Jorge Leal

Asistente de código IA para VS Code con orquestación multiagente, memoria persistente y conciencia del proyecto — usa Copilot, Groq o ambos (Groq potencia Copilot). Mantiene un estado vivo y consciente del código y la lógica del proyecto. Qué hace diferente a Agent System: Memoria persistente local (sesión, proyecto, global en SQLite; sin sincronización en la nube). Orquestación multiagente (Coder, Reviewer, Tester, Coordinator con routing por intención). API-agnostic (Copilot, Groq, futuros proveedores; cambia o combina desde la UI). Funciona sin API keys (DuckDuckGo para búsqueda web, Copilot cuando esté disponible; añade Groq para potenciar Copilot cuando quieras). Privacidad: Sin telemetría. Corre en local. Tu código no sale de tu máquina salvo por el proveedor configurado (p. ej. Copilot o Groq). Arquitectura en capas (core, infra, app): core con interfaces (ports) sin dependencias de framework, infra con implementaciones (adapters) y app como punto de activación. Monorepo pnpm workspaces con tres paquetes: @agentsystem/core (dominio, EventBus, TOTON, tipos), @agentsystem/infra (adapters), apps/vscode-extension (activación y UI). Sistema de agentes especializados: Coder (generación), Reviewer (revisión), Tester (tests), Coordinator (orquestación). AgentBase con StateGraph (lifecycle y task) y RagPort opcional (memoria + RAG de workspace en paralelo). AgentRouter con detección híbrida: semántica (embeddings) → cache (TTL 2 min) → keywords → LLM opcional (Groq 8B). Orquestador con estrategia best-match y colaboración entre agentes. Aprobación de tools por nivel de riesgo (ToolRiskRegistry central). Modos en el header: Auto (routing por intención), Agent (ejecución con agentes), Plan (solo análisis, sin modificar archivos ni terminal). Reasoning level Low/Medium/High (thinkingBudget) por mensaje. LLM en cadena: Copilot Chat (principal) → VS Code LM → MCP como fallback. Groq solo para intent, no para chat. ModelSelectionPort con auto-selección, retries configurables y persistencia (globalState + contributes.configuration); selector de modelo persistente (Auto o modelo concreto). Configuración de threshold de confianza (default 0.4) para uso de agentes vs coordinator. Memoria persistente en SQLite: wa-sqlite y sql.js, scopes session/project/global con TTL y evicción LRU. HybridMemoryAdapter con fábrica que usa projectId y storageUri. Embeddings opcionales (OpenAI text-embedding-3-small, 512 dims) para RAG; configuración desde sidebar (Project Memory → Set API Key) o comando Agent System: Set OpenAI API Key; fallback a FTS3 full-text search si no hay key. Project instructions y project summary inyectados en el prompt. Índice de workspace persistente en SQLite (chunks + hashes); carga en caliente al iniciar; archivos sin cambios se omiten por SHA-256 (sin llamadas a embeddings). Panel Project Memory en la sidebar: Index Project, Reindex, Clear Index, estado del índice, aviso "Index outdated" al cambiar workspace folders; badge Search (proveedor activo) en la misma sección. AI Project Awareness: análisis estático del workspace (sin LLM) — framework (React, Next, NestJS, Express, …), lenguaje (TypeScript, Python, Go, …), build, test runner, arquitectura (clean, MVC, monorepo). Resultado inyectado como "Project Context" y badge de estado (Healthy / Needs Review / Unknown) en la sidebar. Web Search: DuckDuckGo sin API key; opción de Brave, Serper, Tavily o endpoint custom; configuración desde badge Search en sidebar o comando Agent System: Configure Web Search Provider & API Key; hot-reload al cambiar proveedor. Webview de chat con DOMPurify para sanitización, CSP con nonce, markdown (marked + highlight.js) y persistencia de estado. Flujo: code context del editor, RAG condicional por intención, buildMessagesWithCodeContext. Agent Loop: read_file, list_files, apply_edit, create_file, delete_file, search_web, get_web_content, run_tests; tools con aprobación en webview para operaciones sensibles. Chat Participant @agent: mismo backend que el sidebar, code context del editor activo, RAG por intención, routing a agentes o LLM directo. Workspace tools: read_file, list_files, apply_edit, create_file, delete_file registrados en vscode.lm para Copilot Chat nativo. Integración MCP (Model Context Protocol) como fallback de LLM con endpoint configurable. Integración con GitHub Auth (scopes repo, read:user) para Copilot. ProjectKnowledgeWatcher para invalidar cache ante cambios en AGENT_SYSTEM.md. Build y packaging: tsc -b para core/infra, esbuild para extensión (bundle único, target node18, minify en producción). WASM de wa-sqlite y sql.js copiados a dist. Script package-with-node20.sh (nvm/fnm) con compile, secret-scan (@secretlint/node) y vsce package. Publicación en Open-VSX con OVSX_PAT. Parche para @secretlint/node: concurrency Math.max(1, os.cpus().length) en entornos tipo contenedores. Activación con retries, health checks y resource availability. Fases de activación (health, commands, services, views, diagnostics) con logging estructurado. ExtensionHostHealthMonitor, ResourceAvailabilityChecker, ActivationRetryHandler con backoff configurable. Features: sidebar chat con streaming, modelo persistente (Auto o concreto), RAG opcional (OpenAI + FTS3 fallback), Agent Loop con aprobación por riesgo; modos Auto/Agent/Plan; reasoning L/M/H; Chat Participant @agent; panel Project Memory (Index/Reindex/Clear, estado, Search badge); AI Project Awareness (badge + Project Context); memoria tree view; comandos (diagnostics, exportLogs, status, setProjectInstructions, refreshWorkspaceEmbeddings, Set OpenAI API Key, Configure Web Search Provider & API Key); Project Knowledge desde AGENT_SYSTEM.md; project instructions y project summary; workspace embeddings con índice persistente y hash-gating. Stack: TypeScript (ES2022), VS Code API ^1.99.0, pnpm workspaces, esbuild, sql.js, wa-sqlite, groq-sdk, openai, marked, highlight.js, dompurify, zod, @modelcontextprotocol/sdk. Extension Kind: ui. Capabilities: languageModels (priority high). Disponible en Open-VSX y en VS Code Marketplace: https://marketplace.visualstudio.com/items?itemName=JorgeLeal.agent-system. AI coding assistant for VS Code with multi-agent orchestration, persistent memory, and project awareness — use Copilot, Groq, or both (Groq powers Copilot). Maintains a live, code- and logic-aware state of the project. What makes Agent System different: Local persistent memory (session, project, global in SQLite; no cloud sync). Multi-agent orchestration (Coder, Reviewer, Tester, Coordinator with intent-based routing). API-agnostic (Copilot, Groq, future providers; switch or combine from the UI). Works without API keys (DuckDuckGo for web search, Copilot when available; add Groq to power Copilot when you want). Privacy: No telemetry. Runs locally. Your code never leaves your machine except through your configured model provider (e.g. Copilot or Groq). Layered architecture (core, infra, app): core with framework-agnostic interfaces (ports), infra with implementations (adapters), app as activation point. pnpm workspaces monorepo with three packages: @agentsystem/core (domain, EventBus, TOTON, types), @agentsystem/infra (adapters), apps/vscode-extension (activation and UI). Specialized agents: Coder (generation), Reviewer (review), Tester (tests), Coordinator (orchestration). AgentBase with StateGraph (lifecycle and task) and optional RagPort (memory + workspace RAG in parallel). AgentRouter with hybrid detection: semantic (embeddings) → cache (TTL 2 min) → keywords → optional LLM (Groq 8B). Best-match orchestration and agent collaboration. Tool approval by risk level (central ToolRiskRegistry). Header modes: Auto (intent-based routing), Agent (execution with agents), Plan (analysis only, no file or terminal changes). Reasoning level Low/Medium/High (thinkingBudget) per message. LLM chain: Copilot Chat (primary) → VS Code LM → MCP as fallback. Groq only for intent, not chat. ModelSelectionPort with auto-selection, configurable retries, and persistence (globalState + contributes.configuration); persistent model selector (Auto or concrete model). Configurable confidence threshold (default 0.4) for agents vs coordinator. Persistent memory in SQLite: wa-sqlite and sql.js, session/project/global scopes with TTL and LRU eviction. HybridMemoryAdapter with factory using projectId and storageUri. Optional embeddings (OpenAI text-embedding-3-small, 512 dims) for RAG; configuration from sidebar (Project Memory → Set API Key) or command Agent System: Set OpenAI API Key; fallback to FTS3 full-text search when no key. Project instructions and project summary injected into the prompt. Persistent workspace index in SQLite (chunks + hashes); hot load on startup; unchanged files skipped by SHA-256 (no embedding calls). Project Memory panel in sidebar: Index Project, Reindex, Clear Index, index status, "Index outdated" notice when workspace folders change; Search badge (active provider) in the same section. AI Project Awareness: static workspace analysis (no LLM) — framework (React, Next, NestJS, Express, …), language (TypeScript, Python, Go, …), build, test runner, architecture (clean, MVC, monorepo). Result injected as "Project Context" and status badge (Healthy / Needs Review / Unknown) in the sidebar. Web Search: DuckDuckGo with no API key; option for Brave, Serper, Tavily or custom endpoint; configuration from Search badge in sidebar or command Agent System: Configure Web Search Provider & API Key; hot-reload when changing provider. Chat webview with DOMPurify sanitization, CSP with nonce, markdown (marked + highlight.js), and state persistence. Flow: editor code context, RAG conditional on intent, buildMessagesWithCodeContext. Agent Loop: read_file, list_files, apply_edit, create_file, delete_file, search_web, get_web_content, run_tests; tools with webview approval for sensitive operations. Chat Participant @agent: same backend as sidebar, active editor code context, RAG by intent, routing to agents or direct LLM. Workspace tools: read_file, list_files, apply_edit, create_file, delete_file registered in vscode.lm for native Copilot Chat. MCP (Model Context Protocol) integration as LLM fallback with configurable endpoint. GitHub Auth (scopes repo, read:user) for Copilot. ProjectKnowledgeWatcher to invalidate cache on AGENT_SYSTEM.md changes. Build and packaging: tsc -b for core/infra, esbuild for extension (single bundle, target node18, minify in production). wa-sqlite and sql.js WASM copied to dist. Script package-with-node20.sh (nvm/fnm) with compile, secret-scan (@secretlint/node), and vsce package. Published on Open-VSX with OVSX_PAT. Patch for @secretlint/node: concurrency Math.max(1, os.cpus().length) in container-like environments. Activation with retries, health checks, and resource availability. Activation phases (health, commands, services, views, diagnostics) with structured logging. ExtensionHostHealthMonitor, ResourceAvailabilityChecker, ActivationRetryHandler with configurable backoff. Features: sidebar chat with streaming, persistent model (Auto or concrete), optional RAG (OpenAI + FTS3 fallback), Agent Loop with risk-based approval; Auto/Agent/Plan modes; reasoning L/M/H; Chat Participant @agent; Project Memory panel (Index/Reindex/Clear, status, Search badge); AI Project Awareness (badge + Project Context); memory tree view; commands (diagnostics, exportLogs, status, setProjectInstructions, refreshWorkspaceEmbeddings, Set OpenAI API Key, Configure Web Search Provider & API Key); Project Knowledge from AGENT_SYSTEM.md; project instructions and project summary; workspace embeddings with persistent index and hash-gating. Stack: TypeScript (ES2022), VS Code API ^1.99.0, pnpm workspaces, esbuild, sql.js, wa-sqlite, groq-sdk, openai, marked, highlight.js, dompurify, zod, @modelcontextprotocol/sdk. Extension Kind: ui. Capabilities: languageModels (priority high). Available on Open-VSX and VS Code Marketplace: https://marketplace.visualstudio.com/items?itemName=JorgeLeal.agent-system. Asistente de código IA para VS Code con orquestación multiagente, memoria persistente y conciencia del proyecto — usa Copilot, Groq o ambos (Groq potencia Copilot). Mantiene un estado vivo y consciente del código y la lógica del proyecto. Qué hace diferente a Agent System: Memoria persistente local (sesión, proyecto, global en SQLite; sin sincronización en la nube). Orquestación multiagente (Coder, Reviewer, Tester, Coordinator con routing por intención). API-agnostic (Copilot, Groq, futuros proveedores; cambia o combina desde la UI). Funciona sin API keys (DuckDuckGo para búsqueda web, Copilot cuando esté disponible; añade Groq para potenciar Copilot cuando quieras). Privacidad: Sin telemetría. Corre en local. Tu código no sale de tu máquina salvo por el proveedor configurado (p. ej. Copilot o Groq). Arquitectura en capas (core, infra, app): core con interfaces (ports) sin dependencias de framework, infra con implementaciones (adapters) y app como punto de activación. Monorepo pnpm workspaces con tres paquetes: @agentsystem/core (dominio, EventBus, TOTON, tipos), @agentsystem/infra (adapters), apps/vscode-extension (activación y UI). Sistema de agentes especializados: Coder (generación), Reviewer (revisión), Tester (tests), Coordinator (orquestación). AgentBase con StateGraph (lifecycle y task) y RagPort opcional (memoria + RAG de workspace en paralelo). AgentRouter con detección híbrida: semántica (embeddings) → cache (TTL 2 min) → keywords → LLM opcional (Groq 8B). Orquestador con estrategia best-match y colaboración entre agentes. Aprobación de tools por nivel de riesgo (ToolRiskRegistry central). Modos en el header: Auto (routing por intención), Agent (ejecución con agentes), Plan (solo análisis, sin modificar archivos ni