███████╗██╗ ██╗███╗ ███╗ ██████╗ ██████╗ █████╗ ██╗ ███████╗
██╔════╝██║ ██║████╗ ████║██╔═══██╗██╔══██╗██╔══██╗██║ ██╔════╝
█████╗ ██║ ██║██╔████╔██║██║ ██║██████╔╝███████║██║ ███████╗
██╔══╝ ██║ ██║██║╚██╔╝██║██║ ██║██╔══██╗██╔══██║██║ ╚════██║
███████╗███████╗██║██║ ╚═╝ ██║╚██████╔╝██║ ██║██║ ██║███████╗███████║
╚══════╝╚══════╝╚═╝╚═╝ ╚═╝ ╚═════╝ ╚═╝ ╚═╝╚═╝ ╚═╝╚══════╝╚══════╝
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 · Python83 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 · agosto 2026 ────────────────────────────────────────╮
│ │
│ 1 044 contribuciones 962 commits · 60 pull requests │
│ 26 repositorios 12 públicos · 14 privados │
│ 24.5 MB de código Python + TypeScript, sobre todo │
│ 5 438 repos con ★ curados desde julio de 2020 │
│ │
├─ lo que construyo · 24.5 MB en 26 repos ─────────────────────────┤
│ │
│ Python ████████████████████████████████████████ 45.0% │
│ TypeScript ███████████████████████████████ 35.3% │
│ JavaScript ███████ 8.4% │
│ Jupyter ███ 3.1% │
│ Astro ██ 2.5% │
│ PLpgSQL ██ 1.7% │
│ │
├─ lo que sigo · 5 438 repos con estrella ─────────────────────────┤
│ │
│ Python █████████████████████████████ 33.0% │
│ TypeScript ████████████████ 17.5% │
│ JavaScript ██████ 6.3% │
│ Go ████ 4.7% │
│ C++ ████ 4.1% │
│ Rust ████ 4.1% │
│ │
│ ai 426 · llm 371 · machine-learning 223 · mcp 221 │
│ ai-agents 220 · react 207 · claude-code 206 │
│ deep-learning 162 · claude 158 · android 157 · cli 147 │
│ self-hosted 144 · docker 127 · openai 126 · macos 109 │
│ │
╰──────────────────────────────────────────────────────────────────╯
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.