███████╗██╗ ██╗███╗ ███╗ ██████╗ ██████╗ █████╗ ██╗ ███████╗
██╔════╝██║ ██║████╗ ████║██╔═══██╗██╔══██╗██╔══██╗██║ ██╔════╝
█████╗ ██║ ██║██╔████╔██║██║ ██║██████╔╝███████║██║ ███████╗
██╔══╝ ██║ ██║██║╚██╔╝██║██║ ██║██╔══██╗██╔══██║██║ ╚════██║
███████╗███████╗██║██║ ╚═╝ ██║╚██████╔╝██║ ██║██║ ██║███████╗███████║
╚══════╝╚══════╝╚═╝╚═╝ ╚═╝ ╚═════╝ ╚═╝ ╚═╝╚═╝ ╚═╝╚══════╝╚══════╝
AI engineer · agentes en producción · MCP · RAG · fine-tuning local
Fundador técnico en @nexcar-ai · México
Construyo agentes que llegan a producción, no demos. Servidores MCP, RAG híbrido y modelos afinados en local. Escribo casi todo en español porque el ecosistema hispanohablante de AI engineering está desatendido y me interesa cerrar esa brecha.
jw-agent-toolkit · Python
Monorepo de 12 paquetes: servidor MCP con 129 herramientas, 28 endpoints REST,
RAG híbrido (BM25 + vectorial + RRF) y fine-tuning local con alineamiento
(Unsloth/MLX, DPO/ORPO, Constitutional AI).
131k LoC · 2 716 tests · jw-agent-toolkit.vercel.app
Skills_MX · Python
83 servidores MCP para el entorno burocrático mexicano: SAT, IMSS, INFONAVIT
y trámites de gobierno. Automatización de lo que en México todavía se hace a mano.
1 667 tests · skills-mexico.vercel.app
comercio-exterior · Python
Orquestador multi-agente para aduanas y comercio exterior: sub-agentes,
Critic + RefineLoop, memoria en 4 capas y framework de evaluación.
Llevo años coleccionando repositorios. Llegó un punto en que la colección dejó de ser útil por su propio tamaño, así que construí las herramientas para domarla:
Github-star-X · Python
Guarda automáticamente en GitHub los repos que descubro vía stars desde una cuenta
de X. El pipeline de captura.
StarGraph · TypeScript · Python
Analiza esos repos con estrella y genera un grafo de conocimiento navegable:
perfiles técnicos extraídos con Claude, embeddings en Pinecone y grafo en
Cytoscape.js sobre FastAPI + Next.js 15. La capa de sentido.
Contenido_automatizado · Python
Pipeline de creación de contenido automatizado con agentes de IA, de la idea a
la publicación.
╭─ elimorals · octubre 2026 ───────────────────────────────────────╮
│ │
│ 3 177 contribuciones 2556 commits · 592 pull requests │
│ 35 repositorios 14 públicos · 21 privados │
│ 120.7 MB de código HTML + Python, sobre todo │
│ 5 720 repos con ★ curados desde julio de 2020 │
│ │
├─ lo que construyo · 120.7 MB en 35 repos ────────────────────────┤
│ │
│ HTML ████████████████████████████████████████ 67.4% │
│ Python █████████ 14.7% │
│ TypeScript ██████ 10.9% │
│ JavaScript ██ 4.1% │
│ PLpgSQL █ 1.0% │
│ Jupyter 0.6% │
│ │
├─ lo que sigo · 5 720 repos con estrella ─────────────────────────┤
│ │
│ Python ███████████████████ 32.5% │
│ TypeScript ███████████ 17.8% │
│ JavaScript ████ 6.2% │
│ Go ███ 5.2% │
│ Rust ███ 4.7% │
│ C++ ██ 3.9% │
│ │
│ ai 445 · llm 412 · ai-agents 270 · mcp 249 · claude-code 231 │
│ machine-learning 226 · react 216 · android 166 │
│ deep-learning 163 · claude 161 · cli 159 · self-hosted 156 │
│ docker 135 · openai 130 · developer-tools 124 · macos 121 │
│ │
╰──────────────────────────────────────────────────────────────────╯
Bytes de código de mis 26 repos, privados incluidos · temas de mi colección de repos con estrella · generado desde la API con card.py
Python · TypeScript · MCP · RAG · LLMs locales · FastAPI · Next.js
CI con ruff + mypy --strict + pytest + bandit. Conventional commits.
Roadmap por fases.
Me interesan los agentes verificables: los míos devuelven citas rastreables en vez de texto plausible, y la lógica crítica corre sin LLM en el camino.