Saltar al trabajo

Valdemoro, Madrid · disponible

Jorge Valero

Ingeniero de software

Especializado en datos e inteligencia artificial. Construyo sistemas que corren enteros en local: asistentes de voz, orquestadores de agentes y generadores con modelos propios. Cuatro de ellos están más abajo, con capturas de las aplicaciones reales funcionando.

Ver el trabajo
  1. 01PrometeoAsistente de voz 100 % local
  2. 02NexusPlataforma multi-agente
  3. 03IterumGestión de proyectos con IA
  4. 04Mesa de D&DRol en red local

Prometeo En desarrollo temprano

Un asistente de voz que corre entero en tu máquina.

Año
2025 — hoy
Rol
Diseño y desarrollo
Superficie
7 modos
Servidores MCP
6
Estado
Activo
Interfaz de PROMETEO: en el centro un núcleo 3D con forma de diamante facetado naranja, partido en placas separadas con textura de circuito, rodeado de tarjetas de telemetría y con paneles laterales de modos, agentes, memoria y herramientas.
Neural Command Interface — el núcleo se abre y se cierra soltando descargas por las juntas, con los agentes Planner/Executor/Critic y el estado de memoria en vivo.

Asistente personal completo —wake word, voz, memoria y herramientas— sin una sola llamada a un servicio de pago. El modelo es Ollama en local, la transcripción es Whisper, la voz es Piper y la memoria vive en ChromaDB sobre disco. Nada sale de la máquina y no hay telemetría.

Por encima del modelo hay un sistema multi-agente que descompone la petición (Planner), la ejecuta (Executor) y valida el resultado (Critic), con reintentos cuando la calidad no da la talla.

  • Python
  • Ollama
  • Whisper
  • ChromaDB
  • Piper TTS
  • aiohttp
  • MCP
  • Docker
  • TRELLIS
  • Three.js
  • Oracle Cloud
  • Multi-agentePlanner · Executor · Critic con bucle de reintento por calidad.
  • RAG con aprendizaje continuoy feedback loop sobre SQLite + ChromaDB.
  • 6 servidores MCPfilesystem, git, base de datos, memoria, búsqueda y seguridad.
  • Generación 3D paramétricacon exportación STL validada para impresión.
  • Malla 3D a partir de imágenesTRELLIS en contenedor, alimentado con tres vistas ortogonales en vez de una. El experimento controlado contra la vista única salió más rápido y con mejor fidelidad de grosor.
  • Sandbox propio para el código que escribe el modelodos niveles reales —contenedor sin red ni disco, o proceso acotado por job object— y el resultado declara siempre cuál de los dos corrió.
  • WhatsAppcon texto y notas de voz, sesión persistente vía Baileys.
  • AES-256-GCMrate limiting, sanitización de entradas y auditoría de acciones.
  • Grafo de conocimiento propio14.889 nodos que enlazan las notas del segundo cerebro con el código de siete proyectos, navegable en 3D desde la propia interfaz.
Modo Investigación de PROMETEO en tema cian, con el panel para lanzar una investigación por tema.
Modo Investigación — cada modo repinta la interfaz entera con su propio color.
Modo Entrenamiento de PROMETEO con el panel de fine-tuning: modelos base y code, regeneración de dataset, held-out ratio y control de etapas.
Modo Entrenamiento — el bucle de fine-tuning, con held-out ratio y etapas.
Modo 3D de PROMETEO con la malla de una figura completa cargada en el visor de Three.js, reconstruida a partir de fotografías.
Modo 3D — figura completa reconstruida a partir de fotografías. Se describe la pieza o se suelta una imagen; los generadores paramétricos quedan detrás.
Modo Agentes de PROMETEO, con el panel para crear agentes personalizados y su editor.
Modo Agentes — agentes propios sobre el mismo núcleo.
Modo Imágenes de PROMETEO en tema magenta, con el panel Generar imagen y la galería de últimas imágenes generadas.
Modo Imágenes — Stable Diffusion 1.5 en disco, sin ninguna llamada a un servicio de pago.
Modo Código de PROMETEO en tema verde, con el aviso de aislamiento real sobre el editor y el panel de auto-mejora.
Modo Código — el código corre aislado, y la auto-mejora no toca nada sin que se apruebe.
Modo Sistema de PROMETEO en tema oro, con telemetría real de la máquina y el estado de cada servicio.
Modo Sistema — telemetría real de la máquina y el estado de cada pieza: qué responde, qué está parado y por qué.
PROMETEO en un teléfono, cuatro pantallas seguidas: portada, menú desplegado, modo 3D a pantalla completa y modo Código.
En el teléfono — la misma interfaz reflowada. No es una app aparte: son las mismas media queries.
PROMETEO BRAIN: el grafo de conocimiento dibujado sobre un atractor de Aizawa, con 14.889 nodos y 33.768 aristas.
PROMETEO BRAIN — 14.889 nodos y 33.768 aristas de ocho proyectos sobre un atractor de Aizawa, navegable en vivo.