terminal). Reasoning level Low/Medium/High (thinkingBudget) por mensaje. LLM en cadena: Copilot Chat (principal) → VS Code LM → MCP como fallback. Groq solo para intent, no para chat. ModelSelectionPort con auto-selección, retries configurables y persistencia (globalState + contributes.configuration); selector de modelo persistente (Auto o modelo concreto). Configuración de threshold de confianza (default 0.4) para uso de agentes vs coordinator. Memoria persistente en SQLite: wa-sqlite y sql.js, scopes session/project/global con TTL y evicción LRU. HybridMemoryAdapter con fábrica que usa projectId y storageUri. Embeddings opcionales (OpenAI text-embedding-3-small, 512 dims) para RAG; configuración desde sidebar (Project Memory → Set API Key) o comando Agent System: Set OpenAI API Key; fallback a FTS3 full-text search si no hay key. Project instructions y project summary inyectados en el prompt. Índice de workspace persistente en SQLite (chunks + hashes); carga en caliente al iniciar; archivos sin cambios se omiten por SHA-256 (sin llamadas a embeddings). Panel Project Memory en la sidebar: Index Project, Reindex, Clear Index, estado del índice, aviso "Index outdated" al cambiar workspace folders; badge Search (proveedor activo) en la misma sección. AI Project Awareness: análisis estático del workspace (sin LLM) — framework (React, Next, NestJS, Express, …), lenguaje (TypeScript, Python, Go, …), build, test runner, arquitectura (clean, MVC, monorepo). Resultado inyectado como "Project Context" y badge de estado (Healthy / Needs Review / Unknown) en la sidebar. Web Search: DuckDuckGo sin API key; opción de Brave, Serper, Tavily o endpoint custom; configuración desde badge Search en sidebar o comando Agent System: Configure Web Search Provider & API Key; hot-reload al cambiar proveedor. Webview de chat con DOMPurify para sanitización, CSP con nonce, markdown (marked + highlight.js) y persistencia de estado. Flujo: code context del editor, RAG condicional por intención, buildMessagesWithCodeContext. Agent Loop: read_file, list_files, apply_edit, create_file, delete_file, search_web, get_web_content, run_tests; tools con aprobación en webview para operaciones sensibles. Chat Participant @agent: mismo backend que el sidebar, code context del editor activo, RAG por intención, routing a agentes o LLM directo. Workspace tools: read_file, list_files, apply_edit, create_file, delete_file registrados en vscode.lm para Copilot Chat nativo. Integración MCP (Model Context Protocol) como fallback de LLM con endpoint configurable. Integración con GitHub Auth (scopes repo, read:user) para Copilot. ProjectKnowledgeWatcher para invalidar cache ante cambios en AGENT_SYSTEM.md. Build y packaging: tsc -b para core/infra, esbuild para extensión (bundle único, target node18, minify en producción). WASM de wa-sqlite y sql.js copiados a dist. Script package-with-node20.sh (nvm/fnm) con compile, secret-scan (@secretlint/node) y vsce package. Publicación en Open-VSX con OVSX_PAT. Parche para @secretlint/node: concurrency Math.max(1, os.cpus().length) en entornos tipo contenedores. Activación con retries, health checks y resource availability. Fases de activación (health, commands, services, views, diagnostics) con logging estructurado. ExtensionHostHealthMonitor, ResourceAvailabilityChecker, ActivationRetryHandler con backoff configurable. Features: sidebar chat con streaming, modelo persistente (Auto o concreto), RAG opcional (OpenAI + FTS3 fallback), Agent Loop con aprobación por riesgo; modos Auto/Agent/Plan; reasoning L/M/H; Chat Participant @agent; panel Project Memory (Index/Reindex/Clear, estado, Search badge); AI Project Awareness (badge + Project Context); memoria tree view; comandos (diagnostics, exportLogs, status, setProjectInstructions, refreshWorkspaceEmbeddings, Set OpenAI API Key, Configure Web Search Provider & API Key); Project Knowledge desde AGENT_SYSTEM.md; project instructions y project summary; workspace embeddings con índice persistente y hash-gating. Stack: TypeScript (ES2022), VS Code API ^1.99.0, pnpm workspaces, esbuild, sql.js, wa-sqlite, groq-sdk, openai, marked, highlight.js, dompurify, zod, @modelcontextprotocol/sdk. Extension Kind: ui. Capabilities: languageModels (priority high). Disponible en Open-VSX y en VS Code Marketplace: https://marketplace.visualstudio.com/items?itemName=JorgeLeal.agent-system.

Plataforma SaaS para pequeños negocios en México que permite crear una tienda online en 15 minutos con pedidos directos a WhatsApp, sin comisiones por venta. Sistema completo de e-commerce con suscripciones recurrentes, chatbot con IA, sistema de referidos y dashboard administrativo multi-tenant. Frontend con SvelteKit implementando arquitectura híbrida: páginas estáticas pre-renderizadas para SEO óptimo, rutas dinámicas SSR para tiendas públicas con meta tags dinámicos (OpenGraph, Twitter Cards, Schema.org), y componentes client-side reactivos para interactividad. PWA completa con manifest.json, service worker, y botón de instalación inteligente que detecta plataforma y navegador (iOS Safari, Android Chrome, Desktop Chrome/Edge/Firefox) para ofrecer instalación directa o instrucciones específicas por dispositivo. Sistema de diseño responsive mobile-first con Tailwind CSS, componentes modulares reutilizables (Input, Button, Icon, Chatbot, InstallButton), y manejo de estado con Svelte stores (auth, cart, business). Backend en Go con Fiber framework implementando Clean Architecture: separación en capas (handlers → services → repositories), dependency injection con interfaces para testabilidad, middleware personalizado (autenticación JWT, autorización admin, rate limiting, error handling centralizado, caché de respuestas públicas con TTL configurable). Base de datos PostgreSQL (Neon serverless) con GORM ORM, migraciones automáticas, soft delete, índices optimizados, y relaciones foreign key para integridad referencial. Sistema de caché en memoria para analytics y métricas con TTL de 5 minutos, reduciendo carga en base de datos. Integración completa con Stripe para pagos: suscripciones recurrentes ($249 MXN/mes) con webhooks para sincronización de estados (checkout.session.completed, customer.subscription.updated, customer.subscription.deleted, invoice.payment_succeeded/failed), Stripe Connect para pagos de pedidos de clientes, state machine para validar transiciones de suscripción (trial → active → past_due → cancelled), y manejo de períodos de prueba con expiración automática. Sistema de referidos con códigos únicos (formato QUBLY####), límite anual de 3 referidos exitosos por negocio, descuentos automáticos para referidor y referido al completar primera suscripción, y tracking completo de referrals con estados (pending, successful, failed). Chatbot con IA integrado usando Groq API (modelo Llama) con optimización TOON (Token Oriented Object Notation): construcción de contexto en formato string compacto en lugar de JSON para reducir tokens y costos de API, límites adaptativos de productos y reseñas según intención detectada (10 productos por defecto, expansión hasta 50 para intenciones de exploración), truncado inteligente de descripciones (60 caracteres para productos, 100 para comentarios), y prompts optimizados con system prompt y user prompt separados para evitar redundancia. Detección de intención automática (producto, precio, entrega, pago, reseñas), construcción de contexto dinámico con información del negocio (productos activos, reseñas aprobadas, configuración), sistema de caché de respuestas para reducir llamadas a API, logging completo de eventos de chatbot para analytics, y métricas avanzadas (total interacciones, cache hit rate, tiempo promedio de respuesta, breakdown por intención, queries no cubiertos). Widget de chatbot flotante con tema personalizable por negocio, animaciones suaves, y manejo robusto de eventos en móvil para prevenir cierre accidental del modal. Sistema de comentarios y reseñas con moderación: estrellas (1-5), aprobación manual por admin, paginación (12 por página), visualización en tienda pública, y cálculo automático de promedio. Dashboard administrativo multi-tenant con métricas separadas (Platform Metrics para Qubly como negocio, Customer Metrics para tiendas de clientes), analytics en tiempo real con caché inteligente, gráficos con Chart.js (registros semanales, revenue mensual, breakdown por status), gestión completa de usuarios (listar, crear, invitar, actualizar, cambiar contraseña), y sistema de roles (super_admin, admin_viewer). Features destacados: landing page con 7 secciones (hero, beneficios, comparativa Rappi/Uber Eats vs Qubly, testimonios, FAQ, CTA), registro con verificación de email vía Resend, dashboard de negocio con estadísticas (total pedidos, revenue, productos activos), gestión completa de productos y categorías con ordenamiento personalizable, tienda pública con carrito persistente en localStorage, checkout con generación automática de links de WhatsApp formateados, sistema de órdenes con estados (pending, confirmed, completed, cancelled), SEO optimizado con meta tags dinámicos por tienda, sitemap XML auto-generado, robots.txt configurable, y sistema de limpieza automática de datos de prueba con jobs programados. Optimizaciones: multi-stage Docker builds para imágenes optimizadas, compresión automática de respuestas HTTP vía Fly.io proxy edge, lazy loading de imágenes, dynamic imports para reducir bundle inicial, eliminación de console.log en producción vía esbuild, y sistema de health checks para monitoreo. Arquitectura offline-first con assets locales, fuentes self-hosted (Inter Variable), y sistema de iconos SVG (Phosphor Icons) integrado. Stack: TypeScript, SvelteKit, Go 1.21, Fiber v2, PostgreSQL (Neon), GORM, Stripe API, Groq API, Resend, Cloudinary, Tailwind CSS, Chart.js, Docker, Fly.io. Deploy automatizado en Fly.io con zero-downtime, variables de entorno inyectadas en build-time para frontend (VITE_), y configuración dual dev/prod con detección automática de entorno. SaaS platform for small businesses in Mexico that allows creating an online store in 15 minutes with direct orders to WhatsApp, without sales commissions. Complete e-commerce system with recurring subscriptions, AI chatbot, referral system and multi-tenant administrative dashboard. Frontend with SvelteKit implementing hybrid architecture: pre-rendered static pages for optimal SEO, dynamic SSR routes for public stores with dynamic meta tags (OpenGraph, Twitter Cards, Schema.org), and reactive client-side components for interactivity. Complete PWA with manifest.json, service worker, and intelligent installation button that detects platform and browser (iOS Safari, Android Chrome, Desktop Chrome/Edge/Firefox) to offer direct installation or device-specific instructions. Mobile-first responsive design system with Tailwind CSS, modular reusable components (Input, Button, Icon, Chatbot, InstallButton), and state management with Svelte stores (auth, cart, business). Backend in Go with Fiber framework implementing Clean Architecture: layer separation (handlers → services → repositories), dependency injection with interfaces for testability, custom middleware (JWT authentication, admin authorization, rate limiting, centralized error handling, public response caching with configurable TTL). PostgreSQL database (Neon serverless) with GORM ORM, automatic migrations, soft delete, optimized indexes, and foreign key relationships for referential integrity. In-memory cache system for analytics and metrics with 5-minute TTL, reducing database load. Complete Stripe integration for payments: recurring subscriptions ($249 MXN/month) with webhooks for state synchronization (checkout.session.completed, customer.subscription.updated, customer.subscription.deleted, invoice.payment_succeeded/failed), Stripe Connect for customer order payments, state machine to validate subscription transitions (trial → active → past_due → cancelled), and trial period handling with automatic expiration. Referral system with unique codes (QUBLY#### format), annual limit of 3 successful referrals per business, automatic discounts for referrer and referred upon completing first subscription, and complete referral tracking with states (pending, successful, failed). AI chatbot integrated using Groq API (Llama model) with TOON optimization (Token Oriented Object Notation): context construction in compact string format instead of JSON to reduce tokens and API costs, adaptive limits for products and reviews based on detected intent (10 products by default, expansion up to 50 for exploration intents), intelligent description truncation (60 characters for products, 100 for comments), and optimized prompts with separate system prompt and user prompt to avoid redundancy. Automatic intent detection (product, price, delivery, payment, reviews), dynamic context construction with business information (active products, approved reviews, configuration), response caching system to reduce API calls, complete chatbot event logging for analytics, and advanced metrics (total interactions, cache hit rate, average response time, breakdown by intent, uncovered queries). Floating chatbot widget with customizable theme per business, smooth animations, and robust mobile event handling to prevent accidental modal closure. Comments and reviews system with moderation: stars (1-5), manual approval by admin, pagination (12 per page), public store display, and automatic average calculation. Multi-tenant administrative dashboard with separated metrics (Platform Metrics for Qubly as business, Customer Metrics for client stores), real-time analytics with intelligent caching, charts with Chart.js (weekly records, monthly revenue, breakdown by status), complete user management (list, create, invite, update, change password), and role system (super_admin, admin_viewer). Key features: landing page with 7 sections (hero, benefits, Rappi/Uber Eats vs Qubly comparison, testimonials, FAQ, CTA), registration with email verification via Resend, business dashboard with statistics (total orders, revenue, active products), complete product and category management with customizable ordering, public store with persistent cart in localStorage, checkout with automatic generation of formatted WhatsApp links, order system with states (pending, confirmed, completed, cancelled), optimized SEO with dynamic meta tags per store, auto-generated XML sitemap, configurable robots.txt, and automatic test data cleanup system with scheduled jobs. Optimizations: multi-stage Docker builds for optimized images, automatic HTTP response compression via Fly.io proxy edge, lazy loading of images, dynamic imports to reduce initial bundle, console.log removal in production via esbuild, and health check system for monitoring. Offline-first architecture with local assets, self-hosted fonts (Inter Variable), and integrated SVG icon system (Phosphor Icons). Stack: TypeScript, SvelteKit, Go 1.21, Fiber v2, PostgreSQL (Neon), GORM, Stripe API, Groq API, Resend, Cloudinary, Tailwind CSS, Chart.js, Docker, Fly.io. Automated deployment on Fly.io with zero-downtime, environment variables injected at build-time for frontend (VITE_), and dual dev/prod configuration with automatic environment detection. Plataforma SaaS para pequeños negocios en México que permite crear una tienda online en 15 minutos con pedidos directos a WhatsApp, sin comisiones por venta. Sistema completo de e-commerce con suscripciones recurrentes, chatbot con IA, sistema de referidos y dashboard administrativo multi-tenant. Frontend con SvelteKit implementando arquitectura híbrida: páginas estáticas pre-renderizadas para SEO óptimo, rutas dinámicas SSR para tiendas públicas con meta tags dinámicos (OpenGraph, Twitter Cards, Schema.org), y componentes client-side reactivos para interactividad. PWA completa con manifest.json, service worker, y botón de instalación inteligente que detecta plataforma y navegador (iOS Safari, Android Chrome, Desktop Chrome/Edge/Firefox) para ofrecer instalación directa o instrucciones específicas por dispositivo. Sistema de diseño responsive mobile-first con Tailwind CSS, componentes modulares reutilizables (Input, Button, Icon, Chatbot, InstallButton), y manejo de estado con Svelte stores (auth, cart, business). Backend en Go con Fiber framework implementando Clean Architecture: separación en capas (handlers → services → repositories), dependency injection con interfaces para testabilidad, middleware personalizado (autenticación JWT, autorización admin, rate limiting, error handling centralizado, caché de respuestas públicas con TTL configurable). Base de datos PostgreSQL (Neon serverless) con GORM ORM, migraciones automáticas, soft delete, índices optimizados, y relaciones foreign key para integridad referencial. Sistema de caché en memoria para analytics y métricas con TTL de 5 minutos, reduciendo carga en base de datos. Integración completa con Stripe para pagos: suscripciones recurrentes ($249 MXN/mes) con webhooks para sincronización de estados (checkout.session.completed, customer.subscription.updated, customer.subscription.deleted, invoice.payment_succeeded/failed), Stripe Connect para pagos de pedidos de clientes, state machine para validar transiciones de suscripción (trial → active → past_due → cancelled), y manejo de períodos de prueba con expiración automática. Sistema de referidos con códigos únicos (formato QUBLY####), límite anual de 3 referidos exitosos por negocio, descuentos automáticos para referidor y referido al completar primera suscripción, y tracking completo de referrals con estados (pending, successful, failed). Chatbot con IA integrado usando Groq API (modelo Llama) con optimización TOON (Token Oriented Object Notation): construcción de contexto en formato string compacto en lugar de JSON para reducir tokens y costos de API, límites adaptativos de productos y reseñas según intención detectada (10 productos por defecto, expansión hasta 50 para intenciones de exploración), truncado inteligente de descripciones (60 caracteres para productos, 100 para comentarios), y prompts optimizados con system prompt y user prompt separados para evitar redundancia. Detección de intención automática (producto, precio, entrega, pago, reseñas), construcción de contexto dinámico con información del negocio (productos activos, reseñas aprobadas, configuración), sistema de caché de respuestas para reducir llamadas a API, logging completo de eventos de chatbot para analytics, y métricas avanzadas (total interacciones, cache hit rate, tiempo promedio de respuesta, breakdown por intención, queries no cubiertos). Widget de chatbot flotante con tema personalizable por negocio, animaciones suaves, y manejo robusto de eventos en móvil para prevenir cierre accidental del modal. Sistema de comentarios y reseñas con moderación: estrellas (1-5), aprobación manual por admin, paginación (12 por página), visualización en tienda pública, y cálculo automático de promedio. Dashboard administrativo multi-tenant con métricas separadas (Platform Metrics para Qubly como negocio, Customer Metrics para tiendas de clientes), analytics en tiempo real con caché inteligente, gráficos con Chart.js (registros semanales, revenue mensual, breakdown por status), gestión completa de usuarios (listar, crear, invitar, actualizar, cambiar contraseña), y sistema de roles (super_admin, admin_viewer). Features destacados: landing page con 7 secciones (hero, beneficios, comparativa Rappi/Uber Eats vs Qubly, testimonios, FAQ, CTA), registro con verificación de email vía Resend, dashboard de negocio con estadísticas (total pedidos, revenue, productos activos), gestión completa de productos y categorías con ordenamiento personalizable, tienda pública con carrito persistente en localStorage, checkout con generación automática de links de WhatsApp formateados, sistema de órdenes con estados (pending, confirmed, completed, cancelled), SEO optimizado con meta tags dinámicos por tienda, sitemap XML auto-generado, robots.txt configurable, y sistema de limpieza automática de datos de prueba con jobs programados. Optimizaciones: multi-stage Docker builds para imágenes optimizadas, compresión automática de respuestas HTTP vía Fly.io proxy edge, lazy loading de imágenes, dynamic imports para reducir bundle inicial, eliminación de console.log en producción vía esbuild, y sistema de health checks para monitoreo. Arquitectura offline-first con assets locales, fuentes self-hosted (Inter Variable), y sistema de iconos SVG (Phosphor Icons) integrado. Stack: TypeScript, SvelteKit, Go 1.21, Fiber v2, PostgreSQL (Neon), GORM, Stripe API, Groq API, Resend, Cloudinary, Tailwind CSS, Chart.js, Docker, Fly.io. Deploy automatizado en Fly.io con zero-downtime, variables de entorno inyectadas en build-time para frontend (VITE_), y configuración dual dev/prod con detección automática de entorno.

Sitio de noticias y contenido editorial sobre música, cine y cultura popular. Frontend con Next.js 14 App Router implementando Incremental Static Regeneration (revalidación cada 5 minutos) para balance entre contenido actualizado y performance excepcional. Backend headless CMS con KeystoneJS + PostgreSQL (Neon) para gestión editorial completa. Arquitectura híbrida: Server Components para SEO óptimo, Client Components estratégicos para interactividad. Integración con Cloudinary para CDN y optimización automática de imágenes. Features: sistema de autores, categorías dinámicas, posts destacados con hero visual, lazy loading de embeds multimedia (Spotify/YouTube/Bandcamp), logo 3D interactivo con Three.js. Stack: TypeScript, React, Tailwind CSS, GraphQL (URQL), Cloudinary, Docker. Deploy automatizado en Fly.io con zero-downtime. News and editorial content site about music, film and popular culture. Frontend with Next.js 14 App Router implementing Incremental Static Regeneration (revalidation every 5 minutes) for balance between updated content and exceptional performance. Headless CMS backend with KeystoneJS + PostgreSQL (Neon) for complete editorial management. Hybrid architecture: Server Components for optimal SEO, strategic Client Components for interactivity. Cloudinary integration for CDN and automatic image optimization. Features: author system, dynamic categories, featured posts with visual hero, lazy loading of multimedia embeds (Spotify/YouTube/Bandcamp), interactive 3D logo with Three.js. Stack: TypeScript, React, Tailwind CSS, GraphQL (URQL), Cloudinary, Docker. Automated deployment on Fly.io with zero-downtime. Sitio de noticias y contenido editorial sobre música, cine y cultura popular. Frontend con Next.js 14 App Router implementando Incremental Static Regeneration (revalidación cada 5 minutos) para balance entre contenido actualizado y performance excepcional. Backend headless CMS con KeystoneJS + PostgreSQL (Neon) para gestión editorial completa. Arquitectura híbrida: Server Components para SEO óptimo, Client Components estratégicos para interactividad. Integración con Cloudinary para CDN y optimización automática de imágenes. Features: sistema de autores, categorías dinámicas, posts destacados con hero visual, lazy loading de embeds multimedia (Spotify/YouTube/Bandcamp), logo 3D interactivo con Three.js. Stack: TypeScript, React, Tailwind CSS, GraphQL (URQL), Cloudinary, Docker. Deploy automatizado en Fly.io con zero-downtime.

Plataforma digital para label musical independiente. Sitio web para promoción de lanzamientos musicales y contenido editorial. Migración completa de arquitectura CSR (Client-Side Rendering) a ISR (Incremental Static Regeneration) con Next.js 14 App Router, logrando renderizado híbrido con cache inteligente de 5 minutos. Backend headless CMS desarrollado con KeystoneJS 6 + PostgreSQL (Neon) para gestión de contenido editorial. Implementación de Server Components para data fetching optimizado con generateStaticParams() y Client Components selectivos para interactividad. Sistema de posts con estados (featured/published), categorías públicas y páginas estáticas, todos con ISR. Features: hero carrusel de posts destacados con fetching server-side, grid infinito de posts con paginación, integración de embeds multimedia (Spotify/YouTube/Bandcamp) con lazy loading, metalinks automáticos a plataformas de streaming, logo 3D interactivo con Three.js/React Three Fiber, optimización de imágenes con Cloudinary CDN, sitemap XML dinámico con metadatos de imágenes. Monorepo con pnpm workspaces (apps/web-new + apps/cms). Optimizaciones: fuentes Inter self-hosted con preload, dynamic imports para reducir bundle inicial, loading states para cold starts en Fly.io. Stack: TypeScript, Next.js 14, React 18, Tailwind CSS, GraphQL (urql), KeystoneJS 6, PostgreSQL, Cloudinary, Three.js, Docker. Deploy automatizado en Fly.io. Digital platform for independent music label. Website for music releases promotion and editorial content. Complete migration from CSR (Client-Side Rendering) to ISR (Incremental Static Regeneration) architecture with Next.js 14 App Router, achieving hybrid rendering with intelligent 5-minute cache. Headless CMS backend developed with KeystoneJS 6 + PostgreSQL (Neon) for editorial content management. Server Components implementation for optimized data fetching with generateStaticParams() and selective Client Components for interactivity. Post system with states (featured/published), public categories and static pages, all with ISR. Features: hero carousel of featured posts with server-side fetching, infinite posts grid with pagination, multimedia embeds integration (Spotify/YouTube/Bandcamp) with lazy loading, automatic metalinks to streaming platforms, interactive 3D logo with Three.js/React Three Fiber, image optimization with Cloudinary CDN, dynamic XML sitemap with image metadata. Monorepo with pnpm workspaces (apps/web-new + apps/cms). Optimizations: self-hosted Inter fonts with preload, dynamic imports to reduce initial bundle, loading states for Fly.io cold starts. Stack: TypeScript, Next.js 14, React 18, Tailwind CSS, GraphQL (urql), KeystoneJS 6, PostgreSQL, Cloudinary, Three.js, Docker. Automated deployment on Fly.io. Plataforma digital para label musical independiente. Sitio web para promoción de lanzamientos musicales y contenido editorial. Migración completa de arquitectura CSR (Client-Side Rendering) a ISR (Incremental Static Regeneration) con Next.js 14 App Router, logrando renderizado híbrido con cache inteligente de 5 minutos. Backend headless CMS desarrollado con KeystoneJS 6 + PostgreSQL (Neon) para gestión de contenido editorial. Implementación de Server Components para data fetching optimizado con generateStaticParams() y Client Components selectivos para interactividad. Sistema de posts con estados (featured/published), categorías públicas y páginas estáticas, todos con ISR. Features: hero carrusel de posts destacados con fetching server-side, grid infinito de posts con paginación, integración de embeds multimedia (Spotify/YouTube/Bandcamp) con lazy loading, metalinks automáticos a plataformas de streaming, logo 3D interactivo con Three.js/React Three Fiber, optimización de imágenes con Cloudinary CDN, sitemap XML dinámico con metadatos de imágenes. Monorepo con pnpm workspaces (apps/web-new + apps/cms). Optimizaciones: fuentes Inter self-hosted con preload, dynamic imports para reducir bundle inicial, loading states para cold starts en Fly.io. Stack: TypeScript, Next.js 14, React 18, Tailwind CSS, GraphQL (urql), KeystoneJS 6, PostgreSQL, Cloudinary, Three.js, Docker. Deploy automatizado en Fly.io.

