santimarquez.es

Desarrollo aumentado por IA

Este sitio se ha construido y se mantiene con el desarrollo aumentado por IA en mente. El repositorio está estructurado para que un asistente de IA (por ejemplo Cursor) pueda incorporarse rápido, seguir patrones consistentes y ejecutar flujos definidos para documentación, revisión de código y SEO. Esa estructura es un escaparate deliberado de cómo aprovechar los LLM para obtener resultados más rápidos y consistentes sin perder calidad—directamente aplicable a equipos de producto y liderazgo técnico.

Infraestructura IA: cómo está pensado el repo para IA

Context (ai/context/): Conocimiento vivo del proyecto: PROJECT_STRUCTURE (dónde van los archivos), RECENT_CHANGES (últimas decisiones), COMMON_PATTERNS (Astro, Tailwind, Motion One), TECH_STACK, CODING_STANDARDS. Fuente única de verdad para que cualquier IA o desarrollador se alinee con las convenciones.

Skills (ai/skills/): Patrones reutilizables para tareas habituales: componentes Astro, secciones Tailwind, uso de Motion One, i18n, diagramas SVG. Se referencian en el chat para que las generaciones mantengan la marca y la consistencia.

Agents (ai/agents/): Flujos multi-paso (p. ej. documentación, revisión de código, comprobaciones SEO) que Cursor puede ejecutar de punta a punta.

Prompts (ai/prompts/): Plantillas para revisión de código, transformación de copy (CV a frases de impacto), documentación y generación de diagramas.

Integración con Cursor: .cursorrules y CURSOR.md (y CURSOR_QUICK_START.md) son cargados por Cursor; definen stack, sistema de diseño, i18n, ubicación de archivos y ejemplos de prompts. La carpeta ai/ es el contexto ampliado para estructura y patrones.

flowchart LR
  Cursor[Cursor] --> Rules[.cursorrules / CURSOR.md]
  Rules --> Context[ai/context]
  Context --> Skills[ai/skills]
  Context --> Agents[ai/agents]
  Context --> Prompts[ai/prompts]
  Skills --> Out[Consistent code and docs]
  Agents --> Out
  Prompts --> Out

Capacidades que demuestra

Estructurar el conocimiento del proyecto para LLM (contexto, convenciones, patrones); ingeniería de prompts (skills y plantillas que producen resultados predecibles y alineados con la marca); diseño de flujos (agents para documentación y comprobaciones de calidad); calidad reproducible (a11y, SEO, sistema de diseño) mediante flujos asistidos por IA. Son las mismas capacidades necesarias para introducir o escalar el desarrollo aumentado por IA en un equipo o producto—incorporación, consistencia y guardarraíles.

Qué ofrece el sitio

El resultado es un sitio estático listo para producción (Astro, TypeScript, Tailwind, Motion One, i18n EN/ES, Docker, Nginx, Traefik-ready). SEO, esquema Person, sitemap, a11y orientado a WCAG. El stack se ha elegido por rendimiento y simplicidad; la capa de IA es lo que mantiene el desarrollo y el mantenimiento eficientes y consistentes.

Stack técnico

Resultado

Este repositorio sirve además como referencia para estructurar un proyecto para desarrollo aumentado por IA—contexto claro, skills reutilizables y flujos definidos que mantienen la calidad y la consistencia altas mientras se avanza más rápido.