Nexus

Un equipo de agentes especializados trabajando sobre tus repos.

Año
2025
Rol
Arquitectura y desarrollo
Agentes
5 roles
Tests
261 + 13 E2E
Estado
Estable
Detalle del proyecto FitFuel en NEXUS: tarjetas de los agentes Architect, Frontend, Backend y AI/QA, panel de specs, niveles de confianza por agente e historial de tareas.
Un proyecto por dentro: los cuatro agentes con su estado, sus specs, los niveles de confianza que tiene cada uno sobre el repo y el registro de decisiones.

Plataforma de desarrollo multi-agente: un orquestador que lanza agentes especializados —Architect, Frontend, Backend, AI/QA y Runner— contra un proyecto real, con memoria RAG compartida y un plano de control en React.

Todos los agentes comparten un mismo ciclo de vida: instanciar, consultar la memoria, ejecutar, registrar la decisión y cerrar la tarea. Eso mantiene el comportamiento predecible por mucho que crezca el catálogo de agentes.

  • Node 20
  • Express
  • MongoDB
  • ChromaDB
  • React 18
  • Vite
  • Three.js
  • JWT
  • Docker
  • OpenRouter
  • Memoria RAGen ChromaDB con embeddings de Ollama, compartida entre agentes.
  • Autenticación en tres modosabierta, API key o JWT con refresh rotativo y revocación.
  • 261 testsunitarios y de integración en 30 ficheros, más 13 escenarios E2E.
  • Backups EJSONcon restore en modo replace, skip o merge y snapshot de seguridad previo.
  • Fine-tuningcaptura automática de respuestas de alta confianza y pipeline LoRA sobre Qwen2.5.
  • Doble proveedorOpenRouter con throttling de capa gratuita y Ollama como respaldo.
Signal Deck de NEXUS: esfera de alambre violeta girando, medidores de canales por agente y panel de acceso.
Signal Deck — la pantalla de acceso, con los nueve canales de agente en línea.
Panel de salud del sistema de NEXUS con tarjetas de MongoDB, ChromaDB, Ollama, LLM y GitHub, todas en OK.
Salud del sistema — Mongo, Chroma, Ollama, LLM y GitHub con su latencia real.
Session Log de NEXUS con eventos de autenticación etiquetados y marca de tiempo, en directo.
Registro de sesión en directo, con pausa y ventana de líneas.
Ajustes de NEXUS: complejidad por defecto, límites de tokens y panel de copias de seguridad firmadas por HMAC.
Configuración en caliente y copias firmadas por HMAC.

Iterum

Del PDF del cliente a un plan de proyecto completo.

