Configuracion

intake funciona sin configuracion — solo necesita una API key de LLM. Para personalizar el comportamiento, se usa un archivo .intake.yaml en la raiz del proyecto.

---

Prioridad de carga

La configuracion se carga por capas. Cada capa sobreescribe la anterior:

CLI flags  >  .intake.yaml  >  preset  >  defaults

1. Defaults: valores por defecto en el codigo
2. Preset: si se usa --preset, aplica un conjunto predefinido
3. .intake.yaml: archivo de configuracion del proyecto
4. CLI flags: las opciones de linea de comandos siempre ganan

---

Archivo .intake.yaml

Crea un archivo .intake.yaml en la raiz de tu proyecto. Ejemplo completo:

# Configuracion del modelo LLM
llm:
  model: claude-sonnet-4         # Cualquier modelo soportado por LiteLLM
  api_key_env: ANTHROPIC_API_KEY  # Variable de entorno con la API key
  max_cost_per_spec: 0.50         # Presupuesto maximo por spec (USD)
  temperature: 0.2                # 0.0 = determinista, 1.0 = creativo
  max_retries: 3                  # Reintentos en caso de fallo
  timeout: 120                    # Timeout por llamada LLM (segundos)

# Configuracion del proyecto
project:
  name: mi-proyecto               # Nombre (auto-detectado si vacio)
  stack: []                       # Stack tecnologico (auto-detectado si vacio)
  language: en                    # Idioma del contenido generado
  conventions: {}                 # Convenciones personalizadas (key: value)

# Configuracion de la spec
spec:
  output_dir: ./specs             # Donde guardar las specs generadas
  requirements_format: ears       # ears | user-stories | bdd | free
  design_depth: moderate          # minimal | moderate | detailed
  task_granularity: medium        # coarse | medium | fine
  include_sources: true           # Incluir trazabilidad de fuentes
  version_specs: true             # Crear directorios versionados
  generate_lock: true             # Generar spec.lock.yaml
  risk_assessment: true           # Incluir evaluacion de riesgos
  auto_mode: true                 # Auto-detectar quick/standard/enterprise

# Configuracion de verificacion
verification:
  auto_generate_tests: true       # Generar checks de aceptacion
  test_output_dir: ./tests/generated
  checks: []                      # Checks personalizados adicionales
  timeout_per_check: 120          # Timeout por check (segundos)

# Configuracion de exportacion
export:
  default_format: generic         # architect | claude-code | cursor | kiro | generic
  architect_include_guardrails: true
  architect_pipeline_template: standard
  claude_code_generate_claude_md: true

# Conectores (preparacion para Fase 2)
connectors:
  jira:
    url: ""                       # URL base de Jira
    email: ""                     # Email de autenticacion
    api_token_env: JIRA_API_TOKEN # Variable de entorno con el API token
  confluence:
    url: ""                       # URL base de Confluence
    email: ""                     # Email de autenticacion
    api_token_env: CONFLUENCE_API_TOKEN  # Variable de entorno con el API token
  github:
    token_env: GITHUB_TOKEN       # Variable de entorno con el token

# Seguridad
security:
  redact_patterns: []             # Patrones regex a redactar del output
  redact_files:                   # Archivos a nunca incluir
    - "*.env"
    - "*.pem"
    - "*.key"

---

Referencia completa de campos

Seccion llm

Campo	Tipo	Default	Descripcion
model	string	claude-sonnet-4	Modelo LLM. Cualquier modelo que LiteLLM soporte.
api_key_env	string	ANTHROPIC_API_KEY	Nombre de la variable de entorno que contiene la API key.
max_cost_per_spec	float	0.50	Presupuesto maximo por spec en USD. Si se excede, el analisis se detiene.
temperature	float	0.2	Temperatura del modelo. Menor = mas determinista.
max_retries	int	3	Numero de reintentos ante fallos del LLM.
timeout	int	120	Timeout por llamada LLM en segundos.