Plataforma de catálogo musical para productor independiente especializado en beats instrumentales, mixing y mastering. Frontend con SvelteKit implementando arquitectura híbrida: páginas individuales SSR para SEO óptimo + modal overlay client-side para UX fluida tipo Spotify. Backend FastAPI + PostgreSQL (Neon) con admin panel personalizado para gestión completa de playlists, tracks y configuración dinámica. Sistema de proxy interno para resolver CORS en navegación desde Google móvil. Integración con Cloudinary para almacenamiento y delivery de audio/imágenes por género. Features: reproductor de audio completo con shuffle inteligente, contador de plays con tracking API, newsletter float widget, theme switcher dark/light persistente, brand colors dinámicos desde dashboard, sitemap XML auto-generado, meta tags dinámicos OpenGraph/Twitter/Schema.org (MusicPlaylist). Stack: TypeScript, Svelte, Tailwind CSS, Axios, Three.js (logo 3D + efectos visuales), FastAPI, SQLAlchemy, Cloudinary. Deploy dual: Frontend en Fly.io, Backend en Fly.io con PostgreSQL en Neon. Music catalogue platform for independent producer specialized in instrumental beats, mixing and mastering. Frontend with SvelteKit implementing hybrid architecture: individual SSR pages for optimal SEO + client-side modal overlay for Spotify-like fluid UX. FastAPI + PostgreSQL (Neon) backend with custom admin panel for complete management of playlists, tracks and dynamic configuration. Internal proxy system to resolve CORS in navigation from Google mobile. Cloudinary integration for audio/image storage and delivery by genre. Features: complete audio player with intelligent shuffle, play counter with API tracking, newsletter float widget, persistent dark/light theme switcher, dynamic brand colors from dashboard, auto-generated XML sitemap, dynamic meta tags OpenGraph/Twitter/Schema.org (MusicPlaylist). Stack: TypeScript, Svelte, Tailwind CSS, Axios, Three.js (3D logo + visual effects), FastAPI, SQLAlchemy, Cloudinary. Dual deployment: Frontend on Fly.io, Backend on Fly.io with PostgreSQL on Neon. Plataforma de catálogo musical para productor independiente especializado en beats instrumentales, mixing y mastering. Frontend con SvelteKit implementando arquitectura híbrida: páginas individuales SSR para SEO óptimo + modal overlay client-side para UX fluida tipo Spotify. Backend FastAPI + PostgreSQL (Neon) con admin panel personalizado para gestión completa de playlists, tracks y configuración dinámica. Sistema de proxy interno para resolver CORS en navegación desde Google móvil. Integración con Cloudinary para almacenamiento y delivery de audio/imágenes por género. Features: reproductor de audio completo con shuffle inteligente, contador de plays con tracking API, newsletter float widget, theme switcher dark/light persistente, brand colors dinámicos desde dashboard, sitemap XML auto-generado, meta tags dinámicos OpenGraph/Twitter/Schema.org (MusicPlaylist). Stack: TypeScript, Svelte, Tailwind CSS, Axios, Three.js (logo 3D + efectos visuales), FastAPI, SQLAlchemy, Cloudinary. Deploy dual: Frontend en Fly.io, Backend en Fly.io con PostgreSQL en Neon.

Servicio inteligente de optimización de imágenes construido con Rust implementando Clean Architecture (Arquitectura Hexagonal). Alternativa CDN de alto rendimiento diseñada para reemplazar la optimización nativa de Cloudinary con mejor control, compresión superior y detección inteligente de contexto. Actualmente sirviendo imágenes optimizadas para Qubly CRM y LaZalza con 15-30% mejor compresión y latencia de caché sub-10ms. Backend en Rust con framework Axum implementando Clean Architecture: separación estricta de capas (domain → application → infrastructure), inyección de dependencias con traits para testabilidad, cero dependencias externas en capa de dominio. Capa de dominio contiene lógica de negocio pura (modelos, servicios, ports como traits), capa de aplicación orquesta casos de uso (OptimizeImageUseCase, GenerateMetricsUseCase, GetCachedImageUseCase), y capa de infraestructura implementa adaptadores externos (handlers HTTP, base de datos, caché, procesamiento de imágenes, integraciones third-party). Todas las preocupaciones transversales aisladas en capa compartida (config, errors, observability). Sistema de caché multi-capa para rendimiento óptimo: caché L1 en memoria con Moka (evicción LRU, 1000 entradas, TTL 5 minutos) logrando latencia <10ms (95% más rápido que red), caché L2 persistente en PostgreSQL (Neon serverless) para compartir entre instancias con limpieza automática de entradas antiguas, y caché L3 Redis (Upstash) con soporte TLS para caché distribuido. Generación de claves de caché usando hash SHA-256 de URL + dimensiones + calidad + formato + contexto de cliente, asegurando entradas únicas por combinación navegador/dispositivo. Invalidación inteligente de caché en cambios de formato y políticas de evicción automáticas. Procesamiento avanzado de imágenes con encoders específicos por formato: codificación JPEG con MozJPEG para soporte de parámetro de calidad (0-100 configurable), codificación WebP lossy con control de calidad usando crate webp (image crate solo soporta lossless), codificación AVIF con ravif (encoder AVIF puro en Rust) para soporte de formato next-gen, y optimización PNG con reducción automática de paleta. Redimensionamiento inteligente con preservación de aspect ratio: cálculo automático de altura cuando solo se provee ancho, cálculo automático de ancho cuando solo se provee altura, escalado proporcional manteniendo aspect ratio original, y redondeo configurable de dimensiones para eficiencia de caché. Sistema inteligente de detección de contexto de cliente: parsing de HTTP Client Hints (DPR para device pixel ratio, Viewport-Width para píxeles CSS, Width para píxeles físicos incluyendo DPR, Save-Data para detección de velocidad de conexión), parsing de header Accept para detección de capacidad de formato (AVIF, WebP, JPEG, PNG ordenados por preferencia), parsing de User-Agent con Woothee para detección de tipo de dispositivo (mobile, tablet, desktop), y validación automática de formato con FormatCapabilityMatrix asegurando compatibilidad de navegador (Safari iOS < 14 fallback a JPEG, Safari iOS 14-15.3 soporta solo WebP, Safari iOS 16+ soporta AVIF). Struct ClientContext agrega toda la información detectada para decisiones de optimización: vector de formatos soportados ordenados por preferencia, tipo de dispositivo para cálculo de dimensiones, flag save_data para ajuste de calidad, DPR para soporte de displays high-DPI, viewport width para dimensionamiento responsive, y cálculo de ancho efectivo priorizando Width header > viewport * DPR > viewport. Optimización adaptativa de calidad basada en contexto: calidad base desde parámetro de request (default 85), reducción para modo Save-Data (-15 calidad para ahorro de datos), reducción para conexiones lentas inferidas desde tipo de dispositivo, y ajustes de calidad específicos por formato (AVIF puede usar menor calidad para mismo resultado visual). Optimización de dimensiones con awareness de DPR: upscaling automático para displays high-DPI (2x, 3x), dimensionamiento basado en viewport para imágenes responsive, y redondeo configurable de dimensiones para mejores tasas de cache hit. Integración con Cloudinary con bypass completo: CloudinaryAdapter implementa trait ExternalOptimizer, build_original_url construye URLs para obtener imágenes sin procesar desde Cloudinary, fetch_original recupera datos de imagen raw bypaseando la optimización de Cloudinary, y PixMinder procesa imágenes originales con compresión superior. Esta arquitectura permite migración gradual desde Cloudinary manteniendo compatibilidad. Optimizaciones de rendimiento: patrón Singleflight para prevenir requests concurrentes duplicados para misma imagen (deduplicación), semáforo adaptativo para control de concurrencia con ajuste dinámico basado en carga del sistema, async/await en todo el código para I/O no bloqueante, operaciones zero-copy donde sea posible, y gestión eficiente de memoria con sistema de ownership de Rust. Observabilidad con logging estructurado usando crate tracing, tracking de request span para distributed tracing, colección detallada de métricas (cache hit rate, optimization time, compression ratio, format distribution), y manejo comprehensivo de errores con tipos de error custom. Sistema de autenticación y autorización: generación de tokens JWT con secret y expiración configurables, hashing de contraseñas con Argon2 para almacenamiento seguro de credenciales, autenticación basada en cookies con flags HttpOnly y Secure, rutas protegidas con middleware de verificación de token, y gestión de usuarios con persistencia en PostgreSQL. Dashboard administrativo con visualización de métricas: contador total de optimizaciones, porcentaje de cache hit rate, tiempo promedio de optimización, gráficos de distribución de formato con Chart.js, y estadísticas en tiempo real con caché inteligente (TTL 5 minutos). Esquema de base de datos con migraciones SQLx: tabla optimizations rastreando todas las imágenes procesadas (id, url, original_size, optimized_size, format, dimensions, quality, created_at), tabla users para autenticación (id, email, password_hash, created_at, updated_at), soft delete automático para auditoría, índices optimizados para rendimiento de queries, y relaciones foreign key para integridad referencial. Connection pooling con tamaño de pool configurable y health checks automáticos de conexión. Endpoints API: GET /optimize para optimización de imagen con query parameters (url, w, h, q, format), GET /health para health check básico, GET /ready para readiness check validando conexiones de base de datos y caché, GET /metrics para métricas y estadísticas del servicio, POST /auth/login para autenticación, y GET /dashboard para interfaz administrativa (protegida). Configuración CORS con orígenes permitidos configurables soportando múltiples dominios, allowance automático de headers Client Hints (DPR, Viewport-Width, Width, Save-Data), y headers Vary para comportamiento correcto de caché. Modo pass-through para SVG: detección automática de archivos SVG por extensión y Content-Type, proxy directo sin procesamiento (SVGs ya están optimizados), headers Content-Type apropiados (image/svg+xml), y headers de caché para eficiencia de CDN. Manejo de errores con tipos AppError custom: errores Validation para requests inválidos, errores NotFound para imágenes faltantes, errores Processing para fallos de optimización de imagen, y errores External para fallos de servicios third-party. Logging comprehensivo en todos los niveles con salida JSON estructurada en producción. Workflow de desarrollo optimizado con Makefile: make check-fast para validación rápida (1-2s con cargo check), make test-fast para solo unit tests (3-5s), make test-integration para integration tests, make build-dev para builds de desarrollo, make run-dev para ejecutar servidor, y make dev para workflow completo (check → test → build → run). Estrategia de testing con 23 unit tests cubriendo lógica de dominio, integration tests para validación end-to-end, test helpers para setup de base de datos, y mock implementations para dependencias externas. Deploy con Docker usando multi-stage builds: stage builder con Rust 1.75+ y cargo chef para caché de dependencias, stage runtime con Alpine Linux para tamaño mínimo de imagen (~80MB), migraciones automáticas en startup, configuración de health check para orquestación, y caché optimizado de layers para rebuilds rápidos. Deploy en Fly.io con rolling updates zero-downtime, configuración de auto-scaling, monitoreo de health check (endpoint /health cada 10s), gestión de secrets para configuración sensible, y deploy regional (Dallas, Texas). Features de seguridad: HTTPS-only en producción con redirect automático, security headers (X-Content-Type-Options: nosniff, X-Frame-Options: DENY, Strict-Transport-Security con max-age 1 año), rate limiting con thresholds configurables, detección de bots con análisis de User-Agent, y validación de input en todos los entry points. Configuración basada en environment con defaults sensibles, todas las settings configurables vía variables de entorno, detección automática de environment (development vs production), y validación comprehensiva en startup. Features clave: auto-detección de formato desde header Accept con fallback a JPEG, optimización de calidad basada en velocidad de conexión y tipo de dispositivo, cálculo de dimensiones con preservación de aspect ratio, validación de compatibilidad de navegador previniendo mismatches de formato, arquitectura cache-first con fallback multi-capa, bypass de Cloudinary para compresión superior, soporte de Client Hints para dimensionamiento óptimo, pass-through de SVG para gráficos vectoriales, métricas y observabilidad para monitoreo, y dashboard administrativo para analytics. Optimizaciones validadas en producción: mejora de Lighthouse Performance +7-13 puntos, reducción de LCP de 300-600ms, reducción de tamaño de imagen de 25-33%, latencia de caché <10ms (95% más rápido que red), compresión 15-30% mejor que Cloudinary nativo, y cero breaking changes durante migración. Actualmente sirviendo Qubly CRM (SvelteKit + Go) y LaZalza (Next.js 14) con loaders custom para integración seamless. Stack: Rust 1.75+, Axum 0.8, Tokio (async runtime), Tower (middleware), PostgreSQL (Neon serverless), SQLx (async ORM), Redis (Upstash con TLS), Moka (in-memory cache), image crate, MozJPEG, WebP, ravif (AVIF), Woothee (browser detection), Tera (templates), Chart.js, Tracing (observability), Docker, Fly.io. Deploy automatizado en Fly.io con health checks, migraciones automáticas, y rolling updates zero-downtime. Intelligent image optimization service built with Rust implementing Clean Architecture (Hexagonal Architecture). High-performance CDN alternative designed to replace Cloudinary's native optimization with better control, superior compression, and intelligent context detection. Currently serving optimized images for Qubly CRM and LaZalza with 15-30% better compression and sub-10ms cache latency. Backend in Rust with Axum framework implementing Clean Architecture: strict layer separation (domain → application → infrastructure), dependency injection with traits for testability, zero external dependencies in domain layer. Domain layer contains pure business logic (models, services, ports as traits), application layer orchestrates use cases (OptimizeImageUseCase, GenerateMetricsUseCase, GetCachedImageUseCase), and infrastructure layer implements external adapters (HTTP handlers, database, cache, image processing, third-party integrations). All cross-cutting concerns isolated in shared layer (config, errors, observability). Multi-layer caching system for optimal performance: L1 in-memory cache with Moka (LRU eviction, 1000 entries, 5-minute TTL) achieving <10ms latency (95% faster than network), L2 persistent cache in PostgreSQL (Neon serverless) for cross-instance sharing with automatic cleanup of old entries, and L3 Redis cache (Upstash) with TLS support for distributed caching. Cache key generation using SHA-256 hash of URL + dimensions + quality + format + client context, ensuring unique cache entries per browser/device combination. Intelligent cache invalidation on format changes and automatic eviction policies. Advanced image processing with format-specific encoders: JPEG encoding with MozJPEG for quality parameter support (0-100 configurable), WebP lossy encoding with quality control using webp crate (image crate only supports lossless), AVIF encoding with ravif (pure Rust AVIF encoder) for next-gen format support, and PNG optimization with automatic palette reduction. Smart resizing with aspect ratio preservation: automatic height calculation when only width provided, automatic width calculation when only height provided, proportional scaling maintaining original aspect ratio, and configurable dimension rounding for cache efficiency. Intelligent client context detection system: HTTP Client Hints parsing (DPR for device pixel ratio, Viewport-Width for CSS pixels, Width for physical pixels including DPR, Save-Data for connection speed detection), Accept header parsing for format capability detection (AVIF, WebP, JPEG, PNG ordered by preference), User-Agent parsing with Woothee for device type detection (mobile, tablet, desktop), and automatic format validation with FormatCapabilityMatrix ensuring browser compatibility (Safari iOS < 14 fallback to JPEG, Safari iOS 14-15.3 supports WebP only, Safari iOS 16+ supports AVIF). ClientContext struct aggregates all detected information for optimization decisions: supported formats vector ordered by preference, device type for dimension calculation, save_data flag for quality adjustment, DPR for high-DPI display support, viewport width for responsive sizing, and effective width calculation prioritizing Width header > viewport * DPR > viewport. Adaptive quality optimization based on context: base quality from request parameter (default 85), reduction