialización de Proyectos con Skills

Usa la skill integrada agent-repo-init para crear un repositorio limpio desde esta plantilla. Soporta modos quick y full, y expone un script portable en skills/agent-repo-init/scripts/init_project.py.

⚡️ Soporte Multi-Modelo

Usa el endpoint OpenAI-compatible elegido por rb-setup (OpenAI, DeepSeek, Groq, DashScope, NVIDIA NIM, Ollama o personalizado).

🔌 Soporte de LLM Externo

Llama cualquier API compatible con OpenAI mediante la herramienta integrada call_openai_chat (soporta OpenAI, Azure, Ollama).

🚀 Tareas Comunes

Quiero...

Tarea Documentación
Empezar con el agente Inicio Rápido
Construir una herramienta personalizada Características Zero-Config
Inicializar un nuevo proyecto desde esta plantilla Características Zero-Config
Conectarme a un servidor MCP Integración de MCP
Usar múltiples agentes Protocolo de Swarm
Entender la arquitectura Filosofía del Proyecto
Ver qué viene Hoja de Ruta de Desarrollo
Consultar contexto del proyecto rb-ask "pregunta" / rb-refresh

📊 Estructura del Proyecto

.
├── .repobrain/        # 🛸 Base de conocimiento generada
├── .context/            # 📚 Contexto adicional opcional
├── artifacts/           # 📂 Outputs del agente (planes, logs, visuales)
├── repobrain_engine/  # 🧠 Código fuente del agente
│   ├── hub/             # Knowledge Hub (escáner, agentes, pipeline)
│   ├── mcp_server.py    # Servidor MCP (rb-mcp)
│   ├── memory.py        # Memoria Markdown
│   ├── mcp_client.py    # Integración de MCP
│   ├── swarm.py         # Orquestación multi-agente
│   ├── agents/          # Agentes especialistas
│   │   ├── base_agent.py
│   │   ├── coder_agent.py
│   │   ├── reviewer_agent.py
│   │   └── researcher_agent.py
│   ├── tools/           # Herramientas MCP y extensiones
│   └── sandbox/         # Ejecución local / microsandbox
├── tests/               # ✅ Suite de pruebas
├── scripts/             # 🧪 Scripts de utilidad
├── docker-compose.yml   # Stack de desarrollo local
├── README.md            # Página principal de aterrizaje
└── pyproject.toml       # Dependencias Python

🎓 Documentación por Rol

Para Desarrolladores

  1. Comienza con Inicio Rápido
  2. Aprende Descubrimiento automático de herramientas Zero-Config
  3. Explora el protocolo de swarm

Para DevOps/Despliegue

  1. Lee Inicio Rápido sección Docker
  2. Consulta Hoja de Ruta de Desarrollo Fase 9 (Enterprise Core)
  3. Configura servidores MCP en Integración de MCP

Para Arquitectos

  1. Entiende Filosofía del Proyecto
  2. Estudia arquitectura Protocolo de Swarm
  3. Revisa visión Hoja de Ruta de Desarrollo

Para Contribuidores

  1. Lee Filosofía del Proyecto
  2. Consulta Hoja de Ruta de Desarrollo Fase 9
  3. Abre un issue para proponer ideas

🔗 Recursos Externos

❓ Preguntas Frecuentes

P: ¿Qué proveedores LLM están soportados? R: Ejecuta rb-setup y elige OpenAI, DeepSeek, Groq, DashScope, NVIDIA NIM, Ollama o un endpoint OpenAI-compatible personalizado. El comando escribe OPENAI_BASE_URL, OPENAI_API_KEY y OPENAI_MODEL en .env.

P: ¿Cómo agrego una herramienta personalizada? R: ¡Coloca un archivo Python en repobrain_engine/tools/ con tus funciones. Sin registro necesario! Ver Características Zero-Config.

P: ¿Cómo inicializo un proyecto nuevo desde esta plantilla? R: Usa la skill agent-repo-init en modo quick o full, o ejecuta skills/agent-repo-init/scripts/init_project.py. Ver Características Zero-Config.

P: ¿Cómo despliego a producción? R: ¡Usa Docker! Ver sección Docker en Inicio Rápido.

P: ¿Puedo usar múltiples agentes? R: ¡Sí! Usa el sistema de swarm. Ver Protocolo de Swarm.

P: ¿Cómo agrego contexto/conocimiento? R: ¡Crea archivos en directorio .context/. Se cargan automáticamente! Ver Características Zero-Config.

P: ¿Qué es el Knowledge Hub? R: El Knowledge Hub (rb-ask, rb-refresh, rb report, rb log-decision) mantiene contexto del proyecto en .repobrain/, haciendo todos los IDEs de IA más inteligentes. Ver el README principal.

P: ¿Qué lenguajes soporta la detección de módulos? R: Python, TypeScript/JavaScript, Go, Rust, Java, Kotlin, Swift, C/C++ y C#. El escáner usa una lista unificada de extensiones para detectar módulos en todos los lenguajes soportados.

P: ¿Qué son los facts estructurados? R: Desde abril 2026, rb-refresh produce claims JSON estructurados con evidencia de fuente (ruta de archivo + rango de líneas) por módulo. rb-ask verifica estos claims contra el fuente antes de responder, reduciendo alucinaciones y mejorando la trazabilidad.

🤝 Contribuyendo

Bienvenemos contribuciones en todos los niveles:

Reportar Issues

¿Encontraste un bug? Abre un issue

Sugerir Ideas

¿Tienes una idea arquitectónica? ¡Las ideas también son contribuciones! Propón tu pensamiento

Enviar Código

¿Listo para codificar? Consulta la Hoja de Ruta Fase 9 para áreas abiertas.

Mejorar Documentación

¿Ves un typo o sección poco clara? ¡Envía un PR para mejorar los docs!

📞 Soporte

👥 Contribuidores

  • @devalexanderdaza — Primer contribuidor. Implementó herramientas de demo, mejoró la funcionalidad del agente, ayudó a definir la hoja de ruta inicial y completó la integración MCP.
  • @Subham-KRLX — Añadió carga dinámica de herramientas y contexto (Fixes #4) y el protocolo de clúster multi‑agente (Fixes #6).
  • @SunkenCost — Comando rb clean y protección de entrada __main__ (#37).
  • @aravindhbalaji04 — Superficie de instrucciones unificada en torno a AGENTS.md (#41).
  • @xiaolai — Aportó feedback de auditoría con NLPM, mejorando frontmatter de skills e higiene de dependencias (#51, #52, #53).

📄 Licencia

Este proyecto está bajo la licencia MIT. Ver LICENSE para detalles.

Última Actualización: Abril 2026 Versión: Fase 10 (Knowledge Hub) ✅ — pipeline de evidencia estructurada + soporte multi-lenguaje

¡Feliz construcción con RepoBrain! 🚀

Enlace amigo: LINUX DO