AI / LLM Engineer

Orquesto agentes de IA en
sistemas que llegan a producción.

Sistemas agénticos, orquestación con LangGraph y arquitecturas RAG — diseñados, construidos y desplegados en producción.

Sobre mí

Quién soy

Un ingeniero de IA/LLM que convierte procesos manuales en arquitecturas agénticas escalables.

Construyo los sistemas que hacen que la IA actúe — orquestaciones multiagente y pipelines de recuperación que pasan del prototipo a producción. Me centro en el diseño agéntico con LangChain y LangGraph, en RAG sobre Postgres y pgvector, y en la ingeniería de prompts que lo hace todo lo bastante fiable como para ponerlo delante de usuarios reales por canales como WhatsApp.

Bajo el trabajo de IA hay una base full-stack y de datos — Python, TypeScript, Node y React —, además de las herramientas de base de datos y automatización para conectar servicios de extremo a extremo. Significa que puedo llevar una idea desde la arquitectura hasta el despliegue yo mismo, en lugar de quedarme en la demo.

Sergio Cuéllar Almagro — portrait
Especialidad

Capacidades

Seis áreas en las que construyo — con las herramientas principales destacadas.

  • Orquestación de Agentes

    • LangGraph
    • LangChain
    • Enrutamiento multiagente
    • Uso de tools
    • Agentes con estado (memoria)
    • Human-in-the-loop
  • Recuperación / RAG

    • RAG
    • RAFT
    • pgvector / HNSW
    • Embeddings
    • Búsqueda semántica
  • LLM en Producción

    • Ingeniería de prompts
    • Evaluaciones (LLM-as-a-judge)
    • Observabilidad (Langfuse)
    • Streaming SSE
  • Machine Learning y Ciencia de Datos

    • scikit-learn
    • PyTorch / Keras
    • Deep learning (CNNs)
    • Visión artificial (OpenCV)
    • NLP (NLTK)
    • Grad-CAM (explicabilidad)
    • Pandas
  • Ingeniería

    • Python
    • FastAPI
    • TypeScript / Node.js
    • React / Next.js
    • PostgreSQL / Supabase
    • Docker
    • Arquitectura hexagonal
  • Automatización e Integración

    • N8N
    • Integraciones de API REST
    • WhatsApp / Meta API
    • ZohoDesk API
    • CI/CD
    • Pipelines ETL
Muestra de IA

Cómo construyo sistemas agénticos

Las arquitecturas reales detrás de mi trabajo — los agentes son estrellas; la orquestación, las líneas que los unen.

Los diagramas de orquestación y RAG son la arquitectura real de Kynetix — mi entrenador de IA full-stack de entrenamiento y nutrición. El guardrail es el núcleo de Agentic Job Engine, el motor de búsqueda de empleo que construí y uso en mi propia búsqueda.

Orquestación multiagente

Un supervisor de LangGraph clasifica cada mensaje y lo enruta a uno de seis especialistas — programación de un solo entrenamiento o de la semana completa, actualización de perfil, el subgrafo de nutrición, análisis post-entrenamiento o conversación general. La programación fundamenta los planes en un almacén RAG con pgvector y en servicios deterministas (1RM, fatiga, TDEE); el análisis lee el historial relacional de entrenamientos; la nutrición se confirma con validación humana. El estado de la conversación persiste mediante un checkpointer de Postgres y las respuestas se transmiten token a token por SSE.

Guardrails: generación anclada

El modelo nunca escribe texto libre sobre la experiencia de un candidato: redacta el CV a partir de referencias source_key a elementos del Perfil. Un validador puro, sin base de datos, red ni LLM de por medio, rechaza cualquier clave que el Perfil no contenga, de modo que un puesto o una habilidad inventados fallan antes de guardar nada. Solo un borrador que lo supera resuelve sus claves al texto real del Perfil y se genera en PDF para que lo revise una persona.

Pipeline de recuperación RAG

El conocimiento de referencia (kinesiología, nutrición) se vectoriza y almacena una vez; en tiempo de consulta la pregunta se vectoriza, se compara con un índice HNSW de pgvector y los fragmentos más relevantes fundamentan la respuesta del modelo — sin conjeturas infundadas.
Pregunta a mi portfolio

Pregunta a mi portfolio

Un asistente RAG en vivo, fundamentado en mi experiencia real — la arquitectura de arriba, funcionando.

Prueba a preguntar

¿Prefieres el correo? info@sergiocuellar.dev

Proyectos

Trabajo destacado

Sistemas agénticos y de LLM seleccionados que diseñé y construí de extremo a extremo.

Kynetix — Coach de Gimnasio y Nutrición con IA

Un entrenador de IA full-stack de entrenamiento y nutrición: un backend FastAPI + LangGraph que ejecuta un agente multinodo con streaming, fundamentado con RAG sobre pgvector, y un cliente React PWA.

  • LangGraph
  • LangChain
  • FastAPI
  • OpenAI
  • PostgreSQL + pgvector
  • Redis
  • React PWA
Ver más Repositorio privado

Ask My Portfolio — API de Chat RAG

El chat RAG fundamentado que responde preguntas sobre mí en esta misma web — un único Cloudflare Worker con streaming de tokens por SSE, recuperación con Supabase pgvector y protección anti-abuso con Turnstile + KV.

  • TypeScript
  • Cloudflare Workers
  • OpenAI
  • Supabase + pgvector
  • Turnstile
  • Workers KV
  • SSE
Experiencia

Dónde he trabajado

Una breve trayectoria de roles centrados en IA, del más reciente al más antiguo.

  1. Simply Trade IN

    AI Automation Developer

    Nov 2025 – Mar 2026

    • Construí agentes de soporte RAG que codifican el conocimiento del dominio en respuestas fundamentadas y precisas.
    • Implementé recuperación semántica en Supabase con Postgres + pgvector.
    • Desplegué un motor de ventas conversacional y automaticé la generación de contenido social mediante pipelines de N8N.
    • Automaticé pipelines operativos en varios departamentos con N8N, integrando la IA en los flujos de trabajo del día a día.
    • Construí flujos de datos ETL en Python y N8N que integran múltiples APIs de terceros, sobre esquemas relacionales de Postgres/Supabase.
  2. BoosterPrompt

    Desarrollador de Aplicaciones Web — Backend / Sistemas Agénticos

    Jun 2025 – Mar 2026

    • Construí un sistema de reservas conversacional multiagente con LangChain y LangGraph, orquestando el uso de tools entre agentes especializados.
    • Entregué reservas por WhatsApp de extremo a extremo a través de la API de Meta, llevando el sistema a usuarios reales en producción.
    • Reforcé la fiabilidad de los agentes con ingeniería de prompts sistemática.
    • Desarrollé el backend y los flujos de datos en Node.js, cubiertos con tests unitarios y de integración en Vitest.
    • Construí un servicio de notificaciones sobre la API de Resend y diseñé el sitio web corporativo.
  3. Freelance

    Diseñador Web y Analista de Datos

    Mar 2023 – Nov 2025

    • Diseñé y entregué aplicaciones web para clientes, con optimización SEO/SEM.
    • Realicé análisis de datos de negocio —sentimiento y KPIs— en Python (Pandas, NLTK).
Contacto

Construyamos algo

Abierto a roles de ingeniería de IA/LLM. La forma más rápida de contactarme es el correo.