Año
2025 — 2026
Rol
Proyecto de fin de grado
Superficies
App + portal
Roles
3 (RBAC)
Estado
En entrega
Aplicación de escritorio de ITERUM: contadores de proyectos activos, en riesgo y completados, aviso de proyecto fuera de plazo y tarjetas de proyectos recientes con su progreso.
La app de escritorio, el puesto de trabajo del equipo: carga por estado, el proyecto que se ha salido de plazo y el progreso de cada uno.

Sistema de gestión de proyectos para equipos pequeños de desarrollo, y el proyecto de fin de grado. El administrador sube el PDF o DOCX que le manda el cliente y un LLM lo convierte en tareas, análisis DAFO, hitos y resumen ejecutivo.

Las fechas no se inventan: las tareas se ordenan topológicamente según sus dependencias y de ahí salen las estimaciones. Un cron diario detecta los retrasos, propaga el desplazamiento por el grafo y marca el proyecto en riesgo si alguna tarea se pasa de la fecha de entrega.

  • React Native Windows
  • React
  • Vite
  • Tailwind
  • Express
  • MongoDB
  • JWT + RBAC
  • node-cron
  • Generación por IAdesde PDF/DOCX — tareas, DAFO, hitos y resumen ejecutivo.
  • Orden topológicode dependencias para calcular las fechas de cada tarea.
  • Scheduler diarioque detecta retrasos y los propaga por el grafo de dependencias.
  • Acceso de cliente por QRcon código de 6 caracteres sin caracteres ambiguos.
  • RBAC en tres rolesadmin, empleado y cliente, con JWT de 7 días.
  • App de escritorio nativaen React Native for Windows, más portal web del cliente.
Listado de proyectos de ITERUM agrupados en retrasados, activos e inactivos, cada uno con barra de progreso y días de retraso.
Los proyectos, ordenados por lo que arde: retrasados arriba.
Calendario mensual de ITERUM con inicios y fines de tarea repartidos por días, y una lista lateral de próximos eventos.
Calendario — inicios y fines de tarea salidos del grafo de dependencias.
Portal de cliente de ITERUM mostrando un proyecto al 33 % con el desglose de tareas por estado y los días de retraso.
La otra cara: lo que ve el cliente, en solo lectura.
Pantalla de acceso del portal de ITERUM pidiendo un código de seis caracteres.
Entrada del cliente — un código, cero fricción.

Mesa de D&D En desarrollo temprano

Una mesa de rol entera en red local. Sin cuentas, sin cuotas.

Año
2025 — hoy
Rol
Diseño y desarrollo
Red
LAN hoy
Salidas
SVG jugable
Estado
Piloto con jugadores
Mapa de mazmorra generado proceduralmente: la Cripta de los Ahogados, con catorce salas etiquetadas, agua, mobiliario y tabla de medidas.
Mazmorra generada por el pipeline real. El reparto BSP talla las salas; la tabla contrasta el tamaño pedido con el tallado.

Herramienta de mesa para D&D 5e pensada para una partida concreta en red local: hojas de personaje sincronizadas, tablero táctico, jukebox de ambiente y dos generadores con IA. Todo local — sin cuentas, sin nube, sin telemetría.

Los mapas no son imágenes generadas: son SVG dibujados por el propio código a partir de un guion estructurado que produce el modelo. El criterio de diseño es que gane la lectura táctica — la rejilla queda de fondo, el suelo jugable destaca y la decoración nunca tapa el nombre de la sala ni las fichas.

Que hoy sea local es una decisión, no un límite. La primera prueba de verdad es mi propia partida, con los jugadores alrededor de la mesa, y esa restricción es la que fija el listón: cero fricción para entrar y latencia de red local. Si el piloto aguanta, el siguiente paso es una versión hospedada para mesas de fuera.

