03 · Proyectos — índice
Lo que está corriendo, en una tabla.
Arriba, la historia. Acá, los datos: qué construimos, para quién, qué cambió y con qué. Las filas con caso llevan al detalle.
Todo lo que sigue está en producción.
| Proyecto | Para quién | Qué resuelve → resultado | Stack |
|---|---|---|---|
| Generación de contenido multimediaLo últimoUn flujo agéntico de la idea al video: guion, prompts, generación y control de consistencia entre escenas. Caso: los videos de este sitio.ver caso → | lucid878 (este sitio) | Una historia en cuatro escenas con los mismos dos personajes, en loops y transiciones que avanzan con el scroll. 200 piezas generadas entre imágenes y video |
|
| Plataforma agéntica educativaAgentes que generan los cursos y hacen el seguimiento de cada estudiante. Caso: bootcamp de AI Engineering.ver caso → | Neolandeducación | Generación: seis agentes producen cada clase completa (teoría, ejercicios, slides y media). Seguimiento: análisis de las clases para detectar dificultades, avances y logros de cada alumno. 120 clases producidas en 6 meses |
|
| Entretenimiento agéntico para eventosJuegos grupales en vivo donde un agente de IA lleva la partida: pantalla grande para todos y el teléfono de cada uno como control. Casos: El guardián y los gemelos · Iceberg Descent.ver caso → | Eventos y equipos | Que un salón entero juegue al mismo tiempo desde el teléfono, sin instalar nada. |
|
| Generación de contenido para redes socialesTres agentes (planner → generador → evaluador) que llevan una idea a un post publicable. Caso: contenido experto en X.ver caso → | Cuentas técnicas que publican en X | Contenido con criterio editorial sin escribir cada post desde cero; el evaluador puntúa con criterios ponderados antes de publicar. de idea a post listo, con puntaje en cada borrador |
|
| Chatbots agénticos para seguimiento laboralAutomatizaciones en WhatsApp y Telegram que acompañan postulaciones y el seguimiento de trabajadores.ver caso → | Empresas que reclutan o gestionan equipos | Que cada postulación o cada trabajador tenga seguimiento sin que alguien lo haga a mano: estados, recordatorios, próximos pasos. |
|
| Lectura de tickets con IAUn modelo de visión convierte la foto del ticket en la cuenta a dividir. Caso: Cuentas Claras.ver caso → | Grupos en bares y restaurantes | El que pagó saca una foto, comparte un link y cada uno marca lo suyo y le transfiere; sin calculadora y sin perseguir a nadie por WhatsApp. 30 tickets leídos por día |
|
| Control por gestos con la webcamVisión por computadora: la mano frente a la cámara como control de una escena 3D. Caso: Jelly Watermelon Knife.ver caso → | Cualquiera con una webcam | Cortar una sandía de gelatina con un cuchillo que sigue tu mano, con física soft-body escrita a mano. ~15.500 resortes a 60 fps en el navegador, sin motor de física, en un solo archivo |
|
| Venta de servicios con pagos criptoDe elegir un plan a tener la póliza en el mail, pagando con cripto. Caso: ProofOfTravel.ver caso → | Viajeros que pagan con cripto | Comprar asistencia médica de viaje en tres pasos con BTC, ETH, USDT o USDC; el voucher se emite solo cuando el pago se confirma en la blockchain. |
|
- Para quién
- Neoland · bootcamp de AI Engineering
- Rol
- Diseño y construcción del sistema; docente del bootcamp
- Stack
- Python
- Multi-agente
- LLM orchestration
- Evaluación
Problema
Cada clase del bootcamp necesita cinco entregables: plan, slides, cheatsheet, ejercicios y media. Hacerlos a mano llevaba días por clase, y el bootcamp tiene cinco clases por semana.
Solución
Un harness de seis agentes con roles fijos. El planner arma el plan de sesión; teoría, ejercicios, slides y media producen cada pieza; revisión devuelve correcciones a los otros agentes y deja a la persona solo lo que necesita criterio humano.
Resultado
120 clases producidas en 6 meses, cada una con plan, slides, cheatsheet, ejercicios y media.