Modelos soportados:

Proveedor	Ejemplos	Variable de entorno
Anthropic	claude-sonnet-4, claude-opus-4, claude-haiku-4-5	ANTHROPIC_API_KEY
OpenAI	gpt-4o, gpt-4, gpt-3.5-turbo	OPENAI_API_KEY
Google	gemini/gemini-pro, gemini/gemini-flash	GEMINI_API_KEY
Local	ollama/llama3, ollama/mistral	(no necesita key)

Seccion project

Campo	Tipo	Default	Descripcion
name	string	""	Nombre del proyecto. Si esta vacio, se genera desde la descripcion del init.
stack	list[string]	[]	Stack tecnologico. Si esta vacio, se auto-detecta desde archivos del proyecto.
language	string	en	Idioma para el contenido generado (ej: en, es, fr).
conventions	dict	{}	Convenciones del proyecto como pares clave-valor.

La auto-deteccion del stack busca 28+ archivos marcadores en el directorio del proyecto:

Archivo	Stack detectado
package.json	javascript, node
tsconfig.json	typescript
pyproject.toml	python
Cargo.toml	rust
go.mod	go
pom.xml	java, maven
Dockerfile	docker
next.config.js	nextjs
…	…

Ademas inspecciona el contenido de pyproject.toml y package.json para detectar frameworks (fastapi, django, react, vue, etc.).

Seccion spec

Campo	Tipo	Default	Descripcion
output_dir	string	./specs	Directorio de salida para las specs.
requirements_format	string	ears	Formato de requisitos. Opciones: ears, user-stories, bdd, free.
design_depth	string	moderate	Nivel de detalle del diseno. Opciones: minimal, moderate, detailed.
task_granularity	string	medium	Granularidad de las tareas. Opciones: coarse, medium, fine.
include_sources	bool	true	Incluir sources.md con trazabilidad requisito-fuente.
version_specs	bool	true	Crear subdirectorios versionados para las specs.
generate_lock	bool	true	Generar spec.lock.yaml con hashes y metadata.
risk_assessment	bool	true	Ejecutar evaluacion de riesgos (fase adicional del LLM).
auto_mode	bool	true	Auto-detectar modo de generacion (quick/standard/enterprise) basado en la complejidad de las fuentes. Se ignora si se usa --mode en la CLI.

Modos de generacion:

Modo	Criterios de auto-deteccion	Archivos generados
quick	<500 palabras, 1 fuente, sin estructura	context.md + tasks.md
standard	Todo lo que no es quick ni enterprise	Los 6 archivos spec completos
enterprise	4+ fuentes O >5000 palabras	Los 6 archivos + riesgos detallados

Formatos de requisitos:

Formato	Descripcion	Mejor para
ears	Easy Approach to Requirements Syntax. Formato estructurado con condiciones.	Especificaciones formales
user-stories	”Como [rol], quiero [accion] para [beneficio]”.	Equipos agiles
bdd	Given/When/Then. Behavior-driven development.	Tests de aceptacion
free	Formato libre. Sin estructura impuesta.	Prototipos rapidos

Niveles de diseno:

Nivel	Descripcion
minimal	Solo componentes principales y decisiones criticas.
moderate	Componentes, archivos, decisiones tecnicas y dependencias.
detailed	Todo lo anterior mas diagramas de interaccion, edge cases, consideraciones de performance.

Granularidad de tareas:

Nivel	Descripcion
coarse	Tareas grandes, pocas. Cada tarea cubre un componente completo.
medium	Balance entre granularidad y cantidad.
fine	Tareas pequenas y atomicas. Cada tarea es ~15-30 minutos de trabajo.

Seccion verification

Campo	Tipo	Default	Descripcion
auto_generate_tests	bool	true	Generar checks de aceptacion automaticamente desde los requisitos.
test_output_dir	string	./tests/generated	Directorio para tests generados.
checks	list[string]	[]	Checks personalizados adicionales.
timeout_per_check	int	120	Timeout maximo por check individual en segundos.

