Artemis
Es mío desde el primer commit: lo diseñé y lo construí, y después usé IA para guiarlo y avanzar más rápido.
Por qué existe
En dotCMS repetía una y otra vez los mismos pasos para levantar mi entorno de desarrollo. Así que escribí un motor de comandos simple: agregas pasos y los corre en orden. Levantaba Docker, abría pestañas y paneles en Warp y corría los comandos que dejaban todo configurado, todo con un solo comando y sin tocar nada después. Ese motor es lo que hoy es Artemis.
Después llegaron los agentes. Les gusta la línea de comandos, pero nadie lleva registro de lo que corren, y se desvían, por error o por saltarse pasos. Artemis lleva ese registro, frena todo lo destructivo hasta que se confirma y se comporta siempre igual.
Decisiones clave
-
Reglas incluidas, no escritas en un documento
Cada comando trae --help, un único resultado JSON, códigos de salida con significado, una confirmación antes de cualquier cosa destructiva, un dry run y una línea en el registro de auditoría. El framework las hace cumplir, así que valen también para los comandos que escribe un agente.
-
El estado vive en código, no en el contexto
Un store persistente guarda lo que los comandos necesitan entre una ejecución y otra, así el agente no tiene que cargarlo en su contexto.
-
Worktrees manejados por comandos
Los worktrees de git se crean, se siguen y se limpian con código, no con un agente que recuerda cuáles existen.
Míralo funcionar
art db reset --json
{"ok":false,"command":"db reset","error":"art db reset changes or deletes data","hint":"Pass --yes to confirm. Pass --dry-run first to see what it would do."}
art db reset --dry-run --json
{"ok":true,"command":"db reset","result":null,"dryRun":true,"plan":["delete .data/db.json","run 5 migrations","load the seed"]}
art db reset --yes --json
{"ok":true,"command":"db reset","result":{"migrations":5,"seeded":true}}
art history
2026-11-14T03:29:45.981Z db reset exit 0
2026-11-14T03:29:45.912Z db reset dry run
2026-11-14T03:29:45.841Z db reset exit 1 Lo difícil
Artemis nació para ahorrar tokens: que los agentes escribieran y corrieran scripts para tareas complejas en lugar de ir paso a paso. Mis benchmarks dijeron que no. Gasta más o menos los mismos tokens que hacer el trabajo solo con Bash o una CLI.
Esos mismos benchmarks mostraron para qué sí sirve: dejar que los agentes corran comandos de forma segura, con una auditoría de todo lo que corrieron, y manejar worktrees. En eso se convirtió.
Dónde está hoy
Por ahora soy su único usuario. Es código abierto en GitHub y npm, y lo próximo es compartirlo con mis compañeros.