Proyecto pre-IA

Cuándo usar esto: tienes una base de código funcional que nunca se preparó para el desarrollo asistido por IA. El conocimiento existe, pero está disperso y sin estructurar para personas o agentes LLM.

Flujo de trabajo

kaddo init          # estado: pre-ai, tamaño de equipo, estructura
kaddo scan          # inventario técnico determinístico → .kaddo/scan.json
kaddo context       # context pack para el LLM → .kaddo/context-pack.md
kaddo add agents    # instala los agent prompt packs
kaddo understand    # plan guiado de handoff CLI → LLM
# ── en tu LLM, usa capability-agent, architecture-agent y roadmap-agent para redactar
#    capacidades, el baseline de arquitectura y un roadmap ──
kaddo create --from roadmap   # convierte un candidato del roadmap en un Work Item
kaddo owners suggest          # declara el ownership (code:) en el Work Item
kaddo guard                   # detecta posible deriva del conocimiento
kaddo explain                 # resume lo que Kaddo sabe actualmente

CLI vs LLM

• CLI (determinístico): scan construye un inventario técnico; context lo empaqueta; create, owners suggest, guard y explain mantienen el conocimiento conectado al código.
• LLM (interpretación): el capability-agent extrae capacidades de negocio, el architecture-agent reconstruye la arquitectura actual y el roadmap-agent propone un roadmap priorizado — todo desde el context pack, no desde suposiciones.

kaddo scan detecta señales y hace preguntas de confirmación; nunca afirma entender tus capacidades de negocio. Esa interpretación ocurre en el LLM.

Eficiencia de contexto

En un proyecto pre-IA, Kaddo reduce la exploración repetida del repositorio. La primera pasada convierte señales técnicas, capacidades, arquitectura y roadmap en conocimiento estructurado, para que los siguientes agentes lean el context pack y empiecen desde lo que el equipo ya aprendió.

Artefactos esperados

.kaddo/scan.json
knowledge/inventory.md
knowledge/product/capabilities.md
knowledge/tech/current-state.md
knowledge/delivery/roadmap.md
knowledge/delivery/work-items/*.md
.kaddo/explain.md

Siguientes pasos

Empieza por las capacidades de mayor valor, declara ownership en los artefactos que mapean a código real y deja que kaddo guard te avise cuando los cambios se alejen del conocimiento documentado. Mira el Flujo completo.

¿No sabes qué ejecutar en algún punto? kaddo understand responde “¿Qué debería hacer ahora?” a partir del estado real del proyecto.

Míralo en acción: el repo de demo Loyalty Lite (incluye una demo de drift con Guard), o explora todos los Ejemplos.