Lat.md: Un Grafo de Conocimiento Basado en Markdown para Bases de Código

Lat.md es una herramienta que construye un grafo de conocimiento para tu base de código utilizando archivos markdown. Resuelve el problema de que AGENTS.md no escala bien—a medida que los proyectos crecen, mantener un único archivo plano se vuelve poco práctico, lo que lleva a decisiones de diseño enterradas, lógica de negocio no documentada y agentes de IA alucinando contexto.

Cómo Funciona

Comprimes el conocimiento del dominio en un grafo de archivos markdown interconectados almacenados en un directorio lat.md/ en la raíz de tu proyecto. Las secciones se vinculan entre sí con [[enlaces wiki]] como [[archivo#Sección#Subsección]], los archivos markdown se vinculan al código con [[src/auth.ts#validateToken]], y los archivos fuente se vinculan de vuelta usando comentarios como // @lat: [[id-sección]] en TypeScript o # @lat: [[id-sección]] en Python. El comando lat check asegura la consistencia referencial.

Características Principales

• Codificación más rápida para agentes: En lugar de buscar en el código con grep, los agentes buscan en el grafo de conocimiento para descubrir decisiones de diseño, restricciones y contexto de dominio de manera consistente.
• Flujo de trabajo más rápido para humanos: Los agentes mantienen archivos lat; al revisar diferencias, comienza con cambios semánticos en lat.md/ para entender qué cambió y por qué, haciendo la revisión de código secundaria.
• Retención del conocimiento: Los agentes capturan contexto y razonamiento de los prompts en el grafo mientras trabajan, para que futuras sesiones comiencen con contexto completo en lugar de redescubrirlo.
• Especificaciones de prueba con aplicación: Los casos de prueba pueden describirse en secciones de lat.md/ marcadas con require-code-mention: true. Cada especificación debe ser referenciada por un comentario // @lat: en el código de prueba, y lat check marca cualquier especificación sin un enlace de retorno.

Comandos CLI

• lat init: Configura agentes de codificación populares con hooks e instrucciones para mantener lat actualizado y correcto.
• lat check: Aplica consistencia referencial; los agentes lo llaman automáticamente antes de terminar el trabajo.
• lat search y lat section: Los agentes los usan para entender prompts y navegar el grafo en lugar de llamadas infinitas a grep.
• lat locate: Encuentra secciones por nombre (exacto o aproximado).
• lat refs: Encuentra qué referencia tiene una sección.
• lat expand: Expande [[refs]] en un prompt para agentes.
• lat mcp: Inicia servidor MCP para integración con editores.

Instalación y Configuración

Instala con npm install -g lat.md, luego ejecuta lat init en tu repositorio para crear un directorio lat.md/. Escribe archivos markdown describiendo arquitectura, lógica de negocio o especificaciones de prueba, y vincúlalos según sea necesario.

Para búsqueda semántica (lat search), se requiere una clave API de OpenAI (sk-...) o Vercel AI Gateway (vck_...). La clave se resuelve en este orden: variable de entorno LAT_LLM_KEY (valor directo), variable de entorno LAT_LLM_KEY_FILE (ruta a un archivo que contiene la clave), variable de entorno LAT_LLM_KEY_HELPER (comando shell que imprime la clave con un tiempo de espera de 10s), o un archivo de configuración guardado por lat.