Abierto a roles de AI engineering

Armo sistemas con IA.Y después los mido.

Pipelines de agentes que arman productos a medida durante la noche, generación con LLMs para un juego cuyo formato hubo que descifrar primero y las herramientas con las que manejo una flota de agentes. Abajo: cómo funciona cada uno, los números y lo que se rompió.

Ver los casos
demos a medida armadas por un pipeline de agentes
89
controles que pasa cada demo antes de salir
20
piezas del juego extraídas para que Claude genere mapas jugables
16.465
niveles de modelo en mi jerarquía de agentes open source
4
§1

Casos

Tres sistemas contados como me gustaría leerlos a mí: el problema, cómo está hecho, qué dicen los números y qué no funcionó.

Caso 01 · Agentes en producción

Un pipeline de agentes que arma una demo de producto distinta para cada empresa, de noche

Para hacer outreach a pymes de EE. UU. quería que cada una recibiera algo hecho para ella, no un template con su logo. Codex lee la web real de la empresa y le inventa un producto, Claude lo construye sobre un motor compartido y un script de auditoría decide qué sale.

Cuándo
Ago–sep 2026 · 3 tandas
Stack
Codex, Claude Code, API de Anthropic, Next.js, Vercel, Playwright
Rol
Solo: spec, orquestación, QA y deploy
Estado
89 demos vivas detrás de una galería privada
demos a medida vivas, en 12 ciudades de EE. UU.
89
demos de una sola tanda sin intervención
~20 en 3 h
archivos obligatorios auditados por demo antes del deploy
20
mails de prospectos verificados en la web oficial (tandas 2 y 3)
79 / 80

Problema

El outreach genérico se ignora. Una demo hecha con la web, los servicios y la marca del propio negocio se lee, pero armar 89 a mano no es posible.

Cómo funciona

  1. 1.Escribí el contrato contra el que trabajan los agentes: qué investigar, qué archivos producir y reglas duras. Los colores de marca se leen del CSS del sitio, nunca se estiman. Si el contraste del texto baja de 4,5:1, cambia el color del texto, nunca la marca.
  2. 2.Fase A, Codex: lee el sitio, baja los assets propios, escribe las specs de datos y diseño, le inventa un producto a ese negocio y renderiza un mockup de 1440 px.
  3. 3.Fase B, Claude: construye los componentes a partir del mockup, de a uno, sobre un motor compartido.
  4. 4.Cada demo tiene un asistente en vivo: respuestas en streaming desde Claude, con el system prompt cacheado y un modelo de respaldo.
  5. 5.Un script de auditoría revisa 20 archivos obligatorios, 4 capturas de QA, JSON válidos, que no haya hotlinks, que el mail lleve a la demo, las entradas del registro y la imagen de vista previa. Después typecheck, después deploy.
Pipeline
  1. Investigación

    Codex lee el sitio real, el CSS y los assets

  2. Spec de producto + mockup

    un producto distinto para cada negocio

  3. Construcción

    Claude, componente por componente

  4. Auditoríacontrol

    20 archivos, 4 capturas, links, vista previa

  5. Typecheckcontrol

    tsc --noEmit antes de cada deploy

  6. Deploy

    Vercel, servida en /<empresa> con lista blanca

Qué se rompió y qué hice

  • Codex nunca corría el chequeo de tipos. Una sola demo rota tiró abajo el build de las 40 de la primera tanda, así que el typecheck pasó a ser un control antes de cada deploy.
  • Sus chequeos de «HTTP 200» corrían contra dev servers aislados por demo y nunca miraba el render. El QA visual pasó a capturas que reviso yo.
  • Los mails de outreach salieron como un solo template ×78: misma apertura, mismos descargos, mismo pedido. Reescribí los 78 con una guía de estilo que salió de ese error.
  • Una demo se escribió contra otro esquema de datos. Arreglarla implicaba inventarle datos a una empresa real, así que quedó fuera del deploy.

Caso 02 · Generación con LLMs

Claude diseña mapas de Golf It que el juego carga de verdad

Golf It no tiene documentado su formato de mapas. Puse a Claude Code a descifrar el archivo de guardado, sacar datos del propio juego y escribir cada circuito como código. El juego carga los mapas, los vuelve a guardar y se juegan.

Cuándo
Ago 2026 · 2 días
Stack
Claude Code, Python, herramientas de saves de Unreal (uesave, repak, umodel)
Rol
Solo, dirigiendo a Claude Code
Estado
El generador funciona. Lo próximo es el servidor MCP
piezas en un catálogo sacado del registro de assets del propio juego
16.465
mapas de la comunidad analizados para ver cómo se usan de verdad 2.224 assets
86
ida y vuelta del archivo de guardado, byte por byte (mismo SHA-256)
1:1
piezas en el circuito de 18 hoyos, en tres versiones
411 → 670

Problema

Generar contenido para un juego que no controlás es trabajar a ciegas: un formato binario sin documentar, miles de piezas sin especificación y reglas que nadie escribió. Un modelo que solo adivina hace mapas que no cargan o no se pueden jugar.

