💬 A raíz de publicar la versión 3.0.0 de dbv-specs-ops, mi amigo Javier Peña Martínez me hizo una pregunta muy directa:
«Yo utilizo Spec Kit. ¿Cuáles son las ventajas de utilizar dbv-specs-ops?»
Para responder con datos y sin marketing vacío, he revisado la documentación oficial de GitHub Spec Kit, BMAD Method y Kiro (AWS), y he preparado la comparativa que tienes en el carrusel de abajo 👇
1️⃣ Lo que hacen bien los cuatro (✅)
Todos nacen para acabar con el "vibe coding" sin rumbo: obligan a especificar y planificar antes de programar, guardan las specs en el proyecto, desglosan tareas y mantienen reglas persistentes para la IA.
2️⃣ ¿Qué aporta dbv-specs-ops más allá de eso?
Mientras otros se centran en especificar → planificar → implementar, en dbv-specs-ops he añadido lo que necesito para llevar software real a producción:
🔹 Arranque en 1 frase: sin instalar CLIs previas (uv, npx o un IDE propio).
🔹 Cabeceras de autor automáticas (project.config.md): inyecta tus datos, licencia y propósito en cada fichero nuevo de cualquier lenguaje.
🔹 Trazabilidad (@spec REQ-01) + Linter propio (0 deps): en Python estándar, verifica etiquetas @spec, la regla de un solo return en Python y el plan. Con --changed solo mira lo que tocas en código legado.
🔹 Webs listas para GEO y Agentes: genera llms.txt, Content-Signals, .well-known y Agent Plugins 1.0 / MCP.
🔹 Apps de Escritorio y Tiendas: arquitectura Rust/Tauri v2 (Win, Mac, Linux) y guías para publicar en Microsoft Store, Homebrew y Uptodown.
🔹 Arquitectura AI-Native de serie: lista para conectar tu app con IA local, Cloud o agentes (ACP/MCP) usando el llavero seguro del SO.
🔹 Scripts start/stop autogenerados y cierre de Git con /ship (CHANGELOG, walkthrough, commit y tag).
3️⃣ Y lo más importante: dónde va por detrás
Una comparativa honesta también enseña lo que no haces mejor:
⚠️ En estrellas en GitHub soy el último de los tres open source, y con diferencia: 29 ⭐ (1 solo autor) frente a las 141k ⭐ de Spec Kit o las 54k ⭐ de BMAD.
⚠️ No tiene interfaz visual propia como Kiro ni catálogo de extensiones.
⚠️ Sus reglas son consultivas por defecto (si no activas el linter o CI, dependes de que la IA obedezca), el prompt consume ~9-10k tokens y el núcleo está en español.
Toda la comparativa con enlaces a las fuentes oficiales de todos los frameworks está aquí:
🔗 https://lnkd.in/eR38MPvm
Si lo pruebas y te resulta útil, ya sabes cómo ayudarme a recortar un poquito la fila de las estrellas en GitHub 😉⭐
#InteligenciaArtificial #DesarrolloDeSoftware #SpecDrivenDevelopment #OpenSource #IngenieriaDeSoftware #ClaudeCode #GEO
«Yo utilizo Spec Kit. ¿Cuáles son las ventajas de utilizar dbv-specs-ops?»
Para responder con datos y sin marketing vacío, he revisado la documentación oficial de GitHub Spec Kit, BMAD Method y Kiro (AWS), y he preparado la comparativa que tienes en el carrusel de abajo 👇
1️⃣ Lo que hacen bien los cuatro (✅)
Todos nacen para acabar con el "vibe coding" sin rumbo: obligan a especificar y planificar antes de programar, guardan las specs en el proyecto, desglosan tareas y mantienen reglas persistentes para la IA.
2️⃣ ¿Qué aporta dbv-specs-ops más allá de eso?