  • Next.js 14
  • TypeScript
  • SQLite
  • WebSocket
  • Ollama
  • Qwen2.5-VL
  • Framer Motion
  • Playwright
  • Tablero tácticocon niebla de guerra, iniciativa y plantillas de área.
  • Generación procedural de mazmorraspor reparto BSP, renderizadas en SVG.
  • Visión por modeloextrae un mapa jugable desde la foto de un manual.
  • RAG sobre los manuales oficialespara mantener la continuidad de la campaña.
  • Sincronía en tiempo realpor WebSocket entre máster, jugadores y pantalla compartida.
  • Pantalla compartida por QRpara el tablet que va en el centro de la mesa.
Tablero táctico del máster con el mapa del Castillo de Thalor, fichas de personaje y controles de combate.
Tablero del máster, en partida.
Previsualización del componente de mapa con leyenda de mobiliario: mesa, cofre, barril, estantería, altar, columna.
El render, con su leyenda.
Panel del máster listando campañas como Crisis en la Casa Noble o El Pantano Olvidado.
Panel del máster.
Hoja de personaje con pestañas de general, características, combate, competencias, equipo, ataques y conjuros.
Hoja de personaje, en once pestañas.
Lista de mapas de la campaña con opciones de regenerar, abrir y hacer mapa activo.
Mapas de la campaña.
Menú principal de la mesa con tres tarjetas: crear personaje, dungeon master y unirse a la partida.
Tres puertas de entrada.

Sobre

IA y sistemas de agentes

Un modelo no es una caja negra a la que se le pide texto. El trabajo de verdad está en lo que va alrededor: repartir la tarea entre agentes, darles memoria, medir si lo que devuelven vale y acotar lo que pueden tocar.

  • Orquestación multi-agenteReparto por roles con un ciclo de vida común —instanciar, consultar la memoria, ejecutar, registrar la decisión y cerrar—, con validación del resultado y reintento cuando la calidad no da la talla.
  • RAG y memoriaBases vectoriales con embeddings locales, memoria compartida entre agentes y bucle de realimentación para que lo aprendido vuelva a entrar en las respuestas siguientes.
  • Modelos corriendo en localLenguaje, transcripción, voz, visión e imagen en la propia máquina, sin llamadas a servicios de pago y sin que los datos salgan de ella.
  • Fine-tuningCaptura automática de los ejemplos de alta confianza y pipeline LoRA, con partición held-out para distinguir si el modelo mejora o sólo está memorizando.
  • MCPServidores propios que dan a un modelo acceso controlado a ficheros, git, base de datos, memoria y búsqueda, en vez de barra libre.
  • Ejecución acotadaEl código que escribe un modelo corre aislado, y el resultado declara siempre bajo qué nivel de aislamiento corrió en lugar de prometer uno que no tiene.
  • n8nAutomatización de flujos: disparadores, encadenado de servicios y pasos con lógica propia. Es la herramienta a la que voy cuando el problema es conectar sistemas, no escribir un agente desde cero.

Formación

Grado en Ingeniería de Software
U-tad · Centro Universitario de Tecnología y Arte Digital
2022 — 2026
High School, sophomore year
Jenks High School · Tulsa, Oklahoma
2018 — 2019

Otros proyectos

Robot de acompañamiento hospitalario
Gestión de equipos, diseño del robot, desarrollo de IA y ensamblado.
Diciembre 2025 — actualidad
Plataforma educativa de turismo local
Proyecto en grupo: reconocimiento fotográfico y recompensas virtuales, con foco en dirección de proyectos.
Septiembre — Diciembre 2024

Lenguajes y plataformas

  • Python
  • C
  • C#
  • C++
  • Java
  • JavaScript
  • Next.js
  • SQL
  • HTML
  • CSS
  • n8n
  • AWS
  • Linux

Idiomas

  • Español — nativo
  • Inglés — C1

Cómo trabajo

  • Trabajo en equipo y liderazgo en grupos multidisciplinares.
  • Resolución de problemas y aprendizaje rápido.
  • Adaptabilidad y facilidad comunicativa.