for Save-Data mode (-15 quality for data saving), reduction for slow connections inferred from device type, and format-specific quality adjustments (AVIF can use lower quality for same visual result). Dimension optimization with DPR awareness: automatic upscaling for high-DPI displays (2x, 3x), viewport-based sizing for responsive images, and configurable dimension rounding for better cache hit rates. Cloudinary integration with complete bypass: CloudinaryAdapter implements ExternalOptimizer trait, build_original_url constructs URLs to fetch unprocessed images from Cloudinary, fetch_original retrieves raw image data bypassing Cloudinary's optimization, and PixMinder processes original images with superior compression. This architecture allows gradual migration from Cloudinary while maintaining compatibility. Performance optimizations: Singleflight pattern to prevent duplicate concurrent requests for same image (deduplication), adaptive semaphore for concurrency control with dynamic adjustment based on system load, async/await throughout for non-blocking I/O, zero-copy operations where possible, and efficient memory management with Rust's ownership system. Observability with structured logging using tracing crate, request span tracking for distributed tracing, detailed metrics collection (cache hit rate, optimization time, compression ratio, format distribution), and comprehensive error handling with custom error types. Authentication and authorization system: JWT token generation with configurable secret and expiration, Argon2 password hashing for secure credential storage, cookie-based authentication with HttpOnly and Secure flags, protected routes with token verification middleware, and user management with PostgreSQL persistence. Administrative dashboard with metrics visualization: total optimizations count, cache hit rate percentage, average optimization time, format distribution charts with Chart.js, and real-time statistics with intelligent caching (5-minute TTL). Database schema with SQLx migrations: optimizations table tracking all processed images (id, url, original_size, optimized_size, format, dimensions, quality, created_at), users table for authentication (id, email, password_hash, created_at, updated_at), automatic soft delete for auditing, optimized indexes for query performance, and foreign key relationships for referential integrity. Connection pooling with configurable pool size and automatic connection health checks. API endpoints: GET /optimize for image optimization with query parameters (url, w, h, q, format), GET /health for basic health check, GET /ready for readiness check validating database and cache connections, GET /metrics for service metrics and statistics, POST /auth/login for authentication, and GET /dashboard for administrative interface (protected). CORS configuration with configurable allowed origins supporting multiple domains, automatic Client Hints headers allowance (DPR, Viewport-Width, Width, Save-Data), and Vary headers for proper cache behavior. SVG pass-through mode: automatic detection of SVG files by extension and Content-Type, direct proxy without processing (SVGs are already optimized), proper Content-Type headers (image/svg+xml), and cache headers for CDN efficiency. Error handling with custom AppError types: Validation errors for invalid requests, NotFound errors for missing images, Processing errors for image optimization failures, and External errors for third-party service failures. Comprehensive logging at all levels with structured JSON output in production. Development workflow optimized with Makefile: make check-fast for quick validation (1-2s with cargo check), make test-fast for unit tests only (3-5s), make test-integration for integration tests, make build-dev for development builds, make run-dev for running server, and make dev for complete workflow (check → test → build → run). Testing strategy with 23 unit tests covering domain logic, integration tests for end-to-end validation, test helpers for database setup, and mock implementations for external dependencies. Docker deployment with multi-stage builds: builder stage with Rust 1.75+ and cargo chef for dependency caching, runtime stage with Alpine Linux for minimal image size (~80MB), automatic migrations on startup, health check configuration for orchestration, and optimized layer caching for fast rebuilds. Fly.io deployment with zero-downtime rolling updates, automatic scaling configuration, health check monitoring (/health endpoint every 10s), secrets management for sensitive configuration, and regional deployment (Dallas, Texas). Security features: HTTPS-only in production with automatic redirect, security headers (X-Content-Type-Options: nosniff, X-Frame-Options: DENY, Strict-Transport-Security with 1-year max-age), rate limiting with configurable thresholds, bot detection with User-Agent analysis, and input validation at all entry points. Environment-based configuration with sensible defaults, all settings configurable via environment variables, automatic environment detection (development vs production), and comprehensive validation on startup. Key features: format auto-detection from Accept header with fallback to JPEG, quality optimization based on connection speed and device type, dimension calculation with aspect ratio preservation, browser compatibility validation preventing format mismatches, cache-first architecture with multi-layer fallback, Cloudinary bypass for superior compression, Client Hints support for optimal sizing, SVG pass-through for vector graphics, metrics and observability for monitoring, and administrative dashboard for analytics. Optimizations validated in production: Lighthouse Performance +7-13 points improvement, LCP reduction of 300-600ms, image size reduction of 25-33%, cache latency <10ms (95% faster than network), compression 15-30% better than Cloudinary native, and zero breaking changes during migration. Currently serving Qubly CRM (SvelteKit + Go) and LaZalza (Next.js 14) with custom loaders for seamless integration. Stack: Rust 1.75+, Axum 0.8, Tokio (async runtime), Tower (middleware), PostgreSQL (Neon serverless), SQLx (async ORM), Redis (Upstash with TLS), Moka (in-memory cache), image crate, MozJPEG, WebP, ravif (AVIF), Woothee (browser detection), Tera (templates), Chart.js, Tracing (observability), Docker, Fly.io. Automated deployment on Fly.io with health checks, automatic migrations, and zero-downtime rolling updates. Servicio inteligente de optimización de imágenes construido con Rust implementando Clean Architecture (Arquitectura Hexagonal). Alternativa CDN de alto rendimiento diseñada para reemplazar la optimización nativa de Cloudinary con mejor control, compresión superior y detección inteligente de contexto. Actualmente sirviendo imágenes optimizadas para Qubly CRM y LaZalza con 15-30% mejor compresión y latencia de caché sub-10ms. Backend en Rust con framework Axum implementando Clean Architecture: separación estricta de capas (domain → application → infrastructure), inyección de dependencias con traits para testabilidad, cero dependencias externas en capa de dominio. Capa de dominio contiene lógica de negocio pura (modelos, servicios, ports como traits), capa de aplicación orquesta casos de uso (OptimizeImageUseCase, GenerateMetricsUseCase, GetCachedImageUseCase), y capa de infraestructura implementa adaptadores externos (handlers HTTP, base de datos, caché, procesamiento de imágenes, integraciones third-party). Todas las preocupaciones transversales aisladas en capa compartida (config, errors, observability). Sistema de caché multi-capa para rendimiento óptimo: caché L1 en memoria con Moka (evicción LRU, 1000 entradas, TTL 5 minutos) logrando latencia <10ms (95% más rápido que red), caché L2 persistente en PostgreSQL (Neon serverless) para compartir entre instancias con limpieza automática de entradas antiguas, y caché L3 Redis (Upstash) con soporte TLS para caché distribuido. Generación de claves de caché usando hash SHA-256 de URL + dimensiones + calidad + formato + contexto de cliente, asegurando entradas únicas por combinación navegador/dispositivo. Invalidación inteligente de caché en cambios de formato y políticas de evicción automáticas. Procesamiento avanzado de imágenes con encoders específicos por formato: codificación JPEG con MozJPEG para soporte de parámetro de calidad (0-100 configurable), codificación WebP lossy con control de calidad usando crate webp (image crate solo soporta lossless), codificación AVIF con ravif (encoder AVIF puro en Rust) para soporte de formato next-gen, y optimización PNG con reducción automática de paleta. Redimensionamiento inteligente con preservación de aspect ratio: cálculo automático de altura cuando solo se provee ancho, cálculo automático de ancho cuando solo se provee altura, escalado proporcional manteniendo aspect ratio original, y redondeo configurable de dimensiones para eficiencia de caché. Sistema inteligente de detección de contexto de cliente: parsing de HTTP Client Hints (DPR para device pixel ratio, Viewport-Width para píxeles CSS, Width para píxeles físicos incluyendo DPR, Save-Data para detección de velocidad de conexión), parsing de header Accept para detección de capacidad de formato (AVIF, WebP, JPEG, PNG ordenados por preferencia), parsing de User-Agent con Woothee para detección de tipo de dispositivo (mobile, tablet, desktop), y validación automática de formato con FormatCapabilityMatrix asegurando compatibilidad de navegador (Safari iOS < 14 fallback a JPEG, Safari iOS 14-15.3 soporta solo WebP, Safari iOS 16+ soporta AVIF). Struct ClientContext agrega toda la información detectada para decisiones de optimización: vector de formatos soportados ordenados por preferencia, tipo de dispositivo para cálculo de dimensiones, flag save_data para ajuste de calidad, DPR para soporte de displays high-DPI, viewport width para dimensionamiento responsive, y cálculo de ancho efectivo priorizando Width header > viewport * DPR > viewport. Optimización adaptativa de calidad basada en contexto: calidad base desde parámetro de request (default 85), reducción para modo Save-Data (-15 calidad para ahorro de datos), reducción para conexiones lentas inferidas desde tipo de dispositivo, y ajustes de calidad específicos por formato (AVIF puede usar menor calidad para mismo resultado visual). Optimización de dimensiones con awareness de DPR: upscaling automático para displays high-DPI (2x, 3x), dimensionamiento basado en viewport para imágenes responsive, y redondeo configurable de dimensiones para mejores tasas de cache hit. Integración con Cloudinary con bypass completo: CloudinaryAdapter implementa trait ExternalOptimizer, build_original_url construye URLs para obtener imágenes sin procesar desde Cloudinary, fetch_original recupera datos de imagen raw bypaseando la optimización de Cloudinary, y PixMinder procesa imágenes originales con compresión superior. Esta arquitectura permite migración gradual desde Cloudinary manteniendo compatibilidad. Optimizaciones de rendimiento: patrón Singleflight para prevenir requests concurrentes duplicados para misma imagen (deduplicación), semáforo adaptativo para control de concurrencia con ajuste dinámico basado en carga del sistema, async/await en todo el código para I/O no bloqueante, operaciones zero-copy donde sea posible, y gestión eficiente de memoria con sistema de ownership de Rust. Observabilidad con logging estructurado usando crate tracing, tracking de request span para distributed tracing, colección detallada de métricas (cache hit rate, optimization time, compression ratio, format distribution), y manejo comprehensivo de errores con tipos de error custom. Sistema de autenticación y autorización: generación de tokens JWT con secret y expiración configurables, hashing de contraseñas con Argon2 para almacenamiento seguro de credenciales, autenticación basada en cookies con flags HttpOnly y Secure, rutas protegidas con middleware de verificación de token, y gestión de usuarios con persistencia en PostgreSQL. Dashboard administrativo con visualización de métricas: contador total de optimizaciones, porcentaje de cache hit rate, tiempo promedio de optimización, gráficos de distribución de formato con Chart.js, y estadísticas en tiempo real con caché inteligente (TTL 5 minutos). Esquema de base de datos con migraciones SQLx: tabla optimizations rastreando todas las imágenes procesadas (id, url, original_size, optimized_size, format, dimensions, quality, created_at), tabla users para autenticación (id, email, password_hash, created_at, updated_at), soft delete automático para auditoría, índices optimizados para rendimiento de queries, y relaciones foreign key para integridad referencial. Connection pooling con tamaño de pool configurable y health checks automáticos de conexión. Endpoints API: GET /optimize para optimización de imagen con query parameters (url, w, h, q, format), GET /health para health check básico, GET /ready para readiness check validando conexiones de base de datos y caché, GET /metrics para métricas y estadísticas del servicio, POST /auth/login para autenticación, y GET /dashboard para interfaz administrativa (protegida). Configuración CORS con orígenes permitidos configurables soportando múltiples dominios, allowance automático de headers Client Hints (DPR, Viewport-Width, Width, Save-Data), y headers Vary para comportamiento correcto de caché. Modo pass-through para SVG: detección automática de archivos SVG por extensión y Content-Type, proxy directo sin procesamiento (SVGs ya están optimizados), headers Content-Type apropiados (image/svg+xml), y headers de caché para eficiencia de CDN. Manejo de errores con tipos AppError custom: errores Validation para requests inválidos, errores NotFound para imágenes faltantes, errores Processing para fallos de optimización de imagen, y errores External para fallos de servicios third-party. Logging comprehensivo en todos los niveles con salida JSON estructurada en producción. Workflow de desarrollo optimizado con Makefile: make check-fast para validación rápida (1-2s con cargo check), make test-fast para solo unit tests (3-5s), make test-integration para integration tests, make build-dev para builds de desarrollo, make run-dev para ejecutar servidor, y make dev para workflow completo (check → test → build → run). Estrategia de testing con 23 unit tests cubriendo lógica de dominio, integration tests para validación end-to-end, test helpers para setup de base de datos, y mock implementations para dependencias externas. Deploy con Docker usando multi-stage builds: stage builder con Rust 1.75+ y cargo chef para caché de dependencias, stage runtime con Alpine Linux para tamaño mínimo de imagen (~80MB), migraciones automáticas en startup, configuración de health check para orquestación, y caché optimizado de layers para rebuilds rápidos. Deploy en Fly.io con rolling updates zero-downtime, configuración de auto-scaling, monitoreo de health check (endpoint /health cada 10s), gestión de secrets para configuración sensible, y deploy regional (Dallas, Texas). Features de seguridad: HTTPS-only en producción con redirect automático, security headers (X-Content-Type-Options: nosniff, X-Frame-Options: DENY, Strict-Transport-Security con max-age 1 año), rate limiting con thresholds configurables, detección de bots con análisis de User-Agent, y validación de input en todos los entry points. Configuración basada en environment con defaults sensibles, todas las settings configurables vía variables de entorno, detección automática de environment (development vs production), y validación comprehensiva en startup. Features clave: auto-detección de formato desde header Accept con fallback a JPEG, optimización de calidad basada en velocidad de conexión y tipo de dispositivo, cálculo de dimensiones con preservación de aspect ratio, validación de compatibilidad de navegador previniendo mismatches de formato, arquitectura cache-first con fallback multi-capa, bypass de Cloudinary para compresión superior, soporte de Client Hints para dimensionamiento óptimo, pass-through de SVG para gráficos vectoriales, métricas y observabilidad para monitoreo, y dashboard administrativo para analytics. Optimizaciones validadas en producción: mejora de Lighthouse Performance +7-13 puntos, reducción de LCP de 300-600ms, reducción de tamaño de imagen de 25-33%, latencia de caché <10ms (95% más rápido que red), compresión 15-30% mejor que Cloudinary nativo, y cero breaking changes durante migración. Actualmente sirviendo Qubly CRM (SvelteKit + Go) y LaZalza (Next.js 14) con loaders custom para integración seamless. Stack: Rust 1.75+, Axum 0.8, Tokio (async runtime), Tower (middleware), PostgreSQL (Neon serverless), SQLx (async ORM), Redis (Upstash con TLS), Moka (in-memory cache), image crate, MozJPEG, WebP, ravif (AVIF), Woothee (browser detection), Tera (templates), Chart.js, Tracing (observability), Docker, Fly.io. Deploy automatizado en Fly.io con health checks, migraciones automáticas, y rolling updates zero-downtime.