Mientras otros se centran en especificar → planificar → implementar, en dbv-specs-ops he añadido lo que necesito para llevar software real a producción:
🔹 Arranque en 1 frase: sin instalar CLIs previas (uv, npx o un IDE propio).
🔹 Cabeceras de autor automáticas (project.config.md): inyecta tus datos, licencia y propósito en cada fichero nuevo de cualquier lenguaje.
🔹 Trazabilidad (@spec REQ-01) + Linter propio (0 deps): en Python estándar, verifica etiquetas @spec, la regla de un solo return en Python y el plan. Con --changed solo mira lo que tocas en código legado.
🔹 Webs listas para GEO y Agentes: genera llms.txt, Content-Signals, .well-known y Agent Plugins 1.0 / MCP.
🔹 Apps de Escritorio y Tiendas: arquitectura Rust/Tauri v2 (Win, Mac, Linux) y guías para publicar en Microsoft Store, Homebrew y Uptodown.
🔹 Arquitectura AI-Native de serie: lista para conectar tu app con IA local, Cloud o agentes (ACP/MCP) usando el llavero seguro del SO.
🔹 Scripts start/stop autogenerados y cierre de Git con /ship (CHANGELOG, walkthrough, commit y tag).
3️⃣ Y lo más importante: dónde va por detrás
Una comparativa honesta también enseña lo que no haces mejor:
⚠️ En estrellas en GitHub soy el último de los tres open source, y con diferencia: 29 ⭐ (1 solo autor) frente a las 141k ⭐ de Spec Kit o las 54k ⭐ de BMAD.
⚠️ No tiene interfaz visual propia como Kiro ni catálogo de extensiones.
⚠️ Sus reglas son consultivas por defecto (si no activas el linter o CI, dependes de que la IA obedezca), el prompt consume ~9-10k tokens y el núcleo está en español.
Toda la comparativa con enlaces a las fuentes oficiales de todos los frameworks está aquí:
🔗 https://lnkd.in/eR38MPvm
Si lo pruebas y te resulta útil, ya sabes cómo ayudarme a recortar un poquito la fila de las estrellas en GitHub 😉⭐
#InteligenciaArtificial #DesarrolloDeSoftware #SpecDrivenDevelopment #OpenSource #IngenieriaDeSoftware #ClaudeCode #GEO
12
🚀 Acabo de publicar la versión 3.0.0 de dbv-specs-ops, un framework gratuito y de código abierto para trabajar con asistentes de IA de programación de forma más ordenada. La actualización ha sido hecha después de una revisión junto con el nuevo Gemini 4 Argon y Claude Sonnet 5.5.
La idea es sencilla: antes de que la IA escriba código, se define qué hay que hacer, se planifica, se construye, se prueba y se revisa. Todo queda por escrito en el propio proyecto, para que no se pierda el contexto entre sesiones.
Puedes empezar a usarlo ya en tu próximo proyecto, dentro de tu entorno de desarrollo favorito, de una forma tan sencilla como decirle la siguiente frase:
«Quiero crear un proyecto utilizando el framework dbv-specs-ops que puedes encontrar en github.com/davidbuenov»
Se descarga el framework, se prepara y te propone la configuración inicial para que la confirmes.
Novedades de la 3.0.0:
✅ Requisitos con identificador (REQ-01, REQ-02…). El código y los tests los citan con una etiqueta @spec, y un script avisa de los que se quedan sin implementar o sin test.
✅ Un linter propio, solo con Python estándar y sin dependencias: comprueba la regla de un único return por función (en Python), el plan y esa trazabilidad. Con --changed solo mira lo que has tocado, para no llenar de avisos un proyecto ya existente.
✅ Revisión adversarial del plan: la IA tiene que citar su evidencia y autoevaluar su confianza en casos límite, seguridad y concurrencia. Si no está segura de algo, se detiene y te lo pregunta.
✅ Un protocolo para que la memoria del proyecto no crezca sin control, y contratos de alcance para trabajar con varias sesiones de IA en paralelo.
