Análise automatizada de código para servidores Open Tibia usando Inteligência Artificial.
Este projeto usa agentes de IA para analisar automaticamente o código de servidores OTServer (como Poke Brave, TFS, Canary) e gerar relatórios profissionais sobre problemas, bugs e melhorias.
Pense nisso como contratar 7 consultores especializados que leem todo o seu código e te entregam relatórios detalhados sobre o que está errado e como corrigir.
- Desenvolvedores de OTServer que querem melhorar a qualidade do código
- Administradores que querem entender problemas técnicos do servidor
- Qualquer pessoa que trabalha com servidores Open Tibia e quer usar IA
Não precisa ser expert em IA! Este projeto foi feito para ser simples de usar.
Cada agente é especialista em uma área específica:
O que faz: Verifica se cliente e servidor estão conversando direito
Por que importa: Evita desconexões e bugs de comunicação
Relatório gerado: PROTOCOL_SYNC.md
O que faz: Encontra erros em scripts Lua
Por que importa: Scripts com erro não funcionam e podem crashar o servidor
Relatório gerado: LUA_ERRORS.md
O que faz: Valida arquivos XML (items, monstros, spells)
Por que importa: Dados errados causam bugs estranhos no jogo
Relatório gerado: CONTENT_INTEGRITY.md
O que faz: Analisa performance do servidor
Por que importa: Identifica o que causa lag e travamentos
Relatório gerado: TICK_PERFORMANCE.md
O que faz: Verifica sistema de quests e storages
Por que importa: Previne quests bugadas e progressão travada
Relatório gerado: QUEST_STORAGE_REPORT.md
O que faz: Encontra código C++ que pode crashar
Por que importa: Previne crashes inesperados do servidor
Relatório gerado: CPP_CRASH_RISKS.md
O que faz: Identifica código mal feito
Por que importa: Código ruim é difícil de manter e causa bugs
Relatório gerado: CODE_SMELLS.md
1. Você aponta os agentes para seu servidor
2. Agentes leem todo o código automaticamente
3. Cada agente analisa sua área de especialidade
4. Você recebe 7 relatórios profissionais
5. Relatórios mostram problemas e como corrigir
- Análise manual: 40-50 horas
- Com agentes: 20-30 minutos
7 documentos em Markdown com:
- Lista de problemas encontrados
- Localização exata (arquivo e linha)
- Explicação do que está errado
- Sugestão de como corrigir
- Prioridade (crítico, médio, baixo)
.
├── Agents/ # Definições dos agentes
│ ├── ORCHESTRATOR.md # Coordenador dos agentes
│ ├── AGENT_PROTOCOL_SYNC.md # Agente de protocolo
│ ├── AGENT_LUA_STATIC.md # Agente de Lua
│ ├── AGENT_CONTENT_INTEGRITY.md # Agente de conteúdo
│ ├── AGENT_TICK_PERF.md # Agente de performance
│ ├── AGENT_QUEST_STORAGE.md # Agente de quests
│ ├── AGENT_CPP_CRASH_RISK.md # Agente de crashes
│ ├── AGENT_CODE_SMELL.md # Agente de qualidade
│ └── AGENT_ARCHITECTURE_DOC.md # Agente de documentação
│
├── pokebrave-server-main/ # Exemplo: código do servidor
│ ├── src/ # Código C++
│ └── data/ # Scripts Lua e XML
│
├── PROTOCOL_SYNC.md # Relatório de protocolo
├── LUA_ERRORS.md # Relatório de erros Lua
├── CONTENT_INTEGRITY.md # Relatório de conteúdo
├── TICK_PERFORMANCE.md # Relatório de performance
├── QUEST_STORAGE_REPORT.md # Relatório de quests
├── CPP_CRASH_RISKS.md # Relatório de crashes
├── CODE_SMELLS.md # Relatório de qualidade
├── ARCHITECTURE_GUIDE.md # Guia de arquitetura
└── GUIA_AGENTES_IA_PARA_INICIANTES.txt # Tutorial completo
Kiro IDE já tem sistema de agentes integrado:
- Abra seu projeto no Kiro IDE
- Coloque a pasta
Agents/no seu projeto - Execute o orquestrador
- Aguarde os relatórios serem gerados
- Copie as definições dos agentes da pasta
Agents/ - Configure sua ferramenta de IA (LangChain, AutoGPT, etc.)