Sistema de gestión para centros de entretenimiento infantil con dashboard administrativo, gestión de ventas, inventario, servicios y exportación de menús digitales. Frontend con SvelteKit: arquitectura híbrida (páginas estáticas pre-renderizadas para SEO y rutas dinámicas SSR para contenido administrativo). Componentes client-side reactivos para interactividad. Monorepo con pnpm workspaces: apps modulares (admin, reception, kidibar, monitor) y packages compartidos (utils, shared, ui). Sistema de diseño responsive con Tailwind CSS, componentes modulares reutilizables (Button, Modal, LoadingSpinner, ErrorBanner, SucursalSelector), y manejo de estado con Svelte stores (auth, metrics, reports, sucursales, products, services, packages). Exportación de menús a PDF y video: generación de menús digitales con HTML5 Canvas, renderizado de alta resolución con configuración de calidad (imageSmoothingQuality: "high"), exportación multi-página con paginación automática, compresión PDF "SLOW" para calidad de texto, captura de video con MediaRecorder API y FFmpeg para conversión a MP4, preview en tiempo real con animaciones suaves, y editor visual de layout con control de columnas, fuentes, colores y fondos personalizables. Backend en FastAPI con Clean Architecture: separación en capas (routers → services → repositories), dependency injection con interfaces para testabilidad, middleware personalizado (autenticación JWT, autorización por roles, rate limiting con slowapi, bot protection, cache headers, security headers). Base de datos PostgreSQL (Neon serverless) con SQLAlchemy Async ORM, migraciones automáticas con Alembic, soft delete para auditoría, índices optimizados, y relaciones foreign key para integridad referencial. Sistema de roles jerárquico: super_admin (control total, gestión de usuarios), admin_viewer (solo lectura), recepcion (operaciones diarias, ventas, timers, cierre de día), kidibar (solo productos y ventas), monitor (solo visualización de timers activos). Sistema de autenticación JWT con tokens seguros, verificación de contraseñas con bcrypt, y exclusión de usuarios soft-deleted en queries. Analytics y reportes: dashboard con métricas en tiempo real (revenue total, ticket promedio ATV, count de ventas, revenue por tipo, valor de inventario, alertas de stock bajo, timers activos, utilización de servicios), reportes avanzados con tabs modulares (ventas, inventario, servicios, clientes, arqueos), gráficos interactivos con Chart.js (time series, pie charts, bar charts), comparativas temporales (período actual vs anterior), análisis de series temporales con debouncing (500ms) para optimizar requests, y predicciones ML con algoritmos estadísticos (forecasting de ventas, predicción de capacidad, análisis de tendencias, detección de patrones semanales). Sistema de timers en tiempo real: inicialmente con WebSockets para sincronización; la Vista Display pasó a polling para simplificar despliegue, evitar problemas de conexión persistente en pantallas/kioscos y compatibilidad con autoplay en PWA (Chrome/Brave). Backend mantiene broadcast periódico y activación automática de timers programados cada 15 s; el monitor público (Vista Display) usa polling adaptativo de timers activos y de alertas pendientes, con actualización en tiempo cuasi real y sonido de alarma al llegar a 0 (configurable desde Recepción → Timers). Gestión completa de catálogo: CRUD de sucursales con filtrado por múltiples sucursales, CRUD de productos con control de stock y alertas, CRUD de servicios con duraciones y precios configurables, CRUD de paquetes (combinaciones de servicios/productos), y gestión de usuarios con permisos granulares. Optimizaciones de performance: Promise Guard para evitar requests duplicados concurrentes, cache client-side con TTL de 60 segundos para datos frecuentes, invalidación automática de cache en mutaciones (create/update/delete), debouncing en reportes para reducir llamadas API, y lazy loading de componentes pesados. Security headers: X-Frame-Options: DENY (prevents clickjacking), X-Content-Type-Options: nosniff (prevents MIME sniffing), Referrer-Policy: strict-origin-when-cross-origin, Strict-Transport-Security (HSTS) en producción con max-age de 1 año, y detección automática de entorno (desarrollo vs producción) con window.location.hostname. SEO optimizado: títulos dinámicos por página con utilidad reutilizable (seo.ts), meta descriptions personalizadas, meta robots para indexación, svelte:head en layouts y páginas clave, y Lighthouse score 100/100 en SEO. Background tasks: limpieza automática de datos soft-deleted (cada 24 horas, retención de 30 días), broadcast de timers en tiempo real, y activación automática de timers programados. Features destacados: dashboard admin con métricas agregadas y filtrado por sucursal, botón maestro de actualización con validaciones (2s mínimo, 30 max por sesión), panel de predicciones ML bajo demanda, exportación de reportes (Excel/PDF con openpyxl y reportlab), sistema de ventas completo con items (productos, servicios, paquetes), cierre de día con arqueo y validaciones, sistema de permisos granular por ruta, health checks con verificación de conectividad a BD, y manejo centralizado de errores con CORS headers consistentes. Optimizaciones de deployment: multi-stage Docker builds para imágenes optimizadas (Alpine Linux 3.20), compresión automática de respuestas HTTP vía Fly.io proxy edge, precompress de assets estáticos en SvelteKit, eliminación de console.log en producción vía esbuild, y sistema de health checks para monitoreo. Arquitectura offline-first con assets locales, fuentes self-hosted, y sistema de iconos SVG (Lucide Icons) integrado. Stack: TypeScript, SvelteKit 1.30.x, FastAPI 0.115.0, SQLAlchemy Async 2.0.36, PostgreSQL (Neon serverless), asyncpg, bcrypt, python-jose, slowapi, jsPDF, FFmpeg (WASM), Chart.js, Tailwind CSS, Docker, Fly.io. Deploy automatizado en Fly.io con zero-downtime, variables de entorno inyectadas en build-time para frontend (VITE_), configuración dual dev/prod con detección automática de entorno vía window.location.hostname, y monorepo con pnpm workspaces para modularidad y reutilización de código. Management system for children's entertainment centers with administrative dashboard, sales management, inventory, services and digital menu export. Frontend with SvelteKit: hybrid architecture (pre-rendered static pages for SEO and dynamic SSR routes for administrative content). Reactive client-side components for interactivity. Monorepo with pnpm workspaces: modular apps (admin, reception, kidibar, monitor) and shared packages (utils, shared, ui). Responsive design system with Tailwind CSS, modular reusable components (Button, Modal, LoadingSpinner, ErrorBanner, SucursalSelector), and state management with Svelte stores (auth, metrics, reports, sucursales, products, services, packages). Digital menu export to PDF and video: HTML5 Canvas menu generation, high-resolution rendering with quality configuration (imageSmoothingQuality: "high"), multi-page export with automatic pagination, "SLOW" PDF compression for text quality, video capture with MediaRecorder API and FFmpeg for MP4 conversion, real-time preview with smooth animations, and visual layout editor with column control, fonts, colors and customizable backgrounds. Backend in FastAPI with Clean Architecture: layer separation (routers → services → repositories), dependency injection with interfaces for testability, custom middleware (JWT authentication, role-based authorization, rate limiting with slowapi, bot protection, cache headers, security headers). PostgreSQL database (Neon serverless) with SQLAlchemy Async ORM, automatic migrations with Alembic, soft delete for auditing, optimized indexes, and foreign key relationships for referential integrity. Hierarchical role system: super_admin (full control, user management), admin_viewer (read-only), recepcion (daily operations, sales, timers, day closing), kidibar (products and sales only), monitor (active timers visualization only). JWT authentication system with secure tokens, password verification with bcrypt, and exclusion of soft-deleted users in queries. Analytics and reports: dashboard with real-time metrics (total revenue, average ticket ATV, sales count, revenue by type, inventory value, low stock alerts, active timers, service utilization), advanced reports with modular tabs (sales, inventory, services, customers, cash counts), interactive charts with Chart.js (time series, pie charts, bar charts), temporal comparisons (current vs previous period), time series analysis with debouncing (500ms) to optimize requests, and ML predictions with statistical algorithms (sales forecasting, capacity prediction, trend analysis, weekly pattern detection). Real-time timer system: initially with WebSockets for synchronization; the Display View moved to polling to simplify deployment, avoid persistent-connection issues on screens/kiosks, and PWA autoplay compatibility (Chrome/Brave). Backend keeps periodic broadcast and automatic activation of scheduled timers every 15 s; the public monitor (Display View) uses adaptive polling of active timers and pending alerts, with near real-time updates and alarm sound at 0 (configurable from Reception → Timers). Complete catalog management: CRUD of branches with multi-branch filtering, CRUD of products with stock control and alerts, CRUD of services with configurable durations and prices, CRUD of packages (service/product combinations), and user management with granular permissions. Performance optimizations: Promise Guard to avoid duplicate concurrent requests, client-side cache with 60-second TTL for frequent data, automatic cache invalidation on mutations (create/update/delete), debouncing in reports to reduce API calls, and lazy loading of heavy components. Security headers: X-Frame-Options: DENY (prevents clickjacking), X-Content-Type-Options: nosniff (prevents MIME sniffing), Referrer-Policy: strict-origin-when-cross-origin, Strict-Transport-Security (HSTS) in production with 1-year max-age, and automatic environment detection (development vs production) with window.location.hostname. Optimized SEO: dynamic titles per page with reusable utility (seo.ts), customized meta descriptions, meta robots for indexing, svelte:head in layouts and key pages, and Lighthouse score 100/100 in SEO. Background tasks: automatic cleanup of soft-deleted data (every 24 hours, 30-day retention), real-time timer broadcasts, and automatic activation of scheduled timers. Key features: admin dashboard with aggregated metrics and branch filtering, master update button with validations (2s minimum, 30 max per session), on-demand ML predictions panel, report export (Excel/PDF with openpyxl and reportlab), complete sales system with items (products, services, packages), day closing with cash count and validations, granular permission system per route, health checks with database connectivity verification, and centralized error handling with consistent CORS headers. Deployment optimizations: multi-stage Docker builds for optimized images (Alpine Linux 3.20), automatic HTTP response compression via Fly.io proxy edge, precompress of static assets in SvelteKit, console.log removal in production via esbuild, and health check system for monitoring. Offline-first architecture with local assets, self-hosted fonts, and integrated SVG icon system (Lucide Icons). Stack: TypeScript, SvelteKit 1.30.x, FastAPI 0.115.0, SQLAlchemy Async 2.0.36, PostgreSQL (Neon serverless), asyncpg, bcrypt, python-jose, slowapi, jsPDF, FFmpeg (WASM), Chart.js, Tailwind CSS, Docker, Fly.io. Automated deployment on Fly.io with zero-downtime, environment variables injected at build-time for frontend (VITE_), dual dev/prod configuration with automatic environment detection via window.location.hostname, and monorepo with pnpm workspaces for modularity and code reusability. Sistema de gestión para centros de entretenimiento infantil con dashboard administrativo, gestión de ventas, inventario, servicios y exportación de menús digitales. Frontend con SvelteKit: arquitectura híbrida (páginas estáticas pre-renderizadas para SEO y rutas dinámicas SSR para contenido administrativo). Componentes client-side reactivos para interactividad. Monorepo con pnpm workspaces: apps modulares (admin, reception, kidibar, monitor) y packages compartidos (utils, shared, ui). Sistema de diseño responsive con Tailwind CSS, componentes modulares reutilizables (Button, Modal, LoadingSpinner, ErrorBanner, SucursalSelector), y manejo de estado con Svelte stores (auth, metrics, reports, sucursales, products, services, packages). Exportación de menús a PDF y video: generación de menús digitales con HTML5 Canvas, renderizado de alta resolución con configuración de calidad (imageSmoothingQuality: "high"), exportación multi-página con paginación automática, compresión PDF "SLOW" para calidad de texto, captura de video con MediaRecorder API y FFmpeg para conversión a MP4, preview en tiempo real con animaciones suaves, y editor visual de layout con control de columnas, fuentes, colores y fondos personalizables. Backend en FastAPI con Clean Architecture: separación en capas (routers → services → repositories), dependency injection con interfaces para testabilidad, middleware personalizado (autenticación JWT, autorización por roles, rate limiting con slowapi, bot protection, cache headers, security headers). Base de datos PostgreSQL (Neon serverless) con SQLAlchemy Async ORM, migraciones automáticas con Alembic, soft delete para auditoría, índices optimizados, y relaciones foreign key para integridad referencial. Sistema de roles jerárquico: super_admin (control total, gestión de usuarios), admin_viewer (solo lectura), recepcion (operaciones diarias, ventas, timers, cierre de día), kidibar (solo productos y ventas), monitor (solo visualización de timers activos). Sistema de autenticación JWT con tokens seguros, verificación de contraseñas con bcrypt, y exclusión de usuarios soft-deleted en queries. Analytics y reportes: dashboard con métricas en tiempo real (revenue total, ticket promedio ATV, count de ventas, revenue por tipo, valor de inventario, alertas de stock bajo, timers activos, utilización de servicios), reportes avanzados con tabs modulares (ventas, inventario, servicios, clientes, arqueos), gráficos interactivos con Chart.js (time series, pie charts, bar charts), comparativas temporales (período actual vs anterior), análisis de series temporales con debouncing (500ms) para optimizar requests, y predicciones ML con algoritmos estadísticos (forecasting de ventas, predicción de capacidad, análisis de tendencias, detección de patrones semanales). Sistema de timers en tiempo real: inicialmente con WebSockets para sincronización; la Vista Display pasó a polling para simplificar despliegue, evitar problemas de conexión persistente en pantallas/kioscos y compatibilidad con autoplay en PWA (Chrome/Brave). Backend mantiene broadcast periódico y activación automática de timers programados cada 15 s; el monitor público (Vista Display) usa polling adaptativo de timers activos y de alertas pendientes, con actualización en tiempo cuasi real y sonido de alarma al llegar a 0 (configurable desde Recepción → Timers). Gestión completa de catálogo: CRUD de sucursales con filtrado por múltiples sucursales, CRUD de