Dinocheck: un linter potenciado por LLMs

La falta de contexto es uno de los problemas fundamentales del vibe coding.

Los agentes de programación (Claude Code, Cursor, Gemini CLI) son brillantes generando código, pero carecen del criterio de un senior. No es que no conozcan los antipatrones; es que, en el flujo del problema inmediato, pierden de vista el conjunto.

El agente se enfoca en que el código “funcione”, pero ignora las reglas no escritas de tu arquitectura, tu framework o buenas prácticas generales.

Hace poco hablaba de la Ingeniería de Contexto como la evolución natural del Prompt Engineering. Ya no basta con preguntar bien; el reto es diseñar el ecosistema de información que el modelo necesita para ser consistente.

Para resolver esto en mi proyecto de “afila el hacha” estas navidades, he creado Dinocheck.

¿Qué es Dinocheck?

Dinocheck es un linter potenciado por LLMs que actúa como un agente crítico de análisis. A diferencia de los linters tradicionales (basados en AST o reglas rígidas), Dinocheck inyecta contexto semántico.

Lo que detecta

Bugs que compilan:

• Copy-paste bugs
• Condiciones invertidas
• Race conditions
• N+1 queries
• Mocks que ocultan fallos

Seguridad:

• SQL injection
• XSS
• Secrets hardcodeados
• Timing attacks
• CSRF
• Deserialización insegura

Multi-stack: Python, Django, TypeScript, Vue, Docker, Docker Compose y Shell. +70 reglas y creciendo.

Integración con agentes

Se integra como skill en Claude Code, Gemini CLI o Codex, actuando como un agente crítico que evalúa tu código y propone mejoras.

Es Open Source (licencia MIT) y lo tienes ya disponible en GitHub.

Cómo empezar

pip install dinocheck
dino init
dino check

Tres comandos y ya tienes un segundo par de ojos revisando tu código con criterio de senior.