Alimentando la base de código a la LLM sin muletas 📦

Si todavía estás copiando y pegando código archivo por archivo en la ventana de Claude o ChatGPT, no solo estás perdiendo tu tiempo, sino que también estás privando al modelo de comprender las relaciones dentro de la arquitectura del proyecto.
Para trabajar correctamente con LLM, la base de código debe empaquetarse adecuadamente. Actualmente hay dos herramientas sensatas para automatizar este proceso. Tienen el mismo objetivo, pero diferente filosofía y ecosistemas.

🛠 Repomix
Objetivamente, la mejor herramienta hoy en día. Introducir una URL de GitHub o una carpeta local es la funcionalidad básica. Su verdadero valor radica en otra cosa:
🟢 Marcado XML. Empaqueta el código en una estructura de árbol de etiquetas XML. Si me escuchas en Punto de Encuentro, sabes que los modelos modernos analizan el marcado XML con mucha más precisión que otros formatos.
🟢 Compresión AST. Bajo el capó funciona Tree-sitter, que analiza el árbol sintáctico y puede recortar los detalles de implementación (cuerpos de funciones), dejando solo interfaces, clases y firmas. Esto ahorra hasta un 70% de la ventana de contexto sin perder comprensión de la arquitectura.
🟢 Verificación de seguridad. El Secretlint incorporado te dará un tirón de orejas si intentas alimentar a una red neuronal de código abierto con claves o contraseñas hardcodeadas.
🟢 Servidor MCP. Puede trabajar con el protocolo Model Context Protocol. Los agentes de IA pueden interactuar directamente con tu base de código localmente.

🐍 Gitingest
La respuesta de la comunidad Python. Técnicamente es más simple (sin magia AST ni compresión), pero tiene sus propias ventajas.
🟡 Magia de URL. La forma más rápida de obtener un volcado de un repositorio ajeno. Estando en GitHub, simplemente cambia en la barra de direcciones github.com por gitingest.com — listo, el texto está listo para copiar y pegar.
🟡 Python Nativo. Se instala con pip y se invoca directamente desde tu código. ¿Necesitas alimentar un proyecto en un pipeline RAG personalizado? summary, tree, content = ingest("path") y listo.
🟡 Asincronía en Jupyter. Soporta await ingest_async(), lo que lo convierte en la muleta ideal para analistas y científicos de datos que no salen de los notebooks.

💡 ¿Qué elegir?
Si necesitas analizar un proyecto grande con estructura compleja para refactorizar, instala Repomix.
Si estás escribiendo tus propias herramientas en Python o necesitas extraer código de GitHub en 3 segundos sin terminal, usa Gitingest.

Ambas herramientas cuentan tokens, respetan tu .gitignore, tienen versiones web y extensiones de navegador.

#caja_de_herramientas