La semana en que los proyectos empezaron a converger

El finde como banco de pruebas

Avanzo mis proyectos los fines de semana, y este domingo, al sentarme a recapitular, me di cuenta de algo que no había visto durante la semana: mis proyectos ya no son experimentos sueltos. Empiezan a contar una sola historia — la de un backend engineer construyendo para la era de la IA.

Esta entrada cruza tres miradas de la semana: lo que se envió de verdad, lo que exploré en infraestructura de IA local, y el estado general del portfolio. No todo brilló. También hubo cosas que se rompieron.

Highlights — lo que se envió

Backend to the Future tuvo un rediseño real, no un maquillaje. El sitio del laboratorio pasó a apoyarse en un design system como fuente de la verdad: espaciado, color y tipografía dejan de ser adivinanza. Encima, un blog bilingüe (español/inglés) conectado al toggle de idioma existente, de modo que cada artículo cambia en vivo con el resto de la interfaz, y un showcase de proyectos con TokenMeter en primera fila. Todo salió como PR #1.

diegobarrioh.dev se reconstruyó pensando en quien lo lee. No en abstracto: en un recruiter técnico o un equipo de ingeniería viéndome por primera vez. Esa restricción cambió cada decisión — la hero flotando sin marco, CTAs con iconos reales (CV PDF, LinkedIn, GitHub, Let's Talk), comportamiento responsive que aguanta en móvil sin que la imagen empuje el título. La decisión más interesante fue el CV: ChatGPT me había pasado un rediseño en markdown, así que lo natural fue renderizar /cv como markdown en vez de una página hecha a mano. El CV ahora apunta al trabajo real: TokenMeter y Backend to the Future con enlaces vivos, el Local AI Lab sobre una NVIDIA RTX 3060 de 12 GB, los modelos probados (Qwen 3.5, Gemma 3, Llama 3.1, DeepSeek R1, Mistral Nemo) y akademia como proyecto destacado, con su stack honesto: generación de preguntas por RAG con embeddings de OpenAI vía OpenRouter y una tienda Stripe para comprar temarios.

A akademia le apunté una revisión de código senior y le pedí que leyera el código como un extraño hostil. Sin cuestiones de gusto: defectos reales — race conditions, errores tragados en silencio, coerciones de tipo que esconden fallos, config y código muertos. Encontró bastante. Lo resolví en tandas revisables sobre una rama fix/codebase-review repartida en PRs, y cerré con disciplina de release: alinear develop y main, back-merge limpio y release 1.3.0 con git flow.

Lo explorado — el harness importa más que el modelo

En paralelo seguí montando un laboratorio de IA local con el hardware que ya tengo. La lección de la semana: el modelo es solo una pieza. Correr un asistente de código útil no es cargar un modelo en Ollama; es el harness alrededor — acceso a archivos, terminal, ejecución de tests, búsqueda, gestión de contexto y tool calling. Sobre la RTX 3060, los modelos de 7B–14B son perfectamente prácticos; el cuello de botella sigue siendo la VRAM, y la integración de herramientas pesa más que cualquier ranking de benchmark. También exploré cómo los agentes se autentican contra proveedores comerciales vía OAuth en lugar de API keys, y cómo inspeccionar cuota y reaccionar a los límites — temas poco glamurosos pero que, según madura el tooling, se parecen cada vez más a ingeniería de backend clásica.

El portfolio de fondo

Más allá de lo enviado, el conjunto se mueve en varios frentes: DBHLABS, un ecosistema de agentes autónomos para automatizar el ciclo de desarrollo (Spring Boot, PostgreSQL, React + Vite, integrando Jira, GitHub y entornos Docker aislados); ExoDrill Escape, un juego de plataformas con assets low-poly en Blender y una decisión técnica abierta sobre el motor (Godot vs Unity); y akademia afinando su MVP de flashcards dinámicas sobre temario con RAG. Frentes distintos, pero la misma raíz: construir con IA como flujo de trabajo, no como novedad.

El detalle importante

Un bug que parecía cosmético no lo era. Una clase de contenedor usaba el shorthand de CSS padding: 0 28px, que silenciosamente puso a cero el padding vertical de cada sección que la usaba; las utilidades py-* de Tailwind quedaban anuladas por precedencia de capas, y secciones enteras perdían su respiro sin motivo aparente. La lección es vieja pero insiste: un shorthand no solo fija lo que escribes, resetea todo lo que no escribes.

Lowlights

No todo fue fino. Cerrar la release con git flow tropezó al etiquetar: git flow release finish falló con fatal: ¿sin mensaje de tag? porque el tag no tenía mensaje y no podía crearse de forma no interactiva — la automatización sobre git es genial hasta que choca con el único prompt interactivo que no sabe responder. Fuera del código, un fallo extraño en el Mac Mini hizo desaparecer los dispositivos de audio de macOS (se resolvió solo al preparar el reinicio: a veces la mejor herramienta de debug sigue siendo reiniciar), y seguí investigando un comportamiento raro de red donde un portátil corporativo parece afectar al resto de dispositivos — CrowdStrike, Zscaler y FortiClient siguen como sospechosos, sin causa raíz confirmada.

El hilo que conecta todo

Visto en frío, la semana no fueron tareas inconexas. Las mismas ideas reaparecieron en cada repo: un laboratorio de IA local sobre hardware de consumo, el desarrollo asistido por IA como el flujo real, y herramientas como TokenMeter y akademia que existen porque construyo de esta forma nueva. Hasta el reparto de trabajo fue multi-modelo — ChatGPT redactando el CV, Claude y Fable construyendo, cada uno en lo suyo.

Conclusiones

• Un rediseño con design system se mantiene; un maquillaje es deuda.
• El shorthand de CSS resetea las propiedades que no pusiste — padding: 0 28px es un foot-gun junto a las utilidades de Tailwind.
• Revisar tu propio código como un extraño hostil saca los bugs que tu familiaridad esconde.
• Envía los fixes en tandas revisables, no en un commit heroico.
• La automatización sobre git es tan robusta como su prompt más interactivo.
• El valor de los agentes de código viene del tooling alrededor, no solo del modelo.

Qué sigue

Las piezas están convergiendo solas, así que el siguiente paso es apoyarse en ello: hacer explícito el flujo en el que modelos locales y en la nube cooperan, en vez de que ocurra por accidente, y dejar que cada herramienta haga lo que mejor sabe. El sitio, el CV y los proyectos empiezan a decir lo mismo — y es más interesante de lo que decía cada uno por separado.