Skip to content
← Todos los ejemplos

Caso de estudio: este sitio web

El sitio que estás leyendo funciona sobre la metodología que documenta. Aplica Deep Work Plan a sí mismo: el mismo skill, el mismo flujo de /init, los mismos planes en .dwp/ que usaría cualquier otro repositorio. Este es un relato real, no hipotético.

Antes

Como la mayoría de los repositorios, este no estaba hecho para agentes. El contexto vivía en la cabeza de las personas y en notas dispersas, no había una única fuente de verdad que un agente pudiera leer, e incorporar un agente nuevo significaba volver a explicar el proyecto en cada sesión. El trabajo de largo alcance se desviaba.

Adoptar DWP

El repositorio se hizo AI-first con un solo Deep Work Plan, descompuesto en tareas atómicas con puertas de validación:

  1. Instalar el skill de Deep Work Plan como instalación por referencia, fijada por skills-lock.json.
  2. Ejecutar la incorporación para generar un AGENTS.md razonado, el árbol docs/ y la documentación por módulo a partir del stack real del repositorio.
  3. Construir el kit multiagente .agents/ — delegadores de comando dwp-* finos y un catálogo que coincide con lo que hay en disco.
  4. Crear el espacio .dwp/ ignorado por git para planes y borradores.
  5. Verificar la conformidad con /dwp-verify.

Cada tarea se validó contra las puertas reales del repositorio — biome, astro:check, la suite de pruebas, el build de producción y la comprobación de paridad de endpoints para agentes — antes de marcarse como completada.

Después

El repositorio ahora es AI-first según su propia especificación: un AGENTS.md razonado, un árbol docs/ categorizado, un kit .agents/ multiagente y un espacio .dwp/ ignorado por git. Cualquier agente — Claude Code, Cursor, Codex, Gemini, Copilot — puede abrirlo, leer el harness y ejecutar planes de largo alcance sin asistencia en cada sesión.

Resultado

La metodología se demuestra sobre su propio código: este sitio se construye y se mantiene de la misma forma que te dice que construyas el tuyo — siguiendo /init.md. Si el estándar funciona aquí, en producción, también funciona para tu repositorio.