Cómo funciona

  1. 1.Pasé el archivo de guardado de Unreal a JSON y de vuelta, y probé que el ida y vuelta fuera idéntico byte por byte antes de generar nada. El terreno de vóxeles pasa sin tocarse.
  2. 2.Saqué un catálogo de 16.465 piezas del registro de assets del juego y exporté las mallas a glTF, así los tamaños se miden, no se estiman.
  3. 3.Analicé 86 mapas de la comunidad para ver cómo se usan las piezas de verdad. Las reglas dudosas se decidieron con datos: para qué lado empuja un boost lo resolvieron los mapas reales, 7 a 2.
  4. 4.Claude escribe cada circuito como un generador en un mini-lenguaje de cursor (poner, girar, subir), así un mapa es código que se puede comparar y corregir.
  5. 5.Unos validadores revisan cada mapa generado antes de que llegue al juego. Después el propio juego lo carga y lo vuelve a guardar.
Pipeline
  1. Descifrar el guardadocontrol

    ida y vuelta byte por byte, mismo SHA-256

  2. Catálogo

    16.465 piezas, mallas medidas en glTF

  3. Estadísticas de uso

    86 mapas de la comunidad, 2.224 assets en uso

  4. Generar

    Claude escribe el circuito como código generador

  5. Validarcontrol

    chequeos automáticos en cada mapa

  6. Cargar en el juegocontrol

    el juego lo carga, lo re-guarda y se juega

Qué se rompió y qué hice

  • En la v2 una lomada puesta sin rotar tapaba el carril. La cazó una captura de una partida de prueba.
  • En la v4 un túnel salió cruzado: lo que se había medido como sus paredes eran los arcos de cada boca.
  • Al pasar hoyos de un mapa a otro, la meta podía quedar fuera del área del hoyo. Ahora la selección toma toda pieza marcada con el número de ese hoyo.
  • Todavía son scripts, no un servidor MCP. Es el próximo paso, para que cualquier sesión de Claude pueda generar y validar un mapa.

Caso 03 · Herramientas para agentes

Las herramientas que armé para manejar una flota de agentes

Casi todas las noches trabajan varias sesiones de Claude Code y Codex en paralelo. Estas son las piezas que armé para verlas, contestarles y aprobar lo que hacen desde el celular, más la skill de orquestación que uso encima.

Cuándo
Jul–oct 2026
Stack
Claude Agent SDK, MCP SDK, Node, WebSockets, SSE, Next.js
Rol
Solo
Estado
En uso diario. The Designator es open source (MIT)
formas de contestarle a un agente: terminal, celular (Torre) o chat (Claude-Discord)
3
niveles de modelo en The Designator, hasta modelos locales a costo cero
4
suites de prueba de punta a punta en navegador para Claude-Discord
5
cola de aprobación para todas las sesiones, desde la terminal o el celular
1

Problema

Los agentes que corren solos se frenan a pedir permiso, terminan con preguntas o se desvían, y yo no siempre estoy en la compu. Necesitaba ver cada sesión, contestarle y aprobar sus acciones desde cualquier lado, sin romper las que siguen en la terminal.

Cómo funciona

  1. 1.Torre: una torre de control que sigue cada transcript de Claude Code y lo manda al celular. Para tomar una sesión la retoma con el Claude Agent SDK, y cada herramienta espera en canUseTool hasta que toco permitir, siempre, denegar o frenar.
  2. 2.Las sesiones que siguen en la terminal llegan a la misma cola de aprobación con hooks de PermissionRequest, Notification y Stop, y los avisos van por Telegram o ntfy.
  3. 3.Claude-Discord: un servidor MCP que usa los channels de Claude Code, así cada terminal tiene su canal en un chat tipo Discord. Los mensajes entran como notificaciones del canal y los pedidos de permiso vuelven como Permitir o Denegar. También lleva el gasto por día y avisa de choques entre terminales.
  4. 4.The Designator: una skill de Claude Code que diseña su propia jerarquía de agentes a partir de un objetivo. De 2 a 4 niveles, un mapping.json como única fuente de verdad, un chequeo de capacidad antes de cada tarea y un nivel de modelo por agente.
Torre: flujo de aprobación
  1. Indexar sesiones

    sigue los transcripts cada 600 ms

  2. Streaming al celular

    SSE, PWA instalable, PIN

  3. Tomar el control

    query() del Agent SDK retoma la sesión

  4. Permisocontrol

    canUseTool espera mi respuesta en el celular

  5. Sesiones en terminal

    los hooks alimentan la misma cola

  6. Aviso

    botones de Telegram o ntfy

Qué se rompió y qué hice

  • Tomar una sesión que sigue abierta en una terminal levanta un segundo proceso sobre la misma conversación. Ahora Torre pide confirmación si vio actividad en el último minuto.
  • Un hook que espera a Torre congelaría todas las terminales mientras Torre está caída. El puente sale limpio ante cualquier falla y la terminal vuelve a su propio aviso.
  • The Designator está verde: la arquitectura funciona en uso real, pero todavía no tiene benchmark. Es lo próximo que le falta.
§2

Otros sistemas

Cosas más chicas, cada una con un ángulo de IA o de sistemas. La mayoría son privadas; las públicas tienen link.