- Aponte para seu servidor
- Execute os agentes
Os agentes são apenas instruções em Markdown. Você pode:
- Modificar as regras
- Adicionar novos agentes
- Remover agentes que não precisa
- Customizar para seu servidor
Você: "O servidor está crashando às vezes, não sei por quê"
Processo:
1. Passar horas debugando
2. Testar várias hipóteses
3. Talvez encontrar o problema
4. Talvez não encontrar
Tempo: Dias ou semanas
Resultado: Incerto
Você: "Vou rodar os agentes"
Processo:
1. Executar agentes (30 minutos)
2. Ler relatório CPP_CRASH_RISKS.md
3. Ver: "Null pointer em game.cpp linha 310"
4. Corrigir em 5 minutos
Tempo: 35 minutos
Resultado: Problema resolvido
- Análise manual: 50 horas
- Com agentes: 3 horas
- Economia: 94%
- Encontra bugs antes de afetar players
- Identifica problemas de performance
- Previne crashes
- Código mais limpo
- Menos bugs
- Mais fácil de manter
- Menos crashes
- Menos lag
- Players mais felizes
GUIA_AGENTES_IA_PARA_INICIANTES.txt
- O que são agentes de IA
- Por que usar
- Como funcionam
- Tutorial passo a passo
- Exemplos práticos
ARCHITECTURE_GUIDE.md
- Como funciona um OTServer
- Estrutura do código
- Fluxos de execução
- Exemplos de código
- Glossário de termos
Todos os 7 relatórios estão incluídos como exemplo, mostrando:
- Formato dos relatórios
- Tipo de análise feita
- Como interpretar resultados
Não precisa ser expert, mas ajuda entender o básico de:
- Como funciona um OTServer
- Estrutura de arquivos (C++, Lua, XML)
- Como ler relatórios técnicos
Não. Os agentes apenas analisam e reportam problemas. Você decide o que corrigir e como.
Depende da ferramenta que usar:
- Kiro IDE: Código processado localmente quando possível
- APIs de IA: Código enviado para processamento (OpenAI, etc.)
- Solução própria: Você controla tudo
Recomendação: Não use com código super secreto ou proprietário sensível.
Sim! Funciona com:
- TFS (The Forgotten Server)
- Canary
- OTX
- Nostalrius
- Qualquer fork baseado em OTServer
Pode precisar ajustar algumas regras para seu caso específico.
Sim! Os agentes são apenas arquivos Markdown com instruções. Você pode:
- Modificar regras existentes
- Adicionar novos agentes
- Remover o que não precisa
- Adaptar para seu servidor
Não. Execute apenas os que fazem sentido para você:
- Só quer analisar Lua? Execute AGENT_LUA_STATIC
- Só quer ver performance? Execute AGENT_TICK_PERF
- Quer análise completa? Execute todos
- Não executam código
- Não testam funcionalidades
- Não corrigem automaticamente
- Não entendem contexto de negócio
- Não substituem desenvolvedor
- Validar os relatórios
- Decidir o que corrigir
- Implementar correções
- Testar mudanças
- Nem tudo que os agentes apontam é problema real
- Use bom senso ao aplicar sugestões
- Valide antes de aplicar em produção
- Mantenha backup do código original
Quer melhorar os agentes? Contribuições são bem-vindas!
- Fork este repositório
- Crie um branch para sua feature
- Faça suas modificações
- Teste com seu servidor
- Envie um Pull Request
- Novos agentes especializados
- Melhorias nas regras existentes
- Correções de bugs nos relatórios
- Documentação adicional
- Exemplos de uso
Este projeto é open source. Use, modifique e distribua livremente.
Os relatórios de exemplo foram gerados a partir de código open source (TFS/Canary).
- Abra uma Issue no GitHub
- Consulte a documentação incluída
Este projeto foi criado para ajudar a comunidade de OTServer a usar IA de forma prática e efetiva.
Agradecimentos especiais a:
- Comunidade Open Tibia
- Desenvolvedores do TFS e Canary
- Todos que contribuem com código open source
Versão: 1.0
Data: 2025
Status: Estável e pronto para uso
- Clone este repositório
- Escolha uma ferramenta de IA
- Execute os agentes no seu servidor
- Leia os relatórios
- Corrija os problemas
- Tenha um servidor melhor!
Boa sorte e bom código!