Lab 08 — Pipeline Mode: Workflows Multi-Step

Step 1: Plan → Step 2: Build → Step 3: Test → Step 4: Review

mkdir -p ~/architect-labs/lab-08 && cd ~/architect-labs/lab-08
git init && mkdir -p src tests pipelines

# API endpoints — to be generated by pipeline

llm:
  model: openai/gpt-4.1
  api_base: http://localhost:4000/v1
  api_key_env: LITELLM_API_KEY

guardrails:
  protected_files:
    - ".env*"
    - "pipelines/**"
  max_files_modified: 15

git add -A && git commit -m "initial"

name: api-generator
steps:
  - name: plan
    agent: build
    task: >
      Crea un archivo PLAN.md con el diseño de una API REST para
      gestión de tareas (todo list). Incluye:
      - Endpoints: GET /tasks, GET /tasks/:id, POST /tasks,
        PUT /tasks/:id, DELETE /tasks/:id
      - Modelo de datos: Task (id, title, description, completed, created_at)
      - Validaciones necesarias
      - Códigos HTTP de respuesta para cada endpoint
      No escribas código — solo el plan.

  - name: build
    agent: build
    task: >
      Siguiendo el plan en PLAN.md, implementa la API en src/api.py
      usando Flask. Crea también src/models.py con el modelo Task
      como dataclass. Usa una lista en memoria como storage.
      Implementa validaciones y manejo de errores con códigos HTTP
      apropiados (400, 404, etc.).

  - name: test
    agent: build
    task: >
      Genera tests/test_api.py con tests exhaustivos para la API:
      - Test cada endpoint con caso exitoso
      - Test errores: item no encontrado, input inválido
      - Test edge cases: lista vacía, IDs duplicados
      Usa pytest con el test client de Flask.
      Ejecuta pytest para verificar que todos pasan.

architect pipeline pipelines/api-generator.yaml \
  --config .architect.yaml \
  --confirm-mode yolo \
  --report-file reports/api-pipeline.json

# Verificar resultado
cat PLAN.md
ls src/
pytest tests/ -v
cat reports/api-pipeline.json | python -m json.tool

name: code-refactor
steps:
  - name: analyze
    agent: build
    task: >
      Analiza src/api.py e identifica code smells:
      - Funciones largas
      - Código duplicado
      - Falta de separation of concerns
      Escribe el análisis en ANALYSIS.md con una lista priorizada.
    checkpoint: true

  - name: refactor
    agent: build
    task: >
      Siguiendo ANALYSIS.md, refactoriza el código.
      Separa en módulos: src/routes.py, src/models.py, src/validators.py.
      Cada módulo tiene una responsabilidad clara.
    checkpoint: true

  - name: verify
    agent: build
    task: >
      Ejecuta pytest tests/ -v. Si algún test falla, corrígelo
      (puede que los imports hayan cambiado al refactorizar).
      Al terminar, todos los tests deben pasar.

architect pipeline pipelines/refactor-pipeline.yaml \
  --config .architect.yaml \
  --confirm-mode yolo

name: quality-check
steps:
  - name: lint
    agent: build
    task: >
      Ejecuta ruff check src/ y guarda los findings en LINT_RESULTS.md.
      Si no hay findings, escribe "No issues found" en LINT_RESULTS.md.
    output_var: lint_result

  - name: fix
    agent: build
    condition: "{{lint_result}}"
    task: >
      Lee LINT_RESULTS.md. Si hay findings, corrígelos.
      Si dice "No issues found", no hagas nada.

  - name: document
    agent: build
    task: >
      Actualiza README.md con la documentación de la API:
      endpoints, modelos, ejemplos de uso.

architect pipeline pipelines/conditional-pipeline.yaml \
  --config .architect.yaml --confirm-mode yolo