Architect | Documentación Oficial

Instalación

git clone -b main --single-branch https://github.com/Diego303/architect-cli.git
cd architect-cli && pip install -e .

# Verificar
architect --version

Configuración mínima

API key directa (OpenAI, Anthropic, etc.)

export LITELLM_API_KEY="sk-..."

Con LiteLLM Proxy (equipos)

Crea un config.yaml:

llm:
  mode: proxy
  model: gpt-4o
  api_base: http://litellm-proxy:8000
  api_key_env: LITELLM_API_KEY
  prompt_caching: true

architect run "tu tarea" -c config.yaml

Cambiar modelo sin config

# Via env var
export ARCHITECT_MODEL="claude-sonnet-4-6"

# O via flag
architect run "..." --model gpt-4o-mini

Agentes disponibles

Agente	Qué hace	Modifica archivos
`build`	Implementa código (default)	Sí
`plan`	Analiza y planifica sin tocar nada	No
`review`	Revisa código y da feedback	No
`resume`	Resume y sintetiza información	No

architect run "..." -a plan      # Solo planificar
architect run "..." -a review    # Solo revisar
architect run "..."              # build por defecto

Ejemplos de uso

Desarrollo con feedback visual (modo interactivo)

El modo por defecto: streaming + logs humanos en stderr. El agente pide confirmación antes de escribir archivos.

architect run "añade validación de email a user.py con tests"

Verás en tiempo real lo que hace el agente:

─── architect · build · gpt-4o ─────────────────

🔄 Step 1 — Llamada al LLM
🔧 search_code("email.*valid", file_pattern="*.py")
🔧 read_file("src/user.py")
🔄 Step 2 — Llamada al LLM
🔧 edit_file("src/user.py", ...)     ← Te pide confirmación
🔧 write_file("tests/test_user.py")  ← Te pide confirmación
✅ Completado

─── Resultado ──────────────────────────────────

Estado: success | Steps: 3 | Tool calls: 5

Desarrollo autónomo (modo yolo)

Sin confirmaciones. Ideal para tareas donde confías en el agente.

architect run "refactoriza utils.py para usar dataclasses" --mode yolo

Desarrollo con ejecución de tests

Permite que el agente ejecute comandos (pytest, linters) para verificar su trabajo.

architect run \
  "corrige el bug en parser.py y ejecuta pytest para verificar" \
  --mode yolo --allow-commands

Desarrollo con auto-verificación completa

El agente implementa, verifica con hooks, y se auto-evalúa al final.

architect run \
  "implementa un endpoint GET /health con test" \
  --mode yolo --allow-commands --self-eval basic

Review de código

architect run \
  "revisa src/auth/ en busca de bugs, vulnerabilidades y code smells" \
  -a review

Explorar un proyecto desconocido

architect run "explica la arquitectura de este proyecto" -a resume

Planificación sin ejecutar

architect run \
  "¿cómo implementarías autenticación JWT en este proyecto?" \
  -a plan

Generar documentación

architect run \
  "añade docstrings Google Style a todas las funciones de src/services/" \
  --mode yolo

Salida para scripts y CI

JSON parseable

architect run "resume el proyecto" \
  --mode yolo --quiet --json | jq '.final_output'

Logs a archivo + JSON a stdout

architect run "..." \
  --mode yolo --json --log-file debug.jsonl > result.json

Exit codes

Código	Significado
0	Tarea completada
1	Falló
2	Parcial (budget/timeout/self-eval)
3	Error de configuración
4	Error de autenticación
5	Timeout
130	Interrumpido (Ctrl+C)

Control de costes

# Límite de gasto
architect run "..." --budget 0.50

# Ver resumen de costes
architect run "..." --show-costs

# Modelo barato para tareas simples
architect run "..." --model gpt-4o-mini

Hooks post-edición

Auto-lint y auto-fix después de cada edición del agente. El resultado del hook vuelve al LLM para que pueda corregir errores.

# En config.yaml
hooks:
  post_edit:
    - name: format
      command: "black {file}"
      file_patterns: ["*.py"]
    - name: lint
      command: "ruff check {file} --fix"
      file_patterns: ["*.py"]

architect run "..." -c config.yaml --mode yolo
# Cada edit_file/write_file → black + ruff automáticos

Verbose y debugging

architect run "..." -v       # Info: workspace, modelo, streaming
architect run "..." -vv      # Debug: args completos, respuestas LLM
architect run "..." -vvv     # Full: HTTP, payloads, timing interno

Referencia rápida de flags

architect run "PROMPT" [opciones]

Agentes y modos:
  -a, --agent NAME          build | plan | review | resume (default: build)
  -m, --mode MODE           yolo | confirm-sensitive | confirm-all
  --dry-run                 Simular sin cambios reales

LLM:
  --model MODEL             Override del modelo (gpt-4o, claude-sonnet-4-6, ...)
  --api-base URL            URL base de la API
  --api-key KEY             API key directa
  --no-stream               Desactivar streaming
  --timeout SECONDS         Timeout global

Output:
  --json                    Salida JSON estructurada a stdout
  --quiet                   Solo resultado, sin banner ni logs
  -v / -vv / -vvv           Verbosidad creciente

Costes:
  --budget USD              Límite de gasto por ejecución
  --show-costs              Mostrar resumen de costes

Ejecución:
  --allow-commands           Habilitar run_command
  --no-commands              Deshabilitar run_command
  --self-eval MODE           off | basic | full

Cache:
  --cache                   Activar cache local de LLM
  --no-cache                Desactivar cache
  --cache-clear             Limpiar cache antes de ejecutar

Config:
  -c, --config PATH         Archivo YAML de configuración
  -w, --workspace PATH      Directorio de trabajo
  --log-level LEVEL         debug | info | human | warn | error
  --log-file PATH           Archivo de logs JSON

Ejemplo de config.yaml completa para desarrollo

llm:
  model: gpt-4o
  stream: true
  prompt_caching: true

commands:
  enabled: true

hooks:
  post_edit:
    - name: lint
      command: "ruff check {file} --fix"
      file_patterns: ["*.py"]

costs:
  enabled: true
  budget_usd: 5.00
  warn_at_usd: 2.00

architect run "implementa feature X" -c config.yaml --mode yolo --show-costs