✅ Soporte del estándar abierto AGENTS.md, además de los ficheros para Claude Code, Gemini CLI, Copilot y Windsurf.
✅ Los proyectos que ya usan versiones anteriores se actualizan sin tocar su especificación ni su código.
Para esta versión se han hecho pruebas completas con Claude Code. Desde la frase de inicio mostrada anteriormente hasta una especificación con requisitos numerados, un plan revisado, código etiquetado y tests pasando; y actualizando un proyecto de la versión anterior. Los ficheros para otros asistentes están, pero mis pruebas completas han sido con Claude Code.
Y una limitación honesta: buena parte son instrucciones que la IA debe seguir, y puede no seguirlas siempre. Por eso intento añadir comprobaciones automáticas donde se puede.
Lo que si es cierto es que cada proyecto que desarrollo desde hace varios meses lo hago utilizando el framework y me da muy buenos resultados.
Es libre (MIT). Si lo pruebas, me encantará saber qué falla y qué echas de menos.
🔗 https://lnkd.in/eP52xC-C
Además he estrenado Gemini 4 para analizara la versión 2.9.0 completa, me hiciera sugerencias de mejora y me genere este video de presentación.
#InteligenciaArtificial #DesarrolloDeSoftware #OpenSource
La idea es sencilla: antes de que la IA escriba código, se define qué hay que hacer, se planifica, se construye, se prueba y se revisa. Todo queda por escrito en el propio proyecto, para que no se pierda el contexto entre sesiones.
Puedes empezar a usarlo ya en tu próximo proyecto, dentro de tu entorno de desarrollo favorito, de una forma tan sencilla como decirle la siguiente frase:
«Quiero crear un proyecto utilizando el framework dbv-specs-ops que puedes encontrar en github.com/davidbuenov»
Se descarga el framework, se prepara y te propone la configuración inicial para que la confirmes.
Novedades de la 3.0.0:
✅ Requisitos con identificador (REQ-01, REQ-02…). El código y los tests los citan con una etiqueta @spec, y un script avisa de los que se quedan sin implementar o sin test.
✅ Un linter propio, solo con Python estándar y sin dependencias: comprueba la regla de un único return por función (en Python), el plan y esa trazabilidad. Con --changed solo mira lo que has tocado, para no llenar de avisos un proyecto ya existente.
✅ Revisión adversarial del plan: la IA tiene que citar su evidencia y autoevaluar su confianza en casos límite, seguridad y concurrencia. Si no está segura de algo, se detiene y te lo pregunta.
✅ Un protocolo para que la memoria del proyecto no crezca sin control, y contratos de alcance para trabajar con varias sesiones de IA en paralelo.
✅ Soporte del estándar abierto AGENTS.md, además de los ficheros para Claude Code, Gemini CLI, Copilot y Windsurf.
✅ Los proyectos que ya usan versiones anteriores se actualizan sin tocar su especificación ni su código.
Para esta versión se han hecho pruebas completas con Claude Code. Desde la frase de inicio mostrada anteriormente hasta una especificación con requisitos numerados, un plan revisado, código etiquetado y tests pasando; y actualizando un proyecto de la versión anterior. Los ficheros para otros asistentes están, pero mis pruebas completas han sido con Claude Code.
Y una limitación honesta: buena parte son instrucciones que la IA debe seguir, y puede no seguirlas siempre. Por eso intento añadir comprobaciones automáticas donde se puede.
Lo que si es cierto es que cada proyecto que desarrollo desde hace varios meses lo hago utilizando el framework y me da muy buenos resultados.
Es libre (MIT). Si lo pruebas, me encantará saber qué falla y qué echas de menos.
🔗 https://lnkd.in/eP52xC-C
Además he estrenado Gemini 4 para analizara la versión 2.9.0 completa, me hiciera sugerencias de mejora y me genere este video de presentación.
#InteligenciaArtificial #DesarrolloDeSoftware #OpenSource
9
Tu as atteint la fin 🎉