productos con control de stock y alertas, CRUD de servicios con duraciones y precios configurables, CRUD de paquetes (combinaciones de servicios/productos), y gestión de usuarios con permisos granulares. Optimizaciones de performance: Promise Guard para evitar requests duplicados concurrentes, cache client-side con TTL de 60 segundos para datos frecuentes, invalidación automática de cache en mutaciones (create/update/delete), debouncing en reportes para reducir llamadas API, y lazy loading de componentes pesados. Security headers: X-Frame-Options: DENY (prevents clickjacking), X-Content-Type-Options: nosniff (prevents MIME sniffing), Referrer-Policy: strict-origin-when-cross-origin, Strict-Transport-Security (HSTS) en producción con max-age de 1 año, y detección automática de entorno (desarrollo vs producción) con window.location.hostname. SEO optimizado: títulos dinámicos por página con utilidad reutilizable (seo.ts), meta descriptions personalizadas, meta robots para indexación, svelte:head en layouts y páginas clave, y Lighthouse score 100/100 en SEO. Background tasks: limpieza automática de datos soft-deleted (cada 24 horas, retención de 30 días), broadcast de timers en tiempo real, y activación automática de timers programados. Features destacados: dashboard admin con métricas agregadas y filtrado por sucursal, botón maestro de actualización con validaciones (2s mínimo, 30 max por sesión), panel de predicciones ML bajo demanda, exportación de reportes (Excel/PDF con openpyxl y reportlab), sistema de ventas completo con items (productos, servicios, paquetes), cierre de día con arqueo y validaciones, sistema de permisos granular por ruta, health checks con verificación de conectividad a BD, y manejo centralizado de errores con CORS headers consistentes. Optimizaciones de deployment: multi-stage Docker builds para imágenes optimizadas (Alpine Linux 3.20), compresión automática de respuestas HTTP vía Fly.io proxy edge, precompress de assets estáticos en SvelteKit, eliminación de console.log en producción vía esbuild, y sistema de health checks para monitoreo. Arquitectura offline-first con assets locales, fuentes self-hosted, y sistema de iconos SVG (Lucide Icons) integrado. Stack: TypeScript, SvelteKit 1.30.x, FastAPI 0.115.0, SQLAlchemy Async 2.0.36, PostgreSQL (Neon serverless), asyncpg, bcrypt, python-jose, slowapi, jsPDF, FFmpeg (WASM), Chart.js, Tailwind CSS, Docker, Fly.io. Deploy automatizado en Fly.io con zero-downtime, variables de entorno inyectadas en build-time para frontend (VITE_), configuración dual dev/prod con detección automática de entorno vía window.location.hostname, y monorepo con pnpm workspaces para modularidad y reutilización de código.

Dashboard de analytics multi-tenant optimizado con interfaz responsive, diseñado para monitoreo de métricas web en tiempo real a través de múltiples sitios y proyectos. Frontend construido con NiceGUI (framework reactivo basado en Vue.js) con componentes modulares y diseño UI Purple/Pink brutalist de alto contraste para máxima legibilidad. Sistema de assets localizado: 54 iconos SVG locales (Phosphor Icons) en formato offline-first, fuentes locales optimizadas (Inter Variable + Plus Jakarta Sans), sistema de iconos dinámico con soporte para tamaño/color/estilos CSS, estilos de reconexión personalizados con iconos custom, y badges/botones con tema brutalist purple/pink. Backend en FastAPI con endpoints optimizados, caché mejorado con manejo de errores resiliente, y geolocalización automática vía MaxMind GeoIP. Arquitectura multi-tenant con aislamiento completo de datos y personalización por cliente, segmentada en microcomponentes async (charts, metrics, tables, heatmaps) con renderizado adaptativo según dispositivo. Visualización con Plotly para gráficos temporales, heatmaps de actividad, distribuciones geográficas y análisis de audiencia. Almacenamiento en PostgreSQL (Neon) con queries optimizadas por tenant y caché con namespaces y manejo avanzado de errores de conexión. Features destacados: gestión centralizada multi-sitio con selección dinámica de proyecto, análisis de crecimiento con comparativas temporales, métricas KPI con diseño estilo Spotify, mapas de calor de actividad horaria, geolocalización automática de visitantes, breakdown completo de audiencia (dispositivos/navegadores/OS), y sistema refreshable asíncrono con actualización en tiempo real (@ui.refreshable). Nuevas funcionalidades incorporadas: sistema de ajuste de zona horaria para visualización contextualizada geográficamente, permitiendo análisis preciso de patrones de tráfico según región. Exportación completa de datos a CSV con generación dinámica de reportes personalizados por sección y período seleccionado. Módulo de predicción con inteligencia estadística adaptativa usando algoritmos avanzados para forecasting de métricas (EWMA - Exponential Weighted Moving Average, análisis de tendencias, patrones semanales), análisis comparativo de períodos y recomendaciones basadas en tendencias detectadas. El sistema incluye StatisticalForecastEngine (motor de predicción estadística), ErrorTracker (MAPE, RMSE, MAE), AdaptiveParameterAdjuster (ajuste adaptativo de parámetros), PatternCache (cache inteligente de patrones), LearningModule (orquestador de aprendizaje adaptativo) y PredictionStore (almacenamiento persistente con feedback loop). Optimizaciones recientes: implementación completa de async/await para eliminar bloqueos de UI, sistema mejorado de manejo de errores de conexión a BD, timeout extendido para conexiones a bases de datos serverless, compresión automática de respuestas HTTP vía Fly.io proxy edge, formulario de login optimizado con atributos de seguridad mejorados, interfaz reactiva con binding preservado para operaciones asíncronas complejas. Dockerfile optimizado con multi-stage builds y mejor layer caching para builds más rápidos, COPYs optimizados con ordenamiento inteligente para maximizar cache hits, reducción de dependencias removiendo 10 paquetes de Google Gemini (no utilizados), reduciendo tamaño de imagen significativamente. Sistema de iconos SVG local con 54 iconos Phosphor Icons integrados offline-first, fuentes locales optimizadas (Inter Variable + Plus Jakarta Sans) para carga rápida, estilos de reconexión personalizados con iconos custom y diseño brutalist, badges brutalist para contadores y etiquetas con estilo purple/pink de alto contraste, botones estilizados (login y acciones principales) con tema brutalist consistente, reemplazo completo de emojis por iconos SVG vectoriales. Clean Architecture mantenida con separación clara de responsabilidades, código modular y escalable con sistema de helpers reutilizables (icon_helper, status_helper, reconnect_styles, fonts), sistema de predicción modularizado con 8 módulos independientes, arquitectura offline-first con assets locales sin dependencias externas. Stack: Python, FastAPI, NiceGUI, Plotly, PostgreSQL (Neon), Tailwind CSS, Fly.io, Docker, MaxMind GeoIP2, Phosphor Icons (54 iconos SVG locales), Inter Variable + Plus Jakarta Sans (fuentes locales). Multi-tenant analytics dashboard optimized with responsive interface, designed for real-time web metrics monitoring across multiple sites and projects. Frontend built with NiceGUI (reactive framework based on Vue.js) with modular components and brutalist Purple/Pink high-contrast UI design for maximum readability. Localized asset system: 54 local SVG icons (Phosphor Icons) in offline-first format, optimized local fonts (Inter Variable + Plus Jakarta Sans), dynamic icon system with support for size/color/CSS styles, custom reconnection styles with custom icons, and brutalist purple/pink themed badges/buttons. Backend in FastAPI with optimized endpoints, improved cache with resilient error handling, and automatic geolocation via MaxMind GeoIP. Multi-tenant architecture with complete data isolation and per-client customization, segmented into async microcomponents (charts, metrics, tables, heatmaps) with adaptive rendering according to device. Visualization with Plotly for temporal charts, activity heatmaps, geographic distributions, and audience analysis. Storage in PostgreSQL (Neon) with optimized per-tenant queries and cache with namespaces and advanced connection error handling. Key features: centralized multi-site management with dynamic project selection, growth analysis with temporal comparisons, Spotify-style KPI metrics, hourly activity heatmaps, automatic visitor geolocation, complete audience breakdown (devices/browsers/OS), and asynchronous refreshable system with real-time updates (@ui.refreshable). New features incorporated: timezone adjustment system for geographically contextualized visualization, enabling precise analysis of traffic patterns by region. Complete data export to CSV with dynamic generation of custom reports by section and selected period. Prediction module with adaptive statistical intelligence using advanced algorithms for metrics forecasting (EWMA - Exponential Weighted Moving Average, trend analysis, weekly patterns), comparative period analysis and recommendations based on detected trends. The system includes StatisticalForecastEngine (statistical prediction engine), ErrorTracker (MAPE, RMSE, MAE), AdaptiveParameterAdjuster (adaptive parameter adjustment), PatternCache (intelligent pattern cache), LearningModule (adaptive learning orchestrator) and PredictionStore (persistent storage with feedback loop). Recent optimizations: complete async/await implementation to eliminate UI blocking, improved database connection error handling system, extended timeout for serverless database connections, automatic HTTP response compression via Fly.io proxy edge, optimized login form with enhanced security attributes, reactive interface with preserved binding for complex asynchronous operations. Optimized Dockerfile with multi-stage builds and improved layer caching for faster builds, optimized COPYs with intelligent ordering to maximize cache hits, dependency reduction removing 10 Google Gemini packages (unused), significantly reducing image size. Local SVG icon system with 54 integrated Phosphor Icons offline-first, optimized local fonts (Inter Variable + Plus Jakarta Sans) for fast loading, custom reconnection styles with custom icons and brutalist design, brutalist badges for counters and labels with high-contrast purple/pink style, styled buttons (login and main actions) with consistent brutalist theme, complete emoji replacement with vector SVG icons. Clean Architecture maintained with clear separation of responsibilities, modular and scalable code with reusable helper system (icon_helper, status_helper, reconnect_styles, fonts), modularized prediction system with 8 independent modules, offline-first architecture with local assets without external dependencies. Stack: Python, FastAPI, NiceGUI, Plotly, PostgreSQL (Neon), Tailwind CSS, Fly.io, Docker, MaxMind GeoIP2, Phosphor Icons (54 local SVG icons), Inter Variable + Plus Jakarta Sans (local fonts). Dashboard de analytics multi-tenant optimizado con interfaz responsive, diseñado para monitoreo de métricas web en tiempo real a través de múltiples sitios y proyectos. Frontend construido con NiceGUI (framework reactivo basado en Vue.js) con componentes modulares y diseño UI Purple/Pink brutalist de alto contraste para máxima legibilidad. Sistema de assets localizado: 54 iconos SVG locales (Phosphor Icons) en formato offline-first, fuentes locales optimizadas (Inter Variable + Plus Jakarta Sans), sistema de iconos dinámico con soporte para tamaño/color/estilos CSS, estilos de reconexión personalizados con iconos custom, y badges/botones con tema brutalist purple/pink. Backend en FastAPI con endpoints optimizados, caché mejorado con manejo de errores resiliente, y geolocalización automática vía MaxMind GeoIP. Arquitectura multi-tenant con aislamiento completo de datos y personalización por cliente, segmentada en microcomponentes async (charts, metrics, tables, heatmaps) con renderizado adaptativo según dispositivo. Visualización con Plotly para gráficos temporales, heatmaps de actividad, distribuciones geográficas y análisis de audiencia. Almacenamiento en PostgreSQL (Neon) con queries optimizadas por tenant y caché con namespaces y manejo avanzado de errores de conexión. Features destacados: gestión centralizada multi-sitio con selección dinámica de proyecto, análisis de crecimiento con comparativas temporales, métricas KPI con diseño estilo Spotify, mapas de calor de actividad horaria, geolocalización automática de visitantes, breakdown completo de audiencia (dispositivos/navegadores/OS), y sistema refreshable asíncrono con actualización en tiempo real (@ui.refreshable). Nuevas funcionalidades incorporadas: sistema de ajuste de zona horaria para visualización contextualizada geográficamente, permitiendo análisis preciso de patrones de tráfico según región. Exportación completa de datos a CSV con generación dinámica de reportes personalizados por sección y período seleccionado. Módulo de predicción con inteligencia estadística adaptativa usando algoritmos avanzados para forecasting de métricas (EWMA - Exponential Weighted Moving Average, análisis de tendencias, patrones semanales), análisis comparativo de períodos y recomendaciones basadas en tendencias detectadas. El sistema incluye StatisticalForecastEngine (motor de predicción estadística), ErrorTracker (MAPE, RMSE, MAE), AdaptiveParameterAdjuster (ajuste adaptativo de parámetros), PatternCache (cache inteligente de patrones), LearningModule (orquestador de aprendizaje adaptativo) y PredictionStore (almacenamiento persistente con feedback loop). Optimizaciones recientes: implementación completa de async/await para eliminar bloqueos de UI, sistema mejorado de manejo de errores de conexión a BD, timeout extendido para conexiones a bases de datos serverless, compresión automática de respuestas HTTP vía Fly.io proxy edge, formulario de login optimizado con atributos de seguridad mejorados, interfaz reactiva con binding preservado para operaciones asíncronas complejas. Dockerfile optimizado con multi-stage builds y mejor layer caching para builds más rápidos, COPYs optimizados con ordenamiento inteligente para maximizar cache hits, reducción de dependencias removiendo 10 paquetes de Google Gemini (no utilizados), reduciendo tamaño de imagen significativamente. Sistema de iconos SVG local con 54 iconos Phosphor Icons integrados offline-first, fuentes locales optimizadas (Inter Variable + Plus Jakarta Sans) para carga rápida, estilos de reconexión personalizados con iconos custom y diseño brutalist, badges brutalist para contadores y etiquetas con estilo purple/pink de alto contraste, botones estilizados (login y acciones principales) con tema brutalist consistente, reemplazo completo de emojis por iconos SVG vectoriales. Clean Architecture mantenida con separación clara de responsabilidades, código modular y escalable con sistema de helpers reutilizables (icon_helper, status_helper, reconnect_styles, fonts), sistema de predicción modularizado con 8 módulos independientes, arquitectura offline-first con assets locales sin dependencias externas. Stack: Python, FastAPI, NiceGUI, Plotly, PostgreSQL (Neon), Tailwind CSS, Fly.io, Docker, MaxMind GeoIP2, Phosphor Icons (54 iconos SVG locales), Inter Variable + Plus Jakarta Sans (fuentes locales).

