LogWhispererAI/docs/1.setup_procedure/setup.md

Ottimo progetto. Per trasformare LogWhisperer AI in un prodotto reale in 4 giorni usando OpenCode.ai, dobbiamo configurare l'ambiente in modo che l'agente non si limiti a scrivere codice, ma agisca come un vero team di sviluppo (Tech Lead + Developer + QA).

Ecco come configurare OpenCode.ai seguendo la tua metodologia Spec-Driven, TDD e il Metodo Sacchi.

1. Preparazione dell'Ambiente (Python & Git)

Prima di lanciare OpenCode, prepara il terreno nel tuo terminale:

# Crea e attiva il venv
python3 -m venv venv
source venv/bin/activate

# Inizializza Git se non lo hai già fatto
git init

# Crea la struttura iniziale per i test (TDD)
mkdir tests
touch tests/__init__.py

2. Configurazione dell'Intelligenza Collettiva (AGENTS.md)

OpenCode leggerà questo file per capire "chi deve essere" e "come deve lavorare". Crea un file AGENTS.md nella root del progetto:

http://googleusercontent.com/immersive_entry_chip/0

Primo comando suggerito (Sprint 1):

Digita questo prompt per attivare il flusso di lavoro che hai descritto:

"@tech-lead, analizza docs/prd.md e docs/prompt.project.manager.md. Inizia lo Sprint 1 definendo la specifica tecnica per lo script Bash di Log Ingestion (Feature 1). Segui il workflow: definisci la specifica in docs/specs/ingestion_script.md, poi passa la palla a @qa-engineer per il primo test in Python (usando subprocess per testare lo script bash) e infine a @developer per l'implementazione. Usa il venv attivo e segui i Conventional Commits."

Cosa fare se OpenCode non risponde come previsto?

Se noti che l'agente salta la fase di test o dimentica i commit convenzionali, resetta il contesto con /undo o forza la rilettura delle regole con /init.

Se hai bisogno di una configurazione specifica per un provider (es. collegare un modello locale come LLaMA 3 per risparmiare sui token della fase di test), chiedimi pure. In caso contrario, procedi con l'inizializzazione del file AGENTS.md come mostrato sopra.