IA aplicada, RAG y agentes
Construyo asistentes conectados a conocimiento real, con recuperación trazable, herramientas y flujos agénticos.
Carlos Revert
Carlos Revert, desarrollador Full Stack especializado en IA aplicada, sistemas RAG, automatización e infraestructura cloud y self-hosted.
Arquitectura de software e Inteligencia Artificial
Trabajo sobre el ciclo completo: requisitos, arquitectura, datos, backend asíncrono, frontend, IA y despliegue. Esto me permite entender un producto como un sistema y no como una suma de piezas. Elijo entre servicios cloud, modelos locales e infraestructura propia según la privacidad, el coste, la latencia, la escala y el mantenimiento que exige cada caso.
Construyo asistentes conectados a conocimiento real, con recuperación trazable, herramientas y flujos agénticos.
Diseño sistemas modulares y mantenibles, proporcionales a las restricciones reales de usuarios, datos y operación.
Construyo interfaces, APIs, bases de datos, procesos asíncronos e integraciones como partes de un mismo producto.
Despliego en cloud, entornos híbridos o infraestructura privada con Docker, observabilidad y control sobre el dato.
Hago accesible la complejidad con interfaces responsive, claras y orientadas a las tareas que el usuario necesita completar.
Conecto APIs, MCPs, agentes y flujos para convertir información dispersa en procesos fiables y reducir tareas repetitivas.
Diseño flujos de voz, llamadas y WhatsApp conectados a la información de la empresa, sus bases de datos y las herramientas necesarias.
Configuro agentes, tareas programadas, herramientas y gateways para automatizar rutinas y operar información de forma controlada.
Experiencia desde 2018 en ecosistemas EVM, contratos inteligentes, seguridad y análisis de operaciones entre redes, exchanges y plataformas descentralizadas.
Un proceso claro para avanzar desde un problema bien entendido hasta un producto preparado para evolucionar.
01
Aclaro requisitos, usuarios, restricciones y objetivos antes de decidir qué merece construirse.
02
Defino la arquitectura, el modelo de datos y las decisiones proporcionales a las restricciones reales.
03
Construyo frontend, backend, IA, procesos asíncronos e integraciones como partes de un mismo producto.
04
Despliego, observo y mejoro el sistema para mantenerlo útil, estable y preparado para crecer.
Elijo cada herramienta por su encaje con el problema, no por tendencia: calidad, mantenimiento, privacidad, coste y escala marcan la decisión.
No todos los productos necesitan la misma infraestructura. Diseño soluciones cloud, híbridas o completamente locales según la sensibilidad del dato, la latencia, el coste operativo y el nivel de control que requiere cada caso. He operado modelos locales de hasta 120B parámetros en servidores propios y flujos agénticos.
La arquitectura queda preparada para evolucionar sin empezar de cero: incorporar herramientas, automatizar procesos, ampliar capacidad o sustituir modelos y proveedores aprovechando lo que ya funciona.
Puedes explorar las aplicaciones libremente. El saldo diario limita las operaciones de IA para proteger la infraestructura compartida.
5 interacciones diarias
5 interacciones diarias compartidas entre Juridia, CLARK y Transcriptor.
20 interacciones diarias
20 interacciones diarias. Durante esta fase, se asigna manualmente desde la administración.
Estos productos muestran cómo combino desarrollo, IA, datos e infraestructura para resolver problemas concretos y llevar una idea hasta una experiencia funcional.
RAG legal de alta densidad para consultar normativa española con fuentes verificables.
Categoría: ai
Construí Asistente Jurídico para convertir un corpus jurídico masivo en respuestas útiles sin perder la trazabilidad. El sistema trabaja con más de 12.000 disposiciones, 600.000 artículos y cerca de 700.000 vectores indexados.
La arquitectura combina PostgreSQL como fuente documental, Qdrant para recuperación vectorial y un pipeline de ingesta que normaliza, enriquece y expande cada consulta antes de recuperar los artículos relevantes. Cada respuesta enlaza a la fuente oficial del BOE.
Es una muestra de cómo diseño sistemas RAG especializados donde la calidad depende del contexto, el chunking y la estrategia de recuperación, no solo del modelo utilizado.
Tecnologías: Python, React, PostgreSQL, Qdrant, RAG, Docker
Estado: online
Catálogo B2B de maquinaria con navegación asistida por IA y RAG contextual.
Categoría: enterprise
Desarrollé CLARK como un producto B2B para maquinaria de alto valor. La experiencia integra catálogo, filtros, fichas técnicas, comparador responsive, carrito y solicitudes de presupuesto en un único flujo.
El asistente utiliza RAG y búsqueda semántica para interpretar las necesidades del usuario, recomendar productos y dirigirlo hacia fichas y comparativas relevantes. La IA forma parte del descubrimiento y de la captación comercial, en lugar de aparecer como un widget aislado.
El proyecto conecta frontend, backend, datos e IA local para convertir especificaciones complejas en una experiencia clara y preparada para evolucionar.
Tecnologías: Next.js, TypeScript, PostgreSQL, pgvector, RAG, LLM local
Estado: online
Plataforma privada de transcripción y estructuración de audio sobre infraestructura propia.
Categoría: ai
Desarrollé este producto para transformar grabaciones y archivos de audio en información lista para utilizar. Permite grabar desde el navegador, subir archivos, controlar trabajos largos y generar informes adaptados a distintos contextos.
La solución desacopla React, FastAPI, PostgreSQL y una cola de procesamiento. Whisper realiza la transcripción y un LLM estructura, resume o transforma el contenido, con persistencia por usuario y retención temporal controlada de los audios.
El resultado integra interfaz, API, tareas asíncronas, modelos de IA y despliegue self-hosted en un escenario donde la privacidad y el control del dato forman parte del producto.
Tecnologías: FastAPI, React, PostgreSQL, Whisper, LLM, Docker
Estado: online
Demostración offline de un chat privado para utilizar modelos de IA locales.
Categoría: ai
Esta aplicación está actualmente offline, pero muestra una forma sencilla de acercar la IA local a los equipos mediante OpenUI. Su interfaz de chat permite utilizar modelos de IA alojados en infraestructura propia con una experiencia familiar, similar a ChatGPT.
Al ejecutar los modelos de forma local, las conversaciones y los datos sensibles permanecen bajo el control de la organización. Es una alternativa práctica para incorporar IA en el día a día sin renunciar a la privacidad, la soberanía del dato y la flexibilidad de elegir los modelos que mejor encajen en cada caso.
La solución puede ampliarse con herramientas personalizadas, acceso a bases de datos internas, generación de documentos, análisis de datos y automatizaciones.
Tecnologías: OpenUI, IA local, LLM, Docker, Infraestructura privada
Estado: offline