Seccion export

Campo	Tipo	Default	Descripcion
default_format	string	generic	Formato de exportacion por defecto. Opciones: architect, claude-code, cursor, kiro, generic.
architect_include_guardrails	bool	true	Incluir guardrails en pipelines de architect.
architect_pipeline_template	string	standard	Template de pipeline para architect.
claude_code_generate_claude_md	bool	true	Generar CLAUDE.md al exportar para Claude Code.

Seccion connectors (preparacion)

Configuracion para conectores API directos. Los conectores aun no estan implementados (llegaran en una version futura), pero la infraestructura de configuracion ya esta lista.

Campo	Tipo	Default	Descripcion
jira.url	string	""	URL base de la instancia Jira.
jira.email	string	""	Email para autenticacion Jira.
jira.api_token_env	string	"JIRA_API_TOKEN"	Variable de entorno con el API token de Jira.
confluence.url	string	""	URL base de la instancia Confluence.
confluence.email	string	""	Email para autenticacion Confluence.
confluence.api_token_env	string	"CONFLUENCE_API_TOKEN"	Variable de entorno con el API token de Confluence.
github.token_env	string	"GITHUB_TOKEN"	Variable de entorno con el token de GitHub.

Nota: Actualmente, al usar URIs como jira://PROJ-123 en -s, intake muestra un warning indicando que el conector no esta disponible. Mientras tanto, exporta los datos desde la interfaz web y usa archivos JSON.

Seccion security

Campo	Tipo	Default	Descripcion
redact_patterns	list[string]	[]	Patrones regex que se eliminaran del contenido generado.
redact_files	list[string]	["*.env", "*.pem", "*.key"]	Patrones glob de archivos que nunca se incluiran.

---

Presets

Los presets son configuraciones predefinidas para casos de uso comunes. Se aplican con --preset:

intake init "Mi feature" -s reqs.md --preset minimal

Comparativa

Campo	minimal	standard	enterprise
Caso de uso	Prototipo rapido	Equipos normales	Regulado / critico
max_cost_per_spec	$0.10	$0.50	$2.00
temperature	0.3	0.2	0.1
requirements_format	free	ears	ears
design_depth	minimal	moderate	detailed
task_granularity	coarse	medium	fine
include_sources	false	true	true
risk_assessment	false	true	true
generate_lock	false	true	true

Cuando usar cada preset

• minimal: Prototipado rapido, ideas exploratorias, un solo desarrollador. Costo bajo, output minimo.
• standard: La opcion por defecto. Buen balance entre detalle y costo para equipos de 2-5 personas.
• enterprise: Para equipos grandes, proyectos regulados, o cuando se necesita trazabilidad completa y evaluacion de riesgos exhaustiva.

---

Variables de entorno

intake busca estas variables de entorno para la autenticacion con proveedores LLM:

Variable	Proveedor	Ejemplo
ANTHROPIC_API_KEY	Anthropic (Claude)	sk-ant-api03-...
OPENAI_API_KEY	OpenAI (GPT)	sk-...

Configura la variable segun tu proveedor:

# Anthropic
export ANTHROPIC_API_KEY=sk-ant-api03-tu-key-aqui

# OpenAI
export OPENAI_API_KEY=sk-tu-key-aqui

Si usas un proveedor diferente, configura llm.api_key_env en .intake.yaml:

llm:
  model: gemini/gemini-pro
  api_key_env: GEMINI_API_KEY

---

Generar config automaticamente

Si no tienes .intake.yaml, intake usa defaults sensatos. Para crear un archivo de configuracion basico:

intake doctor --fix

Esto crea un .intake.yaml minimo que puedes personalizar:

# intake configuration
llm:
  model: claude-sonnet-4
  # max_cost_per_spec: 0.50
project:
  name: ""
  language: en
  # stack: []
spec:
  output_dir: ./specs