Hoy JuegoElige qué jugar hoy de tu biblioteca de Steam. Unas reglas puntúan unos 14 candidatos, Claude Haiku elige uno y devuelve un JSON que se valida contra la lista, y si el modelo falla deciden las reglas.Claude Haiku 4.5, Steam Web API, Vercel Functionsen uso
Copiar para mi IAUna extensión: un botón exporta tu biblioteca de Steam para pasársela a una IA. Después la llevé a Netflix, Spotify, Instagram y YouTube.Extensión de navegadorfunciona
bloatctlUna app Android para que Claude decida qué sacar de mi celular. 586 → 545 paquetes.Kotlin, Shizukufunciona
Mini-lenguaje tipadoParser a AST, type checker, compilador a bytecode y una VM de pila. Lo hice por un desafío sobre bajo nivel.Pythonterminado
Evolución artificialCuerpos y cerebros que evolucionan en una simulación física, con un visor 3D.MuJoCo, Three.jsexperimento
Seguimiento de manosDetecta mis manos y las mete en una escena 3D para agarrar objetos. La base para hacer juegos VR.Visión por computadora, 3Den curso
Trabajo para clientesUna plataforma de matching en tiempo real, un panel comercial sobre dos años de facturación y un panel de operaciones conectado a Trello. Los detalles, bajo confidencialidad.React, Next.js, Supabase, Pythonentregado
Arcade94 juegos de navegador hechos por sesiones de Claude Code en paralelo sobre un mismo repo, coordinadas con candados por carpeta y un semáforo de máquina para navegadores y builds. Mi favorito es El Hornero.TypeScript, Three.js, Playwrightprivado
§3

Cómo trabajo

A la noche dejo sesiones de Claude Code y Codex laburando y a la mañana reviso. Un máster las resume, rutea el trabajo y hace de juez. Lo mío es la spec, los controles y leer los resultados.

~/turno-noche6 corriendo
  1. instancia 01 · golfit1/3

    descifrando el archivo de guardado

  2. instancia 02 · outreach2/3

    armando una demo solo para ella

  3. instancia 03 · designator3/3

    creando el agente que falta

  4. instancia 04 · arcade3/3

    94 juegos

  5. instancia 05 · bloatctl1/3

    listando los paquetes del celu

  6. instancia 06 · master2/3

    ruteando tareas

Principios

  • 01

    Medir antes de afirmar

    La regla se escribe antes de correr. Si el resultado es negativo, también se publica.

  • 02

    Controles, no confianza

    Los agentes dicen «listo» demasiado pronto. Deciden el typecheck, las auditorías y las capturas, no el reporte del agente.

  • 03

    Nada de templates

    Si algo es para alguien, que sea todo para esa persona. No un template con los datos cambiados.

  • 04

    Exportable

    Todas las páginas deberían tener un botón para pasársela a tu IA. Esta lo tiene.

Herramientas

Agentes y modelos
Claude Code, Claude Agent SDK, API de Anthropic, MCP, Codex, Gemini, gpt-image, ElevenLabs
ML
Python, PyTorch, MuJoCo
Producto
TypeScript, React, Next.js, Node, Postgres (Neon, Supabase)
Infra y QA
Vercel, mi propio VPS Linux, Playwright, WebSockets, SSE
§4

Sobre mí

Soy Rodrigo, desarrollador argentino y vivo en Sevilla, España. Me vine de Argentina en 2021. Python fue mi primer lenguaje y lo aprendí solo. A programar llegué por los videojuegos, y siguen siendo donde pruebo ideas.

Desde 2025 hago software a medida para clientes, de plataformas en tiempo real a paneles. El resto de mi tiempo va a los sistemas de esta página.

Qué busco

Un rol de AI engineering o forward-deployed: sentarme con la gente que hace el trabajo, armar el sistema que saca el cuello de botella y medir que lo sacó. Remoto o en España. También abierto a freelance.

Recorrido

  1. 2021Me mudo de Argentina a España.
  2. Jul 2025Primeros clientes freelance.
  3. Jul 2026Publico The Designator como open source.
  4. Ago 2026Generador de mapas de Golf It. Armo el pipeline de demos. Lanzo esta web, que a las 20 horas ya salía primera en Google con mi nombre.
  5. Sep 2026El arcade pasa los 90 juegos, hechos por sesiones de Claude Code en paralelo sobre un mismo repo.
  6. Oct 2026Claude-Discord: cada terminal tiene su propio canal de chat.
§5

¿Hablamos?

Si estás buscando gente para AI engineering, o tenés un proceso que debería ser un sistema, escribime. Leo todo.

rodrisiboldi@gmail.com

En otros lados

Copiá todo esto, pegáselo a tu IA y preguntale lo que quieras sobre mí.