Plataforma inteligente de generación de audio con capacidades de aprendizaje automático, diseñada para productores musicales. El sistema analiza patrones de preferencias del usuario mediante técnicas de ML para optimizar futuras generaciones, operando sobre una arquitectura híbrida de costo-cero. Sistema de Aprendizaje Automático (Machine Learning): Pattern Recognition Engine que extrae automáticamente características de prompts exitosos (BPM, instrumentación, keywords de género/mood) usando procesamiento de lenguaje natural y análisis estadístico. Audio Embeddings con vectorización de audio usando librosa para extraer características tímbricas, armónicas y espectrales (MFCC, chroma, spectral features), implementando búsqueda por similitud coseno en espacio latente de 30 dimensiones. Adaptive User Profiling con algoritmo de construcción de perfil en tiempo real que actualiza preferencias automáticamente tras cada feedback, calculando métricas como tasa de éxito, rangos preferidos y palabras clave correlacionadas. Recommendation System basado en análisis de embeddings históricos para predecir probabilidad de éxito de nuevas generaciones. Frontend: Vanilla JS, HTML5, CSS3 implementando SPA (Single Page Application) sin frameworks. Sistema de paginación client-side para manejo eficiente de datasets grandes. Dashboard de insights en tiempo real con visualización de patrones aprendidos. UI responsive y minimalista optimizada para flujo de trabajo de producción. Backend & Arquitectura: FastAPI como orquestador central RESTful, gestionando toda la lógica de negocio. Arquitectura Híbrida Desacoplada con separación de componentes: Centro de Comando (GitHub Codespaces) para backend, base de datos y sistema de aprendizaje; Worker de Generación (Google Colab) con GPU dedicada para inferencia de MusicGen; comunicación vía API REST con tunnel ngrok para conexión segura. Sistema de Persistencia: SQLite con esquema optimizado para almacenar metadatos de generaciones, embeddings de audio (vectores serializados como BLOB), feedback binario para construcción de dataset de entrenamiento, y estadísticas agregadas. Sistema de versionado Git para persistencia del conocimiento entre sesiones. Arquitectura eficiente: embeddings permanentes en BD (~2KB), archivos MP3 como artefactos transitorios (~1.2MB). IA & Modelos: MusicGen (Meta Audiocraft) para generación text-to-music en GPU con capacidades melody-guided para re-interpretación de audio existente manteniendo estructura melódica. Gemini 2.0 Flash (LLM) para asistencia opcional en refinamiento técnico de prompts. Sistema dual de generación: modo directo (prompts sin modificación para máximo control) y modo asistido (optimización automática vía Gemini). Features Clave: Generación melody-guided única (re-interpretación de audio manteniendo melodía), sistema de feedback binario para dataset curado, auto-análisis de patrones cada sesión, extracción automática de embeddings al generar, búsqueda de samples similares por características acústicas, predicción de preferencias basada en vectores históricos, paginación para historial extenso (20 items/página), workflow automatizado con scripts bash. Métricas & Análisis: Tasa de éxito en tiempo real (ratio likes/total), detección automática de BPM preferidos con cálculo de rangos y promedios, análisis de frecuencia de instrumentos mediante NLP en prompts, correlación de keywords de género/mood con feedback positivo, sistema de insights visuales para interpretación de patrones aprendidos. Stack: Python, FastAPI, Vanilla JS (ES6+), MusicGen (Audiocraft), Gemini 2.0 Flash, SQLite, NumPy, Librosa, GitHub Codespaces, Google Colab (GPU T4), ngrok. Intelligent audio generation platform with machine learning capabilities, designed for music producers. The system analyzes user preference patterns using ML techniques to optimize future generations, operating on a zero-cost hybrid architecture. Machine Learning System: Pattern Recognition Engine that automatically extracts features from successful prompts (BPM, instrumentation, genre/mood keywords) using natural language processing and statistical analysis. Audio Embeddings with audio vectorization using librosa to extract timbral, harmonic and spectral features (MFCC, chroma, spectral features), implementing cosine similarity search in 30-dimensional latent space. Adaptive User Profiling with real-time profile building algorithm that automatically updates preferences after each feedback, calculating metrics like success rate, preferred ranges and correlated keywords. Recommendation System based on historical embeddings analysis to predict success probability of new generations. Frontend: Vanilla JS, HTML5, CSS3 implementing SPA (Single Page Application) without frameworks. Client-side pagination system for efficient handling of large datasets. Real-time insights dashboard with learned patterns visualization. Responsive and minimalist UI optimized for production workflow. Backend & Architecture: FastAPI as central RESTful orchestrator, managing all business logic. Decoupled Hybrid Architecture with component separation: Command Center (GitHub Codespaces) for backend, database and learning system; Generation Worker (Google Colab) with dedicated GPU for MusicGen inference; communication via REST API with ngrok tunnel for secure connection. Persistence System: SQLite with optimized schema to store generation metadata, audio embeddings (vectors serialized as BLOB), binary feedback for training dataset construction, and aggregated statistics. Git versioning system for knowledge persistence between sessions. Efficient architecture: permanent embeddings in DB (~2KB), MP3 files as transient artifacts (~1.2MB). AI & Models: MusicGen (Meta Audiocraft) for text-to-music generation on GPU with melody-guided capabilities for re-interpretation of existing audio while maintaining melodic structure. Gemini 2.0 Flash (LLM) for optional assistance in technical prompt refinement. Dual generation system: direct mode (unmodified prompts for maximum control) and assisted mode (automatic optimization via Gemini). Key Features: Unique melody-guided generation (audio re-interpretation maintaining melody), binary feedback system for curated dataset, auto-analysis of patterns each session, automatic embeddings extraction when generating, similar samples search by acoustic features, preference prediction based on historical vectors, pagination for extensive history (20 items/page), automated workflow with bash scripts. Metrics & Analysis: Real-time success rate (likes/total ratio), automatic detection of preferred BPMs with range and average calculation, instrument frequency analysis via NLP in prompts, genre/mood keywords correlation with positive feedback, visual insights system for learned patterns interpretation. Stack: Python, FastAPI, Vanilla JS (ES6+), MusicGen (Audiocraft), Gemini 2.0 Flash, SQLite, NumPy, Librosa, GitHub Codespaces, Google Colab (GPU T4), ngrok. Plataforma inteligente de generación de audio con capacidades de aprendizaje automático, diseñada para productores musicales. El sistema analiza patrones de preferencias del usuario mediante técnicas de ML para optimizar futuras generaciones, operando sobre una arquitectura híbrida de costo-cero. Sistema de Aprendizaje Automático (Machine Learning): Pattern Recognition Engine que extrae automáticamente características de prompts exitosos (BPM, instrumentación, keywords de género/mood) usando procesamiento de lenguaje natural y análisis estadístico. Audio Embeddings con vectorización de audio usando librosa para extraer características tímbricas, armónicas y espectrales (MFCC, chroma, spectral features), implementando búsqueda por similitud coseno en espacio latente de 30 dimensiones. Adaptive User Profiling con algoritmo de construcción de perfil en tiempo real que actualiza preferencias automáticamente tras cada feedback, calculando métricas como tasa de éxito, rangos preferidos y palabras clave correlacionadas. Recommendation System basado en análisis de embeddings históricos para predecir probabilidad de éxito de nuevas generaciones. Frontend: Vanilla JS, HTML5, CSS3 implementando SPA (Single Page Application) sin frameworks. Sistema de paginación client-side para manejo eficiente de datasets grandes. Dashboard de insights en tiempo real con visualización de patrones aprendidos. UI responsive y minimalista optimizada para flujo de trabajo de producción. Backend & Arquitectura: FastAPI como orquestador central RESTful, gestionando toda la lógica de negocio. Arquitectura Híbrida Desacoplada con separación de componentes: Centro de Comando (GitHub Codespaces) para backend, base de datos y sistema de aprendizaje; Worker de Generación (Google Colab) con GPU dedicada para inferencia de MusicGen; comunicación vía API REST con tunnel ngrok para conexión segura. Sistema de Persistencia: SQLite con esquema optimizado para almacenar metadatos de generaciones, embeddings de audio (vectores serializados como BLOB), feedback binario para construcción de dataset de entrenamiento, y estadísticas agregadas. Sistema de versionado Git para persistencia del conocimiento entre sesiones. Arquitectura eficiente: embeddings permanentes en BD (~2KB), archivos MP3 como artefactos transitorios (~1.2MB). IA & Modelos: MusicGen (Meta Audiocraft) para generación text-to-music en GPU con capacidades melody-guided para re-interpretación de audio existente manteniendo estructura melódica. Gemini 2.0 Flash (LLM) para asistencia opcional en refinamiento técnico de prompts. Sistema dual de generación: modo directo (prompts sin modificación para máximo control) y modo asistido (optimización automática vía Gemini). Features Clave: Generación melody-guided única (re-interpretación de audio manteniendo melodía), sistema de feedback binario para dataset curado, auto-análisis de patrones cada sesión, extracción automática de embeddings al generar, búsqueda de samples similares por características acústicas, predicción de preferencias basada en vectores históricos, paginación para historial extenso (20 items/página), workflow automatizado con scripts bash. Métricas & Análisis: Tasa de éxito en tiempo real (ratio likes/total), detección automática de BPM preferidos con cálculo de rangos y promedios, análisis de frecuencia de instrumentos mediante NLP en prompts, correlación de keywords de género/mood con feedback positivo, sistema de insights visuales para interpretación de patrones aprendidos. Stack: Python, FastAPI, Vanilla JS (ES6+), MusicGen (Audiocraft), Gemini 2.0 Flash, SQLite, NumPy, Librosa, GitHub Codespaces, Google Colab (GPU T4), ngrok.