ROACH PI – extensão open source que impõe disciplina de engenharia a agentes de codificação com IA
(github.com/tmdgusya)GitHub: https://github.com/tmdgusya/roach-pi
Com o recente vazamento do código-fonte do Claude Code, voltou a ganhar atenção o fato de que o usuário não tem como saber quais prompts são injetados nem que tipo de comportamento acontece dentro de um agente de codificação com IA.
O ROACH PI é uma extensão do agente de codificação pi (https://github.com/badlogic/pi-mono) e é um projeto open source em que todos os prompts, definições de agentes, ferramentas e hooks de evento são públicos.
O que ele faz
Agentes de codificação com IA até conseguem escrever código bem, mas é difícil confiar em uma estrutura em que trabalham sem planejamento e validam por conta própria o código que eles mesmos escreveram.
O ROACH PI resolve esse problema com orquestração multiagente.
- Aplica aos agentes de IA o ciclo de vida de engenharia de software de clareza → planejamento → execução → validação → organização
- O agente de execução (Worker) e o agente de validação (Validator) são separados em processos distintos, e o validador não pode ver a saída do executor (isolamento de informação)
- Garante a qualidade com um loop Worker-Validator que reexecuta em caso de falha na validação
Principais recursos
- 12 agentes especializados: exploração, execução, planejamento, validação, organização de código + 5 revisores independentes (viabilidade, arquitetura, risco, dependências, valor para o usuário)
- Ultraplan: depois que 5 revisores analisam tarefas complexas em paralelo, elas são decompostas em um DAG de dependências de marcos
- Long Run: divide trabalhos grandes em marcos e repete planejamento-execução-validação. Com base em checkpoints, consegue continuar mesmo com perda de contexto
- Guardrails de comportamento: regras do Karpathy (não escrever antes de ler, apenas mudanças cirúrgicas), regras do Rob Pike (não otimizar sem medir), depuração sistemática (reproduzir primeiro) etc. são injetadas automaticamente nos agentes
- AI Slop Cleaner: após a execução, organiza automaticamente em 6 etapas os maus cheiros de código típicos de LLMs
- Session Loop: agendamento de tarefas repetitivas no estilo cron (
/loop 5m git 상태 체크)
Transparência
- É possível verificar em tempo real a taxa de acerto do cache de prompts
- Uso da janela de contexto, ferramentas ativas, branch e informações do modelo aparecem no rodapé
- As definições de agentes são arquivos Markdown com frontmatter em YAML, e as skills são Markdown puro — dá para inspecionar tudo até a última linha de código
- Não há prompt de sistema oculto. Todo o comportamento está exatamente no código-fonte
Instalação
pi install git:github.com/tmdgusya/pi-engineering-discipline-extension
1 comentários
O vídeo pode ser conferido abaixo.